基于小波分析机场电力电缆故障点检测研究

介绍了应用Matlab软件的基于小波变换和双端行波测距法的电力电缆故障定位检测技术,重点探讨了基于小波分析的模极大值法。该方法首先使用小波变换获得小波三层分解波形,接着使用模极大值法理论获得分解波形中的模极大值点,得到原始波形中突变点,最后根据双端行波测距原理得出故障点位置。试验证明,使用该方法对故障点的精确定位在技术上是可行的。     

小波变换在动力学系统识别中的应用

试图用小波变换来讨论动力学系统识别中的几个问题，并用以研究在系统分析中利用小波变换这个工具的可能性。只涉及线性时不变结构的动力学系统，它应该适用于非线性或线性时变系统的分析和识别。做为一个具体应用，给出了使用小波变换识别模态阻尼系数的模拟实侧，可用于颤振数据分析。     

论齐次变换的可易性

本文论述了齐次变换的可易性问题。导出了刚体在空间作一般运动时求解合成变换的一种简明而实用的方法。解决了刚体相对于定基轴作连续变换时求解合成变换所遇到的困难。同时这种变换的可易性可供实际选择。     

小波变换与相位建模在瞬时频率估计中的应用

分析了利用小波变换测量窄带信号瞬时频率的原理,介绍了一种在小波变换的基础上,采用相位建模以提高精度的瞬时频率的估计方法。     

小波变换在水下航行体出水动响应识别中的应用

在出水过程中,由于空泡溃灭作用,水下航行体结构存在较大的横向弯曲动态响应,内部结构间存在相对运动,当响应较大时有可能发生干涉。本文应用小波变换方法,根据加速度测量数据对水下航行体出水过程中的动态响应进行了辨识,并与试验结果进行了对比分析。小波分析具有良好的时一频定位特性以及对信号的自适应能力,能对信号的高频、短时成分准确地在时域和频域中进行分析。这为水下航行体加速度信号处理提供了有效的分析手段。     

一种全息滤波用于粒子场层析的方法

本文介绍用4F傅里叶透镜系统和全息滤波器对粒子场分布作全息记录的原理和方法。理论和实验结果表明,这种记录方法能同时准确记录位于输入平面和在其前、后相同距离平面上的粒子分布,并能根据清晰的粒子像直接判读出粒子尺寸和空间位置。若应用不同的全息滤波器,就能在输出平面上记录与滤波器相匹配的三个层次平面上的粒子分布。这种用4F系统的全息滤波记录方法,实质上是用全息术测量粒子场分布的层析法。文中还介绍了制作这种全息滤波器的原理和方法。     

非线性信号处理器的设计与实现

非线性信号处理是我们分析和处理真实信号时经常遇到的问题,将非线性信号经过一个处理系统使之成为线性信号再进行处理是我们常用的方法之一。本文提出了一种非线性信号处理器的设计框架及实现手段,其基本原理是将信号通过一个非线性滤器,而根据数学工具的推导我们可处理后的信号或信号特征值已经是线性的,易处理的。该框架是一个可逆系统,可根据不同的信号特征选择不同的变换基及滤波器进行有性的处理。     

广义镜象变换及其在信号特征分析中的应用

本文首先介绍了镜象变换及其性质,并将其推广到复数空间中去,引出了广义镜象变换。广义镜象变换保留着镜象变换的主要特性。然后利用广义镜象变换提出了一种信号特征分析的新算法,即广义镜象变换-QR算法。它包括两大步骤:(1)利用广义镜象变换将Hermite阵化为实对称三对角阵。(2)利用带位移的QR方法求实对称三对角阵的特征值。文中给出了上述算法的详细流程。该算法具有收敛速度快和数值稳定的优点。我们将上述方法用于噪声中信号个数的估计问题,给出了Monte-Carlo模拟结果,验证了所述算法的有效性。在模拟实验中,假定天线阵为均匀线性阵,信号源为两个独立的等功率源,目标模型为Swerling Ⅱ,噪声为空间白色的和高斯的。干扰协方差阵由参考噪声样本估计得到。     

OPEN-LOOP FOG SIGNAL TESTING AND WAVELET ELIMINATING NOISE

An open-loop fiber optic gyro (FOG) testing system is designed. The noise characteristic of open-loop fiber optic gyro signals is analyzed. The wavelet eliminating noise method is discussed and compared with other methods, such as smoothing and low-pass filter methods. Results indicate that the wavelet eliminating noise method can satisfy the measuring demand of the FOG weak output signal with noise disturbing. The wavelet analysis method can efficiently eliminate the noise and reserve the information of the signal. The eliminating noise effect of using different wavelet base functions is compared. The effectiveness of multiresolution wavelet analyses of eliminating noise is proved by experimental results.