基于Daubechies小波的X射线脉冲星信号降噪研究

针对X射线脉冲星弱信号埋没在强噪声中,在短时间内周期叠加的脉冲轮廓的信噪比低,影响脉冲到达时间的估计精度和效率,提出基于Daubechies小波的X射线脉冲星信号降噪的算法。在对RXTE观测数据预降噪处理和周期叠加的基础上,采用Daubechies小波算法做降噪处理,使得较短的时间内仍能获得高信噪比的脉冲轮廓。利用RXTE观测数据进行验证仿真,结果表明,该算法能有效滤除X射线脉冲星信号所包含的设备及空间环境的噪声,在保证脉冲到达时间精度的情况下,缩短了观测时间,提高X射线脉冲星导航的效率。      

无源定位中基于小波变换的相位差去噪研究

实际工程中相位干涉仪的测量误差较大,造成相位差变化率定位算法的收敛速度较慢。利用小波阈值降噪法对相位差及其变化率信息进行平滑滤波,可以在相位差测量误差较大情况下进行快速高精度定位,而且观测间隔越短,抗噪性能越好,定位精度越高。仿真证明了算法的有效性。     

小波降噪在提高测角精度中的应用

分析了MUSIC超分辨算法的测角精度与信噪比的关系。基于小波变换系数极大值同信号奇异性之间的关系 ,采用小波降噪算法 ,改善了信噪比 ,大大提高了测角精度     

干涉SAR图像的降噪方法分析

在分别实现复数均值滤波、圆周期均值滤波、圆周期中值滤波3种降噪算法的基础上,分析了各种算法的计算量,给出了降噪效果。为了在计算量与降噪效果之间取得最优的平衡点,提出了一种新的降噪思路——二次或多次复合降噪,该算法可以综合几种降噪方法的优点,在计算量增加不大的情况下,较好地保持了边缘信息,降低相位不确定度的效果显著。基于计算机仿真,设置地面场景验证了新算法的降噪效果,同时以ERS-1／2真实数据验证了新算法的有效性。     

对地观测卫星访问区域目标时间窗口快速算法

为减少对地观测卫星访问区域目标时间窗口的计算,根据建立的卫星对区域目标的观测模型,提出了卫星观测区域目标时间窗口的大圆近似快速算法,给出了算法具体步骤。仿真算例结果表明:时间窗口起点误差小于0.5 s,时间窗口长度误差小于0.723%,计算时间减少了99.87%.     

基于小波阈值降噪和经验模态分解的高光谱图像分类算法

为了充分降低高光谱图像中的噪声以获得高精度的分类结果,本文结合小波阈值降噪(WTD)和经验模态分解(EMD)的优点,提出了一种基于小波阈值降噪-经验模态分解的高精度支持向量机(SVM)高光谱图像分类算法(WTD-EMD-SVM)。首先对高光谱图像进行小波阈值降噪,除去高光谱数据中的高频噪声;然后再对高光谱图像进行EMD,获得含有高光谱数据本质特征的内固模态函数(IMF)和含有低频噪声的残差;最后采用内固模态函数重构高光谱图像,并对高光谱图像进行SVM分类。将其应用到AVIRIS数据92AV3C,仿真结果表明该算法不仅提高了高光谱图像分类精度,同时可减少支持向量数目,以提高高光谱图像分类速度。     

基于第二代小波的序列图像超分辨率复原算法研究

介绍了第二代小波(SGWs)的基本原理和特点,在此基础上提出了低分辨率采样图像高分辨率 (HR)重建算法。它不但具有结构简单,逆变换容易,可扩展性好的优点,并且克服了第一代 小波(FGWs) 的不均匀采样和定义在有限区间上的难题,指出了小波变换时数据不规则性的 处理方法,并利用硬／软阈值对小波系数降噪,使得重构后的图像具有最佳的PSNR和最低的 重构误差。实验和仿真结果表明,与传统方法相比,该算法在提高了图像的分辨率同时PSNR 最多能提高3 dB左右。
     

Daubechies小波函数特征对MRTD算法的影响性分析

时域多分辨分析法（MRTD）是电磁场仿真计算的新方法,其核心是时频分析的小波函数问题。为提高MRTD方法的计算效率和精度,如何选择Daubechies(db)小波函数的消失矩和紧支度成为MRTD算法应用中有待解决的问题。首先给出了一种在介质基底有损耗的情况下计算微带线间串扰的三维MRTD数学模型。其次研究db小波尺度函数的紧支度、消失矩特性对于MRTD算法的计算精度和效率的影响问题。最后通过对比基于 db1~db4 四种小波基的MRTD算法对PCB电路板微带线间串扰的仿真结果,得到在相同精度下,基于db2小波函数的MRTD算法计算效率最高,在db小波簇中是最优的结论。
     

基于RCS观测序列的空间目标识别算法

针对低分辨率雷达体制下的空间目标识别问题,提出了基于RCS观测序列的空间目标识别算法.该算法首先对空间目标的低分辨雷达RCS观测序列进行离散小波变换,然后在时间-尺度平面上提取十个有效的统计特征,最后基于模糊分类来识别空间目标.应用四类空间目标的实测数据进行了仿真实验,取得了比较好的识别效果.     

基于集合经验模态分解和小波阈值的真空泵振动信号降噪方法

真空泵的振动信号具有非平稳、非线性的特性,且夹杂着大量背景噪声,难以直接对其特征信号进行提取、分析,阻碍对真空泵的在线故障诊断。为此,文章提出基于集合经验模态分解(EEMD)的真空泵振动信号小波阈值降噪方法:首先将振动信号进行EEMD分解,得到若干个本征模态函数(IMF)与余项,然后引入归一化自相关函数对IMF分量进行筛选,再对筛选出的IMF分量进行小波阈值降噪处理,最后将降噪后的IMF分量与未处理的IMF分量和余项进行重构,得到降噪后的真空泵振动信号。对仿真与实验信号进行降噪处理的结果表明该方法优于现有的降噪方法,为真空泵振动信号的降噪提供了新的途径。