应用解析小波法识别MPSK与MFSK信号

文章提出了一种利用解析小波变换识别MPSK与MFSK信号的方法。利用解析小波变换可以有效提取信号的瞬时相位、频率以及变换后的瞬时幅度信息,根据这些信息,可以通过适当的判决准则识别MPSK与MFSK信号。该方法与利用H ilbert变换提取的瞬时参量相比,对噪声有更好的抗干扰作用,在低信噪比下,也有较好的效果。文中给出了仿真结果。     

NOVEL ADAPTIVE MULTIUSER DETECTIONALGORITHM BASED ON WAVELET TRANSFORM

The wavelet transform-based adaptive multiuser detection algorithm is presented. The novel adaptive multiuser detection algorithm uses the wavelet transform for the preprocessing, and wavelet-transformed signal uses LMS algorithm to implement the adaptive multiuser detection. The algorithm makes use of wavelet transform to divide the wavelet space, which shows that the wavelet transform has a better decorrelation ability and leads to better convergence. White noise can be wiped off under the wavelet transform according to different characteristics of signal and white noise under the wavelet transform. Theoretical analyses and simulations demonstrate that the algorithm converges faster than the conventional adaptive multiuser detection algorithm, and has the better performance. Simulation results reveal that the algorithm convergence relates to the wavelet base, and show that the algorithm convergence gets better with the increasing of regularity for the same series of the wavelet base. Finally the algorithm shows that it can be easily implemented.     

一种小波神经网络与遗传算法相结合的优化方法及其在内流中的应用

本文提出一种基于小波神经网络（Wavelet Neural Networks，简称WNN）理论与Pareto遗传算法相结合的优化方法，并用于内流的数值优化计算。小波神经网络是将小波分析与人工神经网络（Artificial Neural Networks，简称ANN）理论相结合而产生的一种新型神经网络模型。它通常由输入层、隐含层和输出层所组成。本文在隐含层用Morlet小波母函数取代了BP神经网络中常用的Sigmoid激励函数。Pareto遗传算法具有很好的全局寻优能力和良好的优化效率，在通常情况下它总可以得到均匀分布的Pareto最优解集。内流（其中包括超声速射流元件以及叶轮机械内部流动）优化问题的典型算例表明：小波神经网络具有很好的自学习功能和容错能力，可以快速、高效、高精度的完成非线性函数的逼近与映射，并且其泛化能力（generalization ability）很强。在数值优化中还发现，WNN比常用的响应面方法在样本的要求方面更灵活、更高效。将WNN与Pareto遗传算法相结合可以得到工程中较为满意的优化解。     

电离层CT变换重建方法中的小波外推技术

电离层ＣＴ技术由于数据采集系统结构的局限性，致使所得数据不完全，伪投影中采样不均匀，频域谱值不完全若用直接Ｆｏｕｒｉｅｒ方法重建，必须对伪投影采样施以均匀化和有二维频域内进行估值。本文参照已有的Ｆｏｕｒｉｅｒ外推技术，提出小波外推技术。理论分析和重建结果都说明小波外推技术具有较多优越性。     

基于WPD-KVI-Hilbert变换相结合的滚动轴承早期故障特征精准识别

为了能够有效地从轴承早期故障激励的高频振动信号中提取出故障特征信息,基于最优小波包基选取方法和峭度值最大筛选原则,提出了一种改进的小波包分解（WPD）、峭度值指标（KVI）与Hilbert变换相结合的滚动轴承早期故障特征识别方法。计算选取最优小波包基,确定分解层数;采用WPD方法对轴承故障振动信号进行分解,获得若干个Node分量;基于峭度值指标最大原则筛选出有效的Node分量进行信号重构;对重构信号进行包络解调分析,提取出故障特征频率对轴承故障进行诊断。采用建立的方法对凯斯西储大学滚珠轴承外圈、内圈故障实验数据和自行开展的滚棒轴承外圈、滚动体故障实验数据进行了分析与诊断。研究结果表明：该方法能够有效提高故障信号高频分辨率、保留周期性冲击成分,并能准确有效提取出滚珠和滚棒轴承故障特征频率的1~7倍频及其与轴转频调制的系列边频带频率,实现对滚动轴承故障特征的精准识别与故障诊断。     

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.      

空间目标RCS特性的分形分析

讨论了空间目标RCS特性分形分析的2种方法:布朗运动模型方法和小波变换方法,并针对RCS数据进行了处理。结果表明,小波变换方法计算的分形维数更稳定,而且能够区分雷达测量数据的正常与异常,明显优于布朗运动模型方法。最后指出了RCS实测数据不是严格意义上的自相似过程。     

基于小波变换的阈值去噪技术研究

小波变换是一种新的时频联合分析方法,它在时域和频域都具有良好的局部化特性和多分辨率分析特性,能满足各种去噪要求,如低通、高通、随机噪声的去除,在信号去噪中小波变换得到了广泛的应用。本文阐述了小波变换及小波阈值去噪的基本原理,对阈值函数的选取以及阈值的确定等关键问题进行讨论。仿真实验结果表明,文章所采用的方法既能有效地去除信号噪声,又能较好地保留原信号中的突变信息。     

卫星遥感图像分块小波变换编码方案

提出一种分块小波变换（ＢｌｏｃｋｉｎｇＷａｖｅｌｅｔｓＴｒａｎｓｆｏｒｍ）方案。该数据压缩方案可节省存储时间，为星上应用提供了可能性。利用各基带之间的自相似性，对小波系数采用改进型零树编码（ＩｍｐｒｏｖｅｄＺｅｒｏｔｒｅｅＥｎｃｏｄｉｎｇ），可有效的提高压缩比。     

小波变换在雷达信号处理中的应用

以二相编码脉内调制雷达信号作为研究对象,采用Morlet小波,通过连续小波变换并提取信号的小波脊线,进而分析雷达信号脉内相位的编码规律.通过计算机模拟仿真,取得了较好的效果,验证了该方法的可行性.