多聚焦图像融合中小波基函数选取的研究

在基于小波变换的多聚焦图像融合算法中,小波基的选取是一个问题.分别从基于像素的融合算法和基于区域的融合算法两个方面,选取不同的小波基,做了大量的实验.考虑到评价参量的典型性和算法的复杂度,选取熵、均值、标准差、可见度,平均交叉熵5个参量对实验结果进行评价分析.     

一种基于局部能量的自适应图像融合方法

文中提出了一种基于局部能量的自适应图像融合方法.首先对原始图像进行小波分解,得到低频和高频子图像.然后分别计算高频子图像的局部能量,再根据不同图像的相应局部能量,计算局部能量熵,根据值局部能量熵赋予其不同的加权系数,从而实现自适应的信息融合.最后通过小波反变换,得到完整的融合.实验结果表明该方法有较好的融合效果.     

多尺度多传感器融合算法在微机电陀螺数据处理中的应用

微机电陀螺以其成本低廉、安装方便而受到了人们的广泛重视,但人们期望其零偏稳定性能够进一步提高。多尺度多传感器融合算法是对陀螺仪输出的信号首先进行Kalman滤波;然后将多个陀螺的输出数据进行小波变换,在对应的尺度上将陀螺仪输出数据的小波变换系数进行数据融合,得到组合陀螺仪的各个尺度的小波变换系数;然后通过逆小波变换得到组合陀螺仪的输出信号。实验结果表明：经过将3个陀螺仪测量结果进行多尺度数据融合后的零偏稳定性比单个陀螺仪提高了一个量级,有效提高了微机电陀螺仪的精度。     

小波变换在多雷达数据融合中的应用

分析了雷达测量数据的小波变换在虚假点迹、漏失和漏报测量数据处的特点。提出了一种基于小波变换的测量数据融合方法。对多传感器的测量数据进行小波变换，数据融合处理，然后进行数据重构。仿真结果表明，该方法具有运算量小．抗噪能力强和融合效果好的特点，适用于多传感器的数据融合。     

基于KPCA-HSMM设备退化状态识别方法的研究

为消除多通道观测信息冗余,压缩高维故障特征,提出了基于核主元分析( KPCA)多通道特征信息融合的隐半马尔可夫模型( HSMM)设备退化状态识别的新方法。首先,对采集的单通道振动信号进行小波相关滤波处理,构造单通道振动信号的小波相关特征尺度熵向量;然后,利用KPCA方法对多通道的小波相关特征尺度熵向量进行冗余消除和特征融合,得到多通道的融合小波相关特征尺度熵向量;并以此融合特征向量作为HSMM的输入进行训练,建立基于HSMM的设备运行状态分类器,从而卖现设备退化状态的识别。实验结果表明,该方法能有效的识别设备的退化状态,从而为多通道特征信息融合设备退化状态识别开辟新的途径。     

基于小波变换信息熵的自动机故障特征提取研究

研究了根据自动机机箱的短时冲击振动信号,从信息的定量描述方法出发,通过小波能谱熵、小波奇异谱熵、小波时间熵算法建立信息熵提取模型,实现故障特征提取.针对典型模拟信号的仿真分析,验证了所提出的信息熵指标可以对信号进行多层次特征提取.结合自动机故障诊断试验,进行自动机运动形态分解时域特征与不同空间信息熵指标特征提取.可用于小口径火炮高速自动机的在线监测与故障诊断.     

交叠式Allan方差在MIMU余度配置中的应用

首先将多个陀螺的输出数据进行小波变换,在对应的尺度上将陀螺仪输出数据的小波变换系数进行数据融合,得到组合陀螺仪的各个尺度的小波变换系数,然后通过逆小波变换得到组合陀螺仪的输出信号。由于在相同的置信水平下,交叠式Allan方差分析方法比普通Allan方差具有更大的置信区间,所以利用交叠式Allan方差作为数据融合中的加权值。实验表明该方法能有效地提高MIMU的输出精度,显著减小高精度MIMU对陀螺仪本身精度的要求。     

强背景噪声下的小波熵模极大值消噪方法

针对矿井提升机特征信号在强非平稳和强噪声背景下难以有效提取的问题,结合小波能量熵理论与小波模极大值的奇异性理论,提出一种有效的强背景噪声下提升机信号消噪方法。该方法利用信息熵能定量描述时-频域能量概率分布的特性,采用小波熵自适应确定噪声阈值,有效去除随小波分解尺度增大而不断减小的小波模极大值,保留随尺度增大而增大的模极大值,并重构经有效过滤的剩余小波模极大值,实现强背景噪声下噪声信号与真实信号的有效分离。通过对仿真信号和提升机实测信号的应用,表明了该方法消噪效果明显,消噪数据可靠,提高了强背景噪声下提升机故障诊断的数据可靠性。     

基于小波辅助的GPS/SINS 组合导航系统故障检测与信息融合算法

针对GPS/SINS组合导航系统可能出现故障的问题,提出一种基于小波辅助的组合导航系统故障检测与信息融合算法。将卡尔曼滤波器的估计误差进行相应的多小波故障检测分析,在较短时间内发现故障点进而降低虚警概率;若GPS发生软故障,利用改进的自适应算法进行信息融合,进而保证系统的滤波精度、容错能力和可靠性。仿真结果验证了该方法的有效性。     

小波神经网络在智能诊断中的应用

小波神经网络分为松散型和紧致型，前者以小波分析作为神经网络的前置处理，为其提供输入特征向量，后者采用小波函数和尺度函数形成神经元，达到小波和神经网络的直接融合，刀具故障在线监测松散型小波神经网络，用声传感器在线采集刀具的状态数据，用小波分析处理数据并提取特征量以确定网络的输入向量；用BP神经网络训练数据，调整权值和故障输出，建立刀具故障在线监测小波神经网络模型。     

小波故障检测在脉冲星组合导航中的应用

为提高基于X射线脉冲星的组合导航系统容错能力,利用小波分析方法进行故障检测,以保证组合导航系统的精度和可靠性。笔者采用X射线脉冲星导航、天文导航和紫外敏感器导航构建组合导航系统,运用小波分析技术对传感器输出信号进行故障诊断,并进行故障隔离和系统重构,最后采用联邦式滤波器进行信息融合,并以火星探测任务为例进行了数学仿真。实验结果表明：该方法能够有效检测相关传感器故障,解决了X射线脉冲星组合导航系统因故障导致的导航结果变差问题,且具有较高的导航精度,提高了脉冲星组合导航系统的容错性能和工程实用价值。     

石英振梁加速度计的小波神经网络温度补偿研究

捷联惯导系统中使用的石英振梁加速度计随温度输出漂移比较显著,通过理论分析和试验研究了其静态定点温度特性,提出了在处理受温度影响的加速度计数据时建立基于梯度下降学习算法的小波神经网络模型,并对其进行补偿。通过惯导系统初始对准实验结果表明,该方法与传统的最小二乘法相比,小波神经网络的非线性逼近能力更强,曲线拟合精度更高,能有效补偿加速度计的温度漂移,降低惯导系统初始对准后的姿态解算误差。     

一种基于小波变换的可见光与红外图像融合算法研究

为了解决可见光与红外图像所表现的目标特征不一致的问题,提出了一种红外与可见光图像融合算法.首先利用小波变换将图像进行多尺度分解,然后提取不同分辨率、不同方向下的小波系数,采用不同的融合算法构造融合图像对应的小波系数,最后利用该小波系数重构融合后的图像.实验结果表明,该算法在红外与可见光图像融合处理中取得了很好的融合效果,有效地将红外和可见光对同一目标所表现出不同的特征、细节融合在一幅图像里,增加了单幅图像的信息量,丰富了目标的信息层次,为图像显示观察和后续图象处理系统获取信息提供了基础.     

基于四叉树分割的小波域分形图象压缩算法

根据小波及分形理论的特性提出了一种小波域分形图象数据压缩方法，基本思路是利用小波变换实现图象的多分辨率分解，采用分形理论对具有相似性的小波分解图象进行编码，从而充分利用了两种理论的优点，提高了图象压缩系统的压缩率和容错率，最终提高重构图象的质量。     

基于小波分析和密度估计的红移测速导航研究

基于光谱红移天文自主导航思路以及天文学领域求解红移值的方法,提出一种用小波分析和密度估计相结合的方法测飞行器红移值,进而求解速度的测速导航方法。首先采用小波变换滤除噪声并进行光谱归一化,然后采用整体阈值和局部阈值相结合的方法,提取特征谱线,用密度估计法求出红移值,最后结合天文测角信息,计算出飞行器相对于惯性坐标系的速度。采用实测的太阳光谱数据,进行了红移模拟与解算。实验证明该方法在高信噪比的情况下,计算速度快,求解结果精度高达96％,为基于光谱红移的天文导航提供一种新的速度计算方法。     

基于小波降噪误差方差模型的GPS/SINS组合导航技术

为进一步提高GPS/SINS组合导航系统的精度,对基于小波降噪误差方差模型的GPS/SINS组合导航技术进行研究。根据小波多尺度理论,分析了小波降噪前后信息的误差方差模型间的理论关系,推导出在小波多尺度分析中平滑信号误差的理论方差模型,将该理论模型引入到GPS后,试验分析证明理论分析与试验结果基本一致;然后以该理论模型为基础,提出了基于小波降噪误差方程模型的GPS/SINS组合导航系统并进行了静态试验验证。试验结果表明,该模型能显著地提高组合导航系统各项导航参数的精度。     

军用运输车辆高精度定位导航研究

针对军用车辆导航应用的高可靠、抗干扰、低成本需求,设计以北斗(Beidou navigation satellite system, BDS)与惯导(inertial navigation system,INS)松组合为核心,融合地图匹配、车辆运动信息辅助等方法的高精度定位 导航方案。分析车载BDS/INS 松组合信息融合过程和方法及车载里程计/捷联惯导系统(strapdown inertial navigation system,SINS)补偿组合算法,并基于此定位导航方案进行仿真分析,研制导航定位模组并进行道路测试。仿真和道 路测试结果验证了该定位导航系统的有效性。