基于小波变换和ICA的卫星测控信号盲识别算法

针对信息对抗中对非合作卫星测控信号识别的问题,提出一种小波变换和独立分量分析相结合的卫星测控信号盲识别算法.首先,基于小波变换去除噪声原理,对混合信号进行去噪处理;然后,采用独立分量分析的方法对去噪后的混合信号进行分离;最后进一步对分离后的测控信号作矢量归一和再去噪处理,得到卫星测控信号的最终估计.Matlab仿真结果表明:该识别算法可以较好地分离卫星测控信号,并且很好地保留了源信号的特征,具有良好的稳定性,收敛速度较快.     

基于静态小波分解的机加工表面图象滤波

由于在机械加工过程中机械振动和噪声回波的相干性，机加工表面图象上会存在白噪声，为了削弱这些噪声的影响，提出了一种基于静态小波分解的自适应阈值滤波方法，该方法首先将机加工图象分解至静态小波域。然后在静态小波域中将噪声的小波系数收缩至零，将此算法应用于机加工图象噪声滤波，并与基于Mallat分解的滤波算法和另外三种典型图象滤波算法进行比较，结果表明，该方法不仅可以有效的去除噪声，而且还可以保持图象的精密纹理结构。     

基于小波变换与局部离散度的多聚焦图像融合算法

提出了一种基于小波变换与局部离散度的多聚焦图像融合算法。首先对不同聚焦图像进行小波变换,然后采用局部离散度准则对各个方向上的高频系数进行融合,采用重要度准则对低频系数进行融合,最后对融合后的小波系数进行重构,得到了很好的融合图像。实验结果表明,融合效果优于取绝对值大的小波系数和区域方差准则的融合算法。     

一种基于白噪声的多点激励随机信号生成方法

为提高多输入多输出(Multiple input multiple output,MIMO)线性随机振动试验系统中具有相关特性的多路驱动信号生成精度,基于驱动谱非负定Hermite特性及矩阵分解理论提出了一种CD(Cholesky decomposition)白噪声滤波信号生成方法。构造具有特定"频响特性"的传递系统,将一系列独立白噪声通过该系统得到具有预期相干特性、相位差以及自谱的平稳随机信号。建立悬臂梁两输入两输出线性振动系统仿真模型,将传统傅里叶逆变换时频转换方法与CD滤波法生成的驱动信号进行对比分析。结果表明新方法精度与参考值误差不足1dB。两轴振动试验验证结果表明,应用CD法既满足工程实际标准需求,又为振动环境试验提供理论依据。     

基于加权PCR证据融合的多传感器Lamb波损伤成像

为提高基于Lamb波损伤定位成像的对比度和可靠性,提出了一种基于证据理论多传感器信息融合的损伤成像方法。基于连续小波变换,确定了传感路径的时间延迟,进而采用椭圆定位法进行损伤成像。以信号时频带能量变化率为指标,确定了传感路径的权重值,提出了一种基于加权比例冲突再分配(Proportional conflict redistribution,PCR)证据融合算法,并以此对多组传感路径的定位成像进行融合。试验结果表明,该方法具有较好的成像对比度,且能降低因部分传感路径时间延迟判断失误对成像结果造成的影响。     

子波变换平滑的混沌信号检测

将近几年兴起的子波变换、分形理论应用于带观测噪声混沌信号的检测。基于快速子波变换导出了平滑算子，将其对时序信号进行处理，并根据它在一定的尺度范围内具有标度不变的性质，利用改进的Ｇ－Ｐ算法计算其分数维数，对带有观测噪声的Ｌｏｒｅｎｚ吸引子波的混沌运动进行了检测。实验结果表明，该方法具有较好检测混沌现象的能力。     

基于分形理论的混沌信号与噪声分离方法

提出一种分维数和子波重构相结合的混沌信号与噪声分离方法，与以往出现的子波滤波方法和经典滤波方法相比较，该方法有如下特点；利用子波变换计算带观测噪声混沌信号的真实分数维，进而根据观测序列维数与真实维数的差值控制子波重构的参数，构造出混沌与噪声分离的自适应滤波器结构。仿真实验说明了该算法的有效性。     

SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

改进的EMD方法在车辆振动信号提取中的应用(英文)

为了能在强噪声背景下准确地进行振动信号的特征提取,对经验模式分解进行了研究和改进,并将其应用于车辆振动信号的特征提取中。首先对系统中各输入信号进行了多次自相关处理,有效地降低信号中的噪声。然后对处理的信号进行经验模式分解,得到了各固有模态函数分量。最后对感兴趣的固有模态函数分量进行希尔伯特变换和谱分析,从而得到信号的特征信息。仿真和试验分析说明了改进的经验模式分解方法的可行性,并且对同类工程问题具有一定的参考价值。     

基于带限随机信号相位谱的分数延时估计方法

传统延时估计方法的精度受采样间隔的限制。为提高精度,提出一种新的适用于宽带信号的分数延时估计方法。该方法将周期图法与抛物线插值应用于带限随机信号的互相关谱,可以获得连续的延时估计。文中通过一系列仿真实验对该方法与其他分数延时估计方法的性能进行比较。结果表明,该方法的性能优于其他估计方法,在信噪比较高的情况下,可以接近克拉美罗下界。由于发射信号具有宽带和随机的特点,该方法适用于低截获概率雷达。     

Variational Mode Decomposition for Rotating Machinery Condition Monitoring Using Vibration Signals

The failure of rotating machinery applications has major time and cost effects on the industry.Condition monitoring helps to ensure safe operation and also avoids losses.The signal processing method is essential for ensuring both the efficiency and accuracy of the monitoring process.Variational mode decomposition(VMD)is a signal processing method which decomposes a non-stationary signal into sets of variational mode functions(VMFs)adaptively and non-recursively.The VMD method offers improved performance for the condition monitoring of rotating machinery applications.However,determining an accurate number of modes for the VMD method is still considered an open research problem.Therefore,a selection method for determining the number of modes for VMD is proposed by taking advantage of the similarities in concept between the original signal and VMF.Simulated signal and online gearbox vibration signals have been used to validate the performance of the proposed method.The statistical parameters of the signals are extracted from the original signals,VMFs and intrinsic mode functions(IMFs)and have been fed into machine learning algorithms to validate the performance of the VMD method.The results show that the features extracted from VMD are both superior and accurate for the monitoring of rotating machinery.Hence the proposed method offers a new approach for the condition monitoring of rotating machinery applications.     

多点随机振动控制中的互谱矩阵研究

多振动台随机振动实验中必须设置完整的参考谱矩阵。针对控制点之间互谱和自谱的关系，本文提出了将参考谱矩阵的正定性作为其能否物理可实现的判定条件，并为具有控制点之间完全相干要求的谱矩阵建立了类似Cholesky分解的方法。利用优化逆系统求解驱动信号，避开了传统控制方法中直接对频响函数矩阵求逆的过程。仿真算例表明对控制点之间互谱的控制效果令人满意。     

一种基于纹理特性的自适应彩色图像水印方法

根据人眼的视觉系统特性,结合二维离散小波变换的多分辨率分析特性,纹理特性,提出一种小波零树结构的自适应彩色图像水印嵌入算法。该算法精选小波零树,对重要小波系数进行分类。并根据人类视觉特性和纹理特性,对不同类采用不同的嵌入方法。实验结果表明:该文提出的算法有较强的抵抗JPEG压缩攻击能力,并且对噪声、滤波、剪切等图像处理操作也取得了良好的鲁棒性。     

基于二进小波变换的磁共振图像去噪新算法

针对传统去噪方法在降低噪声的同时会模糊图像边缘的缺点,提出了一种基于二进小波变换的噪声抑制新算法.利用小波系数的区域相关性,将要处理的小波系数置于由它周围的系数组成的可变窗口内,由窗口内所有小波系数的值来决定该系数的处理方式.由于离散小波是非平移不变的,因而重构过程中会出现人工噪声.为了避免这个问题,本文采用了具有平移不变性的二进小渡变换.实验结果表明,该方法较之传统去噪方法有更高的去噪精度,可以有效降低噪声,同时较好地保持图像细节和边缘信息.     

应用小波分析方法处理非平稳信号的研究

本文综述小波分析这一前沿领域的发展现状，介绍了小波变换及其Mallat快速小波算法，对比分析了小波变换与短时傅里叶变换之间的差异，指出这种基于多分辨方法的小波变换特别适合于非平衡信号的分析与处理，并且应用该方法对实测信号进行了有效的时频分析。     

基于ELMD与改进SMSVM的机械故障诊断方法

机械振动信号携带大量重要的机械状态信息,然而机械故障振动信号在复杂工作状态下通常呈现非平稳、非线性特性。因此,从振动信号抽取和选择有效的机械故障特征、提高故障识别性能,成为机械故障诊断研究的热点。针对上述问题,本文提出了基于集成局部均值分解(Ensemble local means decomposition,ELMD)与改进的稀疏多尺度支持向量机(Sparse multiscale support vector machine,SMSVM)的机械故障诊断方法。该方法首先使用自适应非线性、非平稳信号处理方法 ELMD把多模态调制故障信号分解成为多个单模态解调信号,有效地增强了故障特征。把压缩感知和多尺度分析技术融合于故障模式分类中,提出改进SMSVM旋转机械故障识别方法,提高多类机械微弱故障数据模式识别性能。该方法融合稀疏表示、多尺度分析和SVM的优点,无需求解复杂的优化问题,易于推广至更多尺度SVM,具有计算量少、泛化性与鲁棒性好、物理意义明显等优点。人工数据和实验设备数据验证了本文算法的优越性。     

基于小波包变换与D-S证据理论的多聚焦图像融合

介绍采用小波包变换实现多聚焦图像融合的原理及一般结构,提出一种基于D—S证据理论的融合规则,并给出实例仿真实验。实验结果表明,该方法具有良好的效果。     

基于小波变换的自适应多用户检测算法

在分析传统自适应多用户检测的基础上 ,提出了一种基于小波变换的自适应多用户检测算法。用小波变换进行前处理 ,然后再通过 LMS算法实现自适应多用户检测。与通常的自适应多用户检测算法相比 ,该算法利用了小波变换对小波空间进行了分解 ,信号经小波变换后自相关性会下降 ,收敛速度提高。同时在此分解过程中 ,根据信号与白噪声在不同尺度上的小波变换模极大值表现完全不同的特性进行信号的消噪。理论分析和仿真结果表明 ,该算法收敛速度较快 ,计算量增加较少 ,易于实时实现 ,而且具有良好性能。同时仿真实验表明 ,收敛速度与小波基选择有关 ,对于同一小波基系列 ,小波基的正则性越好收敛速度越快     

一维与二维信号的快速内插算法

一维信号的快速内插在语音处理、数字波束形成、雷达实时仿真等方面有重要应用。图象处理中则常需对二维信号进行内插。文中首先提出了一种利用ＦＦＴ的一维信号内插的子序列算法。去除了Ａｄａｍｓ算法的额外补偿项ｅｒ（ｍ）与其他冗余运算，所需实乘数只有Ａｄａｍｓ算法的２０％左右，实加数约为Ａｄａｍｓ算法的３０％。然后本文又提出了一种基于子序列ＦＦＴ的二维信号快速内插算法。该算法不仅解决了Ｓａｔｈｙａｎａｒａｙａ     

基于Contourlet域SOT结构的SAR图像相干斑抑制算法

把SOT结构引入到能够最优表示图像的Contourlet变换中,结合Contourlet系数域的结构特点和SAR图像相干斑乘性噪声模型提出了一种新的相干斑抑制算法。对基于小波系数域SOT结构的相干斑抑制算法中固定在一个低频尺度中选择根系数的方法进行了改进,根据SAR图像的匀质性条件自适应地在两个不同低频尺度中选择根系数。把该算法应用到实测SAR图像中取得了很好的目视效果,各项指标得到了有效提高。