基于小波包分解和特征能量提取技术的车内传导干扰源识别

车内大功率用电设备的电压波动是车内产生传导干扰的主要原因。文中介绍了通过对采集的干扰信号进行小波包分解,对系数进行最小风险的去噪处理,然后提取特征能量来识别车内传导干扰源。最后采用EM-test设备发生干扰信号进行实验,结果表明该方法对车内电压波动的主要干扰源有较强的识别能力。     

小波变换在车牌定位算法中的应用

将小波变换引入车牌定位算法,对车辆图像进行滤波降噪.在满足实时性处理要求的前提下,定位效果十分理想:完全消除了光照不均造成的影响,使车牌区域更加突出,增强了定位的鲁棒性,提高了定位查找的准确率,系统的车牌定位准确率高达95%.     

基于改进小波分解的机载位置数据降噪处理

机载经度、纬度、高度数据的精度,对保证飞机定位的精确性和飞行安全性有着重要意义.结合小波分解和经验模态分解(EMD)2种方法的优点,在小波分解的基础上,提出1种基于 EMD 的小波分解降噪方法.利用 EMD 对机载位置数据进行分解,并对高频分量用小波分解方法进行降噪处理,降噪后高频分量再结合低频分量进行重构得到降噪后的数据.以西安到长春某航班巡航阶段的机载高度数据序列为例,进行了仿真验证.结果表明,改进小波分解降噪方法与传统的小波分解降噪方法相比,信噪比提高了0.649,均方根误差减小了0.6969,消噪效果更加明显.改进的小波分解方法在处理机载位置数据方面有着较明显的优点,可获得更精确的飞机三维数据.      

结合小波变换和K均值聚类的SAR舰船目标分割

对SAR舰船目标分割方法进行研究,给出一种基于小波变换与K均值聚类相结合的舰船目标分割方法。在该方法中,首先利用双密度双树复小波变换优秀的图像去噪能力,对SAR图像进行降噪处理,以减少相干噪声对分割结果的影响;然后通过改进的K均值聚类方法进行舰船分割。实验结果表明本文方法能有对SAT舰船目标进行有效区分。     

小波神经网络算法在船舶动力控制系统中的应用研究

随着航海技术的发展,人类对海洋的探索也越来越频繁,在不断研究的过程中,人们不仅对船舶的位置有升级的要求,对于其内部动力控制系统的研究范围也在不断的拓宽。本文主要研究船舶动力定位系统的构成原理,并结合神经网络算法对船舶动力定位关键技术进行数学建模。最后在Matlab仿真系统中建立船舶动力控制系统在海洋环境中的实际干扰模型,并从静态角度对小波神经算法的性能进行分析与仿真,仿真结果表明此算法的控制效果良好。     

近50年珠江三大支流水沙关系变化研究

基于西江高要站、北江石角站和东江博罗站的水沙数据,分析近50年来珠江三大支流水沙关系的变化。利用交叉小波变换分析水沙关系时发现,西江和北江水沙波动能量的稳定性及水沙的正相关性强于东江。水沙幂指数曲线拟合反映了水沙在不同年代的变化关系及相关程度,其中西江水沙拟合斜率和相关系数整体较大。此外,月均水沙的年内分布曲线揭示了三大支流间水沙年内分布的差异。水沙关系的变化不仅与流域风化沉积物的来源有关,而且更是受到水土保持工程和水库建设等人类活动的影响。     

基于小波变换与支持向量机的舰船水压信号检测方法

采用小波变换与支持向量机相结合对舰船水压场信号建立检测模型.该方法通过对海浪信号进行小波分解并对某一特定低频频段信号重构,利用支持向量机对重构信号建立预测模型,预测误差值作为特征值对舰船水压信号进行检测.通过检测验算表明此方法的有效性,特别是在低信噪比情况下,仍能较好地检测到目标信号.     

经验小波在机车轴承故障诊断中的应用

针对机车轴承故障诊断中故障特征提取的难题,将经验小波变换(EWT)引入机车轴承振动信号分析。经验小波通过构造紧支撑自适应滤波器将信号分解为多个固有模态分量,能有效抑制模态混叠。针对轴承振动特征对经验小波变换进行改进,提出了首先利用改进经验小波变换分解机车轴承振动信号,然后以峭度为指标筛选敏感分量,进而对敏感分量进行希尔伯特包络解调提取轴承故障特征的诊断方法。机车运行试验表明,文章所提出的方法划分机车轴承振动信号频带合理,能有效提取轴承故障特征频率,准确诊断各种类型的轴承故障。     

高速列车表面脉动压力流致振动响应研究

为研究高速列车表面脉动压力对车内噪声的影响原理,通过小波阈值去噪与相关性系数相结合的方法,提取某线路实测车厢外壁气压信号,得到脉动压力值;采用有限元方法建立中间车体结构、流场以及"结构-流场"流致振动耦合模型,分析耦合系统模态频率,并将提取的脉动压力对耦合模型进行冲击加载,分析车体结构位移及车内气压变化情况。结果表明,车窗处振动位移最大,车体结构振动位移与车体结构固有特性以及加载压力频谱特性有关;车内气压级主要集中在100 Hz以下的中低频段,车体两侧气压比车内中部气压大,靠近车壁处气压更易受车体结构模态影响,车内气压级、耦合系统模态频率与车体振动位移特性有关。     

基于EWT-MCKD的机车轮对轴承故障诊断

针对机车轮对轴承在实际运行过程中故障特征难以提取的问题,提出经验小波变换(Empirical Wavelet Transform,EWT)和最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)相结合的滚动轴承故障特征提取方法.对原始信号进行傅里叶变换得到Fourier频谱图,根据频谱中的极大值将Fourier频谱图进行分段得到若干模态分量,以无量纲的裕度指标作为评价指标,再采用最大相关峭度解卷积对裕度因子最大的模态分量进行降噪处理.通过分析其包络谱中的频率成分来实现故障诊断.研究结果表明:所提方法对不同故障类型的轮对轴承进行诊断,可以准确有效的识别轮对轴承故障类型,具有一定的工程实用价值.