基于双稳类随机共振的信息检测

研究了小参数随机共振(SR)的响应幅值与信号频率和噪声强度的关系,并从噪声频谱的罗伦兹(Lorentz) 分布特性推出,只有在噪声能量集中的低频区域才能产生随机共振的论点。得出了二次采样大参数类随机共振的实现条件,即采样频率至少是信号频率的50倍并根据噪声强度选择二次采样频率。在大参数情况下,由双稳系统输入输出信噪比的分析,阐明了大参数类随机共振方法从强噪声中检测出弱信号的可行性。运用周期和非周期弱信号的检测实例,进一步证明了该方法的有效性和实用性。     

周期脉冲序列在阈值系统中随机共振的研究

将混有加性高斯白噪声的周期脉冲序列通过阈值系统,对其传输性质进行理论研究.以输入-输出的信号幅度和信噪比增益来分析随机共振现象,通过调节各相关参数使系统、信号和噪声因协同作用而产生随机共振现象:在某一最优噪声强度下获得最大的信号幅度及信噪比的增益.     

乘性色噪声和加性双值噪声作用下延迟双稳系统中的随机共振

研究了在乘性和加性色噪声以及加性非对称双值噪声作用下方波信号驱动的延迟双稳系统中的随机共振现象。基于小延迟近似,在绝热近似条件下推导出了系统输出信噪比(Signal-to-Noise Ratio, SNR)的解析形式。分析结果表明,随着双值噪声强度与非对称性参数、方波信号幅度以及乘性和加性色噪声强度的变化,SNR表现出了随机共振行为。随着延迟时间、色噪声相关时间和系统参数的增大,SNR作非单调变化。     

周期脉冲信号在阈值系统中随机共振特性研究

研究含有高斯白噪声的周期脉冲信号,通过阈值系统后的随机共振特性。在一定条件下因系统、信号、噪声的协同作用而产生随机共振现象,在某一最优噪声强度下获得最大的信号幅度放大及信噪比增益。讨论了仿真实验中一些有益的发现和可能的应用。     

基于三稳态随机共振的BPSK信号检测算法

基于高斯白噪声下BPSK信号接收误码率较高的问题,提出了一种基于三稳态随机共振系统来降低BPSK信号误码率的方法。首先,基于随机共振的BPSK通信系模型,推导了系统的输出信噪比及信噪比增益的表达式。其次,以信噪比增益为衡量指标,探究了系统参数a、b、c和噪声强度D对共振输出的影响。研究表明,随着噪声强度的增加,输出信噪比呈现单峰结构;信噪比增益始终大于1,峰值随着系统参数b的增大而逐渐增大,但随着系统参数a和c的增大而减小。最后,在强噪声背景下,对BPSK信号的传统接收方案和所提方法的误码率进行仿真对比分析,结果证实信号在经过随机共振系统后,时域图像更为清晰,毛刺明显减少,频谱幅值是传统方法的4.613倍。     

用于微弱信号检测的随机共振系统设计

 随机共振(SR)作为一种能够利用噪声来提高系统输出信噪比的工具,近来得到越来越多的关注和研究.一个很大的问题是如何设计一个简单高效的SR系统.针对常见的微弱信号检测问题,我们分析了二值量化器和二值量化器阵列,推导出最优二值量化检测器和渐近最优阵列SR检测器,给出渐近最优阵列SR检测器的设计准则.根据理论分析结果,给出了鲁棒阵列SR检测器及基于噪声样本集合的参数选择算法,能够在未知背景噪声情形中获得较好的检测性能.     

基于级联随机共振与APSO算法相结合的信号检测方法

针对随机共振方法以系统的参数和噪声强度的匹配为研究背景的局限性,为解决级联双稳系统参数的合理选取的问题及克服自适应随机共振单参数优化的不足之处,提出了一种基于级联随机共振与自适应粒子群(APSO)算法相结合的方法。该方法以系统的输出信噪比为优化目标函数,采用自适应粒子群算法较强的全局搜索能力和粒子(待优化参数)的多样性,对级联双稳态随机共振的级联系统参数进行同步优化,使系统处于最佳随机共振工作状态。仿真结果表明,该方法可以提高输出信噪比及算法的收敛速度,实现良好的检测效果。     

基于随机共振的微弱信号检测

介绍随机共振(SR)方法的基本思想,并建立数学模型。随机共振系统是非线性双稳态系统,存在某一最佳输入噪声强度,使系统产生最高信噪比输出,达到抑制噪声,放大微弱信号的目的。针对传统系统随机共振只适用于极低频信号的局限,本文引入尺度变换,消除了对待检信号频率的限制,通过Matlab仿真,验证了其对微弱信号检测的有效性。     

随机共振在生命信号检测中的应用

针对生命探测雷达的信号处理部分对于强噪声背景下微弱生命信号探测不能满足在线实时性的需要,提出了一种新的综合运用传统自相关检测和随机共振模型的微弱生命信号检测新方法。该方法前期首先利用自相关检测方法初步去噪,再利用双层级联形式的随机共振方法提取微弱信号,在每一层随机共振处理中采用频域压缩的思路使信号满足绝热小参数条件。仿真分析表明,该方法使得微弱生命信号检测的门限值得到极大的提高。     

电报噪声作用下线性系统的随机共振

研究了当系统的阻尼率、固有频率和激励信号受色电报作用时,二阶过阻尼线性系统中的随机共振现象。通过线性系统理论和相关删去法,得到了系统平均输出幅度增益的精确表达式。系统平均输出幅度增益是电报噪声的强度、相关率、系统的阻尼率、固有频率以及激励信号的频率的非单调函数;适当的噪声参数和系统参数可以使有噪声情况下的输出幅度增益大于无噪声时的输出幅度增益;通过改变噪声参数和系统参数可以提高系统的输出幅值增益。此方法适用于电报噪声环境中线性系统的微弱信号检测。     

低信噪比条件下基于随机共振的感知方法与性能分析

针对认知网络实际环境中常呈现出噪声高动态变化、低信噪比特征,无法快速准确进行频谱感知的问题,本文将物理学非线性领域中的随机共振理论引入到频谱感知中,提出了一种基于广义随机共振的能量检测算法.该算法引入匹配噪声,通过匹配非线性系统、噪声和信号三者的关系,从而改变能量检测统计量的分布,有效地检测信号的存在性.本文从理论上推导了最佳匹配噪声的表达式,并得到了检测性能、受噪声不确定度的影响、感知时间等方面的重要理论结论.仿真结果验证了理论推导的正确性,表明所提算法能够在信噪比为-20dB等低信噪比条件下较现有能量检测算法提高3dB以上,且具有感知速度快、受噪声不确定度影响小等特点.     

Multi-frequency weak signal detection based on multi-segment cascaded stochastic resonance for rolling bearings

For rotating machinery, vibration signals excited by its faulty components provide rich condition information for its fault diagnosis and condition-based maintenance. However, strong noise severely influences the accurate detection of incipient faults. Thanks to the ability of enhancing weak input and suppressing the noise, the stochastic resonance (SR) has been applied to weak signal detection in some fields, and the improvement on its performance are still being concerned, especially in the mechanical engineering. For multi-frequency weak signals, this paper proposes an improved mechanism for the SR, called multi-segment cascaded stochastic resonance (MS-CSR). In this method, the input signal obtains segment enhancement by using some bistable SR models, and series connection of such a unit compose an improved cascaded SR (CSR) system, which can not only gradually enhance the weak signals of interest, but also pay more attention on the signal with relatively small amplitude at the initial. A modified measurement index, named alliance signal-to-noise ratio (ASNR) is defined to evaluate the detection performance of the proposed SR method, as well as the parameter selection for the MS-CSR system. In this index, a weight factor is introduced to influence the assignment of noise energy in the SR, so that the relatively weak signal in the multi-frequency input signal can obtain a high priority to make the resonance phenomenon happen and avoid the misdiagnosis. A simulated signal and an experimental vibration signal collected from a faulty bearing are used to verify the effectiveness of the proposed MS-CSR method. The results demonstrate that the MS-CSR is a useful tool for detecting weak signals with multiple characteristic frequencies.     

指数形式关联噪声驱动下单模激光线性模型的随机共振

研究了具有指数形式关联的两白噪声驱动下单模激光线性模型受信号调制后的输出信噪比，发现了随机共振现象。根据计算结果讨论了噪声(噪声强度、噪声间互关联程度和关联时间)和信号(信号频率和信号强度)对信噪比的影响。     

阵列双稳随机共振在微弱信号检测中的应用研究

阵列双稳随机共振(stochastic resonance, SR)系统可利用噪声在单个双稳SR系统基础上进一步增强微弱信号检测的能力,为强噪声背景下微弱信号的检测开创了新方法。本文应用阵列双稳SR原理进行微弱信号检测的研究,采用理论和数值仿真相结合,通过稳态自协方差函数,分析了阵列双稳SR系统输出信噪比（signal-to-noise ratio, SNR）增益。在此基础上,分别讨论了阵列噪声、外部噪声及阵列单元数对检测性能的影响。并与单个双稳SR检测弱信号进行性能比较,分析和仿真结果都表明,在相同条件下,采用阵列双稳SR比采用单个双稳SR检测微弱信号性能有较大改善。这些研究结果对于阵列双稳SR的进一步发展及应用具有重要意义。      

Levy噪声驱动下指数型单稳系统的随机共振特性分析

该文基于绝对值型和指数型势函数,构建了更一般的指数型单稳势函数,深入研究了Levy噪声驱动的指数型单稳系统,并总结出不同特征指数和不同对称参数下,指数型系统参数l和b,Levy噪声强度系数D对指数系统共振输出的作用规律。研究表明：在不同Levy噪声驱动下,通过调节参数l和b均可诱导随机共振(SR),且当b(或l)的取值越大时,产生较好随机共振效果l(或b)的区间越大,从而改善传统SR系统由于参数选择不当造成随机共振效果不佳的问题。此外,通过调节噪声强度系数D也能产生随机共振,且较好随机共振区间不随或变化;最后将指数型单稳系统应用于轴承故障检测,效果明显优于传统双稳系统。     

弱信号检测领域中随机共振的理论及应用研究

随机共振(SR)是指在一定的非线性条件下,由弱周期信号和噪声(随机干扰)合作而导致的系统强周期输出的现象.介绍了随机共振的起源和绝热近似理论、本征值理论、非周期理论、自适应理论等随机共振理论;提出了实验研究中常用的测度方法及指标,并介绍了近年来国内外各个领域利用随机共振检测弱信号的应用研究实例.最后对随机共振的研究进展做了概括分析.     

基于随机共振电路模拟的微弱周期信号检测

采用电路模拟非线性Duffing振子，利用其随机共振机制来检测微弱周期信号。针对随机共振只适用于极低频输入信号的限制，引入一种适当的变量变换可以将高频信号转化成符合随机共振理论要求的低频信号进行处理，增强了该方法在工程应用中的可行性。采用电路模拟方法检测微弱周期信号，不需要象随机共振数值仿真所要求的那样对信号过采样，在满足采样定理的条件下，可以取较小的采样频率，降低了对硬件的要求。实验表明，该方法能有效地从强背景噪声中检测出微弱周期信号，在机械系统故障早期检测、化学谱信号提取、多传感器测量等领域有实际应用价值。     

Motion detection and stochastic resonance in noisy environments

Several motion detection schemes are considered and their responses to noisy signals investigated. The schemes include the Reichardt correlation detector, shunting inhibition and the Horridge template model. These schemes are directionally selective and independent of the direction of change in contrast. They function by using spatial information and comparing it at successive time intervals. A rudimentary noise analysis is performed on the Reichardt and inhibition detectors to compare their natural robustness against noise. Using these detectors, stochastic resonance (SR) is applied, which is characterised by an improvement in response when noise is added to the input signal. It is found that the performance of the detectors degrades with the addition of noise. Employing Stocks' suprathreshold SR, an improvement can be gained when considering a network of detectors. Furthermore, when using an incorrect threshold setting for the template model, SR can be displayed.