基于有效K均值有效极限学习机的混沌海杂波背景中微弱信号检测

为了在复杂混沌噪声背景中快速准确提取有用信号,提出基于复杂非线性系统相空间重构理论,采用改进极限学习机(ELM)预测单步误差检测微弱信号的方法。采用改进K均值聚类算法选择最优族作训练集,改进极限学习机选择权值和偏置的方法进一步提高检测的精度和速度,采用Lorenz系统建立了混沌噪声序列的一步预测模型,从预测误差中检测湮没在混沌噪声中的微弱目标信号(包括周期信号和瞬态信号),然后使用加拿大Mc Master大学IPIX雷达数据,在海杂波噪声中提取漂浮物信号作为实验研究。结果表明该方法能够有效检测混沌背景噪声中极微弱信号,同时抑制噪声对混沌背景信号的影响,与径向基函数(RBF)神经网络等传统算法相比,预测精度提升了25%,检测门限提高了-5 dB,同时训练用时减少77.1 s,在实际应用中具有更明显优势。     

基于三维曲波变换的弱信号恢复方法研究

传统的弱信号恢复方法在强噪声背景下具有较大的局限性,有用的信息往往淹没在强噪声背景下不易被识别。针对这个难点,提出一种基于三维曲波变换的弱信号恢复的方法。该方法将三维曲波变换和自适应滤波器相融合,从而提高数据中弱信号的能量,使得弱信号更易于被恢复。为了验证该方法的有效性,对楔形模型与实际三维数据进行处理。实验结果表明,恢复后的数据信噪比提高了2 dB到3 dB,频带也被拓宽了150 Hz,弱信号得到较好的恢复。     

互相关与阻尼比扰动混沌系统结合的检测方法

文章基于互相关检测方法和阻尼比扰动Duffing振子检测系统的检测原理,提出了互相关与阻尼比扰动Duffing振子检测系统相结合的一种新检测方法。文中利用新检测方法在白、色噪声背景下对方波信号进行检测,仿真结果表明新检测方法的信噪比明显优于单独采用互相关检测方法或阻尼比扰动的混沌检测方法的信噪比,分别为-43.4dB、-42.1dB和-40.5dB。     

弱信号锁相放大CD552-R3电路

锁相放大电路是微弱信号检测的重要方法.基于CD552-R3相敏检波芯片设计了一种锁相放大电路,应用于大背景噪声下微弱信号的检测.采用信号发生器产生的标准信号和染噪信号,对该锁相放大电路进行了鉴幅和鉴相性能测试,并在不同强度噪声下对弱信号进行检测.测试结果表明:研制的锁相放大电路输出线性度高于0.9999,具有良好的鉴幅和鉴相特性,能将信噪比为-36 dB的毫伏级信号提取出来,可用于大背景噪声下微弱信号的检测.     

基于小波阈值处理的弱周期脉冲信号混沌检测

混沌振子检测系统被认为是检测带噪弱信号的有力工具.然而事实证明,上述系统不能保证对噪声充分“免疫”,噪声的随机性对检测结果的有效性会产生严重的甚至破坏性的影响.针对上述问题,引入小波阈值处理技术,给出一种基于小波阈值处理检测混沌振子的新型混合检测系统.理论分析与仿真结果均表明,改进方法使得噪声对检测的干扰大幅降低,对信噪比达-23dB的微弱周期脉冲信号实现了成功检测,同时,显著提升了混沌检测的稳定性和可靠性.     

基于贝叶斯预测密度的弱匹配追踪频谱检测

针对在低信噪比、观测点数较少情况下稀疏度的欠估计问题,提出了一种基于贝叶斯预测密度的弱匹配追踪频谱检测算法.该算法利用贝叶斯预测密度理论推导出罚函数,然后引入弱匹配策略于CoSaMP算法,提高频谱支撑集估计性能,且减弱受稀疏度估计准确度的影响.仿真结果表明,当信噪比高于3 dB时,利用400个观测样本该算法就能获得90％以上的频谱检测概率,宽带频谱感知性能优于已有算法.     

基于线性预测的综合基音检测法

由于传统基音检测方法在信噪比较低时对弱浊音和清浊音过渡帧的检测效果较差,提出了一种综合的基音检测法.该方法利用线性预测分析和低通滤波器对含噪语音进行预处理,再采用改进的平均幅度差函数加权自相关函数的方法对浊音帧进行基音检测,对于清浊音过渡帧,则利用小波变换进行基音检测.实验结果表明,该法提高了检测精度,即使信噪比降至-5dB,仍能较准确地检测大部分弱浊音和清浊音过渡帧的基音周期,准确性和鲁棒性较好.     

基于小波包变换的弱信号检测

在通信、医学成像和雷达信号处理等领域中常常面临着强噪声背景中弱信号检测的问题。文中分析了小波包变换的良好时频分析特性,根据信号与噪声具有不同的Lipschitz指数,通过引入子频带∞-范数,对信号和噪声进行频谱分析,将最佳子空间的熵值及最佳子空间在完整二叉树中的位置参数作为特征量,并应用浮动阈值去噪方法,解决了低信噪比情况下的弱信号检测。最后,通过计算机的数值计算,模拟了浮动阈值去噪法基于小波包变换和小波变换的强噪声背景下的弱信号检测,从仿真的波形图中得出在低信噪比情况下的弱信号检测方面小波包变换优于小波变换。     

基于最小二乘支持向量机的混沌背景弱信号检测

将最小二乘支持向量机算法应用于混沌时间序列预测中,提出了一种基于最小二乘支持向量机的混沌背景弱信号检测算法。最小二乘支持向量机的训练过程遵循结构风险最小化原则,解决了传统机器学习的模型选择与过学习问题、局部极小问题等。仿真结果表明,本文算法在信混比达到-70 dB时,仍能检测混沌背景中微弱信号。     

强噪声下的微弱信号检测技术

"微弱信号"主要指那些被噪声淹没的信号,"弱"是相对于噪声而言的。弱信号在强噪声背景下的检测一直是工程应用中的一个难题。在强噪声背景下,提高信噪比,检测有用的微弱信号是微弱信号检测的首要任务,满足了现代科学研究技术的需要,因此研究微弱信号的检测技术具有重要意义。本文对强噪声下的微弱信号检测技术进行分析,以期为相关研究人员提供参考意见。     

基于径向基函数神经网络的混沌干扰信号检测

为提高强混沌背景下谐波信号的检测能力,提高系统的信噪比,提出了一种在混沌背景噪声中提取正弦信号的RBF神经网络方法。依据混沌吸引子固有的几何特性和混沌系统轨迹点在流形中的演化规律,建立混沌系统的RBF神经网络单步预测模型,改进了网络的学习算法,利用RBF神经网络对输入扰动的敏感,预测出误差信号。分析了在低信噪比下的检测性能。通过对Lorenz流和实际舰船辐射噪声信号中的信号检测进行计算机仿真实验,验证了算法的有效性和可行性,并且实验表明信噪比最低达-40dB时,仍能有效检测出信号。     

一种差分进化算法优化小波神经网络及其在弱信号检测中的应用

在混沌理论和相空间重构技术的基础上,提出了一种基于小生境自适应差分进化小波神经网络(NADE-WNN)的混沌背景下弱信号检测方法。该方法采用小生境自适应差分进化算法同时优化小波神经网络的结构和参数,简化网络结构,提高网络的学习精度和收敛速度。实验结果表明,与传统的RBF神经网络和小波神经网络预测混沌时间序列的性能相比,该算法优化的小波神经网络具有更高的预测精度和收敛速度,能够较好地检测出混沌背景下的弱信号。     

基于Chua电路混沌同步在弱信号检测中的应用研究

文章分析了基于混沌检测弱信号的原理,针对目前利用混沌检测弱信号中存在的两个关键问题,构造出一种利用基于Chua电路混沌同步检测弱信号的系统,利用此系统解决了混沌检测弱信号中存在的问题,实验证明了此方案的可行性,为混沌同步在弱信号检测的实际应用奠定了基础。     

小波去噪和混沌理论应用于输电线缺陷检测

为了解决在利用电磁超声检测高压输电线路缺陷时,回波信号微弱且易被强大的电磁噪声覆盖而难以提取的问题。认真研究了Duffing方程和小波理论。将小波去噪技术和混沌理论结合起来,设计了一种新型微弱信号检测系统。利用MATLAB/Simulink对系统进行了仿真。实验结果证明,此系统能有效检测强电磁背景下的超声信号,进一步降低了系统的输出信噪比,提高了检测性能。     

吸引子键波在弱信号检测中的应用研究

分析了Duffing方程的基本形式,阐述了基于混沌信号相平面变化进行弱信号检测的工作原理,分析了蔡氏电路中混沌吸引子的键波及螺旋表示方法,设计了一个基于Chua电路键波同步系统;通过实验给出了混沌键波同步系统在在弱信号检测的应用,解决了目前利用混沌检测弱信号中存在的两个关键问题,为混沌键波同步系统在弱信号中的实际应用奠定了一定的基础。     

随机共振在水声信号检测中的应用

海洋混响是水声信号目标检测中的主要干扰之一,克服混响干扰一直足水声信号处理的一个重要课题.如何在混响背景中有效地进行水声信号目标的检测?为了解决着一问题,引入了随机共振的方法.首先,在随机共振的原理基础上,给出了利用随机共振原理检测微弱周期信号的基本方法,并对方法进行了分析与验证.然后,将方法应用于以模拟混响为背景干扰的水声信号的检测中,仿真结果进行了分析,证明了方法的可行性.     

混沌同步在弱信号检测中的应用研究

分析了Duffing方程的基本形式;阐述了基于混沌信号相平面变化进行弱信号检测的工作原理,针对目前利用混沌检测弱信号中存在的两个关键问题;提出了一种利用混沌同步特性检测弱信号的系统模型,利用此系统解决了混沌检测弱信号中存在的两个问题,实验证明了此方案的可行性,为混沌同步在弱信号检测的实际应用奠定了基础.     

一种新型频率测量方法的研究

研究了一种带摄动的Duffing振子混沌数学模型,详细的分析了其间歇混沌特性.根据Duffing振子对噪声的免疫力,提出了一种新型的频率测量方法,并给出了具体的算法.仿真结果表明,在强噪声背景下,该方法可以准确的测出微弱正弦信号的频率.