分形滤波在高精度海洋重力仪数据处理中的应用研究

为有效地消除各种外界干扰噪声对高精度海洋重力仪测量值的影响,提高重力异常测量值的精度,在分析基于分形理论的滤波算法基础上,首次将其应用到高精度海洋重力仪系统数据处理中,并与自适应卡尔曼滤波进行对比分析,以实际信号数据与处理后信号数据的均方差作为衡量两种数据处理方法好坏的依据。理论分析和仿真实验表明:分形滤波方法和自适应卡尔曼滤波都能在一定程度上消除干扰噪声对重力异常信号的影响,但在相同背景条件下,分形滤波的性能优于自适应卡尔曼滤波。     

基于小波变换的重力变化信号处理技术研究

针对重力敏感器中所测信号的特点，提出了小波变换的多分辨率分析方法。采用了强制去噪和阈值去噪两种方法，利用Daubechies小波函数，分别针对三种典型情况进行了分析。结果表明，对于信噪比非常小的重力变化信号，阈值去噪法相对于强制去噪法来说效果并没有明显提高，第9层下重建信号的逼近误差满足性能指标。文中还讨论了加入确定性干扰的情况下微弱信号的提取情况，结果表明，加入大的确定性干扰后，为了满足设计要求，小波分解的尺度有所增加，整体的滤波效果与未加入确定性干扰的情况基本相同。     

平台式重力仪测量数据的卡尔曼滤波处理

根据三轴惯性平台海空重力仪的特点,在重力测量数据处理中,把重力异常作为状态量,建立了扩展卡尔曼滤波状态方程和观测方程,并阐述了三轴惯性平台海空重力仪重力测量数据处理步骤。依据给出的卡尔曼滤波方程,应用平滑卡尔曼滤波方法,对三轴惯性平台海空重力仪的海洋重力测量数据进行了处理。海空重力仪测量结果为:南北重复测线内符合精度为0.2 mGal,东西重复测线内符合精度为0.4 mGal,空间分辨率为650 m。     

小波多尺度分析在重力仪数据处理中的应用研究

为了有效地消除重力异常畸变对重力仪测量数据的影响，得到更高精度的重力异常测量值，在分析小波多尺度分析原理的基础上，首次将其应用到重力仪数据处理中，并与自适应卡尔曼滤波进行了对比分析，以实际数据与处理后数据偏差平方和的平均数作为衡量两种数据处理方法性能的指标。理论分析和仿真实验表明：小波多尺度分析和自适应卡尔曼滤波都能在一定程度上抑制重力异常畸变对重力仪测量数据的影响，但小波多尺度分析的性能优于自适应卡尔曼滤波。     

非平稳机械振动信号的小波包分析

结合非平稳机械运行状态，介绍了小波包分解的基本原理，讨论了小波包最佳基的选取；把小波包分析技术应用到实际非平稳振动信号分析中，取得了良好的效果，最后讨论了分析技术实现的一些具体问题并给出了结论。     

H∞滤波和自适应卡尔曼滤波在消除重力异常畸变中的对比研究

为了有效地消除重力异常畸变对海洋重力仪测量精度的影响，得到更高精度的重力异常测量值，根据随机过程理论，分析了重力异常状态方程，并对H∞滤波算法和自适应卡尔曼滤波算法进行了理论对比分析，将其应用到消除重力异常畸变系统中。为了避免滤波发散，自适应卡尔曼滤波采用降阶的Sage—Husa算法。理论分析和仿真实验表明：H∞滤波算法和自适应卡尔曼滤波算法都具有较好的滤波收敛特性，并能在一定程度上有效地消除重力异常畸变对重力异常测量精度的影响，但自适应卡尔曼滤波的性能优于H∞滤波。     

基于自寻优小波降噪算法的海洋重力数据滤波

为抑制船测重力数据中的噪声,提升海洋重力场数据精度,提出了可自动修正阈值参数的自寻优小波降噪算法。首先比较了IIR滤波器、FIR滤波器、Kalman滤波方法、传统小波降噪方法的滤波效果,分析了几种方法的特点及适用性。其次,根据海洋重力信号大多属于缓变的特点,借鉴遗传算法思想,设计了自寻优小波降噪算法。最后,利用湖上船载原子重力仪测量数据进行了实验验证,实验结果表明,自寻优小波降噪算法解决了传统小波降噪方法泛化能力弱、对复杂噪声分量滤除不彻底的问题,与IIR滤波器、FIR滤波器、Kalman滤波方法和传统小波降噪方法等滤波算法相比,滤波结果更接近有用信号,不需要对数据进行截短,滤波后信号精度提升了17%以上。     

子波去噪技术在湍流信号处理中的应用

本文在分析了随机噪声的子波变换系数在不同尺度上的传递特性以及噪声信号奇异性与子波模极大值的关系后,提出了用尺度间变化的门限值来抑制带噪湍流信号在不同尺度上的噪声子波系数,从而实现了在重构湍流信号中消除噪声的目的。本文给出了湍流信号的子波去噪的计算机仿真结果,并与傅立叶去噪进行了比较,从结果上看,本文的方法有较好的去噪功能。     

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。     

基于模态振型和平稳小波变换的悬臂梁微小缺陷识别研究

结构损伤识别方法有很多种,通常结构振动模态振型对缺陷的损伤识别较为敏感,振型体现结构的固有属性及结构局部的特征,可以用于检测缺陷的存在及其位置。但是缺陷比较微小时,仅仅通过振型难以进行损伤识别。因此本文通过对振型进行平稳小波变换处理来检测悬臂梁的微小缺陷。通过有限元模态分析获得含不同缺陷深度、不同缺陷宽度、不同缺陷位置的悬臂梁模型的振型并利用平稳小波变换进行分析处理。结果表明:该方法可以准确判断缺陷的存在及其位置,并且平稳小波细节系数突变峰值随着缺陷深度增大而增大,随着缺陷宽度增大而增大;另外,该方法受振型节点影响,在工程实际应用时应综合前几阶次振型进行缺陷识别。     

微小电容检测技术在重力敏感器中的应用研究

对几种微小电容检测的方法进行了探讨，详细地阐述了交流电桥法微小电容检测的原理，分析了测量误差和相应的解决方法，为重力敏感器中的微小电容检测技术的实现奠定了基础。     

小波分析在捷联惯导陀螺信号滤波中的应用

介绍了小波变换和多分辨率分析理论。针对捷联惯导系统中光纤陀螺输出信号的特点，对其进行小波变换，去除信号中高频部分的噪声，从而抑制了陀螺的随机漂移。通过仿真实验，肯定了使用小波分析算法对陀螺输出信号进行滤波消噪处理的可行性。在实际用于捷联惯导系统中的实验结果表明，有效地提高了系统的精度。     

基于TH神经网络的自适应滤波在船舶姿态测量信号处理中的应用研究

自适应滤波是提高滤波性能的主要方法之一。自适应滤波要求实时跟踪输入信号的变化,实时地计算滤波器的权系数。这就大大增加了运算量,因此很难用基于数字计算的方法给出所希望的实时解。神经网络所具有的高度运算能力为解决这一问题展示了光明前景。中利用根据线性规划神经网络导出的TH网络,就船舶姿态测量信号进行滤波计算,仿真结果表明基于TH神经网络的自适应滤波是有效的。     

振荡燃烧的动态测试及信息处理

作者用随机信息处理方法研究了某型火箭发动机的燃烧状况,不仅发现该型发动机存在有振荡燃烧,而且获得了振荡燃烧信息的功率谱及功率谱阵。针对振荡燃烧信息在时间域和频率域上的随机性特点,作者精心地设计了测试系统,并对系统的性能参数进行了全面标定。经多次实测证明该系统工作可靠,信噪比较高。测试与分析结果表明:该型发动机振荡燃烧的主振测率为800Hz,最大振幅为43dB;并存在有1600Hz和2500Hz两个次级振荡频率;而且该发动机的振荡燃烧是以纵向振荡为主。为研究该型火箭发动机振荡燃烧的产生原因和消除方法提供了科学依据。