结合嵌入可信度的B样条小波边缘检测

边缘检测中，用一个由输入数据得到的模板进行匹配是很有意义的，因为它提供了一种独立测量存在所用边缘模板的可信度的方法。文章充分利用边缘信息的多尺度特性及小波变换的特性，设计三次B样条平滑滤波算子，再结合嵌入可信度方法进行边缘检测，并进一步根据人类视觉系统的敏感性，对噪声严重的图像边缘检测进行了研究。实验结果表明，丈中所给的方法能准确检测出图像边缘，效果较好。     

基于时频分析的雷达目标识别研究

基于时频分析的性质，提出了一种雷达目标识别方法。对雷达回波信号进行小波变换，得到目标回波信号的三维时频分布图和功率谱密度，从中提取目标的调制谱密度，根据最小贴近度识别算法进行目标识别。由实验结果看，利用此方法能够得到很高的识别率。     

一种新的故障方法及其在直升机中的应用

提出了一种新的故障检测方法,该方法采用小波系数描述系统的故障特征,以模糊树模型作为系统故障特征的分类模型,并将此方法应用于直升机作动器的实时故障检测. 仿真结果表明,这种故障检测方法结合了小波变换和模糊树模型的特点,具有检测精度高、抗噪声和跟踪系统参数变化的能力强及特别适合于处理高维数据等优点.     

一种实现图像感兴趣区域嵌入式编码的改进算法

对图像感兴趣区域ROI(Region of Interest)的支持是新一代静止图像压缩标准JPEG2000的一项重要功能。文章利用嵌入式编码理论,针对零树小波编码EZW(Embed-ded Zerotree Wavelet Coding)算法的效率不足提出了一种改进方法。通过基于对EZW方法的适当改进并用于ROI编码,实现了图像感兴趣区域的高品质重建,进一步降低了编、解码复杂度和存储的空间,并提高了编码的效率。     

一种空间目标RCS序列的姿态异常检测方法

准确、快速判断空间目标姿态运动模式异常,对于空间目标监测具有重要意义。针对空间目标雷达散射截面 (Radar Cross Section,RCS)序列,提出一种基于小波包分解（Wavelet Packet Decomposition,WPD）能量谱特征的无监督机器学习异常检测方法,并采用单类支持向量机(One Class Support Vector Machine,OCSVM)验证异常检测效果。设置了几种典型异常场景进行仿真分析,试验结果表明,该方法能有效检测出三轴稳定类空间目标发生失稳旋转的姿态异常。相比于传统统计参数特征、小波变换统计参数特征及能量特征的姿态判别方法,具有检测概率高、鲁棒性好的特点。     

基于区间样条小波的太阳帆轨迹优化算法

针对太阳帆轨迹优化问题,提出了一种基于区间样条小波的新颖数值算法。首先推导了太阳帆航天器的轨道动力学方程并提出了优化目标函数,然后提出了基于区间样条小波函数及其导数算法的最优控制直接数值法。该优化算法的核心是基于区间样条小波函数及其导数算法,在小波配点上将状态与控制变量作离散化处理,进而可利用小波函数有效逼近带有突变的优点,提高了求解以小波系数为参数的非线性规划问题的计算精度和效率。对典型的地球－水星之间的太阳帆轨道优化问题的仿真结果表明,基于小波的数值解法优于半解析法。     

TDI-CCD遥感图像条带噪声的消除

针对TDI-CCD遥感图像固有条带噪声的灰度值在原始信息中变化比较缓慢的特 点及小波变换对奇异点检测的优越性, 提出了一种快速傅里叶变换和小波变换 相结合的方法来确定条带噪声频率点所在的位置, 采用改进的陷波滤波器对条 带噪声的频率成分进行消除. 另外, 提出一种基于提升小波变换的改进阈值 函数法, 用以消除图像的条带噪声. 实验结果表明, 在消除条带噪声方面, 改 进的陷波法优于改进的阈值函数法, 而改进的阈值函数法优于硬阈值函数和软 阈值函数法. 利用改进的陷波法消除条带噪声后, 图像的质量得到提高, 其PSNR达到46.4181dB, NMSE减小到0.00007, 相对基于提升小波变换的 几种阈值函数法, PSNR提高了3～4dB, 而NMSE则减小了 0.00007～0.00011. 本文提出的方法能较好地消除遥感图像的条带噪声, 同时能够较好地保持原图像的特征, 具有可行性.      

武汉站第23周电离层TEC与太阳及地磁活动的相关性分析

利用武汉电离层观测站1997-2007年电离层TEC资料, 采用连续小波变换和交叉小波以及小波相干方法, 分析了该站电离层TEC的周期变化特征以及与太阳和地磁活动之间的关系. 分析结果表明, 武汉站TEC变化的长期趋势主要随太阳活动的强弱而变化; 在局部时域上分别存在128～256d, 256～512d和512d～1024d的周期尺度, 且与同时期的太阳黑子数和地磁Dst指数的周期特征存在很好的对应关系; 太阳黑子数在512～1024d周期尺度上超前TEC变化约1/6个周期; 在准半年的周期尺度上武汉站TEC与地磁Dst指数几乎呈反相位变化, 但TEC对$Dst$指数的这种响应仅在太阳活动高年存在, 具体机理尚需进一步分析研究.      

基于粒子群优化的WNN飞行数据气动力建模

为了使所建立的气动力模型能准确地描述飞行器的动态特性,提出一种基于改进粒子群优化(IPSO)算法的小波神经网络(WNN)飞行数据气动力建模方法。该方法引入邻近粒子信息和变异操作,对标准PSO(SPSO)算法的不足进行改进,以提高WNN参数的全局搜索能力,克服早熟收敛,再按照所设计的飞行数据的气动力建模流程,构建了IPSO算法训练的WNN模型。试验结果表明:提出的气动力建模方法预测精度高,收敛速度快,能较好控制早熟收敛问题,用于飞行数据的气动力建模是有效的,也是可行的。     

基于连续小波变换的飞行器结构模态参数辨识

给出了一种基于连续小波变换的多输入多输出MIMO(Multiple-Input Multiple-Output)飞行器结构模态参数的辨识方法.对结构离散运动方程进行连续小波变换建立了小波域内的系统AR(Auto Regression)模型,AR模型的系数矩阵决定着系统的动力学特性,可以通过最小二乘法求得.模态参数可以通过求解由AR系数矩阵构成的特征矩阵的特征值来获得.与已有基于小波变换的模态参数辨识方法相比,该方法应用了连续小波的时移共变性和小波变换的滤波能力来确保辨识的效率.在辨识过程中,采用优化算法提高了辨识的精度和稳定性.算例仿真结果表明该方法具有较高的计算精度和稳定性,能用于飞行器结构模态参数的辨识.