轮速信号的去噪和特征提取关系到汽车ABS控制系统的可靠性和准确性,是汽车.ABS控制系统的关键问题之一,因而也是确保汽车安全性的关键问题之一.本文应用小波变换理论、小波包分析理论、小波奇异性检测原理和神经网络理论,针对轮速信号的去噪和特征提取问题进行了深入的研究. (1)第一章总结了汽车防抱死制动系统(ABS)的发展历史、理论基础、结构特点、工作原理和未来发展趋势,对轮速信号的各种处理方式的原理和方法作了专题综述,对全文的主要内容作出了介绍,并指出了该课题的研究具有很强的理论和现实意义. (2)第二章分析了小波变换的特点,指出小波变换是一种信号的时频分析方法,具有多分辨率分析的特点,可以实现对信号由粗至精的分解.很适合探测正常信号中夹带的瞬态反常现象并展示其成分,有效区分信号中的突变部分和噪声.针对汽车ABS轮速信号的非稳定性和非线性性,将小波变换用于轮速信号的去噪,提出一种改进的阈值处理方法--均方根插值阈值量化法,对小波变换系数进行了量化处理,取得了较好的滤波效果.该方法能够更加有效地去除轮速信号中的各种干扰,为后续的ABS控制提供了良好的保证,因而具有十分重要的应用价值. (3)第三章将小波包分析用于轮速信号的去噪,通过最优小波包基的选择,针对不同频段采用不同的阈值算法,用量化后的系数重构得到去噪后的信号.仿真结果表明,应用小波包去噪方法去除汽车ABS轮速信号的噪声影响是可行的、有效的,通过仿真结果比较,可以看出小波包方法去噪效果明显优于小波变换的去噪效果,小波包无论在信号重构方面还是在去噪效果方面都更胜一筹.本文指出,信号的小波包分析方法是汽车轮速信号去噪和特征提取的有效方法. (4)第四章分析指出信号突变点检测及由突变点重建原始信号的问题,是小波变换应用的一个很重要的方面.按照小波奇异性检测信号的原理,结合小波变换模图,根据信号的小波变换的模极大值和信号的奇异性之间的关系,可由模极大值沿尺度的演化趋势找出信号的奇异点,判断出信号发生奇异性的时刻或位置,将该方法应用到汽车轮速信号的分析处理中,能够将信号从噪声中有效地分离出来,并准确地识别"抱死一松开"的特征点时刻,从而得到比较理想的效果,为汽车ABS控制提供了一种有效的方法. (5)第五章将BP神经网络用于了汽车轮速信号处理和建模,针对标准BP算法存在着训练时间长、收敛速度慢、易陷入局部最小点等缺陷,本文采用了一种基于数值优化的改进算法一LM算法,并在网络结构设计中,提出了一种求取隐层节点数的新方法--二次多项式逼近法.基于上述改进和优化算法所建立的BP神经网络模型,确立了噪声信号输入和标准滤波输出之间的非线性映射关系.这种映射关系可以替代标准的滤波方法,它相当于一个"黑箱式"的滤波器,对输入的噪声信号进行了滤波处理,为汽车ABS轮速信号的处理提供了一种新的方法. (6)第六章在汽车ABS实验台上采集了两种典型路面(附着系数较大路面和附着系数小的路面)的轮速信号,采用了均方根阈值插值法小波去噪,对比去噪前和去噪后的轮速信号时域图形,可以证明均方根阈值插值法小波去噪理论应用的正确性和优越性. (7)第七章对全文进行了总结,指出了创新点,并对下一步的研究工作做出了展望.