一种提高数据采集系统精度的方法研究

数据采集系统对采集精度要求极高,但采用8位的低精度模数转换器,直接利用标称值元器件设计的数据采集系统会存在系统误差。尽管使用传统的线性参数标度变换可以消除系统误差,但数据采集系统必须是线性系统。如果存在饱和非线性,最好在多种输入情况下测量若干数据,剔除饱和数据后应用最小二乘法拟合的线性关系进行标度变换可以得到测量值。研究结果证明:该方法比传统的标度变换计算的测量值要明显准确,达到提高系统精度的良好效果。     

基于小波变换剔除数据野点的方法

在脱靶量数据处理中,野点的存在对采用非线性最小二乘法估计多普勒频率的精度会产生恶化影响。本文研究利用野值点和多普勒频率在小波域上系数的不同,对不同数据段的系数设定不同阈值进行处理,从而达到去除野值点和恢复多普勒频率的目的。试验结果表明,采用小波变换去除了随机测量误差与野值点对多普勒频率的影响,对于后续的脱靶量参数估计没有任何不利影响。     

一种基于二维傅里叶变换的数字水印算法

数字水印技术是信息隐藏的重要应用，广泛应用于数字媒体的版权保护，有很大的发展前景。介绍了一种基于二维离散傅里叶变换的数字水印算法，并得到了较好的鲁棒性和不可见性。     

滚动轴承早期故障的特征提取与智能诊断

在基于小波变换的滚动轴承故障诊断研究中,目前普遍存在小波变换参数选取和故障特征计算无法自动完成的问题。基于此,提出了一种基于二进离散小波变换的滚动轴承故障特征自动提取技术,实现了小波函数参数的自动选取和故障特征的自动提取。同时,基于结构自适应神经网络方法建立了滚动轴承的集成神经网络智能诊断模型。最后,利用实际的滚动轴承实验数据验证了所提方法的有效性。     

基于天基光学监视的空间目标MSC-SPKF跟踪方法

在对天基光学监视跟踪特点进行分析的基础上,提出样点状态转换修正球坐标Sigma点卡尔曼滤波(MSC-SPKF)方法以实现对空间目标的三维被动跟踪。利用修正球坐标系和无迹变换(UT)分别在仅测角被动跟踪和获取非线性系统状态二阶矩方面的优势,选择在修正球坐标状态空间内进行Sigma点采样,并利用状态空间转换完成样点矢量非线性预测,最后在修正球坐标空间内完成滤波更新,并给出相应的初始化方法。仿真结果表明该方法在收敛性和稳健性上更有优势。     

基于复Shearlet域高斯混合模型的SAR图像去噪

 结合双树复小波的平移不变性、多分辨率性和剪切波变换的灵活可选的多方向性,提出一种新的图像表达方法——复Shearlet变换。针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像的相干噪声特点,建立了复Shearlet系数域的高斯混合模型(Gaussian Mixture Model,GSM),在此基础上应用贝叶斯最小二乘法进行系数估计,最后进行复Shearlet反变换得到去噪以后的SAR图像。仿真结果和分析表明:本文提出的算法相比其他变换域去噪算法,不仅去噪后的图像的峰值信噪比(Peak Signal to Noise Ratio, PSNR)有所提高,而且去噪后的图像更平滑,且与Shearlet域高斯混合模型相比,本文算法速度快了两倍多。     

基于FRFT的雷达信号chirp基稀疏特征提取 及分选

 特征分析是雷达信号分选识别的基础,利用稀疏分解思想对新体制雷达信号进行特征提取是一个新的研究方向。本文以分数阶Fourier变换的核函数作为稀疏分解的chirp基函数,将具有相近特征参数的chirp基函数构成基函数族用于稀疏分量提取,推导了在分数阶Fourier域基于匹配跟踪的chirp基函数族稀疏分解公式,然后利用chirp基稀疏分量的调频率和初始频率构成特征参数序列,将雷达信号脉冲分成5大类进行分选和识别,仿真分析验证了推导结果的有效性。结果表明对于具有线性或曲线时频特征的雷达信号在信噪比为-3 dB,采样频率为500 MHz,观测时间为2 μs,调频率不超过100 MHz/μs时,仍然具有95%的正确分选概率。     

飞机电气系统故障诊断技术新进展

分析了飞机电气系统的组成及特点;探讨了飞机电气系统故障检测与诊断的方法,对控制电气系统的故障、提高设备工作可靠性具有一定的指导意义;讨论了飞机电气系统故障诊断的最新研究成果及研究热点:基于信号处理的小波变换分析、智能方法下的神经网络和模糊逻辑控制及综合应用技术,并探讨了飞机电气系统故障诊断技术的发展趋势。     

基于小波变换和神经网络的脑电信号分类方法

结合小波变换和神经网络对酒精中毒者和正常清醒者的脑电信号进行分类.通过分析脑电数据找出分类特征;采用一维离散小波变换提取含有分类特征的脑电信号频段,并以小波变换分解系数作为信号特征,实现数据序列长度压缩;对应3种刺激方式建立3个相同结构的学习向量量化(LVQ)神经网络,用于对脑电信号的预分类;根据判决规则得到最终分类结果.对真实脑电数据的分类正确率达到89%.     

基于小波的非线性模型的孔探图像压缩

针对涡轮发动机内部图像细节丰富的特点,为了实现在高压缩比下对细节信息的保留,以不影响发动机内部故障检测,采用小波域的非线性表示和建模方法,利用多尺度边缘检测对边缘进行定位,通过轮廓加剖面模型在定位的边缘进行边缘影响区域划分;之后通过阈值将边缘影响区域进一步划分为较重影响系数区域与较轻影响系数区域,在不同区域应用不同的编码质量控制,从而实现了一种基于小波着重于边缘的图像编码系统.实验结果表明,与一般的小波图像压缩方法相比较,在不同的压缩率下,峰值信噪比均得到小幅度的提高,并且从视觉感官上也得到较好的效果.