基于小波最优重构尺度的AUV推进器故障检测方法

针对采用传统小波方法检测外部干扰下自主式水下机器人(AUV)推进器故障时存在的故障检测灵敏度较低问题,提出一种基于小波最优重构尺度确定的AUV推进器故障检测方法,基于小波Shannon熵的小波最优重构尺度确定方法确定离散多层小波分解后细节系数的最优重构尺度,目的是滤除外部干扰等与故障无关信号,并选择故障信息含量最多的最佳重构尺度进行小波单支重构以识别AUV推进器故障特征.AUV实验样机水池实验结果表明,与传统小波方法相比较,所提方法故障检测灵敏度提高了27.78%.     

a尺度正交双向小波的Mallat算法

研究了a尺度正交双向小波的Mallat算法.引入了正交双向加细函数及a尺度正交双向小波的概念,在此基础上利用a尺度正交双向多分辨分析,得到了正交双向小波的分解与重构的Mallat算法,并给出其矩阵表示,推导了信号分解后完全重构的充要条件.该算法对于能量有限的离散信号的分解与重构有一定的实用价值.     

α尺度多小波正交尺度函数及其mallat算法

多小波解决了单小波不可能同时具有正交性、紧支性和对称性的困难,更具有研究的价值.在正交多小波理论的基础上,利用两尺度矩阵研究了一种特殊的紧支撑尺度函数构造成正交尺度函数的方法以及a尺度正交多小波mallat算法,得出了相应的分解和重构关系.     

改进的小波变换阈值去噪方法

针对Donoho的阈值去噪方法有时去噪效果不能令人满意的问题,提出了一种二次小波变换阈值去噪的方法--对小波变换各个尺度上的小波系数都进行二次小波变换,并进行去噪处理后重构小波系数,再由重构的小波系数重构原信号,此时原信号中已去除大部分随机噪声,此后再对重构后的原信号进行小波域阈值去噪.仿真结果表明:该方法具有良好的去噪效果,而且对信号的主要细节保留较好.     

利用小波方差逼近数据波动率的改进BS模型(MBS)

利用小波分析的多尺度方法,描述了小波方差在金融数据中所反映的实际意义和在金融分析中的尺度选择条件,分析了数据发生过程中分解出的不同波动段对于整体波动性的贡献量.然后通过加权重构不同尺度段产生的小波方差来体现数据的渡动情况,从而得到了一种新的计算Black Scholes模型中波动率的方法,最后利用MATLAB的模拟实证分析证明了其有效性.     

一种基于小波和形态学的边缘检测方法

提出了一种基于多分辨率小波和二值形态学的边缘检测方法，通过对图像进行多尺度的小波分解，抛弃低频信息来重构小波系数．对重构后的图像利用形态学中的八邻域处理来提取边缘信息．实验结果表明该方法边缘定位准确，对边缘细节的检测效果明显．     

基于小波变换的弹射加速度滤波分析

根据小波分解与重构理论，对弹射加速度信号进行多尺度的小波变换，即用不同中心频率的带通滤波器对信号滤波，把主要反映噪声频率的那些尺度的小波变换去掉，再把剩余各尺度的小波变换结合起来，作小波重构变换，从而得到较好地抑制了噪声的信号。     

基于小波方法的随机脉动风模拟

根据小波的多分辨率分析性质,利用小波重构算法,采用正交小波基对脉动风速进行模拟.选取适当的小波基,假定最粗糙尺度上的尺度系数(即原始信号在最粗糙尺度上的近似),基于线性估计原理,由其线性组合估计同一尺度上的小波系数(即原始信号在该尺度上的细节内容),利用逆小波变换反复迭代计算,就可以得到原始信号在最精确尺度上的近似.根据这一思路,模拟了与Kaimal谱一致的苏通桥某点的纵向脉动风速,验证了小波方法模拟随机风场的有效性.     

来自多尺度分析的R iesz基

不采用正交化方法,给出了来自多尺度分析的R iesz小波基的具体形式以及小波基母函数ψ(x)与尺度函数φ(x)的关系.建立了基于这种R iesz基的分解与重构算法.     

基于小波包子带分解回声对消移不变性的研究

在自适应回声对消中应用多分辨率分析－对信号进行小波包子带分解后实行自适应对消,可以极大地降低计算复杂性,但若对信号进行的是正交分解,过程不具移不变性。为使过程具近似移不变性,作者对Ｄａｕｂｅｃｈｉｅｓ小波基开始,通过修正尺度函数,再由双尺度方程得到小波基,使小波基近似移不变,同时还考虑了修正后滤波器的完美重构问题,并讨论了移不变性和完美重构之间的关系。     

基于盲源分离理论和人类听觉掩蔽效应的数字音频水印方法

将盲源分离理论应用于数字音频水印技术,以达到在宿主信号未知的情况下分离出嵌入水印信号的目的;把生成混沌序列的初始值和宿主信号的时、频掩蔽信号作为密钥信息,生成嵌入水印信号,充分保证了水印检测的安全性;引入人类听觉系统(human auditory system,HAS)掩蔽效应的概念,使嵌入水印信号完全自适应于宿主信号,以提高算法的鲁棒性.实验结果表明,嵌入水印的音频信号没有明显的听觉失真,满足了音频水印不可听性的要求;经过低通滤波、重采样、添加噪声、剪切和mp3压缩等攻击后,嵌入水印信号和分离出的水印信号之间的相关函数较进行频域和时域掩蔽作用之前,具有更加明显的二值分布特征,算法的鲁棒性明显优于掩蔽作用之前;同时,该方法无需外加同步信息,就可以取得良好的同步效果.     

基于多卫星伽利略E1频段中频信号的生成方法

为了模拟二进制偏移载波BOC(1,1)调制下的多卫星伽利略信号,提出了一种伽利略E1频段数字中频信号的生成方法.其中,通过模块化和图形化设计,逐层细化而拟合伽利略信号所需步骤,包括扩频码的产生、BOC调制的实现以及导航信息、载波和可调噪声源的叠加,并通过信号的自相关及其捕获等处理.结果表明,所生成的信号具有伽利略E1频段BOC(1,1)调制的信号特征,其信噪比和多普勒频移可调,可用于软件接收机的信号处理解算.     

Linux不可靠信号与可靠信号的比较实验

描述了一个用于比较Linux系统中可靠信号与不可靠信号实验的设计。首先，简要描述了UNIX／Linux信号机制以及不可靠信号和可靠信号，然后根据不可靠信号与可靠信号的特点给出了几个用于比较二者差别的程序，接着考察了在使用libc6的Linux系统中无法正确观察到不可靠信号实验现象的问题并给出了一个解决方案。     

基于单片机的数字信号传输性能分析仪的设计

本设计由数字信号发生及伪随机信号发生模块、低通滤波电路、数字信号分析电路等模块构成,通过MSP430单片机及DDS电路产生数字信号,由10M的有源晶振和移位寄存器产生伪随机信号。通过三个截止频率不同的低通滤波器对数字信号进行模拟干扰。伪随机信号发生器输出信号V3的幅度在100mV～TTL内可调。数字信号采用曼彻斯特编码,使其在分析电路中可以在很低的信噪比下从V2a中提取同步时钟信号,利用所提取的同步时钟信号作为示波器的触发脉冲,在示波器上显示出眼图,通过眼图幅度分析数字信号的传输性能。     

正交小波多尺度阵列观测声信息融合预处理算法

在声阵列信号处理中,为了提高窄带声信号的信噪比,降低信号的失真率,提出了基于q带正交小波多尺度分析的阵列观测声信息融合预处理算法。首先,该算法将多通道阵列声信号随机分组,基于正交小波多尺度分析得到阵列信号的细节信号矩阵函数及近似信号矩阵函数;其次,构建了各组细节信号的互相关函数,给出了细节信号互相关矩阵,以细节信号的均值互相关函数为细节阈值,得到了融合细节信号集合;再次,基于融合细节信号集合和近似信号矩阵函数重构了声信号。最后,通过静态半实物仿真试验及能量比、标准差、相关系数、信噪比四个方面的统计分析,表明融合预处理算法后的观测信号不仅保留了初始观测信号90%的声能,降低了初始观测信号的波动程度,而且还保持了初始观测信号90%的相似度,提高了信噪比,降低了信号的失真率。     

一种基于小波变换的包络分析法

对机械故障中常见的调制信号,包络分析法是一种有效的分析方法,为克服当前的包络分析法需要选择合适的滤波器参数的局性性,提出了一种基于小波变换的包络分析方法,运用小波包将调制信号分解到不同频率段上,提取需要的频率段成分进行重构,对重构后的信号作络细化谱分析就能有效地从原始信号中提取调制信息,仿真信号和实际动用都表明该方法能有效地提取信号的故障特征。     

基于小波和分形理论的多径衰落信号分析

首次将小波理论和分形理论相结合来分析多径衰落信号，从多径衰落信号产生的动力学机制出发，指出了多径衰落信号具有分形的特征，进一步研究多径衰落信道的多重分形特性，分析并指出了多重分形维数是描述无线信道传播特性的重要参数，根据多径衰落信道参数突变，首次指出了多径衰落信号具有局部奇异性，其局部奇异性对信道参数估计和信号重构有着重要的作用，中提出了短时网格分形维数的定义和给出了其计算的详细算法，用Lipschitz指数来表征局部奇异性，利用小波检测多径衰落信号奇异性和信号重构。仿真实验结果表明：小波重构后信号具有很好去噪性能；多径衰落信号不同尺度下小波变换系数具有自相似性，论证了多径衰落信号的分形特性，不同移动速度时多径衰落信号的多重分形特性仿真实验表明：随着移动速度增大，其短时网格分形维数也变大。     

基于区间同步实现混沌保密通信

利用区间同步方案实现混沌保密通信是基于脉冲和语音信号有一些间隙或一些幅度相对弱的区间的特点。在发射端,对语音信号在时域内进行压缩使其出现幅度为０－的一些区间,然后将脉冲信号或压缩后的语音信号对混沌信号进行调制。在接收端,利用约束来同步和自由演化同步,将所传送的脉冲信号或语音信号从已调制的混沌信号中提取出来。最后,以Ｈｅｎｏｎ映射和Ｄｕｆｉｎｇ混沌系统为例子进行计算机模拟。     

基于 L1范数正则化的电压闪变信号检测算法

提出一种基于L1范数正则化的电压闪变信号检测算法.根据余弦函数的正交性特点,通过构造一个合适的目标函数,将基波信号检测转化为一个简单的数学优化问题.利用L1范数正则化的方法,建立从调制信号中恢复包络信号所需的优化方程.通过优化方程的求解,获得基波信号和闪变信号的检测估计.数值仿真信号和实测电压信号的检测结果表明,提出的算法能够准确有效地检测和提取信号的基波和包络分量,且有良好的抗噪性能.     

基于随机森林的认知网络主用户信号调制类型识别算法

针对低信噪比情况下主用户信号调制类型识别率低的问题,提出了一种使用信号循环谱中特征参数作为样本参数的基于随机森林的认知网络信号类型识别算法,通过使用训练完成的随机森林对主用户信号类型识别,有效抑制了采用ANN和SVM进行识别所造成的误差影响,提高了低信噪比下信号识别的精确度,实现了不同调制类型信号的有效检测与识别.实验结果表明:所提出的算法有较高的主用户信号调制类型识别精度,进而验证了算法的有效性.