一种基于红外序列图像的弱小目标检测方法

针对天空背景下红外运动弱小目标的检测问题,提出一种结合小波变换和管道滤波的序列图像的检测算法。首先对红外序列图像采用小波变换,再采用全局门限法进行阈值分割提取出潜在目标,用形态开运算去除噪声点,以减少候选目标数目,最后再使用管道滤波的方法确定真实目标。实验结果表明,该方法能有效地检测运动红外弱小目标,显著提高红外弱小目标的检测概率,并易于硬件实现。     

基于小波变换的非平稳信号趋势项剔除方法

分析了空间飞行器遥测信号处理传统趋势项剔除方法的优势和不足,提出了基于小波变换的非平稳信号趋势项剔除方法。这种方法通过滤波器组将信号分解与重构,实现趋向性信号与零均值平稳随机信号的分离。仿真实验表明,该方法简单、高效,适用于非平稳随机信号的处理,是一种实用的趋势项剔除方法。     

基于时频切片分解的时变系统参数识别

系统参数识别分为时不变系统参数识别和时变系统参数识别两大研究方向,其中时不变系统参数识 别的研究已趋于成熟,而时变系统参数识别的研究则仍然处于起步阶段。对于多自由度时变结构,提出一种基 于时频切片分解的时变系统参数识别方法。该方法采集结构的振动位移响应,根据时频分解计算得到响应在 整个时频段内的时频能量分布图;依据结构的时频分布特性,选择多个时频切片窗分解响应信号,再对分解出 的信号分别进行逆变换计算完成时域上的信号重构;重构出来的信号对应于结构的各阶模态位移响应信号,利 用Hilbert变换提取信号瞬时频率,从而识别出结构各阶频率。通过一个三自由度的弹簧阻尼质量仿真实验, 验证了该方法具有良好的识别精度和工程实用价值。     

基于WCFSE-FSVM的转子振动故障诊断方法

为了提高含有噪声和野值的转子振动故障样本诊断精度,提出了基于WCFSE-FSVM的故障诊断方法。充分融合小波相关特征尺度熵(WCFSE)特征提取方法和FSVM故障诊断方法的优点,建立WCFSE-FSVM故障诊断模型。基于转子实验台模拟4种典型故障,获得原始故障数据;并利用WCFSE方法提取这些故障数据的WCFSE值,选取故障信号高频段中的尺度1和尺度2上的小波相关特征尺度熵W1和W2构造出振动信号的故障向量作为故障样本,建立FSVM诊断模型。实例分析显示:WCFSE-FSVM方法的转子故障诊断精度最高,即故障类别诊断精度为94.49%,故障严重程度的诊断精度为95.58%,二者都优于其它故障诊断方法。验证了WCFSE-FSVM方法的可行性和有效性。      

轴流压气机转子叶尖二次涡的试验验证及形成机理

对轴流压气机转子机匣壁面静压进行动态测量,采用小波分析方法处理近失速工况动态压力测量信号,功率谱显示在与二次涡相近的频率上存在较高的能量带,能量峰值沿轴向的衰减与二次涡的变化规律相符,表明二次涡在流场中存在是可能的。针对相同转子进行全通道非定常数值模拟,计算结果表明,近失速工况下,转子圆周每个通道叶顶附近均存在规律一致的二次涡运动。叶片中后段间隙泄漏流与间隙泄漏涡破碎产生的低能流体相互作用,在泄漏涡破碎形成的堵塞区域中形成二次涡。二次涡运动使得近叶顶载荷分布发生变化,从而导致近叶顶流场出现了一种周期性的自维持的非定常流动现象。     

基于RBF神经网络的航空发动机轴承故障诊断

提出一种新的航空发动机滚动轴承故障诊断方法。利用小波包分解对轴承的动态信号进行分析、提取特征,采用RBF神经网络进行承故障诊断。对7类故障进行了实验,结果表明该方法具有很好的故障诊断效果。     

小波分析和人工神经网络在金属超声无损检测缺陷分类中的应用

基于金属超声检测中的缺陷脉冲回波为非稳态信号的特点，对高温合金材料超声检测信号的小波变换进行了特征分析，提取了各级小波分解信号的能量分布特征，最后将这些特征输入人工神经网络进行训练和分类，实验表明，这种方法具有良好效果。     

应用小波分析方法处理非平稳信号的研究

本文综述小波分析这一前沿领域的发展现状，介绍了小波变换及其Mallat快速小波算法，对比分析了小波变换与短时傅里叶变换之间的差异，指出这种基于多分辨方法的小波变换特别适合于非平衡信号的分析与处理，并且应用该方法对实测信号进行了有效的时频分析。     

利用小波包分解算法进行原子钟信号的消噪处理

高准确度时间在国防、科研等领域正在发挥着日益重要的作用 ,要提高计算原子时的准确度 ,消除原子钟信号的噪声是关键的步骤之一。为此 ,我们利用小波包分解算法对原子钟信号进行了必要的消噪处理 ,这样我们得到了平稳的原子钟信号 ,利用这些数据重新计算国家授时中心原子时TA(NTSC) ,计算结果表明经过消噪处理提高了TA(NTSC)稳定度和准确度 ,可以考虑进一步在我国的地方原子时计算中采用该方法。     

Phase coherence of foreshock MHD waves: wavelet analysis

The earth's foreshock is a region where particularly large amplitude MHD waves are commonly observed. They exhibit various waveforms, suggesting that nonlinear interaction between the waves is in progress. In a previous paper (Hada et al., 2003) we have introduced a method to quantitatively evaluate the strength of phase coherence among the waves from a given time series data. Here we further develop our method by applying wavelet filtering technique. From the analysis it was found that, although the turbulence is consisted of waves with a wide range of plasma rest frame frequencies, only those frequencies lower than the ion gyrofrequency are responsible for generating the phase coherence. This revised version was published online in August 2006 with corrections to the Cover Date.