小波域的自适应波束形成算法

在分析传统自适应波束形成的基础上,首次提出了一种小波域的自适应波束形成算法。与通常的自适应波束形成算法相比,该算法利用小波变换对小波空间进行了分解,信号经小波变换自相关性会下降,收敛速度提高,同时在此分解过程中,根据信号与白噪声在不同尺度上的小波变换模极大值表现完全不同的特性进行信号的消噪。理论分析和仿真结果表明了该算法收敛速度较快,且计算量增加较少,易于实时实现,而且具有较好性能。同时仿真实验表明该算法收敛速度与小波基和尺度的选择有关,尺度越大收敛速度越快;对于同一小波基系列,小波基的正则性越好收敛速度越快。     

基于HMM-SVM的混合故障诊断模型及应用

针对直升机减速器故障诊断中机器学习方法存在的问题,根据隐马尔可夫模型(HMM)适合于处理连续动态信号与支持向量机(SVM)适合于模式分类的长处,提出了基于HMM-SVM的混合故障诊断模型。先通过小波包分析方法从减速箱振动信号中有效提取非平稳特征,训练HMM-SVM模型,再利用训练好的模型进行监测与诊断,实验结果表明该方法优于单纯的HMM或SVM诊断方法,能利用少量训练样本有效地完成直升机减速器的故障诊断。     

声发射在微铣削过程中监测刀具破损的应用

应用声发射传感器对微铣削过程中的刀具状态进行监测。通过结合传声器传感器,利用小波分析,声发射传感器能更精确有效地监测刀具破损的现象。分别在几种不同的工件材料进行了声发射监测实验。通过该声发射监测刀具破损技术采集得到信号,再利用小波分析对实验数据分析。结果表明,在微铣削中利用声发射信号来监控刀具状态的可行性。     

基于自适应尺度小波网络的自动驾驶仪故障诊断研究

自动驾驶仪系统具有多维输入信号,且其训练数据在输入空间中非均匀分布,因而在熟悉了BP神经网络的局限性后,本文提出从多分辨分析的角度,运用构造了以非张量积尺度函数和非张量积小波函数共同作为激励函数的多维自适应尺度小波神经网络,将此网络应用于自动驾驶仪系统的故障诊断,仿真结果表明诊断效果良好.本文为自动驾驶仪系统的故障诊断提供了一种新的方法.     

飞机电源系统整流装置故障诊断方法

某型号飞机电源系统现有的机上自检测装置由传统的硬件逻辑电路构成,存在功能扩展性差、可靠性低等缺点.为符合新一代机上自检测装置微机化、智能化的特点,在对其进行故障模式分析的基础上,采用基于小波神经网络的故障诊断方法,通过对整流装置输出电压的实测信号样本的频谱分析,获得对故障敏感的特征频率点,根据小波变换的多分辨率分析理论,确定了与特征频率点相对应的小波母函数和变换尺度.在此基础上,通过定义频带能量特征向量,将小波变换得到的小波系数转换为一组特征向量.将特征向量作为BP神经网络的前端输入,由神经网络完成故障的识别与分类.经验证,故障特征得到了有效地提取,使神经网络可在各种工况下对故障进行故障诊断,符合灵敏性、鲁棒性的要求.      

利用α稳定分布的小波域SAR图像降斑算法

提出了一种改进的合成孔径雷达(SAR)图像α-MAP降斑算法,通过采用厚尾α稳定分布和引入噪声方差调整系数的方法,可以获得更好的降斑和纹理保持效果,同时应用平稳小波分解来解决Gibbs效应引入的伪噪声问题。最后通过对实际SAR图像的降斑处理,对本文的算法与最新的小波软阈值算法以及传统的局部自适应滤波器在性能参数和滤波效果上做了全面的比较。试验表明本文的算法更具适应性,实现了降斑与纹理保持更有效的综合滤波,在性能参数和复原图像效果上都有较好的表现。     

遥感图像数据压缩新技术研究

研究了遥感图像数据压缩新技术。利用半正交小波基和对偶系设计了具有严格线性相位和精确重建特性的ＦＩＲ滤波器组，将其应用于遥感图像的数据压缩，取得了良好的成果。     

一维波动方程的小波解法

利用具有紧支集的Daubechies正交小波基函数,构造出了一种新的计算一维波动方程的数值方法--小波解法.由于该方法充分利用了Daubechies小波函数良好的局部性质,并且巧妙地运用了Fourier变换,数值试验表明该方法不但精度高,而且计算量小.     

小波分析在直接吸收谱信号分析中的应用

采用小波分析方法对直接吸收谱信号进行消噪处理,通过对信号的高、低频部分进行分离实现了噪声消除。采用这种方法对近红外波段的DFB(分布反馈)半导体激光器所发出并且经由气室吸收、数据采集等步骤产生的直接吸收信号进行噪声消除实验,清除了数据中的高频噪声。实验中的两种光谱信号经消噪处理后,反映了数据的光谱特性,有利于进行光谱数据的拟合处理;尤其将受到气流强烈干扰的信号去除了大幅值的噪声信号,使该信号反映气流的速度特性,并能进行后续的线型拟合工作。     

基于SVM的舱音识别方法

<正>CVR是黑匣子的重要组成部分,通常通过CVR信息来分析飞机故障或导致飞行事故的原因,因为CVR记录了飞机整个飞行过程中几乎所有的座舱声音,包括飞行员间及机组人员间的对话、飞机与塔台之间的通讯,发动机的振动声、开关按钮声以及其他一些背景声。这些声音为还原现场环境提供了一个客观有效的声音证据。因此,舱音识别很有实际操作意义。舱音识别方法有很多的,文献中分析了声音特征包括声音的短时过零率、短时能量以及线性谱等的优缺点,然