一种基于多尺度边缘的图像融合算法

给出了一种只利用源图像多尺度边缘点进行融合的图像融合算法.该算法分为三步:首先, 对源图像进行多尺度边缘检测;其次,采用边缘相关性最大的融合准则对源图像的多尺度边 缘进行融合,得到融合图像的多尺度边缘;最后,由融合图像的多尺度边缘重构 出融合图像.该算法融合过程中计算量小,融合图像中最大程度地保留了源图像的边缘信息 ,在一定程度上对融合图像进行了压缩,从而减小了数据存储所占用的资源以及数据传输占用 的带宽.仿真结果表明,用该算法得到的融合图像能有效包含源图像的信息.      

基于VMD-CWT和改进CNN的直升机轴承故障诊断

由于直升机自动倾斜器滚动轴承振动信号具有非平稳、非线性特点,并夹杂非敏感故障特征信息,导致网络模型对周期信号过于敏感,不能充分利用故障信息的问题;针对此问题,提出一种变分模态分解(VMD)与连续小波变换(CWT)联合提取敏感故障特征的方法.研究表明:在相同模型训练下,该方法相对其他方法最高可提升模型准确率20.8％.为...     

信号的紧小波标架表示与最佳小波基

探讨了信号的小波标架表示与最佳小波基选择问题.首先对信号的小波标架表示与小波基表示的关系进行了描述,这个关系对于分析信号的小波标架表示是非常有用的;其次推导了周期小波标架的分解与重构的Mallat-塔式算法并证明了标架界为1的紧小波标架的周期化仍为标架界为1的紧小波标架;最后给出了基于小波标架算法和极小化加性代价函数的最佳小波基选择算法.      

基于小波分析的航空发动机故障诊断方法研究

小波变换是一种多分辨率的时频分析方法,应用在振动信号处理、故障诊断方面较传统方法优越。在阐述小波分析理论基础上,对某型航空发动机的振动信号进行分析,采用小波分解和信号重构的方法,提取了噪声掩盖下振动信号中的故障信息,根据航空发动机整机振动的典型故障特征频率,判断该发动机是否发生故障。     

基于小波变换和神经网络的航空发动机故障诊断

在阐述了小波变换和BP神经网络概念的基础上,根据小波神经网络故障诊断的基本思想,提出了一种基于“能量-故障”的小波预处理神经网络航空发动机诊断方法。实验仿真结果表明,使用该方法提取故障特征加快了神经网络的训练速度,能迅速地进行故障的诊断。     

Lamb波传播特性研究

应用三维弹性理论对Lamb波频散曲线进行理论建模.在Lamb波主动监测系统中,应用Gabor小波变换理论分析Lamb波信号的时延及相位角,获得了板中Lamb波的相群速度频散曲线.比较理论曲线与实验数据,证明了三维弹性理论建模方法的有效性.     

适用于爆炸物CT检测重建图像去噪新算法

场旅客行李爆炸物CT检测成像过程中不可避免地受到噪声影响,对重建图像的去噪处理是爆炸物CT检测技术中的一个重要环节。针对机场旅客行李隐藏爆炸物快速检测、重建图像质量要求和引入的噪声特点,提出了一种有效的图像去噪算法将小波包分析与快速中值滤波相结合,并且对小波包系数运用一种新的阈值去噪方法。实验结果表明,该算法能更有效地去除重建图像的噪声并保持图像的边缘细节。     

基于小波神经网络的航空刀具磨损状态识别

针对航空零件的加工特点,采集刀具在不同磨损状态下的声发射(AE,Acoustic Emission)信号,对AE信号进行时频分析和小波变换,运用快速傅里叶变换(FFT, Fast Fourier Transform)以及db8小波5层分解,提取AE信号幅值的均方根和主能量频段的能量作为特征向量,对特征向量进行归一化处理后作为输入向量对小波神经网络进行训练.小波神经网络运用参数调整算法,在权值和阈值的修正中加入动量项.测试结果表明:AE信号对刀具磨损敏感的频率范围在10~150kHz,网络实际输出与期望结果的误差小于0.03,该方法能够对刀具不同磨损状态进行正确的识别.      

基于EEG的脑力疲劳特征研究

模拟飞行员在飞行过程中监视仪表信息的过程,分析脑电（EEG）随脑力疲劳变化的特点及规律,从而为后期对抗脑力疲劳提供科学根据。通过设计2级不同难度的视觉监控任务分别诱发脑力疲劳,采用多种方法相结合进行研究,比较EEG参数（δ、θ、α、β、（α+θ）/β、α/β、（α+θ）/（α+β）和 θ/β）在任务前后的变化情况。结果表明:从正常到疲劳状态,额区、中央区、顶区和枕区的α波相对能量显著增加（P < 0.05）;前额区、侧额区、后颞区以及枕区的β波相对能量显著降低（P < 0.05）;δ波和θ波相对能量变化未达到显著性差异（均有P > 0.05）;参数（α+θ）/β、α/β、（α+θ）/（α+β）和θ/β在除颞区外的各脑区都显著增大（P < 0.05）;在颞区,只有α/β在疲劳前后增加明显（P < 0.05）;与较高难度的任务比较,低难度任务中的各EEG参数变化较为明显。因此,除δ波和θ波以外的其他特征参数被证实在特定的脑区域可以作为衡量脑力疲劳的潜在指标,同时可以验证适当地增加任务难度可以在某种程度上对抗脑力疲劳的产生。      

基于小波滤波的无人旋翼机高度信息融合

针对小型无人旋翼机自主飞行时高度测量信息不稳定、易受干扰的问题,提出采用基于滤波数据的自适应高度信息融合方法来提高无人旋翼机高度测量信息的精度和可信度.通过基于小波提升算法的小波分解重构方法,消除原始测量数据中的高频噪声;根据全球定位系统的测量精度受搜到卫星数目波动影响的现象,提出利用自适应卡尔曼滤波的方法实现高度信息融合.通过自主悬停和三维航迹跟踪飞行试验验证该方法的可行性和有效性.