小波变换模极大去噪法在无线电引信信号处理中的应用

将小波变换模极大去噪理论和方法应用于无线电引信的信号处理研究,在小波变换模极大值特性分析的基础上,讨论了无线电引信信号和噪声的小波变换模极大值在各尺度上的传播特性,提出了无线电引信小波变换模极大值去噪算法,并对算法进行了深入分析,仿真结果显示：利用小波变换模极大值去噪方法可有效去除低信噪比的无线电引信信号噪声。     

鱼雷引信目标信号的小波消噪研究

鱼雷引信目标信号的背景噪声消除是确保引信可靠动作的重要手段。传统的带通滤波方法消噪精度低，波形稳定性差，而小波变换在对信号进行消噪处理方面具有良好的特性，它可利用不同的尺度参数将信号分解到不同的频带上。该文基于典型的鱼雷电磁引信模型和磁引信目标信号模型，采用小波变换的方法对复杂背景干扰下的引信目标信号进行了消噪处理，并使用数学分析软件MATLAB对消噪结果进行了仿真。仿真结果表明，相比传统的消噪手段，小波消噪具有精度高、适用性强、信号波形失真度小的优点，可有效消除鱼雷引信目标信号中的背景噪声。     

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。     

小波变换在无线电引信中的应用

本文充分利用小波的极大模特性可以检测出奇异信号的特殊功能，对无线电引信的信号进行分析。应用多尺度模极大值，去除引信信号噪声，提高引信测量精度，采用无线电引信机发射脉冲宽度随机可变措施，区分真假回波，再根据其能量大小，辨别真假目标；用记录各种尺度下模极大值坐标，代替无线电引信记录整个过程，起到压缩数据目的，这些数据包含无线电引信的主要信息，经实验表明，此方法是可行的。     

一种新的小波去噪算法

介绍了相关去噪和模极大值去噪两种传统的去噪方法的原理,并针对它们在滤除噪声上的明显不足,提出了一种基于区域相关的滤波新算法。它克服了通常相关算法中由于各尺度间小波系数的偏移引起的判断准确率低的缺点,进而对小波域滤波之后的系数进行模极大值处理,以去除残留的噪声系数。这种算法把两种思想截然不同的小波滤波方法合在一起,并作了一些改进,充分考虑了信号相邻系数间的相关性,较好地解决了保护信号局部特征与抑制噪声之间的矛盾。仿真结果验证了算法的有效性。     

小波分析在信号消噪中的应用

用小波分析进行信号消噪常用多尺度小波变换和小波包变换.多尺度小波变换是将信号分解成高频和低频成分,低频包含信号的主要性能,高频含较多噪声,将高频平滑后再重建即可消噪.其消噪处理有强制、默认阈值和给定软/硬阈值3种方法.小波包变换消噪是将信号的小波包分解、计算最佳小波包基、分解系数的阈值化处理及重构原来信号实现消噪.并给出了几个Matlab消噪函数:多尺度一维小波分解和重构wavedec及waverec、消噪默认阈值ddencmp和消噪函数wdencmp;小波包变换的ddencmp 和wdencmp函数.试验表明,此方法具有较高的有效性和实用性.     

磁悬浮陀螺寻北仪信号去噪方法

基于傅里叶变换的数字滤波对磁悬浮寻北仪信号的去噪效果不理想,针对该问题,为改善去噪效果,提高寻北精度,探讨了小波阈值去噪方法和模极大值去噪方法。采集陀螺寻北仪信号,把经典数字滤波器去噪效果与小波去噪效果进行对比,结果表明：小波阈值去噪和模极大值去噪对磁悬浮寻北仪输出信号去噪效果明显。     

改进小波变换方法在鱼雷控制系统中的应用

提出了一种改进的小波变换模极大值去噪方法,并将此方法应用于了鱼雷航行控制系统中．仿真实验证明,该方法特别适用于信号中混有白噪声,且信号中含有较多奇异点的情形,能在改善信噪比的同时,显著提高运算速度．理论分析和仿真实验表明,该方法是一种较为简单、实用的去噪方法．     

一种水下目标辐射噪声调制特征提取方法

水下目标辐射噪声的调制信号携带许多重要特征信息,本文在现代信号处理理论的基础上对其调制特征提取方法进行了探讨。首先,利用小波变换和多分辨率分析理论,提取水下目标辐射噪声的调制包络;然后选取具有明显调制特征的特定频段数据对其进行112维谱分析,得到了辐射噪声的谐波信息。该方法结合小波变换与高阶谱理论对调制谱进行提取,可同时利用小波的消噪和高阶谱对高斯噪声的天然抑制性。对实测噪声数据进行的仿真结果表明,该方法可以有效提取噪声中的动态调制信息且抗噪性良好,具有很好的应用前景。     

遥测振动信号的小波模极大值多重分形分析与异常检测

针对遥测振动信号频域成分复杂、非平稳非线性和强噪声特性,提出一种基于小波模极大值多重分形分析的遥测振动信号异常检测方法.首先对采集到的遥测振动信号进行零漂修正和趋势项消除,然后采用小波模极大值多重分形分析方法对振动信号进行分析,进而提取其多重分形特征参数;最后将特征参数输入到SVM分类器,根据分类结果对遥测振动信号进行异常检测.实测数据验证了该方法的有效性.     

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.     

基于特征融合的注意力增强卷积神经网络的航空发动机滚动轴承故障诊断方法

针对现有基于深度卷积神经网络的故障诊断方法只考虑对信息局部特征的提取、忽视全局信息的不足,将可以把握全局信息的注意力机制融入卷积层,使得注意力机制参数和卷积层参数参与网络的训练,提出一种注意力增强卷积神经网络的机械故障诊断方法。通过经验模态分解、变分模态分解和小波包分解的方法提取滚动轴承振动信号的高维特征模量;将特征模量组成多通道样本输入到注意力增强卷积神经网络中进行训练,利用网络对特征模量自适应地融合和选择,从而挖掘特征模量的隐式特征;使用Softmax分类器进行分类识别;通过训练好的网络对高转速下的滚动轴承进行故障诊断;利用不同信噪比的信号对所提方法进行测试,以验证网络的泛化能力和故障诊断效果。实验结果表明：该方法能准确、有效地对航空发动机滚动轴承不同故障的损伤程度进行分类识别。     

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。     

Infrared Image Small Target Detection Based on Bi-orthogonal Wavelet and Morphology

An image multi-scale edge detection method based on anti-symmetrical bi-orthogonal wavelet is given in theory. Convolution operation property and function as a differential operator are analyzed,which anti-symmetrical bi-orthogonal wavelet transform have. An algorithm for wavelet reconstruction in which multi-scale edge can be detected is put forward. Based on it, a detection method for small target in infrared image with sea or sky background based on the anti-symmetrical bi-orthogonal wavelet and morphology is proposed. The small target detection is considered as a process in which structural background is removed, correlative background is suppressed, and noise is restrained. In this approach, the multi-scale edge is extracted by means of the anti-symmetrical bi-orthogonal wavelet decomposition. Then, module maximum chains formed by complicated background of clouds, sea wave and sea-sky-line are removed, and the image background becomes smoother. Finally, the morphology based edge detection method is used to get small target and restrain undulate background and noise. Experiment results show that the approach can suppress clutter background and detect the small target effectively.     

基于参数优化变分模态分解和多尺度熵偏均值的行星变速箱故障特征提取

针对某型装甲车辆行星变速箱行星轮故障特征难以提取的问题,提出了结合参数优化变分模态分解(VMD)和多尺度熵偏均值的故障特征提取方法。为克服VMD算法参数选取依赖经验的弊端,采用粒子群优化算法对VMD参数进行优化。使用参数优化后的VMD算法对信号进行分解,并依据互信息选取有效分量对信号进行重构。多尺度熵能反映信号在多尺度下的复杂度,偏均值可以反映多尺度熵的均值和变化趋势。采用基于多尺度熵的综合指标多尺度偏均值,以全面反映振动信号在多尺度下的特性,用于衡量行星变速箱运行状态,从而进行故障特征提取。行星变速箱实验数据处理结果表明,新方法可以更加有效的提取行星变速箱故障。     

子波变换在信号去噪中的应用

人们一直在利用有效信号和噪声的某种特性差异，进行着对污染信号的恢复，这一过程依赖于对信号和噪声特性的精确描述，子波理论为这种描述提供了新的工具。文献[1]的子波域降噪算法通过将相邻尺度的相关量Corr2(m,n）作归一化处理后直接与W（m,n）进行比较决定W(m,n）的取舍，以以噪声在各尺度上的方差作为终止迭代的准则，但是这样使使得在相邻尺度之间进行相关时会丢失一部分信号所产生的系数，从而不能使信号得到更好的重构。文中从大尺度的模极大值出发，在小尺度上的相应位置邻域内搜索对应于此大尺度模极大值位置，以改变信号边缘点的抽取，仿真结果表明，新算法在保留信号边缘的同时，能很好的抑制噪声，滤波效果较原算法有一定的提高。     

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。     

小波分析在动态系统故障诊断中的应用

提出了一种基于小波分析的动态系统故障诊断方法,在Matlab/Simulink中建立动态系统的数字仿真模型,利用小波分析中的多分辨分析理论对该模型的输出信号进行处理,并依据数据处理结果对系统故障进行诊断.结果表明,该方法不仅可以有效去除测试结果中的噪声,而且能够实现对故障的快速诊断.