基于小波变换的被动声目标识别的研究

首先简单介绍了小波变换,然后针对被动声信号,利用小波变换来完成信号的预处理和滤波,在小波变换后信号某子空间上再进行频域变换(FFT)提取目标的能量特征参数,并以卡车、小轿车和人的脚步为例建立了目标小波变换声信号特征矢量库.     

正交车铣铝合金薄壁回转体振动信号的试验分析

在MAZAK机床上正交车铣薄壁铝合金试件，压电加速度传感器安装在内壁上，通过PCI-1712高速数据采集卡采集薄壁的振动信号。利用MATLAB强大的信号处理功能对采集的加速度信号进行分析，振动信号的时域标识了振动幅值大小，功率谱显示了薄壁振动信号的频率构成和能量分布。分析了自激振动的频率随刀具转速和壁厚变化的趋势，给出了工艺系统发生颤振时的主频率。然后利用小波包处理信号的优势将剧烈颤振加速度信号进行小波包分解，根据能量和频段分布进行节点信号重构，得到小波包滤波后的颤振信号。为了了解车铣切削力在剧烈颤振前后变化情况，应用小波包分解并重构出颤振前后3种不同刀具转速时强迫振动信号，对比发现剧烈颤振时强迫振动的当量电压幅值增大，振动加强，这从侧面反映了正交车钪切削力的大小和变化。此振动分析对正交车铣薄壁零件有一定的指导意义。     

基于AR模型和线性调频变换的一种高分辨率频谱特征提取方法

提出基于ＡＲ模型获取目标极点信息，利用该信息对线性调频变换进行初始参数的设置，雷达视频回波线性调频变换可获得高分辨率频谱特征，用这种方法对实地录取的地面目标视频回波数据进行处理提取高分辨率频谱特征，利用所构造可分性测度计算了该模式特征的可分性测度值，并与付里叶谱特征的可分性测度值比较，结果证明所提出的方法具有更好的可行性，是一种良好的高分辨率目标频谱特征提取方法。     

基于小波包能量谱与主成分分析的轴承故障特征增强诊断方法

滚动轴承出现损伤时,采集的振动信号呈非平稳性,采用一般的时域和频域分析方法不能准确提取出振动信号的故障特征。根据小波包多分辨、精细化的分解特性,提出一种基于小波包能量谱与主成分分析（PCA）方法的滚动轴承故障诊断算法。将振动信号进行小波包分解,得到重点频率段信息的能量谱,提取能量谱作为特征向量;利用PCA方法对特征向量降维并减小噪声信号的干扰,获得增强的故障特征;利用层次聚类方法和改进的模糊c均值聚类算法对不同类型的滚动轴承故障进行识别,两种聚类方法都准确地识别出了不同的故障类型。实例验证结果表明,所提方法能够有效地提取振动信号中的有用故障特征,实现轴承故障类型的精确诊断。     

基于小波尺度相关的船舶轴频电场信号检测算法

针对现有船舶轴频电场信号检测算法检测微弱信号能力弱和计算量大等问题,提出了基于小波尺度相关的目标检测算法。该算法利用目标信号和噪声在小波变换各尺度上相关性的差异,求取实测信号的两重小波相关系数,并对其进行二次小波变换,将变换后的两重小波相关系数作为检测信号进行滑动功率谱检测。实测数据对滑动功率谱算法、基于小波包分解的检测算法和本文算法的验证结果表明,本文算法能在更低信噪比情况下有效地将微弱的轴频电场信号从环境背景噪声中检测出来。     

基于小波的装甲声信号特征分析及滤波方法

针对小波变换识别和提取装甲目标声信号特征,提出了基于小波变换的装甲声信号特征分析及滤波方法。该方法在分析装甲声信号产生原因的基础上选取db7小波6层分解,利用小波变换分解重构原始声信号,进行各频带相对能量分布分析,并结合低通滤波器进行对比实验。实验表明,装甲声信号呈现明显的低频特征,频率特征主要集中在20Hz、40Hz和80Hz附近,其中20Hz和40 Hz处能量分布集中;低通滤波器不能对低频信号特征进行分析,而该方法可以准确全面地提取声信号的能量特征。     

基于形状统计量的地面运动车辆识别

对典型车辆目标（如轮式车、履带式车）的地震动信号进行分析和处理，针对信号的功率谱提出了用形状统计量作为目标识别的特征，并对提取出的特征利用神经网络进行了目标识别。经过仿真实验，得到了比较满意的结果。     

小波包神经网络在雷达导引头信号处理中的应用

为从背景杂波中有效地提取出目标的特征信号,文中提出了一种将小波包分解和神经网络相结合的去噪方案。利用小波包对信号的低频和高频部分进行精细分解,得到信号在多尺度空间上的分解系数。根据信号和噪声在不同尺度小波包分解下的小波包特性,利用神经网络对分解系数进行处理,再用新的小波包分解系数对信号进行重构,以达到滤除噪声的目的。     

飞机声信号的特征提取与识别

在对某型喷气飞机声信号做时频域分析的基础上，采用LMS自适应横向滤波对飞机声信号作预处理，而后分别采用过零率和小波变换作目标特征提取。对这两种方法提取的特征再分别应用BP神经网络作目标分类识别，结果表明这两种特征提取方法与BP神经网络分类器相结合对处于起飞或降落滑跑中的喷气飞机均有较高的识别率。     

局域波降噪及样本熵在齿轮箱故障诊断中的应用

针对齿轮箱振动信号中存在大量背景噪声及以往故障诊断中在时域、频域寻找与故障相关信息过程相对复杂的问题,提出了一种将局域波降噪与小波包分解提取频带能量最大信号的样本熵作为特征量相结合的齿轮箱故障诊断方法.首先,以峭度值作为依据对局域波分解后的各IMF(本征模式分量)分量进行重构,完成对原始信号的降噪.接着对降噪后的信号进行小波包分解并计算各子带的能量,选取子带能量最大的频段信号计算其样本熵作为特征量完成对故障的识别.以齿轮箱试验台实测信号为对象进行对比分析,证明了该方法的有效性.     

基于小波熵的弹丸激波信号特征提取方法研究

在实验中获取的弹丸激波实测信号,由于受到激波在空气中传播时各种因素的影响,使得获取的信号有很多不确定性,其持续时间难以利用传统的信号处理方法来获取.文中从小波变换的角度出发,通过在尺度域上对信号能量的一种划分,引入了小波能谱与小波熵作为信号特征提取的特征量来反映系统信号的统计特征.实验结果表明,该算法能有效提取弹丸激波信号特征,速度快、准确率高,而且具有对噪声不敏感的优势.     

小波变换降噪技术及其在Matlab中的实现

小波降噪含模极大值、尺度空间滤波、域值滤波三种方法.域值滤波法只对低频部分进一步分解,不考虑高频部分,因而用小波函数进行处理.域值滤波方法的处理过程为:对信号进行小波分解;小波分解高频系数的域值量化;信号重组.对潜艇获得的测量方位信号仿真结果分析表明,该方法可行.     

基于小波能量特征的尾流光信号特征研究

针对舰船尾流激光探测的信号检测与分析问题,提出了利用小波域能量特征进行尾流特征分析的新方法。首先设计了变遗忘因子的自适应抵消器滤除水体后向散射信号与系统噪声,有效地选取了含有目标的信号;其次采用小波包分解方法并按频段的能量形成提取目标特征;最后借助主成分分析方法对特征向量进行降维。通过对试验数据的分析表明,提取的特征能有效地揭示不同性质下的尾流后向散射光信号,提高了对尾流分析的能力。     

S变换相对谱熵及其在液压泵退化状态识别中的应用

为更好地表征液压泵的退化状态,对液压泵退化特征提取方法和退化状态识别方法进行研究。基于S变换分析非平稳信号的优异能力以及相对熵较好表征振动信号概率分布差异的特性,提出S变换相对谱熵的液压泵退化特征提取方法,对液压泵仿真信号分析结果验证了所提出的S变换相对能谱熵和S变换相对奇异谱熵作为退化特征的有效性和可行性。将两个特征指标组成退化特征向量,对滑靴磨损和松靴故障模式下不同故障程度的液压泵振动信号进行分析,进一步验证所提出的特征指标作为液压泵退化特征的有效性。将加权灰关联法用于液压泵退化状态识别,建立了液压泵的标准退化模式矩阵,对两种故障模式下液压泵待检测样本的退化特征向量和标准模式矩阵做加权灰关联分析,根据灰关联度的大小判定液压泵的退化状态,结果验证了所提出方法的良好性能。     

一种基于终点弹道气动噪声及落地声分析的未爆弹探测技术

针对常规兵器靶场试验、部队训练及演习过程中非爆弹定位困难的问题,介绍了一种采用低成本声学传感器的终点弹道未爆弹探测技术。根据弹着区范围,布置若干声学传感器,保证其测量范围覆盖整个弹着区。对于每一个声学传感器采集到的气动噪声及落地声信号,执行以下计算步骤：采用快速傅里叶变换与拉普拉斯小波分析技术进行声学信号的降噪与增强;采用短时能量、短时幅度以及短时过零率进行气动噪声与落地声端点检测;采用小波包分析技术提取降噪增强后声学信号的特征;采用基于最小距离的阈值准则进行终点弹道气动噪声及落地声的识别。靶场试验未爆弹落点粗定位结果显示,文中所提技术可用于未爆弹落地点定位,定位精度可达10 m.     

混响环境下基于频率-波数谱分析的水下慢速目标回波检测方法

针对水下慢速目标回波信号往往被随机噪声、混响信号等湮没的问题,提出一种基于频率-波 数（FK）谱分析的回波检测方法。FK谱分析相当于速度滤波器,回波中的混响信号与运动目标信号在FK域呈现不同形态。利用此特性,通过Radon变换提取接收信号经过二维傅里叶变换后的FK谱线信息。构建低维数特征空间,采用支持向量机识别运动目标和混响信号。进一步根据运动目标信号的FK谱线斜率构建滤波器,进行信号滤波。该方法将目标分类前置,不需要预先对信号做波束形成,较传统方式更高效。采用海试数据验证算法,成功从强混响信号提取目标信号,并获得大约3 dB增 益。结果表明,回波检测方法能够提取受混响严重干扰的慢速运动目标信号。     

车辆传动系运行状态监测信号的预处理

针对传动系监测信号的特点,分别采用最小波分析、倒谱分析以及小波包分析,探讨车辆传动系统监测信号的预处理,以去除信号趋势项和去除冗余信息,消除信号噪声,提取特征频率.仿真计算结果证明,小波阈值去噪法可同时去噪与去除趋势项,利用倒谱分析法能够有效提取载波频率与调制频率,利用小波包分析可去除冗余信息,突出信号特征.     

自动机机箱振动分析与诊断研究

自动机射击动作时因激振力的作用会产生一定方向和频率的冲击振动,构件的裂纹或松动等故障会影响到其响应成分的频率能量特性;针对自动机实射动作冲击响应振动信号,利用小波分析快速进行信噪分离,频域范围内采用功率谱分析结合小波包分解对各频段能量谱分析。根据振动信号时域峰值和时刻,频域能量的变化和分布,给出故障诊断层使用的状态特征向量,并用比例梯度动量共轭算法训练的神经网络模型进行自动机状态定位与故障识别。     

小波分析在路面反映谱中的应用

小波分析处理车辆振动响应信号,可有效降噪,通过路面反映谱分析路面不平度.用3阶Daubechies小波滤波器对采样信号多尺度一维小波进行分解,再对信号中的低频部分单支重构.当尺度为9时,得到降噪后的信号.该信号既维持原信号采样点数目,且时域空间具规律性,时域响应具平稳随机特征.