基于参数补偿的高频信号随机共振系统设计

工业生产环节和科学研究领域中有很多待测高频信号需要检测，研究采用随机共振方法是实现高频信号检测的有效途径之一。本文将参数补偿算法和随机共振理论相结合，克服了传统随机共振仅能检测低频信号的限制，实现了高频信号的随机共振检测。首先介绍了随机共振理论和参数补偿算法的原理，设计了基于参数补偿的高频信号随机共振系统，最后通过MATLAB仿真平台验证了系统的有效性。本文所得结论拓宽了随机共振理论的实际应用范围。     

阵列调制随机共振在微弱信号特征提取方面的应用

论述了阵列调制随机共振方法在强噪声背景下多频微弱信号特征提取中的工作原理和实现步骤;采用预先设定系统参数的多个并联非耦合随机共振单元形成阵列,将被测强噪声背景下的多频微弱信号分别与不同频率的载波进行调制,生成多个差频均为0.01Hz的信号作为各对应随机共振单元的激励信号,采用龙格-库塔算法求取各单元输出并进行频谱分析,根据0.01Hz处的信噪比判断在微弱信号中是否存在载波频率与差频值之和大小的频率分量,最后综合各个随机共振单元的检测结果生成微弱信号的频率特征向量;仿真结果表明,阵列调制随机共振在微弱信号特征提取方面效果明显,具有很好的应用前景。     

二维映射神经元模型中的振动共振

在二维映射神经元模型中,同时施加高、低两种不同频率的刺激信号,以高频信号为调制信号,研究其对系统动力学特性的影响.仿真结果表明,通过调节高频信号的幅值为某一合适值,可以使得神经元膜电位对弱低频信号的线性响应达到最优,产生振动共振现象, 从而证实了高频刺激信号能够帮助神经元探测和传导弱低频信号.另外,还研究了模型和信号参数对系统共振特性的影响.     

调频随机共振实现大参数信号检测

针对传统随机共振只适用于检测低频信号的约束,提出用被测信号和背景噪声调制频率的方法,实现在大参数情况下从强噪声中检测微弱信号.分析了调频信号的频谱,理论分析和数值仿真表明:此方法能降低噪声的有效强度,调频信号中含有的低频分量能产生明显的随机共振.     

调参随机共振在超高频微弱信号检测中的应用

针对经典随机共振（SR）理论只适用于小参数,在提取高频微弱信号失效而无法使用的问题,提出一种调参随机共振检测高频率微弱信号的方法。首先,推导出双稳系统中阻尼系数与信号频率的关系,并以Kramers逃逸速率为分析手段,讨论阻尼系数变化对系统发生随机共振的影响;然后,分析了系统形状参数对系统产生随机共振现象的影响,通过联合调整阻尼系数和系统参数实现了大频率微弱信号的检测,并讨论了不同采样频率与调参系统输出频谱特性的影响,验证了该方法在低采样率下仍具有较强的稳定性;最后,以通用软件无线电设备（USRP）接收的无线电带噪信号作为系统的输入进行仿真。实验结果表明,利用该调参随机共振策略能够稳定有效地检测出强噪声背景下的超高频微弱信号,信号频率可达到MHz、GHz,拓展了随机共振原理的微弱信号检测的应用领域。     

基于双调制随机共振的涡街信号检测方法

研究一种用于涡街流量计涡街频率测量的随机共振信号处理方法.探讨了信号与双稳系统的阈值和克莱默斯逃逸率之间的关系,通过外加幅值和频率可调的信号进行双重调制,实现信号与双稳系统的匹配,数值仿真表明该匹配方式是可行和有效的.针对涡街信号,提出基于标准差的调制参数选取方法,该方法利用涡街信号特征,通过信号标准差估计管道内流速,缩小了调制参数的选取范围,提高了信号与双稳系统匹配的效率.实验结果表明,利用标准差选取调制参数对涡街信号进行调制,可以有效地使涡街信号,特别是弱涡街信号产生随机共振,进而检测到涡街频率,实现流量测量.     

基于随机共振的超低频信号仿真和电路方案

以往的研究证实:满足绝热近似理论条件的小参数微弱信号利用随机共振系统的特性可以实现混频信号中噪声能量向微弱信号能量的同周期跃迁,显著增强输出的信噪比。实验直接选用满足绝热近似理论的超低频微弱信号,从而实现基于随机共振原理的微弱信号检测。利用Simulink软件仿真的实验结果表明:基于随机共振系统能够实现从噪声背景中检测出超低频微弱周期信号。     

基于伪哈密顿量的变尺度Duffing振子弱信号检测

针对强噪声背景中微弱工程信号检测问题,在传统检测方法基础上,提出了基于伪哈密顿量的变尺度Duffing振子弱信号检测方法。待测高频工程信号经尺度变换为固定低频信号,从而唯一确定了相变阈值,并克服了传统方法中低频参数信号的限制。搭建自相关和小波阈值变换联合去噪系统,避免了噪声对检测结果的不利影响。构造Duffing系统伪哈密顿量实时地表征系统动力学行为,解决了定量判断系统状态时计算量大、效率低的难题。仿真测试表明,该检测方法可以快速检测任意频率、任意相位的低信噪比周期信号,改善了湮没在强噪声下的微弱信号检测技术。     

基于多尺度随机共振变换的微弱信号检测

针对在高噪声背景下微弱信号的检测,以绝热近似小参数的随机共振理论为依据,根据随机共振的噪声选择性和频率敏感特性,提出了基于多尺度随机共振变换的微弱信号检测方法.将含噪输入信号经小波变换分解为不同尺度频率的信号成分后,通过引入归一化变换来调节各尺度信号成分的大小,再将不同尺度的分解信号作为非线性双稳系统的输入,从而实现大参数条件下微弱信号的检测.数值仿真结果表明:该方法可以从高噪声背景下提取微弱信号,并能获得较高的输出信噪比,在信号检测领域具有很好的应用前景.     

强噪声背景下识别高频弱信号的方法研究

从理论上分析了噪声通过双稳系统其能量向低频区域集中的频谱特性,根据绝热近似理论,得出只有在噪声能量集中的低频区域才能产生随机共振主谱峰的结论。本文利用计算机仿真,基于Runge-Kutta算法,分析了绝热近似随机共振(SR)技术从强噪声中识别高频弱信号的新方法。     

双稳随机共振系统信号调制噪声效应用于弱信号检测

通过对双稳系统随机共振模型的数值分析，得出在双稳系统输出信号中，有一个正弦信号成分和一个表现为维纳过程的噪声成分分别与输入的正弦信号和白噪声相对应。通过选择合适的系统参数，可以减小系统输出中信号和噪声之间的耦合效应。该系统可以大大抑制噪声，并在双稳系统中产生信号调制噪声效应。然后对双稳系统的输出信号作功率谱分析。不但可以辨识出淹没在白噪声中的微弱正弦信号的频率，还可以较精确地估算出微弱正弦信号的幅值。数值仿真表明，双稳系统的信号调制噪声效应可用于多个微弱正弦信号的检测。     

基于特征向量盲分离的多频微弱信号检测方法

研究了低信噪比条件下混合信号的盲分离,针对实际探测的微弱信号常常是多个频率微弱信号共存的情形, 进行了利用特征向量盲分离检测多个频率周期性微弱信号的研究, 以便把利用特征向量盲分离的微弱信号检测应用于信号处理中微弱信号的提取.该方法首先建立混合信号阵元接收模型,利用多路传感器信号盲分离提取有用信号,达到微弱信号检测的目的.仿真和实测数据试验结果表明,此方法可检测出湮没在强噪声环境中的微弱信号的幅度和频率,在-30dB极低信噪比下恢复出了多个弱信号,具有很高的可靠性.     

级联三稳态随机共振的特性研究及应用

针对强噪声环境下存在的微弱信号检测困难的问题,以级联三稳态随机共振系统为研究对象,利用信噪比增益和特征频率的频谱峰值作为判断指标,对三稳态随机共振的特性进行分析。仿真结果验证了通过调节级联三稳态随机共振系统的相关参数,能够获得比单级三稳态随机共振系统更好的随机共振输出特性。此外,针对弱信号在实际的齿轮故障诊断中难以提取的问题,提出级联三稳态随机共振齿轮故障的诊断方法。结果表明,该方法可以有效提取齿轮故障的微弱特征,进而实现齿轮的早期故障诊断,具有广泛的工程应用前景。     

基于级联随机共振的直接序列扩频信号的捕获方法

在直接序列扩频信号的捕获中,针对低信噪（SNR）比以及大频偏对信号捕获产生影响的问题,提出了一种基于级联随机共振的直接序列扩频信号的捕获方法。首先将输入信号通过部分匹配滤波器进行处理,当本地伪码和输入信号伪码相位对齐时,输出信号仅剩下了残余多普勒频偏;然后将该信号进行级联随机共振,从而提高信号的输入信噪比;最后通过快速傅里叶变换（FFT）谱分析,可以在频谱上得到清晰的谱峰,进而求出多普勒频偏值。通过理论分析和实验仿真可知,在输入信噪比为-26 dB的情况下,所提方法能够提高直接序列扩频信号的捕获灵敏度,并且通过两级级联随机共振系统后输出信噪比提高了15 dB左右;同时与传统捕获算法相比,该方法的正确检测概率提高了4 dB左右。所提方法不但能抑制噪声,而且能将部分噪声能量转换为信号能量,同时能够改善大多普勒频偏的影响,在捕获弱信号方面有着极大的优越性。     

调制随机共振及其在微弱信号检测中的应用

根据非线性双稳系统只能在低频段产生随机共振的特性,提出了调制随机共振方法,实现了在较宽的频率范围内检测微弱信号.理论分析和实验结果表明:经调制产生的低频信号通过双稳系统的协同作用而形成的输出信号,其能量和信噪比都有显著提高,对强噪声中的微弱信号有较强的检测能力.采用该方法可进一步开发双稳系统低频段的信息资源,拓宽其应用领域.     

随机共振原理对微弱信号检测的研究

介绍了随机共振的基本原理,在分析了现有的随机共振检测微弱信号的方法的基础上,提出了一种改进的随机共振检测算法,该方法对微弱信号的提取更加精确,仿真结果证明其可行性。     

Dual-scale cascaded adaptive stochastic resonance for rotary machine health monitoring

Effective extraction of weak signals submerged in strong noise that are indicative of structural defects has remained a major challenge in fault diagnosis for rotary machines. Unlike traditional techniques that focus on noise filtering and reduction, stochastic resonance (SR) takes a noise-assisted approach to detecting weak signals. This paper presents a new adaptive method for weak signal detection, termed Dual-scale Cascaded Adaptive Stochastic Resonance (DuSCASR), which can quantify the frequency content of a weak signal without prior knowledge. Simulations and experiments have confirmed the effectiveness of the method in bearing fault diagnosis at the incipient stage, with high precision and robustness.     

基于随机共振原理检测微弱信号及自适应的研究

阐述随机共振的基本概念和原理,分析基于随机共振原理检测微弱信号的方法。采用Runge-Kutta算法分别对微弱的周期信号和非周期信号进行仿真验证,仿真结果表明基于随机共振原理可以有效地检测出强噪声背景下的微弱信号。     

最佳匹配阵列随机共振系统中利用噪声改善信息传输

针对数字通信系统中噪声影响码元传输的问题,为提高系统的可靠性,降低接收信号的误码率（BER）,提出一种基于最佳匹配方法和并行阵列理论的随机共振（SR）系统。首先,利用并行阵列理论来增强单个双稳态系统的随机共振效果;其次,将最佳匹配随机共振微弱信号的检测方法运用到阵列系统中;最后,推导出最佳匹配阵列随机共振系统的信噪比（SNR）增益表达式,并分析阵列单元数对误码率的影响。理论分析和实验仿真表明,最佳匹配阵列随机共振系统相比单个随机共振系统在强噪声背景下对微弱数字信号的检测性能得到提升,系统输出信噪比增益显著大于1,误码率也得到明显降低;且随着阵列单元数增加,阵列系统的随机共振效果越好。实验结果表明,最佳匹配阵列随机共振系统在实际工程中能够有效提高数字通信系统的可靠性。