湍流边界层大尺度相干运动的阵列TRPIV测量

使用高时间分辨粒子图像测速技术，研究湍流边界层中大尺度相干运动。由于大尺度运动的流向空间尺度与边界层厚度δ有关，因此沿流向排列4个高速相机进行拍摄，得到了约6.7δ×1.2δ的湍流边界层大视场，实验雷诺数Re_τ=422。针对流场中不同法向高度的流向脉动速度，采用沿流向方向进行空间小波变换的方法，得到不同空间尺度分量的脉动速度，并计算其占总流向脉动动能的比例，发现湍流边界层外区存在流向最大能量流向尺度，约为1δ。通过小波分解将湍流脉动速度场分为大尺度分量和小尺度分量。使用速度门限法，沿时间序列提取大尺度相干运动，利用泰勒冻结假设，将时间结构转化为空间结构，并与直接从空间得到的大尺度相干结构做对比。使用相位平均法测得大尺度相干结构的几何形态，发现从时间维度和直接从空间维度得到的喷射事件的流向尺度相近，而直接从空间提取的扫掠事件要比从时间提取的大。结果表明：流场中1δ尺度左右的大尺度运动是湍动能的主要贡献者；利用泰勒冻结假设可以从时间中提取出大尺度相干结构，与从流场空间直接提取的结果有着良好的一致性。     

基于小波神经网络的PIM功率时间序列预测

无源互调（passive intermodulation，PIM）是影响通信系统性能的关键因素之一。研究表明，PIM信号并非一个定值，而是随时间变化的非平稳信号。基于PIM功率信号的时间序列特性，文章提出基于小波神经网络的PIM功率时间序列预测方法。首先，详细介绍小波神经网络预测模型及其预测方法；其次，以同轴连接器为验证对象，通过PIM实验测试系统获得3阶PIM功率的时间序列；最后，依据获得的PIM功率时间序列，结合构建的小波神经网络预测模型对后续的时间序列进行预测分析，并将预测结果与实验结果进行比较，从而验证小波神经网络在预测PIM功率时间序列方面的有效性。该研究对于开展PIM抑制技术具有一定的参考价值。     

基于遗传算法优化小波网络的柔性喷管力矩特性辨识方法

为准确辨识负载力矩并提高主动加载负载模拟的真实度，使用了一种基于遗传算法优化的神经网络辨识方法。使用小波分析方法对测试信号进行预处理，将消噪与分解后得到的信息作为神经网络训练的扩充样本，提高了辨识精度。使用遗传算法选择最优输入信息、网络结构和隐含层规模，加快网络收敛速度并简化计算过程，实现对柔性喷管力矩的快速准确辨识。仿真结果表明该辨识方法可以准确地描述柔性喷管在典型测试信号激励下的力矩特性，平均辨识误差为2%，对于实现精确主动加载控制和验证伺服控制性能具有重要意义。     

锯切圆柱形42CrMoA的声发射监测试验

针对锯切加工中的带锯条磨损状态未知、锯切质量下降等问题，本文研究了新试制的FTCUT双金属带锯条锯切圆柱形42CrMoA合金结构钢过程中锯切行为的变化，探讨了声发射信号与单刀锯切过程、锯齿磨损和锯切表面质量变化的关联。研究表明：锯切圆柱材料时随着锯切深度的变化，参与齿数先增大后减小，带锯条约束条件不断变化，进而影响着声发射信号幅值和锯切表面质量；基于时域分析可知锯齿磨损过程分为磨合磨损、快速磨损、稳定磨损三个阶段；基于FFT频域分析发现当频谱图出现多个主频，且第一主频幅值下降时，表明声发射信号来源比较分散，即可认定带锯条失效；基于小波包频域分析发现第7频段信号占比最高，最能反映工件表面质量的变化，其波动情况与锯切表面的微纹和波纹情况可建立一定的联系。因此，可基于声发射信号时域和频域分析判断锯齿磨损和锯切表面恶化情况，为锯齿磨损和锯切表面质量的在线监测提供一定的思路。     

一种基于奇偶判断WPT的多音干扰抑制方法

频移小波包变换可以有效抑制窄带干扰,以提高扩频测控系统的抗干扰能力,但是在多音干扰下,当信号左右节点都存在干扰时,由于不能通过子带能量大小来确定子节点是否继续分解,导致该方法不能抑制多音干扰.针对该问题,提出了一种基于奇偶判断WPT的多音干扰抑制方法,通过采用子带能量差平稳度函数来判断干扰最佳频移量,然后对频移后的干扰子带进行编号,并通过门限判断进行干扰子带定位,确定干扰子带的编号,再通过对干扰子带的编号进行奇偶判断,可以得到小波包的自适应分解树,实现信号的自适应分解,分解到最底层后将干扰子带置零,最后根据分解树反向进行信号重构,完成干扰抑制.通过对误码率、测速精度和测距精度的仿真,结果表明该方法能够有效抑制多音干扰.     

发动机试验动态数据处理方法综述

发动机试验动态数据通常包含关键部位振动、脉动压力等重要信息，是评判发动机性能、零部件特性和优化设计的重要参考指标。总结了快速傅里叶变换、小波分析、小波包分析、Hilbert-Huang变换等几种适用于动态数据处理方法的优缺点，分别介绍了上述几种方法以及多种方法相结合后在动态数据分析和处理方面的应用。     

小波阈值去噪法在MEMS陀螺信号处理中的应用

近年来MEMS陀螺发展迅速，应用广泛，但性能参差不齐。为改善MEMS陀螺的输出信号性能，综述了近年来小波阈值去噪法在该领域内的研究进展情况。重点从阈值函数的不同改进形式、阈值选取方式的不同以及分解层数三方面对比分析各小波阈值去噪法之间的优缺点。通过现阶段的去噪效果评判标准，结合MEMS陀螺信号的特点，对近年来小波阈值去噪的应用情况进行分析说明，总结小波阈值去噪法在不同使用条件下对MEMS陀螺信号处理上的优势与不足，为后续相关研究提供一定的参考价值。     

基于动态小波指纹的冰孔隙率测量方法研究（英文）

针对飞机结冰情况下的冰孔隙率测量问题，提出并评估了一种基于动态小波指纹技术的超声波孔隙率测量方法。通过理论模型和有限元仿真分析了超声纵波的传播过程，阐述了孔隙大小等因素对孔隙率测量的影响机理。结合20块冰样品的60组超声波测量数据，生成了小波指纹图像，并提取了11维关键特征。基于主成分分析和多项式拟合，所实现的孔隙率测量均方根误差（Root mean square error, RMSE）达到1.144%，说明本文方法比传统的峰值拟合方法更稳定、准确。     

润滑油红外光谱去噪预处理方法

采用小波包变换软阈值去噪方法对润滑油的红外光谱进行去噪预处理,结合偏最小二乘法进行定量预测,并与常用的平滑去噪方法进行对比。结果表明,小波包变换能有效地去除红外光谱的噪声,以此为基础建立的润滑油酸值模型的预测精度高于常用的平均平滑法和 Savitzky-Golay卷积平滑法这 2种平滑去噪方法的预测精度。     

小波与BP神经网络联合反演GNSS IR高精度水库水位变化

GNSS-IR技术作为一种近地表遥感的新兴手段，在水库水位监测方面凭借其成本低、精度高等优势成为了研究热点。为了提高GNSS-IR技术反演水库水位变化的精度，提出了利用GPS、BDS双系统观测量基于小波分解与BP神经网络联合的方法反演水库水位变化。选取位于南水北调山东境内双王城水库GNSS变形观测站2017年10月1日—12月26日共87天的信噪比(SNR）数据为研究对象，分别利用小波分解和二阶多项式拟合两种方法消除其趋势项并生成SNR残差序列，然后进行Lomb-Scargle谱分析得到水库水位高度变化值，并与实测水位结果相比较。结果表明：各频段SNR利用小波分解和二阶多项式反演水位变化的平均均方根误差分别为0.1062m和 0.2245m，说明小波分解去趋势项的方法更优。最后，在小波分解去趋势项的基础上，利用阈值筛选出融合所用的频段(S1C、S2L、S5Q和S7I），分别采用均值算法、中值算法、随机森林算法和BP神经网络算法对GPS、BDS多频多模信号进行水库水位的融合反演。结果表明，对于水面较为平静的环境，以上算法均能实现厘米级的反演精度，其中BP神经网络算法用于水位反演的效果更优。