近期，中科院新疆天文台副研究员单昊基于小波系数的脉冲星特征，使用模糊C-mean聚类方法、Euclidean和Fisher判别准则、最小风险Bayesian决策等，对401颗频率范围为1.408–1.642GHz的射电脉冲星观测信号进行了分类和识别。这为天文脉冲星识别重要科学问题提出了一套新方法，对于离线信号处理具有重要意义，其理论、方法和数学工具在国际上也较为前沿和实用。该研究成果已在国际核心期刊《天文学和计算》上发表。    

　　从某个脉冲星辐射出的脉冲星信号具有其自身的特殊性，可与其他任何星的信号区分。一个合理、完备的描述可以充分刻画一个脉冲星信号的独特性，并且可以用于脉冲星识别任务来决定某信号所属星体的名字。单昊利用基于小波系数的脉冲星特征，首次引入脉冲星信号的描述和识别领域，初步完成了脉冲星信号识别的研究工作。 

　　小波特征使得聚类的信号特征样本点之间的类内距离相对较小，类间距离相对较大，即特征几乎分布在一条近似的直线上。单昊通过对连续500次识别实验进行误差分析，结果表明小波特征在脉冲星识别方面可以达到较为理想的结果。

　　图一：三个小波尺度的特征分类结果。左：尺度1；中：尺度2；右：尺度3 

　　图二：500次实验的误差曲线。虚线是基于形状参数特征的分类误差线，实线是基于小波系数能量特征的分类误差线。红色、绿色和蓝色代表一维、二维和三维情况。判别准则为Euclidean