基于Duffing混沌系统微弱信号检测的数值分析

基于混沌系统对噪声信号的免疫性和对微弱信号的敏感性,从数值分析的角度对在噪声中微弱正弦信号的检出,幅值、频率、相位的测量进行了讨论.     

基于噪声和混沌振子的微弱信号检测

利用混沌振子来检测淹没在强噪声背景中的微弱信号，详细研究了Duffing振子检测微弱信号的原理和过程。理论分析和仿其实验均表明混沌振子能有效地检测微弱信号。     

基于Duffing振子检测频率未知微弱信号的新方法

针对现有混沌振子难以检测频率未知微弱信号这一难点,提出利用Duffing振子输出值的方差峰值结合遗传算法检测淹没在强噪声背景中频率未知微弱信号的一种新方法。从分析混沌系统结构参数的阈值入手,讨论了周期策动力的频率、初始相位和噪声对系统运行状态的影响;研究系统输出值方差与系统状态的对应关系,探讨待测信号频率以及与周期策动力之间相位差对状态变量方差和状态转换时间的影响。由此,提出采用具有相位偏移的Duffing振子阵列覆盖全相位,并结合遗传算法,优化求解不同频率输入信号下系统输出值方差的极值,以此得到待测信号频率的方法。该方法解决了现有混沌振子类检测方法必须已知信号频率的限制。实验结果证明了本方法能准确、快速地检测待测信号频率。新方法的状态判定简便、检测精度高、更为灵活、适应性强,为微弱信号的检测提供了新的手段。     

微弱信号的差分振子检测方法

在分析了差分振子基本原理的基础上,重点在理论上分析了噪声对差分振子输出相图的影响,推导了相图大小与有效信号幅值之间的线性比例关系,弥补了差分振子不能检测信号幅值的缺点,阐明了系统参数对差分振子检测性能的影响.理论分析、仿真实验及工程实践表明,该方法简单稳健,实时性好,具有良好的抗噪性能,能有效检测强噪声背景下的微弱故障信号,可实现机电设备早期故障的可视化检测.     

微弱正弦信号的互相关-混沌系统合成检测技术

将常规互相关检测方法与混沌检测方法相结合,发挥各自的优势构成一个新的微弱正弦信号检测系统.理论分析及仿真实验表明该检测系统对被强噪声覆盖的微弱正弦信号非常敏感,对任何零均值噪声具有极强的抑制能力.     

微弱信号的混沌检测系统设计

以混沌系统的参数敏感性和符号动力学为基础，设计了一个微弱信号检测装置，研究了相应的电路实现方法，给出了单元电路分析和实验结果，结果表明利用混沌实现弱信号检测的可行性。     

机械振动微弱慢频变信号的混沌振子检测

机械振动微弱信号的检测与识别有利于早期故障的检测与诊断。用Duffing混沌振子检测微弱振动信号具有明显的优势。提出了用混沌振子检测慢变频微弱振动信号的方法。在给出Duffing混沌振子对微弱信号检测的基本原理后，根据慢频变信号的特征，对信号进行了周期离散，提出了对暂态信号进行时域延拓的方法，分析了可行性。提出了幅频联调方法，设计了检测原理，并给出了实现步骤。结合所提出的两种方法，对带噪声的频变微弱振动信号进行了检测分析。仿真结果和实际采集信号分析结果支持了所提出方法的适用性。     

基于混沌振子微弱信号检测的改进与比较

为实现强噪声背景下微弱信号的检测,利用混沌系统非平衡相变对系统参数的扰动和对噪声具有免疫力的特点,根据Holmes型的Duffing振子检测系统的检测原理以及Melnikov方法,对Duffing方程的非线性项进行了改进,非线性项取（-x^4＋x^5）。改进后的系统相对原来的检测系统具有更低的信噪比门限,由原来的-92．5dB降到了-111．5dB。数值计算与仿真结果证明了该方法的有效性。     

基于符号序列信息熵混沌特性的微弱信号检测

利用混沌振子系统的初值敏感性和对噪声免疫的特点检测微弱信号,具有高灵敏度和很好的抗噪性能,其检测的关键在于对混沌振子系统所处状态的识别.针对Duffing振子系统在信号检测领域中的应用,提出了一种基于符号序列信息熵混沌特性的微弱信号检测方法.该方法利用时间序列符号化来捕捉Duffing振子系统时域输出的大尺度特征,应用Shannon信息熵定量计算时间序列中蕴藏的确定性和随机性规律,达到自动识别特定微弱信号的目的.给出了该方法的原理和相应检测程序流程图.实验结果表明,利用该方法可以准确快速地检测出微弱信号,为混沌检测研究的实用化提供了一种有效途径.     

基于类洛伦茨系统的微弱信号检测及其电路实现

基于一种类洛伦茨(Lorenz)混沌系统,利用周期微扰的混沌控制方法,应用于微弱信号的检测。首先,构建一个受控的类Lorenz检测系统,通过调节系统两参数可将混沌系统控制可在所期望的周期轨道内。利用李雅普诺夫(Lyapunov)指数谱及分岔图分析,选择适当的两个参数值,将系统控制在混沌临界状态,当加入混有高斯白噪声的微弱信号时,系统发生相变,由混沌临界状态转变为周期三状态,从而检测出与外加激励信号同频率的微弱正弦信号。此方法不需要利用梅尔尼科夫(Melnikov)方法计算复杂的系统发生相变的激励信号幅值的精确解,实现方法简单易行,MATLAB仿真结果表明该系统可以实现极低的信噪比。在理论和数值分析的基础之上,该文设计了微弱信号检测电路,仿真和实验结果表明,该方法能够有效实现微弱正弦信号的检测。     

基于Duffing振子的噪声背景下微弱周期信号检测

为有效地实现噪声背景下弱信号的提取,阐述了间歇混沌模型Duffing振子的混沌特性。利用Duffing振子对微弱信号具有敏感性、对噪声与频率差较大的周期干扰信号具有免疫力的特性,研究了基于Duffing振子在噪声条件下检测微弱周期信号、复合频率信号和未知频率信号的方法,用数值仿真验证了该方法的可行性。研究结果表明,基于Duffing振子的信号检测方法对极微弱周期信号检测有其独到的优势,其频率误差率在控制范围之内。     

一种基于杜芬振子的微弱信号检测方法

杜芬振子相变对与参考信号频差较小的周期弱信号具有敏感性,对白噪声和参考信号频差较大的周期干扰信号具有免疫力。在此基础上结合Labview和Matlab的接口技术提出了一种能在强噪声环境下检测弱信号的方法,该方法具有很好的信噪比,且在超声波弱信号检测得到了验证,具有良好的检测结果。     

微弱光电信号检测电路设计

光电信号检测与采集电路的性能优劣,直接关系到粉尘浓度测量系统的准确度和精确度。在分析研究了光电检测基本原理和微弱信号检测影响因素的基础上,针对粉尘浓度测量系统中光信号的特点,通过采用差分式测量结构,提高光电探测器供电电源的稳定度,选用低噪声、响应快的运算放大器等措施,设计了一种噪声低、反应快、简单实用的微弱光信号检测电路,成功应用到了某粉尘浓度测量系统上。     

混沌振子在微弱信号检测中的可靠性研究

针对混沌振子微弱信号检测的可靠性问题,对一种改进型混沌振子敏感特性进行分析,指出周期策动力幅值位于临界值时,初始值对系统的状态起决定性的作用,并由此定义了检测系统的敏感集.通过扰动控制方法验证噪声对振子的驱动作用相当于对初始值的扰动,发现在噪声作用下混沌振子微弱信号检测方法存在误判可能,利用所定义的敏感集对噪声背景中微弱信号的可靠检测进行了分析,为消除误判实现该微弱信号检测方法的应用提供了理论保证.     

基于Lorenz系统的微弱谐和信号检测

基于非共振参数激励混沌抑制原理,利用受控Lorenz系统实现强噪声背景下微弱谐和信号的检测。根据检测系统经平均法和重整化方法处理后的参数等效关系,确定使系统动力学行为由周期轨道突变为稳定平衡点的检测参数临界值。仿真结果表明此系统可以准确检测出强噪声背景下的微弱谐和信号。相比于现有的混沌振子检测方法,此方案可由理论分析得到参数阈值的准确范围,且判决准则简单,有利于实现自动检测。     

基于Duffing系统的谐振式微悬臂梁传感器微弱谐振信号检测

研究了基于Duffing振子系统的微弱信号检测在谐振式微悬臂梁传感器中的应用。根据待测信号频率的不同,通过时间尺度变换建立了任意频率下的Duffing振子数学模型。利用RHR改进算法求解最大Lyapunov指数,并确定系统相变临界阈值,通过监测最大Lyapunov指数符号的变化来检测微弱谐振信号。详细介绍了两种幅值检测算法,通过试验验证了减法算法比加法算法更具优越性,不受大范围幅值的影响。评价了Duffing振子系统在不同噪声水平下检测微弱谐振信号的能力,添加噪声方差0.000 1和0.001后,检测相对误差控制在0.005 2%以内;当添加噪声方差到0.01时,原有Duffing方程模型无法检测到最大Lyapunov指数符号的变化,检测失效。最后,通过改变原有Duffing方程非线性恢复力项系数,在添加噪声方差到0.5时,依然能够通过求取所测信号频率的平均值准确提取微弱谐振信号。     

基于小波熵的微弱信号检测方法研究

在科学技术研究领域中,经常会遇到非平稳、低能量、瞬时变化的微弱信号检测问题,然而,微弱的有用信号往往被环境噪声所湮没,最大程度地提取有用信息一直是弱信号检测中的一个难题。尤其对短时低能量的瞬变信号,采用传统信号处理方法提取其位置信息难以奏效。小波分析的方法为弱信号检测技术开辟了一条新途径,但小波变换对弱信号进行特征提取的关键在于确定小波系数的阈值。为此,在软阈值基础上引入反映信号能量分布特性的小波熵概念,利用信号在不同分解尺度上具有不同的小波熵,能够自适应地确定高频系数分量的阈值。仿真分析表明,基于小波熵分析的方法能够在强噪声环境中对微弱信号准确定位,实现低能量的瞬变信号有效提取。     

基于Duffing振子和ML的微弱信号幅值估计新方法

基于Du ffing振子和最大似然参量估计方法,提出一种微弱正弦信号幅值估计的新方法。介绍了新方法的原理和具体实现过程。将混有噪声的待测信号送入Du ffing系统,依据大周期工作状态下Du ffing系统具有优良的信噪比改善特性,采用最大似然法估计Du ffing系统的输出信号幅值,进一步由系统输入输出之间的关系确定输入的微弱正弦信号的幅值。通过仿真实验,对该方法和最大似然法直接用于微弱正弦信号幅值估计的结果进行了对比。实验结果表明:该方法明显提高了估计精度。     

混沌、随机共振在信号检测中的应用研究

混沌作为一种复杂的非线性动力学现象,以其独特的行为吸引了工程技术领域的广泛关注,混沌学在工程上具有巨大的应用潜力.混沌在信号检测与处理方面的应用也日渐显露出强大的生命力,这里仅对混沌在信号检测中的应用进行了回顾和总结,并指出目前研究中的关键问题和今后研究的方向.     

混沌背景中微弱谐波信号检测的SVM方法

为了提高混沌背景下的微弱谐波信号检测能力，提出了一种提取混沌背景中微弱谐波信号的支持向量机（support vector machines，SVM）方法。该方法的突出特点是针对小样本或嵌入维数未知的情况，建立混沌噪声的一步预测模型，抑制噪声对混沌背景信号预测的影响，起到预滤波作用，然后从预测误差中提取微弱谐波信号。实验结果表明，该方法具有比传统RBF神经网络预测方法更强的稳健性和泛化性，在信噪比（SNR）为-47．931dB时仍可检测出强混沌中的微弱谐波信号。