基于综合网络和小波分解的逆变器故障诊断

由电力开关管组成的逆变器非线性较强,进行故障诊断比较困难。采用SAPSOBP综合诊断网络(模拟退火算法、粒子群算法和BP神经网络的有效结合)和小波分解相结合的方式,以输出侧电压作为特征信号,经小波分解后的离散近似信号和离散细节信号作为特征向量,通过模拟退火算法对粒子群算法权重和加速因子的优化,结合被粒子群算法优化了阈权值的BP网络及其分类预测功能,对特征向量诊断。由实验结果表明,SAPSO-BP网络和小波分解相结合对故障元件的诊断有良好的效果。     

声表面波标签信号的数据融合检测方法

采用基于匹配追踪(MP)-小波包(WP)原子分解的数据融合算法估计声表面波标签的特征参数.该方法采用MP-WP原子分解方法从包含噪声的接收信号中估计出声表面波标签的脉冲响应,利用估计值和原始值得到估计方差,并依此计算多次接收信号的权重分布.在此基础上,采用基于均方误差的权重数据融合算法融合接收到的标签信号.构建了相位检测系统并对融合方法进行了实验验证.结果表明,在相同的累计次数下,融合方法比算术平均在脉冲峰值和位置上都更接近于真值.     

基于模极大值与希尔伯特结合的TOA估计

传统的TOA(time of arrival)算法仅在高信噪比情况下才能获得较高精度的估计,为弥补现有估计算法的不足,提出了一种新的基于模极大值与包络提取结合的TOA估计算法。该算法首先利用小波模极大值对多径信号去噪,然后运用希尔伯特变换,对去噪后信号进行包络提取,选取第一个包络的峰值作为TOA估计值。仿真结果显示,与小波阈值相比,小波模极大值与希尔伯特结合的TOA估计误差更小。算法简单有效,实现了低信噪比下的高精度估计。     

一种信号数目估计的小波包分解优化算法

分析了入射信号数目估计的信息理论准则·针对在低信噪比以及数据快照数目较小的情况下,Akaike信息准则(AIC)和最小描述长度MDL都不能正确估计入射信号数目的问题,提出了采用小波包分解方法对MDL准则进行优化的算法,称之为wpMDL算法·考虑子带分解具有预测偏差小和模式隔离等特点,采用基于一维小波包分解的"伪二维"子带分解算法,不仅有效地改善了MDL准则的估计性能,而且计算量比二维分解降低了·仿真结果验证了提案算法的有效性,无论是对信噪比的变化还是数据快照数目的变化,wpMDL算法都能正确地估计入射信号的数目·     

小波降噪卡尔曼滤波锂电池荷电状态估计

针对锂离子电池充放电电压信号(DCV)中存在的噪声信号导致荷电状态(SOC)估计精度降低、波动较大的问题,提出了一种基于离散小波变换(DWT)的降噪扩展卡尔曼滤波(EKF)算法。该算法利用多分辨率分析(MRA)分解携带噪声的DCV信号,通过对比4种阈值硬阈值降噪规则对携带噪声的DCV信号的降噪处理效果,选择Stein无偏风险阈值硬阈值降噪规则调整小波系数,通过含自适应遗忘因子的递推最小二乘法辨识电池模型参数后,利用扩展卡尔曼滤波算法估计SOC。仿真结果表明:使用Stein无偏风险阈值硬阈值降噪规则有效地降低了DCV信号中的噪声信号;所提算法具有较好的鲁棒性,能够有效地提高SOC估计精度,使SOC估计误差范围控制在3%之内。     

改进DCO-OFDM系统中的接收端检测算法

为了减轻DCO-OFDM系统中因截断噪声对误码率性能的影响,研究了上、下限幅截断系统的检测算法优化问题.分析了ML算法在DCO-OFDM中不适用的原因,提出ML迭代算法和权重因子ML算法:ML迭代算法通过对残留限幅噪声的迭代估算更新原始估计序列,得到ML算法的析出信号;通过权重因子将限幅噪声高斯白化,使得最大似然估计检测算法满足最优线性估计条件,再通过迭代算法得出接收机析出信号.文中提出的2种算法虽然复杂度高,但相比于M L算法具有更好的链路误码率性能.     

基于小波和先验信噪比维纳滤波的语音增强

描述了先验信噪比估计的维纳滤波算法,分析了小波多分辨率分析在信号频谱划分中的作用,提出一种小波和先验信噪比维纳滤波相结合的改进算法.通过小波变换对带噪语音信号进行多尺度分解,然后对不同尺度的小波系数采用维纳滤波,用滤波后的小波系数重构得到增强语音信号.通过计算机仿真实验,将提出的算法与传统维纳滤波算法进行比较.实验结果表明改进算法在低信噪比情况下有效提高了增强效果,对语音成分的影响较小,提高了语音质量.     

一种迭代小波域维纳滤波算法

在WienerChop算法的基础上,提出了一种改进的小波域维纳滤波器,在小波域采用基于贝叶斯估计的小波阈值去噪技术估计期望信号,提高估计的精度,并以此设计经验维纳滤波器;进一步适当选择多小波基,使每个基函数通过小波变换能够比其他小波基更好地捕捉信号的某些特定特征,从而实现WienerChop算法的迭代.仿真实验表明提出的迭代WienerChop算法有效地改善了去噪后图像的均方误差和信噪比,与BayesShrink算法和非迭代的WienerChop算法相比,迭代WienerChop方法去噪后图像的峰值信噪比增益分别达到0.78~1.00dB和0.36~0.49dB.     

基于小波变换的MPSK符号率估计方法

数字调制信号的参数估计是非协作通信的研究重点,符号率估计是信号调制方式识别及正确解调信号的重要参数.小波在时域和频域具有优良的局部化特征,适用于信号瞬时变化特征提取.现有的使用Haar小波的符号率估计算法中都假设码元是矩形脉冲,没有考虑实际通信系统脉冲成形滤波技术的影响.针对上述问题,在带限系统模型下,考虑了脉冲成形滤波技术对信号产生的影响,使用适合带限系统信号瞬时变化特征提取的具有高阶消失矩的Daubechies(dbN)小波,结合FFT算法,提出了一种MPSK符号率估计方法.仿真结果表明,使用该符号率估计方法要比使用Haar小波性能更优越.     

基于小波变换的智能天线波达方向估计研究

对比两种经典的智能天线波达方向(Direction of Arrival,DOA)估计算法——延迟-相加算法、多重信号分类(Multiple SignalClassification,MUSIC)算法,提出了一种基于小波变换的智能天线波达方向估计算法(Smart Antennas Direction of Arrival Eseimation Based on Wavelet Transformer,SADOAWT),该算法利用小波变换,将来波信号变换在多尺度频域,针对不同频域采用不同算法以实现分辨率、计算复杂度的高度兼顾.计算机仿真结果表明,新算法复杂度较低,克服了延迟-相加算法分辨率低、副瓣较多的缺点,避免了MUSIC算法遇到相关信号分辨率降低的问题.