基于提升方案的无损图像压缩系统的DSP实现

以 TMS320C6711DSK 为开发平台,研究了提升小波应用于无损图像压缩系统的 DSP 实现过程。为了满足系统的实时要求,对系统方案进行了合理选择,并对系统算法进行了改进,然后采用多种优化手段对程序进行了优化,实验结果证明了该方案的可行性。     

基于小波相邻系数降噪的滚动轴承早期微弱故障时频特征提取

将小波相邻系数降噪与时频小波切片变换（FSWT）相结合用于滚动轴承的早期微弱故障时频特征提取,通过对滚动轴承加速疲劳试验早期微弱故障振动数据进行分析,结果表明:小波相邻系数可以有效降低淹没滚动轴承早期微弱故障特征的背景噪声;时频小波切片变换方法能有效提取出经小波相邻系数降噪后振动信号的时频特征,即滚动轴承发生故障时的特征频率及其谐频成分,验证了所述方法的有效性.此外,通过与谱峭度时频分析结果的对比,证明所述方法更能准确扑捉到滚动轴承发生早期微弱故障时的时频特性,突出了所述方法的优越性.      

基于最优小波包基的信号去噪算法及其应用

提出了一种基于Shannon熵准则的最优小波包基信号去噪算法,并将其应用于某型导弹惯导系统陀螺仪信号的去噪处理中。该算法在最优小波包基的基础上,针对不同频段采用不同的阈值算法,用量化后的系数重构得到去噪后的信号。仿真结果表明,该算法具有良好的去噪性能,并且消噪效果明显优于基于小波变换的去噪算法,因而将具有更为广泛的应用前景。     

拟合带间歇性的人工风速序列

研究生成既满足给定的工程谱特性，又具有间歇性结构的风速序列作为结构气动计算的输入。生成大气边界层紊流的人工风速序列是做结构风振计算的重要步骤，目前的方法都是生成高斯序列；实际的大气边界层紊流具有多尺度多层次的非高斯结构，集中体现在所谓“间歇性”上。利用余振苏与Leveque提出的对数泊松律模型产生各尺度的小波系数，可以在拟合目标风速谱的同时引入湍流间歇性，通过小波逆变换生成单条风速序列，再用拟合周期图的思路扩展为多重相关序列。     

关于基本形体的DXF与STL文件格式之间的转化

通过对DXF与STL的文件格式进行深入分析，发现三维图形信息的DXF文件，有大量的密码信息；在STL文件中。三维图形数据主要是以顶点坐标形式存储的；但可对基本形体的DXF与STL文件格式进行转化，这在理论上是非常有意义的。     

基于小波神经网络辨识的PID神经MRAC研究

提出了一种基于小波神经网络辨识的PID神经网络模型参考自适应控制方法。该方法采用小波神经网络作为辨识器,PID神经网络作为控制器在线调节。由于小波变换具有良好的时频局部特性,神经网络具有强大的非线性映射能力,自学习、自适应等优势,采用规范正交的小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数的紧支性、波动性以及神经网络的非线性映射能力,自学习、自适应能力等优点,仿真结果表明用该方法构成的控制系统收敛速度快,逼近精度高,鲁棒性好,优于一般的BP网络控制。     

一种虚拟信号分析仪的设计

介绍了虚拟信号分析仪的结构和现代信号的处理方法。基于傅立叶变换、短时傅立叶变换和小波变换,提出了一种虚拟信号分析仪的系统软件模块的实现方法。该方法利用这三种变换,对信号进行多次处理,能够得到信号的时域、频域和时频域信息,能够对信号进行降噪处理。实验表明,利用此分析仪,能够测量信号的周期、频率、瞬时频率、时频变换趋势和奇异点,并且能以图形的形式显示出来。     

基于小波消噪的进气道动压信号的分析

结合进气道隐身装置与某涡扇发动机地面联合试验所采集到的数据,研究了在小波消噪基础上对发动机进气道动态压力信号进行定量处理和分析的方法和步骤。结果表明,信号的频谱分量主要集中在100Hz以下。低发动机转速时,进气道气流形成的涡旋较大。随着转速的提高,压力升高,紊流度增大。证明了在高速紊流的脉动压力系统中存在奇怪吸引子,关联维数为5～6。      

边界层中湍动能和耗散能最大的尺度分量特征研究

阐述了利用离散正交小波理论分析 1 -D湍流测试信号的方法,使用热线风速仪,在 3个雷诺数下,分别测量了光滑壁面湍流边界层的速度和加速度信号。运用所述方法分析了边界层测试信号,给出了最大湍动能密度和最大耗散能密度及其对应尺度沿 y+ 的分布曲线,并且给出该尺度分量的发生频率沿 y+ 分布曲线。分析可见 :两种最大能量密度的无量纲尺度沿 y+分布具有雷诺相似性,其发生频率随着雷诺数增加而增加,但是最大湍动能密度尺度的频率沿 y+基本是一常数;无量纲的最大湍动能密度沿 y+在边界层小部分区域具有雷诺相似性,而无量纲的最大耗散能密度沿 y+ 在整个边界层内具有雷诺相似性。     

基于小波包分析方法的航空发动机滚动轴承故障诊断

将小波包分析技术引入到航空发动机滚动轴承故障诊断的应用研究中,给出了基于小波包分析的滚动轴承故障特征提取方法：应用小波包分解与重构算法分离出了滚动轴承的故障特征频率,识别出了滚动轴承的故障类型。通过对实际航空发动机滚动轴承故障信号的分析表明,该方法可以有效地检测和诊断航空发动机的滚动轴承故障。