基于多阈值处理的信号多尺度估计算法

给出了一种基于多阈值处理的信号多尺度估计算法。首先对原始测量进行了多尺度小波分解,得出各尺度上的平滑信号和细节信号。对各尺度上的细节信号再作进一步的小波分解,对分解出的次平滑信号和次细节信号进行不同的阈值处理,然后重构,作为相应尺度上的细节信号。最后对最粗尺度上的平滑信号作卡尔曼滤波,再依次与各尺度上的细节信号进行重构,最后得到原始尺度上的信号估计值。     

远场弱磁信号的小波域自适应检测研究

探讨了基于Mallat算法的自适应小波阈值消噪在复杂磁环境下运动目标磁场弱信号检测方面的应用.阈值的选取是算法的关键,基于对目标磁场频谱分析,采用与尺度相关的自适应ARMA模型的阈值算法,改进在不同的小波分解层阈值滤波的性能.对实测数据进行算法仿真,并与Donoho阈值算法检测效果对比表明,自适应ARMA模型阈值滤波算法显著提高对目标磁场弱信号的检测和提取能力.     

台阶高度评定算法的适应性研究

针对台阶高度的评定算法,对单边算法、直方图法、Two-sided算法和ISO算法进行了对比分析;构建了不同信噪比、不同尺寸的台阶高度仿真曲线,从噪声环境和多尺度方面对直方图法、ISO算法和Two-sided算法的适应性进行了评定。通过模拟结果可得:ISO算法在不同噪声环境中表现出较好的稳定性和准确性;Two-sided算法的纳米尺度计算结果更加精确;随着台阶高度尺寸增大,3种算法的计算结果趋于接近,均具有良好的精度。     

基于ICEEMDAN-MPE和GWO-SVM的滚动轴承故障诊断方法

针对滚动轴承故障状态难以准确且快速的识别,提出了一种基于改进自适应噪声完备集成经验模态分解(Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise, ICEEMDAN)-多尺度排列熵(Multi-Scale Permutation Entropy, MPE)和灰狼算法优化支持向量机(Grey Wolf Optimization Algorithm-Support Vector Machine, GWO-SVM)结合的故障诊断方法。首先将轴承信号进行ICEEMDAN分解,然后选取其中相关性较大的IMF(Intrinsic Mode Function)分量计算多尺度排列熵构成特征集合,最后通过GWO-SVM算法进行故障状态识别。通过滚动轴承数据集和不同算法的对比实验,验证了ICEEMDAN-MPE-GWO-SVM方法的有效性,表明该方法可以准确且快速的诊断滚动轴承的故障情况。     

基于小波变换的混沌信号特征研究

应用小波方法将混沌信号的频谱特征和吸引子的几何结构相结合进行研究,结果表明,在不同尺度上对混沌信号进行连续小波变换时,其小波系数具有很强的相似性,但不能够完全重构原来的吸引子.对信号进行多尺度分解后发现其低频系数部分基本能够重现原吸引子的结构特征,而高频系数部分不能实现这一目标.为了定量刻画混沌信号在小波变换条件下的分形特征,计算了其在不同尺度时的关联维数,并分析了关联维数计算的影响因素.     

基于小波变换的多尺度多阈值语音增强方法

语音信号与随机噪声在不同尺度上进行小波变换时,其小波变换系数和尺度大小的特性关系存在着不同的特征表现。而且,浊音和清音也各有其特性．鉴于此特点,给出了一种基于小波变换的多尺度多阈值语音增强方法．该方法采用软限幅函数对浊音和清音信号的小波变换系数作不同的阈值处理,既抑制了噪声,又减少了语音段的信息的损失,提高了信噪比．仿真结果说明,这是一种有效的语音增强方法．     

车辆传动系统变参小波流形融合故障诊断方法

应用流形学习方法非线性融合信号在不同小波参数下中央尺度对应的小波包络,研究了强背景噪声下车辆传动系统振动信号故障瞬态脉冲包络的有效提取问题,并与传统信号时频分解方法进行了对比研究;采用不同小波参数对振动信号进行连续小波变换,提取了每组参数下中央尺度上的小波包络;采用基尼指数选择若干包含故障瞬态脉冲信息的小波包络,构造了高维小波包络矩阵;采用局部切空间排列算法对高维小波包络进行流形融合,获得了反映故障瞬态脉冲包络本质结构的小波包络流形;为了验证所提方法的有效性和优越性,采用不同方法对轨道车辆轮对轴承和汽车变速齿轮箱的故障振动信号进行了对比分析。研究结果表明:在分析轴承外圈故障信号时,所提方法基尼指数比传统信号时频分解方法提高27.32%以上;在分析齿轮磨损故障信号时,所提方法基尼指数比传统信号时频分解方法提高26.74%以上。可见,所提方法通过综合具有不同形态的变参小波包络,可以在无需优化小波参数情况下,对车辆传动系统中的不同关键部件故障振动信号具有较好的自适应性,提取的故障脉冲包络中的带内噪声少,故障脉冲特性明显,容易识别其频谱中的故障特征频率,是检测车辆传动系统故障的一种有效方法。      

基于m序列调制的自适应音频数字水印算法研究

提出了一种基于m序列调制的自适应音频数字水印算法．该算法首先将视觉上可辨的二值水印图像降维为一维序列，再将水印序列伪随机排序并与m序列作扩频调制，最后对数字音频信号进行分段离散小波变换，把经过调制的水印信息自适应地嵌入到原音频信号小波分解中等尺度绝对值较大的分量上．仿真实验证明了算法的稳健性和不可觉察性．     

小波滤波器在弱信号检测中的应用及设计

根据小波变换的多尺度分解特性,构造了一种小波能量积累器,将不同分解尺度上的能量进行积累。在此基础上设计了一种用于弱信号检测的小波能量检测法,并对低信噪比信号的检测进行了仿真实验。仿真结果表明,该检测法对低信噪比信号是比较有效的,而且与传统的脉内累加平均的信号检测方法相比,文中提出的信号检测方法具有一定的优越性。     

基于金字塔多尺度融合的交通标志检测算法

为了解决传统交通标志检测算法针对小目标交通标志检测时存在误检与漏检的问题,提出了一个基于金字塔多尺度融合的交通标志检测算法;为了提高算法对交通标志的特征提取能力,引入ResNet残差结构搭建算法的主干网络,并增加网络浅层卷积层数,以提取较小尺度交通标志目标更准确的语义信息;基于特征金字塔结构的思想,在检测结构中引入4个不同预测尺度,增强深层和浅层特征融合;为了进一步提高算法检测精度,引入GIoU损失函数定位交通标志的锚点框,利用k-means算法对交通标志标签信息进行聚类分析并生成更精准的先验框;为了验证算法的泛化性与解决试验所用数据集TT100K的类间不平衡问题,增强与扩充了数据集。试验结果表明:本文算法的精确率、召回率与平均精度均值分别达到了86.7%、89.4%与87.9%,与传统目标检测算法相比有显著提高;多尺度融合检测机制、GIoU损失函数与k-means的引入能够不同程度提高算法的检测性能,使算法检测精确率分别提升4.7%、1.8%与1.2%;提出算法针对不同尺度交通标志检测时均有更优越的性能表现,在TT100K数据集中的(0, 32]、(32, 96]与(96, 400]尺度下的检测召回率分别达到90%、93%与88%;与YOLOv3相比,提出算法在不同天气、噪声与几何变换等干扰下均能实现对交通标志的正确定位与分类,证明了提出算法具有良好的鲁棒性与泛化性,适用于道路交通标志检测。      

信号在过完备库上分解中原子形成的快速算法

针对信号在过完备库上分解中原子生成速度慢的难题，提出了一种原子生成的快速算法．首先根据原子的尺度把原子分成小原子和大原子2类．对于小原子，因为其能量集中在较小的范围，所以用小范围生成的局部原子代替整个原子．对于大原子，先生成相应的较小原子，然后通过插值方法生成大原子．实验结果表明，当信号长度为256时，本算法在重建信号的质量没有任何改变的条件下，原子生成的速度比传统算法提高了4．7倍．     

非高斯非平稳背景噪声中的信号检测方法

在非平稳非高斯背景噪声下,使用经典信号检测理论对信号进行检测往往难以达到理想的效果。文中利用小波包变换,通过将信号及噪声变换到小波包系数域,使得噪声在某些尺度及子空间上的小波包系数成为近似乎稳高斯噪声,从而运用信息融合的思想和经典信号检测理论的分集检测方法,对非平稳非高斯噪声下的确知信号检测问题提出了一种新的检测算法。仿真实验表明该方法是经典信号检测理论的有效推广。     

野外植物波谱中噪声分布规律研究

基于空间相关算法和小波方差估计法,进行了噪声检测.实验表明,野外波谱噪声总体方差数量级介于10-2～10.之间,在350～1 300 nm.野外波谱曲线的噪声方差略高于JPL光谱库中的Conifers,1450 nm和1800 nm附近则噪声相当显著.野外波谱曲线的小波系数能量分布与加性仿真信号不同.在1450 nm和1800 nm附近,噪声在高分解尺度上表现为尖锐毛刺的减少,噪声能量减弱同时在这2个区段的信号总体能量逐渐增大,证明有波谱特征信号存在.野外波谱数据中这种尖锐噪声与2个污噪信号相除得到的复合信号表现出相似的特征,其能量传播特征也相似.     

DET与FFT在实际应用时的性能比较

分析了离散傅立叶变换（ＤＦＴ）和它的快速算法（ＦＦＴ）的计算，对ＤＥＴ和ＦＦＴ在应用时的特点作了深入的比较，提出在某些实际应用场合ＤＦＴ比它的快速算法ＦＦＴ更有优势。     

改进的单尺度Retinex图像去雾算法

传统的单尺度Retinex算法无法同时兼顾图像细节和颜色保真度,也无法凸显景深不同的雾天图像中远处景物的细节信息.针对此问题,提出了一种改进的单尺度Retinex算法对以上问题进行改善.首先,对原始雾天图像取反后进行改进的单尺度Retinex处理;然后将处理后的图像再取反后在HSI空间中对其饱和度分量进行拉伸.其中,改进的单尺度Retinex算法中运用可自适应调节的S型函数Sigmoid代替其中的log函数改善图像处理过程中的展宽效果.将输出结果图与原图相比,其对比度、信息熵、标准差都有所提高.仿真实验结果表明,所提算法对于雾天浓度不均匀的图像细节及颜色保真度尤其是图像远景的细节信息取得了较好的效果.     

小波域子空间滤波法研究

将时域子空间法和小波变换结合在一起,推出小波域子空间滤波算法.具体地讲,把整体观测信号小波系数子空间划分为信号加噪声小波系数子空间和噪声小波系数子空间,根据尺度内时间估计准则,由信号加噪声小波系数子空间重构信号小波系数,从而获得估计信号.实验表明,当用于恢复高斯噪声中Ricker子波时,小波域子空间滤波法相对于传统软、硬阈值法具有明确优势.     

基于多尺度Kalman滤波的多传感器数据融合

通过分析多尺度动态系统模型,提出了一种基于小波变换的Kalman多传感器数据融合算法。该算法结合了Kalman滤波的实时性、递归性和小波变换的多尺度特性,能对多传感器的观测数据有效地融合。算法首先将最细尺度上观测数据滤波后得到的估计序列小波分解到各尺度上;然后在各尺度上,利用该尺度上的传感器观测数据对小波分解系数进行更新;最后利用小波重构,达到更新原始估计序列的目的。仿真实验表明,该算法具有很好的数据融合效果。     

基于改进多尺度排列熵的S700K转辙机故障诊断

基于提速道岔S700K转辙机故障的功率曲线在频域上的多重特征,提出了基于改进多尺度排列熵的多变量支持向量机(structured support vector machine, SSVM)故障诊断方法.首先对S700K转辙机动作功率曲线进行集合经验模态分解和小波分解,获得两类不同时间尺度的模态分量;再利用改进多尺度排列熵计算不同分量的故障特征参数,为了降低计算维度,应用核主元分析理论,在不损失信号重要特征的情况下,取大于95%贡献率的特征值作为故障特征向量;最后,引入基于决策树的SSVM算法,经过小样本训练得到树状最优故障间隔面,从而实现S700K转辙机故障分类.实验结果表明:该方法可有效判定S700K转辙机故障类型,进而提高故障诊断精度和效率.     

基于压缩感知理论的时变信号压缩技术

机械设备在线状态监测与故障诊断系统中,为实现采集数据的远程传输和实时处理,需对数据进行压缩和滤波处理.通过分析机械振动信号时变性的特点,以压缩感知理论为基础,构造了满足受限等距性质(restricted isometric property, RIP)的稀疏变换矩阵和压缩感知矩阵;提出了基于压缩感知的时变信号压缩算法,并利用Lasso算法对压缩信号进行稀疏重构,恢复原始信号.采用不同类型的时变仿真信号和实测信号进行实验,对比了提出算法与现有算法的压缩与去噪效果.实验结果表明,新算法有更好的压缩去噪效果,当压缩比为40%时,能量保持率达到了95%以上,能满足工程实际需求.      

FSK信号实时检测系统研究

考虑到移频键控信号在轨道电路传输的特点,特别是电气化铁路和高速上的特点,在分析移频信号频 基础上了,确定了以ＦＦＴ为主的测试方法,研究了基于ＤＳＰ轨道电路信息测试系统。