小波变换在信号去噪中的应用

阐述了小波变换去除信号噪声的基本原理和方法。研究利用小波变换技术对信号噪声进行抑制和去除非平稳信号的噪声。实例证明,基于小波变换在非平稳信号噪声抑制和去噪分析中具有很好的应用效果。     

轴流压缩机粘性尾迹噪声研究

本文研究了微弯机翼在正弦阵风作用下的脉动升力,并导出计算公式,分析了动、静叶栅几何及气动参数对转子脉动升力及噪声级的影响。     

基于知网的汉语语义实例库的建设与应用

为了解决有指导词义消歧任务中的知识源问题,提出并构建了一个基于知网的汉语词义实例库(CSIC),同时开发了一个语义标注平台(SenseTag)。该平台通过方便快捷的人机交互方式显著提高了实例库的建设效率和质量。利用条件随机场模型,从实例库中自动学习消歧知识,进行自动标准在随机选取的部分汉语高频多义词的词义消歧开放测试中,取得了平均正确率85%的较好效果。     

消喘调节系统工作时发动机工作过程数值仿真

应用混合室、加力燃烧室、主燃烧室和外涵道容积效应和变几何通道、主燃烧室供油量等控制因素的发动机动态过程的仿真模型,对某型变几何混排涡扇发动机消喘调节系统工作时发动机的工作过程进行了仿真,并研究了消喘调节系统调节精度对发动机过渡工作过程的影响.仿真结果与实际试车数据比较吻合,验证了模型的有效性.仿真结果表明：主燃烧室切油相对各变几何通道调节更能有效地消除喘振;各变几何通道有个调节最佳值,且对高低压转子的影响程度不同.仿真模型与方法可为消喘调节系统的设计和功效评定提供理论基础.     

二维小波变换及其在医学图像处理中的应用

介绍了二维离散小波变换的一般形式，在图像分解的基础上．分析了二维小波变换在医学图像消噪和图像增强中的应用，同时给出应用实例。结果表明，应用小波分析进行医学图像处理，能够有效地改善图像质量，有利于医生对病情的诊断和治疗。     

液压能源管路系统振动主动控制的理论研究

对飞机液压能源管路系统的振动问题进行了探讨.提出一种基于振动主动控制(VAC)技术对飞机液压能源管路系统进行消振的方法,在手段上采用压电/压电致伸技术,以压电陶瓷(PZT)作为作动器,具有驱动力大、响应频率高和体积小等优点;控制方法上采用参数寻优的控制策略,它能始终能根据外界干扰因素的变化来调整控制参数.经过理论分析和仿真验证,证明其具有良好的自适应性和鲁棒性,在变转速和变负载情况下始终能保持最佳的消振效果.     

改进小波阈值去噪法在管道泄漏检测中的应用CSCD

基于负压波式的管道泄漏检测方法中,需要解决的核心问题之一是对负压波信号的去噪。在分析了利用小波变换理论与小波阈值去噪的基础上,对传统的硬阈值和软阈值函数、双曲型和指数型函数与改进的阈值函数算法进行了对比。实验表明,改进算法在处理管道泄漏检测中,对检测的负压波信号能够获得较大的信噪比,具有较好的去噪能力,能有效提高泄漏检测精度。     

小波变换在遥测数据处理中的应用

采用离散小波变换方法对在轨卫星遥测数据进行处理,利用噪声和信号在不同小波尺度上的性质不同．基于极大极小化思想选取去噪处理中的阈值,达到分离噪声和信号的目的。结果表明：利用小波变换可有效消除卫星遥测数据的噪声。     

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.      

基于小波分析与支持向量机的时间序列预测

时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面。目前提出的预测模型大多基于＂原始时间序列是无噪的＂这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪。利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果。实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度。