一种雷达辐射源信号分选新方法

提出一种基于小波与神经网络联合分析的雷达辐射源信号分选新方法.该方法首先对接收到的雷达信号进行小波去噪,达到提高信噪比的目的,然后利用小波脊线法准确提取其脉内特征参数,最后基于神经网络实现信号的分选.计算机仿真结果表明,较现有方法,该方法在较低的信噪比情况下,可以更准确地实现雷达辐射源信号的分选.     

基于小波包能量谱和SVM的水下目标识别

为了提高舰船辐射噪声信号分类的准确率,即在水下进行舰船目标识别的准确率,采用了小波包提取信号能量谱特征的方法和支持向量机的分类算法.简介了小波包变换及支持向量机的基本原理,然后针对舰船辐射噪声信号进行多层小波包分解,提取各子频段能量谱作为特征量,归一化处理后构建特征向量,最后用支持向量机算法进行分类.仿真实验结果表明,利用对信号的多层小波包分解提取能量谱特征和支持向量机的分类算法能对舰船辐射噪声信号进行有效识别.     

复值小波在湖底回波特征提取中的应用

提出了一种应用复值小波变换进行湖底回波特征提取的方法:采用线性相位的复db小波,对复解析信号进行多尺度的复值小波变换,然后提取合适尺度上的幅度信息作为目标识别的特征矢量.结合实测数据的分析表明,利用复值小波变换提取的幅度特征是一种有效、稳健的特征,能获得较高的正确识别率.复值小波变换也可以采用Mallat快速算法,因此这种方法得到特征矢量维数少,使用时实时性能好,便于工程实现.     

小波包神经网络在卸船机电机故障模式识别中的应用

针对卸船机中异步电机故障率高的问题,本文采用小波包分解和神经网络技术相结合的方式,将采集到的电机振动信号进行小波包分解,通过分析观测信号在小波包某一分解层次上不同时频分辨空间中的能量分布,进行电机运行状态的特征提取,对提取的特征用RBF神经网络技术进行故障诊断,为卸船机的电机故障诊断提供了一种新的思路和方法。     

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。      

基于原子分解的辐射源信号二次特征提取

提出了基于原子分解的辐射源信号二次特征提取方法.在过完备多尺度Chirplet原子库基础上,首先用匹配追踪(MP)方法进行信号时频原子分解,并通过改进的量子遗传算法(IQGA)降低MP搜索过程的时间复杂性,得到表示雷达辐射源信号特征信息的最佳Chirplet原子.在此基础上,降低特征参数的维度,提取最具分类意义的原子特征向量.对5种典型雷达辐射源信号的特征提取实验表明,提取的原子特征类内聚集性强、类间分离度大,证实了本文方法的可行性和有效性.     

基于瞬时频率二次特征提取的辐射源信号分类

提出了基于瞬时频率二次特征提取的雷达辐射源信号分类方法．首先利用改进的瞬时自相关算法提取信号的瞬时频率特征．在此基础上，对所获得的瞬时频率进行级联归一化处理，提取分类特征向量．最后，采用层次决策方法实现自动分类．仿真结果表明，该方法提取的特征向量具有较好的类间分离性，整体信号分类方案在信噪比不低于6dB时，可获得90％以上的分类准确率．     

基于小波的声发射信号特征分析

根据声发射信号的特点及实际应用中对声发射信号分析的需要,提出了一套声发射信号小波分析的小波基选取规则方法,根据提出的选择方法从常用的小波基中选出较适合声发射信号分析的几种,再通过对仿真的声发射信号进行分析得到结论:Daubechies小波、Symlets小波和Coiflets小波是适合于声发射信号分析的小波基.最后通过对能反映源特征的频带信号进行重构,这样能更好更有效的提取声发射信号的本质特征.     

基于不变矩和小波神经网络的标志识别方法

对交通标志实时识别应该满足平移、旋转、比例变换具有不变性以及识别精度高等要求.首先采用不变矩来提取标志图像特征,然后利用小波神经网络作为分类器对标志进行识别,该方法很好地满足了上述要求.和常用的BP神经网络标志识别算法相比,小波神经网络算法的训练速度更快和识别精度更高,在车辆自主导航系统中的应用价值更大.     

脉冲电压下局部放电信号的提取和统计

提出了脉冲电压下局部放电（PD）信号的提取和统计方法．通过相关系数分析选择dB6和dB2小波包函数,以滤除高低频干扰信号．通过分析脉冲电压下局部放电特征,选择合适的相位开窗,以消除局部放电的振荡信号．根据实际局部放电信号的采样频率、采样长度和脉冲电压过零点,定义脉冲电压的相位,并进一步研究各种相位相关图谱（如φ—n图和φ-q-n图等）．实验结果表明,基于小波包的提取方法和脉冲电压下的相位统计方法对脉冲电压下的局部放电分析是有效的．     

基于改进小波变换方法的混沌信号去噪研究

针对混沌信号和噪声频谱互相重叠,传统方法难以实现有效滤波这一问题,提出一种改进的小波去噪方法.该方法采用参数加权法构造信号,将小波分解系数进行阈值处理,通过循环迭代,利用序列中包含的有效信息,将有用信号提取出来.仿真结果表明,利用改进小波变换去噪方法改善了混沌时间序列的预测结果,证明了该方法的有效性.     

基于集成神经网络的刀具磨损量监测

提出了一种基于集成神经网络识别铣刀磨损量的监测方法．利用小波包变换将切削力和振动信号分解为不同频带的时间序列，从每个信号中选择与刀具磨损状态最相关的3组频段的均方根作为监测特征；通过信号的组合和不同子网络输出决策间的融合，集成神经网络输出刀具磨损的识别结果．试验和仿真分析表明，此方法能够满足刀具磨损量实时监测的要求．     

一种M带小波的构造方法及其应用

传统2带小波变换在高尖载波信息中提取暂态居分的应用中存在局限性,M带小波变换弥补了这一缺陷,在探讨M带小波基的构造条件的基础上,研究了一种基于余弦调制完全重构滤波器组的M带小波基的构造方法,仿真分析了局部放电暂态信号的6带小波变换的特点,展示了该M带小波基构造及其应用的优点。     

基于小波变换的船用雷达海杂波小目标检测

强海浪中小目标回波的检测一直是船用雷达目标识别的难点,但现有的统计方法难以准确和全面地描述复杂的海杂波特性.要突破这一局限性,以获得对复杂现象更有效的描述,就迫切要求使用新技术.文中利用小波理论,针对强海浪下点目标和低矮宽大目标二类以往难以检测的目标,通过区分噪声、点目标、低矮宽大目标在小波变换下不同的奇异特征、设计了一套能够识别出点目标和低矮宽大目标的方案.     

小波变换在轴承故障声发射信号降噪中的应用

噪声消除是小波变换最成功的应用之一，其基本思想是将信号的小波变换系数通过阈值处理，然后进行小波重构得到降躁的信号。根据故障轴承声发射信号的脉冲特性选取Morlet小波．以“小波熵最小”原则确定Morlet小波的波形参数，然后进行连续小波变换。采用软阈值方法处理小波东数，通过小波重构得到降噪后的故障声发射信号，噪声得到了很好的抑制，故障脉冲特征明显增强。采用实验数据，通过与离散小波变换的比较，得到了用连续小波变换可以有效降低噪声、提取故障声发射信号特征的结论。     

NOVEL METHOD FOR TEXTURE DISCRIMINATION USING WAVELETS

ＮＯＶＥＬＭＥＴＨＯＤＦＯＲＴＥＸＴＵＲＥＤＩＳＣＲＩＭＩＮＡＴＩＯＮＵＳＩＮＧＷＡＶＥＬＥＴＳ＊ＬｉｕＪｉａｎｆｅｎｇ（刘建峰）ＱｉＦｅｉｈｕ（戚飞虎）（Ｄｅｐｔ．ｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＳｈａｎｇｈａｉＪｉａｏｔｏｎｇＵｎｉｖ．）Ｊｏ...     

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。     

交通事件小波分解与支持向量机声频识别方法

分析了现有交通事件自动检测和识别方法,提出了应用小波分解与支持向量机相结合的交通事件声频识别方法。将车辆行驶的声音信号进行小波分解,以不同频段的重构信号能量作为特征向量,对由多个支持向量机构成的交通事件分类器进行训练,并对正常行驶、刹车和碰撞事件的声音信号进行识别。试验结果表明:利用车辆声音信号能够正确识别不同的交通事件,识别准确率达95%,识别方法可行。     

无衍射光三角测量信号的小波去噪处理

提出将小波分析法用于无衍射光三角测量系统的信号去噪处理,以提高系统的测量精度及速度,使系统的优良特性能育分实现。描述了应用小波分析法的理论依据,给出了仿真及实验结果,并与主成分分析法的去噪效果进行了比较。     

基于小波包变换相关性的信号降噪方法及齿轮故障诊断

介绍了小波包变换的基本思想,将新型小波包变换滤波器与信号重采样结合,提出了一种新的小波包降噪方法,研究了该方法的降噪效果,同时比较小波包直接降噪和小波包重构滤波器的降噪效果。将该方法用于齿轮箱的故障诊断,结果表明,该方法能够有效识别齿轮箱中的齿轮典型故障。