小波域模极大值的激光信号滤波方法研究

针对用传统滤波方法滤除激光陀螺随机噪声性能低的缺点,提出了一种基于波域的模极大值滤波方法。该算法利用小波变换模极大值滤波方法对激光陀螺零漂数据进行处理,获取模极大值点,通过交替投影算法重构信号,并采用Allan方差法对波效果进行定量分析。通过实验验证了该方法滤波效果优于基于时间序列模型的卡尔曼滤波方法,能有效减小随机误差,提高测量精度。     

DSSS卫星通信中基于小波包变换的干扰抑制方法

卫星通信中利用直接序列扩频技术具有一定的抗干扰能力,但由于扩频增益无法做到无限大,当强干扰超过系统的干扰容限时,系统传输性能将会大幅降低。通过变换域信号处理技术对直接序列扩频中的干扰进行检测与抑制,能够增强其抗干扰能力。小波包变换具有优异的时频域局部分析能力,非常适合用于直接序列扩频系统中干扰检测与抑制。分别对规则小波包分解和最佳小波包分解进行了研究,提出了一种基于最佳小波包分解的干扰抑制新方法,通过将子带功率比与最小功率阈值相结合,实现对干扰进行定位和抑制。仿真结果表明,所提出的算法与基于规则小波包分解的干扰抑制和传统的快速傅里叶变换算法干扰抑制相比较,性能得到显著改善,且在计算复杂度上上升极少,是提高直接序列扩频信号抗干扰能力的更有效的选择。     

动中通系统中陀螺信号小波滤波算法

在动中通系统中,陀螺检测的载体扰动信号的精度直接关系到整个系统的精度和性能。针对陀螺噪声信号的特点,提出了一种将3σ模平方阈值和平移不变小波变换(translation invariant discrete wavelet transform, TIDWT)相结合的滤波算法,能够有效地抑制陀螺噪声信号和由小波变换产生的失真现象。仿真和实验结果表明,该滤波算法效果优于传统的小波滤波算法。     

基于小波包和心理声学模型的音频水印算法

提出了一种基于小波包和心理声学模型的数字音频水印算法,该算法对音频信号进行小波包分解,在小波域内计算掩蔽阈值,根据从心理声学模型得到的幅度因子自适应地控制由嵌入水印而引起的听觉偏倚。二值水印图像通过伪随机排序与扩频调制后嵌入到小波包分解后的中频系数中,提取水印信号无需使用原始数字音频信号。仿真试验表明水印是不可察觉的,经过MPEG layer Ⅲ有损压缩、低通滤波、重采样等操作后仍具有很强的稳健性。     

一种基于小波包变换的反辐射导弹检测技术

针对雷达回波中的载机为单频信号且占主导地位,而导弹为宽带调频信号,应用正交小波包变换可以分离不同频带的回波信号的特点,提出了一种应用小波包变换检测反辐射导弹(ARM)的方法。其中小波包系数反映信号在相应频段的能量分布,依据小波包能量进行自适应阈值处理,小波包重构后即可有效抑制回波中的强载机分量。仿真显示,这种方法能够将微弱的ARM信号有效地检测出来。     

Anti-aliasing wavelet packet method for harmonic detection

A novel anti-aliasing wavelet packet transform method for harmonic detection is proposed. Aiming at the low measurement precision and poor robustness which exists in the former traditional wavelet methods for lack of the aliasing_reduction scheme, an optimal interpolation wavelet packet filter is designed according to new optimal criteria. First, the limitation of anti-aliasing on the traditional wavelet filter bank is analyzed. Second, the designed optimal interpolation filters are denoted, and then the solution algorithm is given. This devised wavelet packet filter can seek a reasonable balance between signal preservation and aliasing reduction; it overcomes the inherent bug of traditional wavelet transforms, which rooted from just only concerning total aliasing cancellation but not aliasing-reduction in decomposition. Simulation and several comparative results indicate that the proposed method can effectively eliminate aliasing and precisely extract harmonic information.     

信息熵在导航传感器故障诊断中的应用研究

对组合导航系统中占主要地位的惯导系统进行故障诊断研究,给出了一种基于小波包能量熵的神经网络故障诊断方法。利用小波包分析原理对原始故障信号进行3层的小波包分解,并提取小波包能量熵,然后构造信号的小波包特征向量,以此向量作为故障样本对3层BP神经网络进行训练,实现智能化故障诊断。采用惯导系统中关键性器件陀螺仪进行仿真研究,仿真结果表明此方法可有效地检测故障且提高了精度。     

小波变换在激光陀螺信号处理中的应用与实现

针对动态条件下激光陀螺(RLG)随机噪声其非平稳和非正态分布的特性,提出了基于小波变换的RLG降噪方法,研究了小波去噪和Lipschitza指数奇异值检测的原理,给出了离散Db4小波滤波器的硬件实现方法,采用双正交静态小波基对RLG信号进行不同尺度的分解,通过不同小波基及低通滤波效果的比较,发现Db4小波具有较好的去噪性,其分解和重建滤波器系数也十分简单,验证了小波变换在陀螺仪信号去噪中的可行性,在用Db4滤波后的数据进行导航解算时,发现导航误差有很大的减小,研究成果对导航系统精度的提高有着重要的参考价值。     

一种基于DSP+FPGA的陀螺控制方法

针对在陀螺控制过程中陀螺基准信号频率和相位角测量不准确,从而导致陀螺控制过程中定位不准确,产生漂移的难题,研究了一种基于DSP FPGA的陀螺控制方法。利用FPGA进行基准信号频率和相位的测量可得到精确的测量量,而通过DSP和FPGA进行数据交换,在DSP中解算陀螺基准信号的频率和相位角以及进动信号,具有高速、实时及算法可升级等特性。实验表明,该方法能够快速、稳定引导陀螺跟踪目标,并且定位准确,不产生漂移。     

CEEMD结合改进小波阈值的激光雷达信号去噪算法

激光雷达远距离回波信号受噪声影响, 严重失真。为了有效去除信号的噪声, 提高回波信号信噪比, 提出一种互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)结合改进小波阈值的去噪算法。CEEMD可以自适应地分解非线性和非平稳信号, 改进小波阈值函数具有高阶可导特性, 能够克服硬阈值、软阈值函数各自存在的问题。两种方法结合, 可以更有效地去除噪声。首先, 对回波信号进行CEEMD分解, 得到若干固有模态函数(intrinsic mode function, IMF)。其次, 通过相关系数法计算IMF分量与信号的相关系数, 确定相关分量和不相关分量。最后, 对不相关分量使用小波改进阈值法进行去噪, 对相关分量使用粗糙惩罚法进行平滑, 再重构信号。基于实测数据的实验结果表明, 所提算法比CEEMD去噪法和CEEMD结合原改进阈值去噪法, 信噪比分别提升了2.65 dB和0.58 dB。     

基于小波域统计-共生矩阵的声纳图像识别

采用完全树式结构小波包分解方法提取了声纳图像的纹理特征。通过计算小波包系数的统计特征和共生矩阵,构造了一个基于小波包变换的统计—共生矩阵特征集。由于统计—共生矩阵作为图像纹理特征表示时,在保留图像统计特征的同时,引入了空间信息,所以识别性能明显优于单纯的统计量识别方法。最后设计了一种模糊纹理分类器,由于模糊判决分类器通过引入隶属度函数对特征进行模糊化,反映了各类纹理样本间由于随机噪声等畸变因素造成的抽取特征值存在的不确定性,从而提高了纹理分类器的鲁棒性。     

基于可调Q因子小波变换的海杂波抑制算法

针对海杂波背景下弱目标检测中存在的信杂比低的问题，提出了改进的基于可调Q因子小波变换的海杂波抑制算法。由于海杂波能量远大于目标信号能量，提出选取与海杂波振荡特性相匹配的参数进行可调Q因子小波变换，得到各小波子带的系数，并对小波系数进行稀疏优化后重构海杂波信号。为了判断弱目标信号是否存在，提出一种自适应的阈值检测方法，将原始回波信号与海杂波重构信号的差作为检测样本，实现对弱目标信号的检测。该算法不依赖海杂波具体模型。最后对某实测海杂波数据集进行实验，验证了所提算法的正确性。     

基于LMD-WSVD的半球谐振陀螺混合去噪方法

为了减少半球谐振陀螺(hemispherical resonant gyroscope, HRG)输出噪声对导航精度的影响，提出了一种基于局部均值分解-排列熵-小波变换-奇异值分解的混合去噪方法。首先，使用局部均值分解方法对HRG信号进行分解，然后排列熵将其划分为两类：低频分量和混合分量；之后将小波变换和奇异值分解级联以构成两级滤波器，对混合分量进行降噪处理，最后重构得到最终的信号。通过实验验证了该方法的有效性，实验结果表明，相比原始信号，所提出的方法有效地减少了HRG的输出噪声，提高了其测量精度，其中角度随机游走降低了99.9%,零偏稳定性降低了60.3%。     

利用子波变换提取目标回波波形特征

对Donoho阈值决策子波域去噪方法进行了研究，该方法采用软限幅函数对噪声信号的子波变换系数做阈值处理以达到去噪的目的。具体讨论了在Sym8子波基底下,用此方法对非平稳雷达回波进行五尺度的Mallat算法仿真，结果表明该方法除对噪声具有很好的拟制效果外，还有效地保留了目标回波波形特征，从中看到子波变换用于特征提取在雷达信号处理中是一个十分吸引人的新方法。     

支持向量机在导弹命中精度研究中的应用

陀螺漂移是影响弹道导弹命中精度的主要因素。对于陀螺漂移预测,提出并研究了最小二乘支持向量回归估计算法,将遗忘因子加入到最小二乘支持向量回归估计算法中,采用小波基核函数,对陀螺漂移预测进行研究,提高了模型的自适应性和预测精度。将陀螺漂移预测数据,加入到导弹的飞行仿真模型中,得到其命中精度,由导弹的命中精度,又可以判定陀螺的性能。这对于研究导弹的命中精度及判定陀螺的性能具有重要的理论和工程价值。     

MRA与GP/MP组合预测及在陀螺仪漂移预测中的应用

研究MRA(Multi-resolution Analysis MRA)与GP/MP(Grey prediction model/Markov prediction model)组合预测及在陀螺仪漂移预测中的应用。陀螺仪漂移是各种外界环境影响下产生的综合效果,不同的外界影响产生的漂移样本频率特征是不同的,因而不适合用单一的预测模型进行预测。用小波将陀螺漂移信号进行分解,根据各子信号的频率特征选用灰色预测模型或马尔可夫预测模型分别进行预测,还原为总的预测结果。仿真试验显示,这种组合方法比起用单一的灰色马尔可夫方法可以将精度提高一倍左右,证明了这种方法的有效性。     

基于稀疏表示分类的雷达欺骗干扰识别方法

为了应对基于数字射频存储的各种欺骗干扰信号, 提出了一种基于稀疏表示分类的欺骗干扰识别算法。通过小波包分解重构把信号划分为不同频段, 然后对信号提取三阶累积量切片特征构造特征矩阵, 并利用奇异值分解对特征进行降维, 提取主要分量。最后利用稀疏表示分类在不同频段上对信号进行分类识别, 利用决策融合的方法对分类结果进行整合。经验证, 该方法具有很好的抗噪性能, 能够有效识别几种常见的欺骗干扰信号, 在信噪比为0 dB时, 欺骗干扰平均识别率达到90%以上, 并与其他欺骗干扰识别方法进行了对比, 显示了所提方法的优越性。     

基于小波包和Elman神经网络的螺杆泵井故障诊断

在螺杆泵井故障诊断技术中,有功功率信号最能全面反映螺杆泵井的泵况。提出一种基于小波包分析结合Elman神经网络的故障诊断方法,该方法采用小波包对螺杆泵有功功率信号进行消噪滤波,将不同频段的故障信号进行3层db4小波包分解,根据各频段功率谱的变化提取故障特征,应用Elman神经网络进行识别。利用Matlab仿真,结果表明,该方法能有效提高螺杆泵井的故障诊断准确性。     

基于小波窗口的模极大值去噪算法

在相关去噪和模极大值去噪的基础上,提出了一种基于小波窗口相关的模极大值去噪算法.即先用小波窗口相关法时最大尺度的小波系数进行预处理,再用模极大值法去除各层系数的噪声.该算法不仅克服了通常相关去噪算法中小渡系数对偏移敏感的缺点,避免了阙值选择受噪声影响的问题,同时,它也解决了模极大值算法中由于小尺度上噪声影响较大而造成的对信号小波系数定位不准的问题,减少了模极大值法的累积误差.仿真实验验证了新方法的有效性,特别是信噪比较低时,该方法的效果尤为显著.     

基于ZIHR航向角修正方法的行人导航算法

在行人导航系统中,零速修正(zero velocity update, ZUPT)方法能够准确计算出速度误差和水平姿态角误差,但是航向角误差却因其不可观难以估计而极易发散。为了解决航向角误差极易发散的问题,提出了零积分航向角速率(zero integrated heading rate, ZIHR)修正方法。推导发现在零速状态下相邻航向角差值和陀螺的漂移及航向角误差存在一定的关系,将此差值作为量测值,在ZUPT的基础上扩展一维量测,将卡尔曼滤波得到的估计值进行反馈校正。通过多组微机电系统(micro-electro mechanical system, MEMS)实物实验验证:提出的ZIHR修正方法能够很好地解决MEMS 惯性器件漂移导致的误差累积问题,多组实验的定位误差均小于总行程的2%。