弹性力学混合状态方程的小波解法

应用小波理论求解弹性力学混合状态方程，讨论了解的收敛性。从文中的数值算例不难看出，该方法不失为混合状态方程一种新的求解途径。     

平稳小波在高精度重力仪信号处理中的应用

为有效地消除噪声对重力仪测量数据的影响,提高重力异常测量值的精度,在分析平稳小波多尺度分析原理的基础上,将平稳小波应用到重力仪数据处理中,并与传统小波多尺度分析进行了对比.理论分析和仿真实验表明,平稳小波和传统小波都能在一定程度上抑制噪声对高精度重力仪测量数据的影响,但平稳小波的性能优于传统小波.     

关于陀螺信号处理中小波基选取的研究

在建立陀螺漂移的数学模型的基础上，使用不同的小波基对陀螺输出信号进行多尺度小波分解，去除由噪声产生的小波系数，从而达到消除噪声的目的。从不同小波基的滤波效果来看，双正交样条小波Biorl.5具有较好的去噪效果，从而也验证了小波对称性在陀螺信号去噪中的重要性。     

基于小波变换的精密测试转台测角系统的故障诊断

针对精密测试转台测角系统的突变性故障、饱和故障和高频干扰故障,研究并提出了一种基于离散小波变换的故障特征提取方法。这种方法采用db4小波函数对测角系统激磁信号进行小波变换,将原始信号分解为近似信号和细节信号。根据分解得到第一层的细节信号,可以定位突变性故障和饱和故障。通过多层分解,确定近似信号和细节信号的最大幅值,根据信噪比大小可以确定是否存在高频干扰故障。实验结果显示,通过该方法可以实现对测角系统激磁电源故障准确的故障特征提取和定位,提高了精密测试转台的安全性和可靠性。     

基于虚拟响应信号的结构参数时域辨识研究

在充分考虑线性动力系统的时域响应特性以及小波包分析的频率空间剖分特性的基础上,提出了一种基于虚拟响应信息提取的信号去噪新方法.虚拟响应虽然没有在结构动力检测过程中真实发生,但却是在某种激励下可以实现的一个响应,因此,根据虚拟响应信息同样可以进行结构系统的动力识别.数值研究表明,对于地脉动响应这种有效信号频带与噪声频带相互覆盖的低信噪比信号而言,小波阈值去噪法已无能为力,而基于虚拟响应信息提取的信号去噪方法则有较好的去噪效果.     

潜艇真航向测量系统

论述了潜艇真航向测量系统(DSSTH)的总体设计和各分系统设计,介绍了系统中采用的时间同步技术和改进的平移不变小波降噪算法。信息组合控制中心子系统采用INS、GPS、计程仪等导航信息组合,利用联邦卡尔曼滤波算法提高了整个系统精度;首次采用了高精度自动跟踪全站仪组成光学校准分系统测量校正导航系统,校正航向精度达到30″;采用多种关键技术和系统的整体优化设计,DSSTH航向动态测量精度达到0.03°。     

小波基方法在波传问题中的应用

基于多尺度分析理论，引入哈密顿体系和插值小波变换，分别构造了适合于求解复杂域波传问题的快速自适应方法——多尺度辛格式和插值小波配点格式，利用小波基的局部性与消失矩等特性改善计算效率，并将插值小波应用到波动方程的多尺度反演问题中。讨论了其优缺点并提出几点展望。     

基于小波高频的立体图像质量评价

根据小波变换的高频分量包含边缘及纹理等人眼比较关注的细节信息,提出了一种基于小波变换的高频重构的立体图像质量评价方法,包括左右视点质量评价和立体感评价两部分。通过模拟人类视觉系统处理原始和失真的左右视点图像,利用结构相似度算法得到左右视点质量评价值;用加权处理后的小波高频分量经过重构得到人眼关注的细节信息图,分别计算原始和失真的左右视点细节信息图的绝对差值图,利用结构相似度算法对两幅绝对差值图评价得到立体感质量评价值。将两种质量评价值进行加权融合得到最终的立体图像质量评价值。整体实验结果的Pearson线性相关系数在0.94以上,Spearman秩相关系数值在0.93以上,均方根误差值接近5.5,能较好地符合人眼视觉特性。     

基于小波高频距离像的红外小目标检测

针对远距离复杂背景下红外小目标检测问题,本文提出了一种基于小波高频距离像的方法。该方法首先将处理空间变换到小波域,通过分析残留背景、目标和噪声系数在高频子带的差异,定义基于邻域均值的子带系数表达形式,构造高频子带系数的中心向量,对小波高频图像进行综合形成距离像,得到红外复杂背景的抑制结果。在此基础上,利用恒虚警率算法将单帧背景抑制图像分割成候选目标、残留背景和噪声像素点。最后,在时间域基于目标运动的相关性,利用管道滤波实现红外小目标的最终检测。仿真实验结果表明,相对于经典算法,本文方法可以实现对红外复杂背景的有效抑制,增强目标信号的强度,准确稳定的从红外复杂背景中检测出小目标。     

基于Gabor小波变换的ICA火灾图像纹理识别算法

针对火灾图像纹理识别问题,提出了基于Gabor小波变换的ICA火灾图像纹理识别算法,并根据火灾图像纹理识别特点进行了优化。首先用不同尺度和方向的Gabor滤波器对待识别图像滤波,得到其特征图像,然后将特征图像转化成特征向量作为ICA的输入,得到基矢量子空间,再将测试图像经过Gabor滤波器的特征向量投影到ICA子空间中得到系数向量作为目标识别特征,最后用支持向量机进行识别。通过与Gabor滤波器法和ICA方法的对比实验,表明该算法可以在火灾纹理图像的识别率上比传统方法提高5%以上,为火灾图像识别提供了一种新思路。