基于小波域OBF分解的磁异常信号检测算法

针对传统的OBF分解算法在非高斯噪声下检测性能较差的问题,提出了基于小波域OBF分解的磁异常信号检测算法。首先对含噪信号进行小波分解,提取最后一层的低频分量;再对低频分量作OBF分解,提取能量特征信号进行门限检测。试验结果表明,该算法显著增强了非高斯噪声下微弱磁异常信号的检测效果。     

基于小波能量谱的舰船辐射噪声分类特性分析

根据舰船辐射噪声的“三亮点”模型,采用小波变换,以不同的频率分辨率获取舰船辐射噪声信号相应3个不同频带的小波能量谱,然后计算小波能量谱突变项的五水平聚点,据此选取能量谱突变性显著的频段,最后对各能量谱聚点作聚类分析实现特征压缩并确定特征量。在舰船声场通过特性研究中的应用表明,该方法具有识别与分类准确率高的特点。     

基于最小熵滤波器的磁异常检测算法

针对低信噪比情况下的经典时域波形磁异常检测算法失效问题,提出了基于最小熵滤波器的磁异常检测算法。基于信息熵的计算方法,利用时间轴上的滑动窗构造了最小熵滤波器,然后根据NeymanPearson(NP)定理来确定磁异常检测的阈值,以实现最小熵滤波器磁异常检测算法。仿真实验表明:基于最小熵滤波器的检测算法明显优于经典的时域波形检测算法,并且很大程度上增加了信号的信噪比,提高了磁异常信号的检测可能。     

舰船离线磁定位算法

目前所研究的离线磁定位是在目标舰船长度和模型结构已知的前提下进行的,且未能对定位结果作出真伪判断。在目标舰船长度、运动参数、磁探头姿态角均未知的情况下,设计了一种基于偶极子个数可变的非固定混合模型结构的离线磁定位算法,以舰船长度估计解的连续性作为判断真伪的条件,计算结果表明,该算法定位精确、判断可靠。     

基于语义分割的二阶段舰船目标检测算法研究

为提高图像制导弹药对大型舰船目标的毁伤效能,解决大型舰船目标关键部位漏检和定位精度差等问题,以Yolo v3为基线网络,提出了基于语义分割的二阶段目标检测算法。在主体目标准确检测的基础上,利用DeepLab v3plus网络在主体目标区域进行像素级检测,确定舰船关键部位的轮廓边界,提高了舰船关键部位的检测精度和定位精度。利用Linear bottlenecks结构在低分辨率主体目标中提取特征,减少特征损失,降低模型计算量和参数量,获得了较高的检测精度和定位精度,同时提高了算法的处理速度。     

基于多小波能量谱与SVM的导弹惯性器件故障预报

针对利用时域信号进行故障预报精度低的问题,提出一种基于多小波能量谱与支持向量机(SVM)的故障预报方法.该方法以信号在多小波域上分解形成的能量谱作为故障的诊断特征,通过距离评测准则选取最优多小波能量谱特征子集.最后将最优特征作为样本训练支持向量机.利用训练后的SVM进行故障预报,试验结果表明多小波能量谱能更有效地反映惯性器件故障特征,利用SVM与多小波能量谱结合可以得到更好的预测精度.     

水下目标航空磁异常自适应小波增强方法

针对水下目标航空磁异常信号小波增强处理过程中,小波变换分解尺度需要自适应选择以提高增强效果的问题,提出了小波自适应增强方法。该方法基于水下目标磁场航空探测模型,推导水下目标航空探测磁异常信号频带计算公式,建立了航空磁异常信号小波分解尺度选择计算模型,并用于磁异常信号的小波多尺度分解重构处理,实现了水下目标航空磁异常信号的小波自适应增强处理。对仿真信号的处理结果分析表明,该方法可以有效地增强低信噪比下的水下目标航空磁异常信号。     

基于改进的OCSVM 算法的工控网络异常检测算法

为提高工控系统异常流量检测能力,设计一种结合孤立森林(isolation forest,iForest)和单类支持向量机 (one-class support vector machine,OCSVM)的混合算法。采用孤立森林算法检测训练数据中的离群点,将离群点剔 除以降低其对单类支持向量机决策函数的影响;基于正常数据训练单类支持向量机模型,结合特征选取和参数优化 进一步提高异常检测模型的检测率。实验结果表明：在燃气管道数据集上,该算法模型的检测率提高至92.51%,特 别是对异常行为的召回率和查准率上升,优化了异常检测模型的性能,满足可靠性要求。     

一种基于小波变换的卫星SAR海洋图像舰船目标检测方法

本文依据SAR图像海洋背景和舰船目标特点分析,提出了基于小波交换的卫星SAR海洋图像船舶目标检测方法,仿真分析结果表明该方法实用、有效.     

基于海天线的舰船姿态算法

为提高船舶姿态测量的精度,提出一种基于海天线进行姿态测量的新方法。依据海洋环境的特殊性,在 确定海天线区域的基础上,对图像的处理、目标的提取进行分析,构建测姿算法模型,获取海基平台的水平姿态, 利用海天线信息解算出船舶姿态,并进行实船测量及效果分析。仿真结果表明：该算法可以有效地解算出船体的姿 态信息,精度较高。     

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。     

基于小波变换方法的海上舰船目标边缘提取

一种基于小波变换的边缘提取方法,应用其对舰船图像进行边缘提取,以二次光滑小波作为小波函数,对海上舰船图像进行了二维小波变换,计算小泼变换结果的局部模极大值点,从而得到舰船目标图像的形状边缘特征。经过和运用Sobel算子、Roberts算子、Prewitt算子、基于图谱理论的阈值分割等方法所获得的舰船目标结果进行比较,图像处理的结果表明运用小波变换方法所提取的目标边缘对海上舰船目标的识别有良好的效果。     

基于谱熵的动态双门限语音端点检测算法

针对通信设备语音通话控制的需求,通过综合分析语音端点检测主要方法及性能,提出一种基于谱熵语 音端点检测算法。介绍语音端点检测算法,进行语音信号谱熵计算,通过建立背景噪声模型的方式动态调整谱熵值 判别门限,实现语音端点检测功能。仿真结果表明：该算法不仅在低信噪比条件下具备较好的检测性能,而且在复 杂背景噪声环境下具备良好的适应能力。     

基于谐波小波的舰船辐射噪声线谱提取方法

针对传统方法在低信噪比情况下难以准确提取舰船辐射噪声线谱成分的问题,提出一种基于谐波小波变换的高分辨线谱提取方法。通过对舰船辐射噪声信号进行谐波小波变换,将其正交、无泄漏地分解到相互独立的频段上,提取线谱所在频段的谐波小波系数且将其它频段置零,进而在时域重构出线谱信号,实现信号与其它成分的分离。实验分析结果表明:该方法对背景噪声有较好的抑制作用,提取微弱线谱信号的能力和精度优于FFT分析方法,比传统FIR滤波器方法性能提高了约5dB,有利于辐射噪声特征线谱的提取。     

基于小波互能量交叉的复杂背景中红外小目标检测方法

研究复杂背景下红外图像小目标检测问题．提出一种基于小波分析互能量交叉处理的目标检测方法。通过定义水平、垂直方向上的小波互能量交叉函数，在两上方向上有效地增强目标、抑制背景干扰。采用一种简单有效的局部直方图统计方法进行目标粗分割．综合两个方向目标粗检测结果通过能量最大判决进行目标定位，并采用双窗不相似度量检测目标尺寸。实验结果表明，该方法对地面背景、海面背景的红外弱小目标检测具有一定的普遍适用性。具有单帧检测率高、实现速度快的特点。     

B样条小波边缘检测改进算法

提出了一种改进的B样条小波边缘检测算法,并在抑制噪声干扰和锐化图像弱边缘的基础上,采用自适应平滑滤波和B样条小波多尺度阈值方法进行了边缘检测．实验结果表明,改进的B样条小波边缘检测算法在除噪和提取弱边缘上可获得更好的效果．     

基于小波尺度谱重排与小波排列熵的自动机故障诊断

用小波包变换对自动机振动响应信号进行时频分析,提出了对每层小波包系数进行小波尺度谱重排处理,计算了每层小波系数的排列熵,并以此作为自动机短时瞬态冲击时微弱故障信号的特征量,使用支持向量机对特征量进行故障分类识别,结果表明,该方法能有效地提取特征值并识别微弱故障,可较好地解决自动机的故障诊断问题。     

基于小波模极大值的船舶轴频电场检测算法研究

船舶轴频电场是一种具有明显目标特征的极低频信号,对船舶的水下非声探测具有重要作用。对船舶轴频电场信号小波模极大值的尺度变化进行分析,根据目标信号和噪声的差异,采用Hermite 插值对目标信号小波模极大值进行快速重构;提取目标特征频率范围内的能量均值为特征值,采用滑动检测方法对目标进行检测。实测和仿真数据对该算法的验证结果表明,此方法相对小波包熵检测算法的检测效果较好,虚警率较低,当SNR 为-5. 9 dB 时检测率相对提高50% 左右,并且在SNR 为-8. 2 dB 时仍然具有86%的检测率。     

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。