运载火箭飞行测量数据奇异点检测和降噪处理的小波方法

以提高火箭飞行测量数据处理精度为主要目的,结合弹道处理的实际,将小波理论运用于火箭弹道测量数据的分析。首先,在对信号奇异性、小波方法检测信号奇异点原理探讨的基础上,通过对火箭飞行外弹道测量数据奇异性的分析,确定了用于火箭飞行数据奇异点检测的小波函数的选取原则,提出了对跟踪测量数据奇异性点准确定位和分析其奇异性类型的方法;其次,为提高处理火箭飞行弹道的光滑度,深入探讨了弹道测量数据的小波消噪方法,结合雷达跟踪测量数据的实际分析和处理情况,就数据是否处于火箭在级间分离段提出了不同的处理方法。该算法原理简捷,计算复杂度较低,易实现。最后,通过对某试测的两个测量站雷达弹道测量数据的分析处理,论证了上述方法的正确性,取得了明显的效果。     

基于遥测信号的小波变换与数字滤波联合滤波方法研究

为了弥补数字滤波器不能滤除遥测信号通带内噪声的不足,提出小波变换与数字滤波联合滤波的方法。重点讨论数字滤波器的选择、小波滤波分解级数的确定和小波消噪中阈值的选择。将该方法应用于遥测信号滤波,取得了较好的效果。     

基于小波和支持向量回归的高光谱遥感图像压缩

高光谱遥感成像技术能够获取探测对象丰富的空间信息和光谱信息,但所得图像海量数据的存储与传输制约了其应用。为此,提出了一种基于三维整数小波变换和小波支持向量回归的高光谱遥感图像压缩方法。首先采用三维整数小波变换把高光谱遥感图像分解成不同尺度的多个子带。然后对低频子带直接进行DPCM编码,而对高频子带则利用小波支持向量回归学习其小波系数之间的相关性,并采用小部分训练样本即支持向量来稀疏表示小波系数,以此达到压缩高频小波系数的目的。最后对支持向量及其相应的权重进行熵编码。文中给出了实验结果,并与基于3D SPIHT和JPEG2000的高光谱遥感图像压缩方法进行了比较,结果表明：所提出的方法在相同比特率下能够获得更高的峰值信噪比。     

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。     

小波分析及其在推进系统健康监控中的应用

详细介绍了小波分析的基本原理和Mallat算法，重点讨论了小波分析在推进系统健康监控中的应用。从工程应用的角度，提出了用小波分析方法进行信号滤波、故障检测与诊断的思路。研究结果显示：小波分析方法具有良好的时-频定位特性，特别适合于分析时变、瞬态或非线性信号，为液体火箭发动机状态监控与故障诊断提供了一种新的强有力工具。     

基于小波神经网络航空发动机滑油系统故障诊断方法研究

研究了基于小波神经网络的非线性系统的故障检测和诊断方法.把小波分析与前馈神经网络相融合,并推导出其具体的算法.应用小波神经网络对航空发动机滑油系统进行故障诊断.试验和仿真的结果表明:小波网络应用于故障诊断时具有收敛速度快,对网络输入不敏感等特点,为非线性系统的故障诊断提供了新的理论和方法.     

小波分析在外测数据滤波中的应用研究

为提高弹道估计精度,提出了一种基于小波分析的滤波方法,滤除外测数据中AR（自回归）模型的随机误差。分析讨论了滤波过程中的几个关键问题,提出了利用基于偏自相关系数截尾检验的方法来确定分解层数,然后采用GCV（广义交叉确认）准则来确定均方差意义下最优阈值的方法。本文提出的外测数据滤波方法计算简单,不需要估计噪声的方差。仿真结果表明,该方法能有效滤除外测数据中的AR噪声。     

固体火箭发动机水下试验的数据处理方法研究

针对固体火箭发动机水下试验数据参数变化剧烈、信号严重混迭及难以分辨的问题,提出了一种基于小波变换的软阈值去噪法,完成了固体火箭发动机水下试验推力数据的分析和处理.与传统数据处理方法对比分析表明:该方法可以将动态数据分解为反映过程“低频”特性的近似分量和反映“高频”特性的细节分量,便于对发动机性能进行分析;在去除试验数据干扰的同时保留了试验数据自身的变化特征,满足了工程应用对固体火箭发动机水下试验数据处理的要求.     

Investigation of the characteristics of wavelike oscillations of post-sunset equatorial ionospheric irregularity by decomposing fluctuating TEC

Post-sunset ionospheric irregularities are common features of the equatorial ionosphere that affect radio communication and navigation systems; their triggering physical mechanism is not yet fully understood. Atmospheric gravity wave is considered as a seeding mechanism for the occurrence of ionospheric irregularities (Abdu et al., 2009). To understand the effects of atmospheric waves, characteristics of wavelike oscillation from ionospheric total electron content (TEC) fluctuation that can be obtained from superposition of different oscillation modes have been investigated. Decomposing fluctuating TEC into different oscillation modes and investigating oscillation characteristics of each component is also important to get insight about the characteristics of individual atmospheric waves that may cause TEC fluctuation. In this paper we have investigated characteristics of components of fluctuating TEC obtained from SCINDA GPS receiver installed at Bahir Dar, (geographic coordinate, 11.5°N, 37.6° E, and dip latitude of 2.5°N) Ethiopia during April 2012. First Empirical Mode Decomposition (EMD) has been applied to decompose TEC fluctuation into different oscillation modes that are known as Intrinsic Mode Function (IMF). Hilbert-Huang Transform (HHT) and Continuous Wavelet Transform (CWT) have been applied to investigate the characteristics of wave-like oscillations. Applying EMD on fluctuating vTEC corresponding to a GPS satellite, five components are found. Results from HHT and CWT have shown excellent agreement. In addition, it is found out that the median periods of oscillation of those five components are 9, 17, 47, 78, and 118 min. Of these periods, 17 and 47 min respectively are oscillation periods of components of TEC fluctuation with occurrence frequency of 92% and 91% that may be interpreted as the manifestation of two frequently occurring components of atmospheric gravity waves that are likely generated by the motion of solar terminator.     

基于多重集典型相关分析的图像融合方法

提出了多重集典型相关分析在图像融合中应用.多重集典型相关分析能够最大化多组图像之间的互信息量,从而提升融合后图像的信息量.在对图像进行小波分解后,多重集典型相关分析应用于低频系数的融合.实验表明,该方法能够同时获取多组图像融合所需的权重参数,并使得融合后图像信息量得到提升.