一种小波包的微机械陀螺消噪方法

微机械(MEMS)陀螺精度直接影响惯导系统精度。研究表明,随机噪声是影响MEMS陀螺精度的重要因素。本文在介绍小波包变换和自适应阈值的基础上,采用db4小波包变换阈值消噪方法,对某MEMS陀螺信号进行消噪处理,数据处理验证了此算法在MEMS陀螺消噪处理中的有效性。     

基于小波分析与支持向量机的时间序列预测

时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面。目前提出的预测模型大多基于＂原始时间序列是无噪的＂这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪。利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果。实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度。     

改进的自适应阈值软硬折中Curvelet图像去噪技术

Curvelet变换是继小波变换和Ridgelet变换之后,更适合图像处理的一种多尺度变换,它能同时获得对图像平滑区域和边缘部分的稀疏表达,且具有很强的方向性。针对软阀值和硬阈值去噪方法存在的不足,提出了基于Curvelet变换域的软硬阈值折中去噪法,并采用不同的阈值自适应地对不同的Curvelet子带进行阈值化,实验结果表明该方法对图像中的边缘曲线特征有更好的复原。去噪后图像PSNR值更高,视觉效果更好。     

小波去噪法在复合材料变形测量中的应用研究

为了提高数字散斑相关方法（DSCM）在复合材料变形测量中的精度,将数字散斑技术与小波去噪技术相结合,采用阈值去噪法对小波系数进行阈值量化处理,并进行复合材料的拉伸试验,同时使用DSCM及引伸计进行测量,再使用该小波去噪法对DSCM测量的结果进行去噪,并与引伸计所测结果相比较。结果表明：去噪后的DSCM的测量结果与引伸计测量的结果吻合得更好,精度更高,说明该小波去噪法能够较好地去除数字散斑相关测量和计算中的噪声。     

基于最优小波包基的信号去噪算法及其应用

提出了一种基于Shannon熵准则的最优小波包基信号去噪算法,并将其应用于某型导弹惯导系统陀螺仪信号的去噪处理中。该算法在最优小波包基的基础上,针对不同频段采用不同的阈值算法,用量化后的系数重构得到去噪后的信号。仿真结果表明,该算法具有良好的去噪性能,并且消噪效果明显优于基于小波变换的去噪算法,因而将具有更为广泛的应用前景。     

基于小波变换的色谱数据平滑滤噪和高效压缩

根据色谱信号及色谱分析的特征和小波变换能精细刻划信号奇异性的特点,本文提出了一种基于多分辨小波分析的色谱伏安信号的平滑滤噪和高效压缩算法.该算法压缩比高(平均大于100倍),滤波效果好,广泛适用于高效液相色谱、气相色谱和红外光谱的滤波和压缩.该算法尤其适用于被强噪声污染的信号处理.     

小波包变换对遥测速变数据噪声消除效果的改进

在介绍小波包定义和降噪声原理的基础上,提出了采用小波包变换降低噪声的方法。为验证该方法的有效性,将其用于某型导弹试验中所测遥测数据的降噪处理中,并与小波变换降噪效果进行比较。结果表明,小波包变换改进了遥测速变数据的消噪效果,是速变信号降噪一种更为有效的方法。     

小波变换在雷达信号检测中的应用

小波分析已经成为目前雷达信号去噪的主要方法之一。通过对小波去噪问题的描述,揭示了小波去噪的滤波特性;分别阐述了目前雷达信号检测中常用的4类小波去噪方法并进行性能分析;对雷达信号的小波检测方法提出了展望。     

基于复Shearlet域高斯混合模型的SAR图像去噪

 结合双树复小波的平移不变性、多分辨率性和剪切波变换的灵活可选的多方向性,提出一种新的图像表达方法——复Shearlet变换。针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像的相干噪声特点,建立了复Shearlet系数域的高斯混合模型(Gaussian Mixture Model,GSM),在此基础上应用贝叶斯最小二乘法进行系数估计,最后进行复Shearlet反变换得到去噪以后的SAR图像。仿真结果和分析表明:本文提出的算法相比其他变换域去噪算法,不仅去噪后的图像的峰值信噪比(Peak Signal to Noise Ratio, PSNR)有所提高,而且去噪后的图像更平滑,且与Shearlet域高斯混合模型相比,本文算法速度快了两倍多。     

SAR图像舰船目标边缘检测

提出了一种在正则化基础上,利用小波变化实现合成孔径雷达(SAR)图像舰船目标边缘检测的新方法。传统的利用小波变换实现图像边缘检测时,阈值需要人为设定。针对这一问题,文章引入正则化超分辨技术,从贝叶斯框架下的估计问题出发,采用非二次正则化,平滑图像,保护强散射点目标,实现对 SAR图像进行去噪。利用小波变换的局部化特性和多尺度分析能力,检测突变信号,实现对舰船目标的边缘检测。该方法去噪效果好,边缘 定位准确,仿真结果表明了算法的有效性。     

基于双树复小波包变换和SVM的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的非平稳性和现实中难以获得大量典型故障样本的情况,提出一种基于双树复小波包变换和支持向量机（SVM）的故障诊断方法.首先通过双树复小波包变换将非平稳的振动信号分解得到不同频带的分量;然后对每个分量求其能量并归一化处理;最后将从各个频带分量中提取的能量特征参数作为支持向量机的输入来识别滚动轴承的故障类型.对试验台模拟信号（包括滚动轴承的正常状态、外圈裂纹故障、内圈裂纹故障和滚动体点蚀故障）的分析表明:该方法对所测试验信号的故障识别率达到99.5%,对比传统小波包变换与SVM结合的方法,故障识别率的准确度更高.      

面向不均匀飞机舱音信号样本的模糊支持向量机识别方法

 针对驾驶舱话音记录器(CVR)中记录的舱音背景信息多而复杂、频率范围宽、非平稳等特点,通过对15种舱音信息进行傅里叶变换和小波包变换,依次提取其Mel倒谱系数(MFCC)和小波包分解系数(WPC),利用距离可分性判据对MFCC和WPC信息进行压缩融合,得到舱音信息特征向量。设计了面向不均衡样本的模糊支持向量机(FSVM),分别计算每种类别样本及其内每种舱音信息的2个隶属度,然后利用FSVM对舱音信号进行分类识别,解决了CVR信号含噪奇异样本和数目不均衡样本时识别性能较差的缺点,实验表明该方法明显优于常规支持向量机(SVM)和FSVM,分类识别率达到98.33%。     

红外图像特征提取的一种方法

小波变换是信号处理、图像处理的重要工具,已广泛应用于信号分析、数据压缩和边缘检测等各个领域。本文基于图像小波变换,提出了一种红外图像特征提取的一种方法。通过对红外图像进行小波分解,设置门限,将小波变换系数转换为二进制,然后将二进制小波系数再转换为十进制,这样既得到了红外图像的特征,又压缩了数据。通过大量的红外图像目标识别实验,证明本文提出的方法是有效的。     

含噪振动信号中早期碰摩的故障检测研究

 研究了在有噪环境下发动机转子系统早期碰摩故障的检测问题。利用最优参数搜索法改进了独立分量分析( ICA) 算法, 用于求解转子系统振动信号与噪声的盲分离问题。在此基础上, 对分离后的振动信号利用小波包分解进行早期碰摩信号的检测。结果显示最优搜索的ICA 算法运行效率高, 信号分离纯度好, 对振动信号有高效的降噪作用, 并利用小波包分解准确地检测出振动信号中的碰摩信息, 其效果优于小波分解法。信噪分离与小波包分解相结合有望用于工程实践中的早期碰摩故障检测和诊断。     

小波包分析在内燃机车静液压齿轮箱故障诊断中的应用

本文简述了小波变换的基本原理及利用小波包对振动信号进行分解的方法。小波分析良好的时频局部化性质，适于检测正常信号中夹带的瞬态反常现象并展示其成分，这在旋转机械状态监侧及早期故障诊断中具有重要意义。本文给出利用小波包分析在内燃机车静液压齿轮箱故障诊断中提取微弱轴承冲击故障特征的实例。     

一种基于小波变换的天水线提取算法

文中提出了一种基于小波变换多尺度分解图像快速提取天水线的方法,不仅省去了一般图像特征提取之前的图像预处理及图像分割步骤,而且提取的天水线效果好,处理周期短,自适应性强,同时能够滤除噪声并保持目标细节。     

自适应可调品质因子小波变换在轴承早期故障诊断中的应用

分析了可调品质因子小波变换(TQWT)的近似平移不变性,并通过模拟信号对该性质进行验证。提出了基于时频峭度指标优化的自适应可调品质因子小波变换(ATQWT)方法,用于解决滚动轴承早期故障诊断问题。首先利用时频峭度指标对TQWT的品质因子和冗余因子进行搜寻,确定最优影响参数后,根据所得结果设置好TQWT的参数并对原始信号进行处理,得到相应的信号分量并选定最佳信号分量,对最佳信号分量执行包络解调处理,最后分析包络谱中的频率成分来判定轴承的状态。实验信号分析结果表明:所得时频峭度指标更加可靠,鲁棒性更强。在低信噪比情况下,该方法可以准确分离出原始信号中的微弱特征,有效判定轴承的早期故障。      

航空发动机外部管路调频的有限元计算方法

利用有限元方法对航空发动机外部管路模态进行了计算,得到了管路的固有频率及模态振型;通过计算,分析了安装不同数量、位置的卡箍对管路固有频率的影响,以此为依据进行了管路调频,避免了管路共振的发生。     

双树复小波域MCA降噪在齿轮故障诊断中的应用

齿轮箱早期故障信号中往往包含强烈的干扰噪声,而基于简单阈值规则的小波系数降噪方法往往不能取得良好的效果.针对该问题,提出了基于形态分量分析(MCA)的双树复小波降噪方法.首先,对强背景噪声故障信号进行双树复小波变换,得到不同层的小波变换系数;然后,选取小波系数周期性较为明显层的小波系数进行MCA降噪;最后,将降噪后的系数进行单支重构后便可获得故障特征信号,对降噪信号进行包络分析便可以确定信号的故障特征频率.利用该方法对仿真分析和某轧机齿轮箱打齿故障早期信号进行了处理,结果表明:该方法能够在有效去除信号中的强背景噪声,比单独MCA降噪及软阈值降噪具有更好的效果,得到了更清晰的故障特征频率,从而为齿轮早期故障诊断提供了一种新方法.      

基于小波包分解和滑动功率谱的舰船轴频电场信号检测

轴频电场是可在水下探测到的一种运动舰船特征物理场,由于海水的衰减作用,其信号十分微弱。文章提出了一种基于小波包分解和滑动功率谱的微弱舰船轴频电场信号检测方法。首先,利用小波包变换对观测信号进行多子带分解;然后,分别提取各子带信号功率作为检测特征量,使用浮动门限对其进行滑动检测。实测数据和仿真数据处理表明,该方法能够在较低的信噪比条件下有效工作,性能优于传统的功率谱检测方法。