一种扩频测控链路中PIM的全盲抑制算法

针对航天器扩频体制测控链路中无源互调(PIM)干扰的问题,提出了一种基于小波包分解的全盲PIM抑制算法。该算法将接收的扩频测控信号进行小波包多层分解,根据分解后的信号应满足高斯分布的特性,完成对干扰进行抑制,而整个处理过程不涉及干扰门限的设置,是一种全盲的PIM干扰抑制方法。Matlab仿真表明,采用该抗干扰算法可将信干比提高7dB。     

液体火箭发动机启动段振动信号的小波去噪

液体火箭发动机试验启动段的振动信号中包含有大量的噪声分量,通过小波变换的Mallat算法对振动信号进行去噪处理,并通过试车数据对采用的方法进行验证,取得了良好效果,显示了小波去噪在振动信号去噪领域的广泛应用前景。     

一种基于小波的键控调制方法

研究了相干解调法和包络检波法(非相干解调法)2种解调方法。在此基础上,提出了一种基于小波的键控调制方法,解决已有的小波调制方法数据冗余过大而导致带宽浪费的问题。仿真结果表明,该方法有较好的抗噪性能。     

基于分形理论的红外图像港岸背景抑制方法

为了实现港岸背景的抑制,提出了一种基于分形理论和小波变换的背景抑制方法。首先,在高斯去噪的基础上,使用Otsu方法对图像进行粗分割;然后,对粗分割得到的背景图像进行分形降维处理,选定序列图像的比较区域;最后,利用小波变换的奇异值检测特性,在比较区域寻找序列图像比较的基准点,从而确定序列图像的移动范围,进而实现序列图像背景抑制。通过对实际港岸背景红外图像的实验,验证了所提方法的可行性和有效性。     

基于粒子群优化的WNN飞行数据气动力建模

为了使所建立的气动力模型能准确地描述飞行器的动态特性,提出一种基于改进粒子群优化(IPSO)算法的小波神经网络(WNN)飞行数据气动力建模方法。该方法引入邻近粒子信息和变异操作,对标准PSO(SPSO)算法的不足进行改进,以提高WNN参数的全局搜索能力,克服早熟收敛,再按照所设计的飞行数据的气动力建模流程,构建了IPSO算法训练的WNN模型。试验结果表明:提出的气动力建模方法预测精度高,收敛速度快,能较好控制早熟收敛问题,用于飞行数据的气动力建模是有效的,也是可行的。     

基于区间样条小波的太阳帆轨迹优化算法

针对太阳帆轨迹优化问题,提出了一种基于区间样条小波的新颖数值算法。首先推导了太阳帆航天器的轨道动力学方程并提出了优化目标函数,然后提出了基于区间样条小波函数及其导数算法的最优控制直接数值法。该优化算法的核心是基于区间样条小波函数及其导数算法,在小波配点上将状态与控制变量作离散化处理,进而可利用小波函数有效逼近带有突变的优点,提高了求解以小波系数为参数的非线性规划问题的计算精度和效率。对典型的地球－水星之间的太阳帆轨道优化问题的仿真结果表明,基于小波的数值解法优于半解析法。     

基于连续小波变换的飞行器结构模态参数辨识

给出了一种基于连续小波变换的多输入多输出MIMO(Multiple-Input Multiple-Output)飞行器结构模态参数的辨识方法.对结构离散运动方程进行连续小波变换建立了小波域内的系统AR(Auto Regression)模型,AR模型的系数矩阵决定着系统的动力学特性,可以通过最小二乘法求得.模态参数可以通过求解由AR系数矩阵构成的特征矩阵的特征值来获得.与已有基于小波变换的模态参数辨识方法相比,该方法应用了连续小波的时移共变性和小波变换的滤波能力来确保辨识的效率.在辨识过程中,采用优化算法提高了辨识的精度和稳定性.算例仿真结果表明该方法具有较高的计算精度和稳定性,能用于飞行器结构模态参数的辨识.      

一种空间目标RCS序列的姿态异常检测方法

准确、快速判断空间目标姿态运动模式异常,对于空间目标监测具有重要意义。针对空间目标雷达散射截面 (Radar Cross Section,RCS)序列,提出一种基于小波包分解（Wavelet Packet Decomposition,WPD）能量谱特征的无监督机器学习异常检测方法,并采用单类支持向量机(One Class Support Vector Machine,OCSVM)验证异常检测效果。设置了几种典型异常场景进行仿真分析,试验结果表明,该方法能有效检测出三轴稳定类空间目标发生失稳旋转的姿态异常。相比于传统统计参数特征、小波变换统计参数特征及能量特征的姿态判别方法,具有检测概率高、鲁棒性好的特点。     

电压敏感电路的故障诊断技术研究

电压敏感电路能够敏感发电机的输出电压,是发电机调压电路的重要环节,其发生的故障将影响电源系统的安全与稳定。利用小波子频带能量检测技术对输出电压信号进行处理,从中获取故障信息,作为神经网络的输入。训练过程及测试结果表明：基于松散型小波神经网络应用在电压敏感电路故障诊断中,具有较高故障诊断率,验证了该方法的有效性。     

基于小波包和BP网络的滚动轴承状态寿命模型

使用状态寿命(即状态良好、初始损伤、故障发展和即将失效4个寿命阶段)描述滚动轴承的使用寿命,并建立了滚动轴承状态寿命的评估模型.状态寿命评估模型建模的关键是振动信号的特征提取和状态的识别算法.针对滚动轴承振动的特点,根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性,提取小波包重构信号的频带能量构造特征矢量,利用推广性能良好的贝叶斯正则化BP网络作为状态寿命评估的算法建立特征向量与状态寿命之间的映射,采用滚动轴承全寿命试验数据作为学习样本,训练和确定评估模型.试验验证了模型的有效性和可信性.