A novel sparse feature extraction method based on sparse signal via dual-channel self-adaptive TQWT

Sparse signal is a kind of sparse matrices which can carry fault information and simplify the signal at the same time. This can effectively reduce the cost of signal storage, improve the efficiency of data transmission, and ultimately save the cost of equipment fault diagnosis in the aviation field. At present, the existing sparse decomposition methods generally extract sparse fault characteristics signals based on orthogonal basis atoms, which limits the adaptability of sparse decomposition. In this paper, a self-adaptive atom is extracted by the improved dual-channel tunable Q-factor wavelet transform (TQWT) method to construct a self-adaptive complete dictionary. Finally, the sparse signal is obtained by the orthogonal matching pursuit (OMP) algorithm. The atoms obtained by this method are more flexible, and are no longer constrained to an orthogonal basis to reflect the oscillation characteristics of signals. Therefore, the sparse signal can better extract the fault characteristics. The simulation and experimental results show that the self-adaptive dictionary with the atom extracted from the dual-channel TQWT has a stronger decomposition freedom and signal matching ability than orthogonal basis dictionaries, such as discrete cosine transform (DCT), discrete Hartley transform (DHT) and discrete wavelet transform (DWT). In addition, the sparse signal extracted by the self-adaptive complete dictionary can reflect the time-domain characteristics of the vibration signals, and can more accurately extract the bearing fault feature frequency.     

基于小波变换的雷达测量数据的随机误差分析

小波变换是各领域科学研究必备的有力工具。本文介绍了小波变换的理论知识,具体讨论它在雷达测量数据随机误差分析中的应用,包括小波变换去噪的原理和过程,使用改进MAD方法计算随机误差方差。仿真结果表明,小波变换简单有效,在实践中具有应用价值。     

外测数据处理中小波滤波的应用研究

针对外测数据的高精度和噪声复杂的特性,首先介绍了小波分析中几种滤波方法及其变形,然后结合空域滤波器建立外测数据的小波去噪模型,将它们应用于一维的高精度弹道数据去噪。实际结果表明,该类方法在保留特征段及有用信息的同时,有效地去除了随机噪声及其他干扰,比较传统去噪方法有明显优势。     

基于小波变换和神经网络的机械故障检测方法

针对机械故障中遇到的问题,提出了基于小波变换和神经网络故障检测方法,小波变换理论能够根据被分析信号的特征,自适应地选择相应频带,使之与信号频谱相匹配,从而提高了时-频分辨力。利用小波变换对信号原始信息进行分解,得到信号的不同特征向量。将不同的特征向量送入不同子神经网络进行诊断,并通过神经网络做出最后的诊断。该系统具有知识自动获取、识别速度快、鲁棒性及容错能力强等特点,实例证明该系统是有效的。     

高频地波雷达抗雷电干扰研究

高频地波雷达（ＨＦ－ＧＷＲａｄａｒ）作为探测超视距目标的有效手段在海防武器系统中担当重要的角色。高频段电磁环境恶劣，近区雷电在这一频段激发的天电噪声对ＨＦ－ＧＷ雷达的正常工作构成了严重干扰。通过分析雷电在ＨＦ－ＧＷ雷达多普勒域表现的奇异性，本文提出了利用小波变换在多普勒域检测雷电干扰的方法和一种抑制雷电干扰的方案。现场实验表明本文方法有效提高了ＨＦ－ＧＷ雷达抗雷电干扰的能力     

一种改进阈值法陀螺信号消噪的研究

在光纤陀螺输出信号时,使用小波包消噪法可以在各尺度上更加细致地对噪声进行抑制.这里分步估计陀螺信号中白噪声和分形噪声的强度,根据各尺度噪声强度对各层阈值进行自适应调节,并提出一种连续的阈值量化函数,克服以往软、硬阈值函数存在的不足.仿真结果证明,与通用阈值消噪法相比,新阈值法能更好地去除随机噪声,对于不同信噪比信号均表现出较好的性能.     

一种综合孔径微波辐射计成像处理算法

综合孔径成像是基于干涉仪成像原理实现的一种成像方式,其通过对干涉测量结果进行逆傅里叶变换得到场景的亮温分布,利用小波增强去噪算法在时域和频域同时对图像进行处理,增强需求信息抑制非必要信息,并附加特定的窗函数滤除杂波,提高重建的微波辐射计图像的清晰度和平滑感。采用盲解卷的Lorentzian超分辨率算法提高成像的分辨力,较好的解决了天线口面尺寸与分辨力矛盾的问题。     

液体火箭发动机试验脉动压力数据分析方法研究

针对液体火箭发动机试验脉动压力数据的特点,对脉动压力数据和相关振动测点数据进行快速傅里叶变换（FFT）,频谱分析的结果能够有效判断发动机不稳定燃烧的声振类型。采用小波变换奇异点检测的方法,对启动段和关机段波动异常的脉动压力数据进行分析,结合相关振动测点的频谱信息能够在时域内准确定位奇异点位置,提取频域内的信息,有效判断推进剂燃烧情况和声振类型。分析结果表明上述方法在火箭发动机和组合件试验的脉动压力数据分析中具有重要的推广意义。     

自适应学习率的增量强化学习飞行控制

针对预先设定学习率的增量强化学习(IRL)飞行控制律失败率较高,并且无法适应飞行器大范围动力学特性变化下的稳定控制问题,提出一种自适应学习率的增量强化学习(ALRIRL)控制方法.首先,基于小波分析方法构造控制系统稳定度评价函数,用于评估控制器稳定度.然后,基于梯度下降法设计学习率在线迭代计算方法,以提升强化学习控制器...     

基于UDWT的高性能多光谱遥感图像融合算法

无抽取离散小波变换 (UDWT)具有移不变性的优良性质 ,它在遥感多光谱图像增强以及双通道图像融合应用中获得了很好的效果。文中研究一种基于UDWT的适用于多光谱图像的融合算法 ,该算法利用UDWT的多尺度表示方法和文献 [4 ]算法最佳保留光谱信息的特点 ,融合结果同时精确保留了多光谱图像的光谱信息和高频细节特征 ,为目标的检测、定位、识别等图像的进一步处理提供很好的特征信息