基于瞬时相关频域检测的复合调制引信定距方法

为了实现混沌调相与线性调频复合调制无线电引信对不同散射特性的地面目标的精确定距功能,提出一种基于瞬时相关频域检测的复合调制引信定距方法。在时域瞬时相关处理之前,对本地预设混沌码与目标回波信号以码元宽度为采样周期进行同步采样;为减小目标回波幅值对定距方法的影响,以二维快速傅里叶变换（2D-FFT）提取目标的距离、速度信息,以相关窗位置、谐波包络主瓣位置、稳定的多普勒频率3个特征量作为定距依据,从频域角度进行精确定距。仿真结果表明:所提方法的判定结果只与目标信号信噪比有关,而与信号幅值具体大小无关;所提方法可在-28 dB的极低信噪比条件下实现复合调制引信对不同散射特性地面目标的精确定距功能。      

基于酉变换的正交投影自适应波束形成

正交投影 (OP)自适应波束形成算法性能优良 ,但需要进行复协方差矩阵特征分解 ,运算量大。提出了一种基于酉变换的OP自适应波束形成算法 ,该算法对取样协方差矩阵Toeptitz化后利用酉变换将其转换为实矩阵 ,然后对实矩阵特征分解进行自适应波束形成。波束形成器的实值运算可节省大量计算时间。理论分析和计算机仿真结果表明此方法是有效的。     

基于小波和模糊神经网络的涡喷发动机故障诊断

提出了一种基于小波和模糊神经网络的涡喷发动机故障诊断方法。即利用小波变换获取特征域，取特征域上的峰值因子、脉冲因子、裕度因子、偏态因子、峭度因子及频谱最大值作为神经网络的输入，并对神经网络的输入、输出进行模糊化处理，以神经网络进行诊断。将该方法成功地应用于某型涡喷发动机的故障诊断，结果表明，该方法诊断效果明显。     

信号去噪的小波互除方法

小波变换具有良好的时频局部化性质 ,特别适合于分析和处理突变信号。本文在Mallat模极大值去噪方法的基础上 ,提出一种新的小波变换去噪方法———互除法。该方法在小波系数的影响域内计算和估计信号的真实系数 ,从而进行信号重构 ,避免了复杂的交替投影算法。与以前的一些方法比较 ,互除法在平均误差和可视化方面有很好的效果。     

应用时变参数建模方法辨识时变模态参数

 应用非平稳时间序列的时变自回归建模方法进行了参数随时间变化的线性系统模态参数的辨识。对线性时变系统在白噪声激励下振动响应的非平稳时间序列进行建模。通过引入基函数将非平稳过程的辨识问题转化为线性时不变过程的辨识。结合信号时频变换确定模型阶次, 通过时变的伯格尔( Bur g) 算法对时变的自回归(AR) 模型系数和时变结构模态频率进行了估算。通过对刚度随时间变化的三自由度系统模态频率的仿真辨识, 验证了辨识方法的有效性。     

小波变换在转子系统动静件早期碰摩故障诊断中的应用

利用小波变换理论对转静件早期碰摩故障进行诊断,通过对碰摩故障的仿真结果利用D20小波进行波形分解、利用高斯小波进行小波变换,得出：它们不仅可对早期碰摩进行准确诊断,还可准确诊断进入、脱离碰摩的位置;两种分析结果完全一致,达到了互相验证,从而进一步说明利用小波变换理论对早期碰摩故障进行诊断的有效性。     

Lamb波传播特性研究

应用三维弹性理论对Lamb波频散曲线进行理论建模.在Lamb波主动监测系统中,应用Gabor小波变换理论分析Lamb波信号的时延及相位角,获得了板中Lamb波的相群速度频散曲线.比较理论曲线与实验数据,证明了三维弹性理论建模方法的有效性.     

基于小波变换和神经网络的航空发动机故障诊断

在阐述了小波变换和BP神经网络概念的基础上,根据小波神经网络故障诊断的基本思想,提出了一种基于“能量-故障”的小波预处理神经网络航空发动机诊断方法。实验仿真结果表明,使用该方法提取故障特征加快了神经网络的训练速度,能迅速地进行故障的诊断。     

适用于爆炸物CT检测重建图像去噪新算法

场旅客行李爆炸物CT检测成像过程中不可避免地受到噪声影响,对重建图像的去噪处理是爆炸物CT检测技术中的一个重要环节。针对机场旅客行李隐藏爆炸物快速检测、重建图像质量要求和引入的噪声特点,提出了一种有效的图像去噪算法将小波包分析与快速中值滤波相结合,并且对小波包系数运用一种新的阈值去噪方法。实验结果表明,该算法能更有效地去除重建图像的噪声并保持图像的边缘细节。