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。     

随机共振技术在弱信号检测中的应用

针对淹没在噪声中的弱信号测量,利用随机共振技术进行了信号检测的研究。论文就非线性系统的结构参数和弱信号及噪声之间的关系进行了仿真研究,并对信号经随机共振处理和没有处理进行检测比较。实验证明了随机共振技术在强噪声背景下弱信号检测的优越性。     

不同类型噪声作用下的随机共振

在对随机共振研究中,当系统参数和信号一定时,主要讨论白噪声对共振特性的影响,但是在实际系统中存在的噪声并非理想白噪声。为了更真实的反应实际系统,本文针对双稳系统,分别讨论了限带白噪声、窄带白噪声、高频白噪声、高次谐波作用下的随机共振特性。信号设定的频率为0.01Hz,所加噪声为理想白噪声,其频率范围为0～2.5Hz。仿真结果表明,双稳系统发生随机共振不仅与系统参数、信号幅度、噪声强度有关,而且与噪声的频谱分布有关。本文的结论拓展了随机共振的研究范围,对其应用有一定实际意义。     

工程信号测量中的自适应随机共振应用

论文对随机共振技术运用于强噪声背景下的弱信号检测进行了研究。针对工程测量的实际要求，提出了一种随机共振的自适应算法，并开发了一套面向工程实用的自适应随机共振系统。运用于开关电源的故障信号检测，取得了较好结果。     

随机共振方法在弱信号检测中的应用

针对如何从强噪声背景下提取有用的弱信号问题,利用近年来发展起来的随机共振技术进行了信号检测的研究,发现该方法提取弱信号切实可行.介绍了随机共振的基本原理,提出了随机共振去噪检测弱信号的新方法.并通过仿真研究了系统的随机共振现象,实验证明了随机共振技术在强噪声背景下检测弱信号具有很大的优越性.     

小信号检测中的自适应随机共振技术

论文就双稳态非线性系统的结构参数和弱信号及噪声之间的关系进行了仿真,对随机共振技术运用于强噪声背景下的弱信号检测进行了研究。提出了一种随机共振自适应算法,并运用于中频电源的故障信号检测,取得了较好结果。     

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.     

基于变步长随机共振的弱信号检测技术

弱信号检测是工程建设中常见的问题之一,在过去一直是信息领域的难点。随机共振是一种新型的信号检测技术,但对高频弱信号处理能力仍较差,使用范围也有限。变步长随机共振是一种改进型随机共振理念,在满足绝热近似条件下,调整步长实现共振,以增强微弱信号,突出显现。文章对随机共振、变步长随机共振的理论基础进行概述,而后结合小波转换理论对变步长随机共振进行仿真模拟。     

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.     

基于随机共振的微弱信号检测研究

微弱信号是淹没在噪声中的小信号,且一般其信噪比比较低。微弱信号的检测在物理、电子和生物医学方面都具有重要的意义。依据随机共振理论,噪声在一定的条件下有利于微弱信号的检测。研究了随机共振的原理、双稳态系统中的随机共振现象及随机共振的应用研究现状。     

基于随机共振的微弱信号检测

在强噪声背景下,基于WV和Hough变换的正弦和线性调频信号检测方法的性能严重下降,为克服这种不足,该文在深入分析FHN随机共振系统参数对滤波能力影响的基础上,提出一种基于随机共振系统检测微弱正弦和线性调频信号的方法。首先借助FHN随机共振模型进行滤波,在此基础上进行WV和Hough变换,将信号的检测问题转换为时频图中的直线检测问题。实验证实,该方法具有较好的效果。     

基于变参数随机共振和归一化变换的时变信号检测与恢复

非线性随机共振系统具有利用噪声增强微弱信号的能力,为强噪声背景下的信号检测开辟了新的途径。该文提出一种变参数随机共振(VPSR)模型,实现对非周期信号的有效检测、噪声去除和信号恢复。通过以恢复信号的拟合决定系数和互相关系数作为评判标准,研究分析了不同参数变化对系统输出的影响,分析结果表明该模型能有效地从噪声背景中恢复时变信号。该方法拓展了随机共振用于时变信号检测技术的领域,在时变信号检测和处理以及雷达通讯等方向有着一定的潜在应用价值。     

一种强噪声背景下弱信号检测的非线性方法

该文利用随机共振技术对工程测量中常碰到的弱信号检测进行了计算机仿真,就信噪比的提高、弱信号的检测等进行了研究。并对信号经随机共振系统处理和不经随机共振系统处理进行检测比较。实验结果表明,随机共振技术完全有可能成为信号检测中一个强有力的新工具。     

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。      

基于雷达高度表信号的低空目标检测技术

针对低空目标突袭的威胁,根据低空目标普遍携带雷达高度表的特征,提出了基于雷达高度表信号探测的低空目标检测技术。针对海面飞行环境,根据双基地雷达的原理,对海面雷达散射信号进行了理论计算,从功率角度对低空目标检测可行性进行了分析,并给出了将侦察系统升空探测低空目标所携雷达高度表信号的方法,达到了对低空突防目标预警探测的要求。     

基于约束判决的二次门限检测

该文针对微弱回波信号的检测,在二次门限检测过程中引入约束判决。就约束判决对总虚警概率的改善作用及对总检测概率的影响进行了定量分析,建立了基于约束判决的二次门限检测总虚警概率和总检测概率的数学模型,并对模型的有效性进行了仿真验证。仿真结果表明,将约束判决引入二次门限检测可以保证在总检测概率和总虚警概率满足预定指标的条件下降低对信噪比的要求。     

一种基于数字信道化的弱信号自相关检测技术

低截获概率(LPI)技术在现代雷达中使用越来越广泛,使得侦察接收机面临低信噪比环境下弱小信号的检测问题。为了避免Wigner-Ville分布和小波变换等时频分析算法的复杂运算,将信道化滤波和自相关积累运用于数字侦察接收机中,并采用自适应门限检测技术在硬件平台上验证了该技术的可行性。     

基于小波分析的故障检测技术研究

针对导航系统所存在的软故障及其特性,并结合小波信号分析的特点,提出了基于小波分析的组合导航系统故障检测的方法,采用该方法对含有软故障的组合导航系统信息的量测信号进行处理与分析,从而达到故障检测的目的,将此方法应用于捷联惯性导航系统／全球定位系统（SINS／GPS）组合导航系统的故障检测。对仿真结果的分析表明,该方法可以检测出组合导航系统的所存在的软故障,并且更加简便灵活,效果明显。     

Network Intrusion Detection Using a Stochastic Resonance CFAR Technique

A novel constant false alarm rate (CFAR) intrusion detection method based on stochastic resonance (SR) is proposed in this paper. Using the SR technique improves the spectral power (SP) and the signal-to-noise ratio (SNR) of the network intrusion signal, hence enhancing the detectability of network attacks. The threshold and the detection probability of the proposed SR-CFAR method are derived theoretically. Computer simulations based on standard Defense Advanced Research Projects Agency (DARPA) network intrusion data show that this CFAR method outperforms the linear anomaly intrusion detection methods for various types of intrusions.