基于分类区间小波网络的雷达目标识别研究

介绍了一种区间小波的构造方法，并将区间小波与神经网络相结合，提出了一种用于信号分类的的分类区间小波网络，利用它可以解决以往小波网络的基底空间与被学习信号所属空间不匹配的问题。实验结果表明，将区间小波网络应用于雷达目标识别，可以减少神经元的数目，提高网络的收敛速度，能够获得较好的分类效果。     

基于分类区间小波网络的雷达目标识别研究

介绍了一种区间小波的构造方法,并将区间小波与神经网络相结合,提出了一种用于信号分类的的分类区间小波网络,利用它可以解决以往小波网络的基底空间与被学习信号所属空间不匹配的问题.实验结果表明,将区间小波网络应用于雷达目标识别,可以减少神经元的数目,提高网络的收敛速度,能够获得较好的分类效果.     

小波提升算法在JPEG2000可逆变换中的应用与实现

离散小波变换是图像处理和压缩技术的基础，而基于提升方法的离散小波变换是当今业界研究的热点之一。在分析二维图像的小波变换的基础上，研究小波提升算法、其特点及其实施方法，探讨该算法在JPEG2000中可逆小波变换上的实现，给出该算法的C语言实现，并进行了分析。     

小波包分析在柴油机故障诊断中的应用

分析了柴油机缸盖振动机理，运用小波包对振动信号进行分析与讨论，将含噪信号进行小波包降噪处理，对降噪信号进行小波包分解，通过提取频带能量特征，对柴油机缸盖漏气故障进行了诊断。     

一种新的滚动轴承故障诊断方法

滚动轴承发生故障时,其振动信号常呈现出强烈的非平稳特性。提出了一种基于小波变换和固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)的滚动轴承故障诊断方法。阐述小波分析基本理论和ITD分解基本原理。着重介绍基于小波和ITD分解滚动轴承故障诊断。仿真信号和实验结果表明,以小波与ITD分解相结合的信号特征提取方法,能够准确有效地提取滚动轴承的故障特征。     

基于CEEMD-参数优化Morlet小波变换的柴油机振动信号冲击特征提取方法

针对船舶柴油机振动产生的非平稳信号，提出一种基于完备的总体平均经验模态分解（complementary ensemble empirical mode decomposition, CEEMD）与参数优化Morlet小波分析相结合的振动信号特征提取方法。利用CEEMD方法对振动信号进行分解，在分解出的各种分量中，去掉无用的周期成分分量，保留含有冲击特征的分量，然后结合参数优化Morlet小波分析方法，根据Morlet小波与冲击信号的相似性，将冲击成分提取出来。通过仿真信号以及柴油机振动信号的应用分析验证了该方法对柴油机振动信号冲击特征提取的有效性。     

小波分析在船舶测试信号和图像消噪方面的应用

小波消噪已经成为目前信号消噪的主要方法之一，小波变换由于在时频两域都具有良好的局部性能，尤其在信号处理过程中，采样信号都不可避免地受到各种噪声和干扰的影响，利用小波分析可以对实验数据进行消噪处理。本文详细介绍了目前小波消噪的各种方法，揭示了小波消噪的数学背景和滤波特性；并阐述了针对不同信号的自身局部特性以及使用不同的小波变换函数和构造出适合的闻值之间的联系。对一个含有噪声的多普勒测试信号和一个含噪声图像分别进行了多尺度一维离散平稳小波分解和二维离散平稳小波消噪分析，仿真的结果表明：小波分析可以对信号更有效地消噪。     

小波与其计算

作快速小波变换。文章较完整地论述了波变换原理的基本部分，性质，特点与计算方法。对确定性信号而言，有些规律有助于定性判断信号的小波变换图形。     

基于前向线性预测和小波的FOG信号降噪算法研究

针对光纤陀螺输出信号的噪声,提出了一种处理该噪声的前向线性预测滤波与小波变换相结合的级联滤波方法,以前向线性预测滤波作为前段滤波器,采用DB4小波函数的强制阈值小波变换作为第二级滤波器。运用Allan方差法对级联滤波结果进行了分析,结果表明该级联滤波能取得较好的光纤陀螺信号降噪效果。     

基于小波包和不变矩的舰船目标识别

以船舶目标分类系统作为研究对象,对小波包变换在舰船目标分类识别中的应用进行研究。首先,介绍小波变换的相关理论,小波包分解能够进行任意尺度的时频分析;然后对不变矩算法进行介绍,给出一种基于小波包分解和不变矩算法相结合的特征值提取方法。仿真实验结果表明,本文给出的方法具有较高的识别率。     

小波包与神经网络组合的判决反馈均衡算法

以电子战为背景，将小波包变换与RBF网络相结合，提出了一种新的判决反馈均衡算法，并将其应用于雷达信号的处理。仿真结果表明，该算法收敛速度较快，能满足电子战情况下，雷达探测信道均衡的复杂要求。     

齿轮传动故障诊断方法综述及应用研究

介绍了基于粒子群优化的小波神经网络,基于相关分析与小波变换,基于小波包和BP神经网络和基于小波分析等故障诊断方法,分析比较了各种方法的优缺点,并对提出了基于多数据融合的故障诊断方法将成为今后齿轮传动故障诊断的主要发展方向。     

小波矩量法求解方环天线的电流分布

将小波分析与矩量法结合起来，分析求解了方环天线的电流分布。用小波基代替矩量法中的基函数和权函数，使矩量法中与算子相对应的矩阵变成大量元素为零的稀疏矩阵，从而大大减少了计算量。计算结果与用矩量法计算的结果吻合较好。     

基于小波变换的神经模糊系统的一种非线性滤波方法

针对信号中含有复杂噪声难以滤除的问题,提出了一种把自适应神经模糊推理系统(ANFIS)与小波变换相结合的方法,该方法通过ANFIS具有万能逼近原理,及小波变换中小波的分解与重构,来调整适当的阈值来达到最终滤波的效果。仿真结果表明对于一个含有复杂噪声的信号而言,此种结合的方法与单独利用ANFIS或小波变换相比,滤波效果更佳。而且对实际中含有未知噪声的去除问题提出了一种可行的方法。     

应用小波变换进行压缩中分解层次的一种确定方法

提出用小波变换进行信号压缩时对于小波分解层次的一个择优方法。大量实验表明小波分解层次的选取直接影响到重构信号的各方面指标参数。从重构信号与原信号之间的相对误差为出发点和压缩指标，通过实验分析了分解层次与压缩效果之间的简单关系。分析结果表明。二者之间确实存在着某种函数关系，通过简化数学关系得到了分解层次的确定方法。该方法经过检验基本上能准确的反映分解层次与压缩效果的关系，是一种较为有效的分解层次确定方法。     

基于小波理的奇异信号分析

鉴于传统信号处理对非平衡信号的局限，小波分析作为一种具备时间－频率局部特性的信号处理方法，已成为众多领域的研究热点。笔者介绍了小波变换的部分性质，分析了小波变换与Fourier变换下的奇异信号特性，并以此进行奇异信号检测。     

小波变换域的时间扩展信道的信号检测

时间扩展信道（TSD）是信道畸变的一种常见形式，它的最佳似然比检测器是副本相关积分器（RCI）。本文从连续小波变换的理论出发，推导了TSD信道小波变换域的最佳检测器（WDRCI），从理论上分析了它与副本相关积分器的等价性，用仿真实验给出了模拟的结果，验证了其有效性，并进一步说明了其性能优于小波域的副本相关器（WDRC）。     

小波神经网络在电路故障诊断中的应用研究

从连续小波变化求信号极值点和离散小波变换检测随机信号频率结构的突变两个方面分别进行了描述.指出小波神经网络在电路故障诊断中的优势与发展前景以及小波分析方案的软件实现.最后指出了小波分析理论在电路系统故障诊断中的不足之处和发展方向.     

小波分析的产生、发展及应用

本文主要介绍了小波分析的发展,从Fourier变换不具有局部性而提出窗口Fourier变换即Gabor变换进而发展到更完美的小波变换,然后简单的介绍了小波变换的一些基本内容及几种常见的小波母函数,并将其与Fourier变换及Gabor变换作了粗略比较。最后对小波分析的发展及应用作了一些简要介绍。     

钢管漏磁检测信号的时频分析

介绍了时频分析中的短时傅立叶变换和小波变换的基本概念和特性。对钢管缺陷的漏磁信号分别进行短时傅立叶变换和小波变换分析与处理，比较它们的优缺点，得出时频分析是解决钢管漏磁突变异常信号的一种有效方法，尤其小波分析方法在解决漏磁信号干扰剔除、数据压缩、特征提取方面更具优点。