小波神经网络在板形板厚控制系统中的应用

带材轧制是一个复杂的非线性过程,针对板形和板厚控制相互耦合等特点,本文提出了一种基于小波神经网络的自适应控制新算法。文中系统由两个小波神经网络组成,分别实现综合系统的模型辨识和控制。由于小波变换的紧支性及神经网络的非线性映射能力,模型辨识能准确地辨识板形板厚系统的动态特性,控制器能产生较为复杂的控制规律。仿真结果证明,该板形和板厚控制系统具有良好的自适应跟随和抗扰性能,其控制效果优于传统的解耦PID控制。     

基于TBIC信息准则的小波网络结构设计方法

针对框架小波网络存在的网络结构不易确定的问题．提出一种基于TBIC(Testing Bayesian information criterion)信息准则的网络结构设计方法。该方法权衡网络规模和测试精度两方面因素,得到了在TBIC信息准则下的最优小波网络,达到了优化网络结构的目的。仿真结果表明,用该方法设计得到的小波网络具有较小的网络结构和良好的测试精度。相比于BIC(Bayesian information criterion)准则函数,该准则能更准确地反映出测试精度随网络结构变化的趋势。     

星载角跟踪接收机角误差包络检测

针对星载角跟踪接收机中角误差合成信号的特点，提出一种基于复Morlet组合小波的角误差信息提取方法。该方法首先对星载角跟踪接收机中角误差合成信号的频域特性进行分析，角误差包含在角误差合成信号的包络中，频率上则表现在调制基波的谐波分量处。然后采用Morlet小波作为母小波，根据角误差合成信号的频域特性选取合适的小波尺度参数和位置参数可以有效的提取合成信号包络信息，从而解算角误差信息。在调制基波频率确定的情况下，合适的小波尺度参数和位置参数能准确对调制基波谐波分量进行提取，从而实现角误差的包络检测。该方法对±10kHz范围内的多普勒频偏不敏感，解决载波多普勒估计不准情况下的角误差提取。最后通过计算机中的Matlab对Morlet组合小波角误差合成信号包络提取进行仿真，证明该方法的可行性和有效性。     

一种平稳小波方向能量阈值滤波的SAR图像去噪方法

由于SAR图像相干斑噪声是非高斯分布的,无法直接采用光学成像系统的去噪技术处理,因此,目前还没有真正的理想算法广泛适用于SAR图像去噪.在分析目前流行的空频域去噪方法优缺点的基础上,提出了1种小波域SAR图像去噪方法.为了克服离散小波变换缺乏平移不变性及方向选择性受限的缺点,该方法利用平稳小波将图像分解为低频逼近信号和...     

基于小波神经网络的PIM功率时间序列预测

无源互调（passive intermodulation，PIM）是影响通信系统性能的关键因素之一。研究表明，PIM信号并非一个定值，而是随时间变化的非平稳信号。基于PIM功率信号的时间序列特性，文章提出基于小波神经网络的PIM功率时间序列预测方法。首先，详细介绍小波神经网络预测模型及其预测方法；其次，以同轴连接器为验证对象，通过PIM实验测试系统获得3阶PIM功率的时间序列；最后，依据获得的PIM功率时间序列，结合构建的小波神经网络预测模型对后续的时间序列进行预测分析，并将预测结果与实验结果进行比较，从而验证小波神经网络在预测PIM功率时间序列方面的有效性。该研究对于开展PIM抑制技术具有一定的参考价值。     

基于遗传算法优化小波网络的柔性喷管力矩特性辨识方法

为准确辨识负载力矩并提高主动加载负载模拟的真实度，使用了一种基于遗传算法优化的神经网络辨识方法。使用小波分析方法对测试信号进行预处理，将消噪与分解后得到的信息作为神经网络训练的扩充样本，提高了辨识精度。使用遗传算法选择最优输入信息、网络结构和隐含层规模，加快网络收敛速度并简化计算过程，实现对柔性喷管力矩的快速准确辨识。仿真结果表明该辨识方法可以准确地描述柔性喷管在典型测试信号激励下的力矩特性，平均辨识误差为2%，对于实现精确主动加载控制和验证伺服控制性能具有重要意义。     

润滑油红外光谱去噪预处理方法

采用小波包变换软阈值去噪方法对润滑油的红外光谱进行去噪预处理,结合偏最小二乘法进行定量预测,并与常用的平滑去噪方法进行对比。结果表明,小波包变换能有效地去除红外光谱的噪声,以此为基础建立的润滑油酸值模型的预测精度高于常用的平均平滑法和 Savitzky-Golay卷积平滑法这 2种平滑去噪方法的预测精度。