基于双稳随机共振的多频弱信号检测

针对利用非线性双稳系统随机共振逐一检测多个频率弱信号存在效率低、无法满足信号实时处理要求的问题,研究了基于随机共振的多频弱信号同时检测方法。首先建立了同时检测多频弱信号的仿真模型,通过调节双稳态随机共振系统参数、噪声强度,将在单个低频弱信号上产生的随机共振效应扩展到多个低频弱信号上,实现了多个低频弱信号的同时检测,分析了检测结果所呈现出的特点、原因。进一步研究了多频弱信号同时检测时不同频率信号之间的最小频带间隔问题。采用参数补偿的方法将其扩展应用到高频弱信号的检测中,实现了多个高频弱信号的检测。仿真结果表明该方法是可行的,能有效提高信号检测的速度及效率。     

Courbage神经元映射模型的随机共振研究

采用神经元二维映射模型,通过数字仿真研究了高斯白噪声对神经元非线性动力学特性的影响.研究发现,噪声可以诱导具有次阈值输入信号的神经元产生动作电位和随机共振.随机共振现象的产生与否和噪声强度的大小以及输入信号的频率具有密切的关系.另外,还研究了系统的控制参数对随机共振现象的影响.     

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。     

FHN神经元小世界网络随机共振下的弱信号增强�

考虑到生物神经系统显著的弱信号感知能力,提出一种基于概率随机重连的神经元动态连接小世界网络.首先为提高计算神经模型工作效率,本文改变了FHN神经元恢复变量和膜电位特征时间默认相等的思路,可灵活调整膜电位势函数的势垒高度以提高状态的跃迁概率;其次将改进后的FHN神经元作为网络节点,引入基于距离连接权重的动态突触的神经元节点互连模式,通过调整外部干扰和网络内部的噪声强度,使系统进入随机共振状态;最后根据FHN神经元输入输出信号之间的互相关系数,对网络各节点输出进行筛选和融合,从而实现弱信号增强还原.对多种形式的输入弱信号进行了实验,结果表明,本方案可以有效实现弱信号的还原和增强,不仅能保持周期信号频谱的一致性,还能使原始弱信号和系统输出信号的互相关系数保持在0.92以上.因此,基于FHN神经元的小世界网络,能够充分利用随机共振特性,为弱信号的增强复原也提供了一种新的思路.     

神经元网络模型的弱信号随机共振检测研究

基于FitzHugh-Nagumo可兴奋细胞耦合后形成的神经元网络模型,对生物神经系统的弱周期信号随机共振检测机制进行研究。以加和网络的双层FHN神经元模型为例,对周期随机共振现象分别进行研究,并应用信噪比、互信息率对比评价方法,结合输出神经元动作电位的发放频率和幅值,从多个角度进行了定量和定性的描述和比较。实验结果表明,双层FHN神经元网络的随机共振响应优于单神经元的FHN模型,且具有更好的稳定性,可以在一定的噪声强度范围内对输入信号进行有效地检测。     

异质性和时滞作用下神经元网络的共振动力学

利用参数互异的Fitzhugh-Nagumo神经元构建了含耦合时滞的无标度神经元网络模型,通过数值模拟的方法,提出研究参数异质性和耦合时滞影响下神经元网络的共振动力学.结果发现,当耦合项中不含时滞时,适中的参数异质性能够使得神经元网络对外界弱周期信号的响应达到最优,即适中的参数异质性能够诱导神经元网络的共振响应,而且异质性诱导共振对耦合强度具有鲁棒性.更重要的是,耦合时滞对参数异质性作用下神经元网络的共振特性也有着显著性影响.当时滞约为信号周期的整数倍时,神经元网络能够周期性地出现共振现象,即适当的耦合时滞能够诱导神经元网络的多重共振,而且这种现象在异质性参数的适当范围内都能明显出现.     

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。     

基于小波变换和混沌理论的复杂系统状态预测方法研究

应用小波变换和混沌理论对复杂系统状态预测方法进行了研究．首先，应用小波变换对系统的特征参数序列进行分解，得到低频部分和高频部分．然后，对低频部分和高频部分做进一步分析，以确认低频部分和高频部分都存在混沌特性．再应用混沌理论分别建立低频部分和高频部分的预测模型，对低频部分和高频部分进行预测．最后，应用小波理论对混沌模型预测的结果予以重构，实现对系统特征参数序列的预测．实例研究表明，此方法具有较高的预测精度，可有效地应用于复杂系统的状态预测和故障趋势预测分析．     

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。     

电容耦合电路对变压器的脉冲频率响应研究

针对电力变压器绕组机械故障在线监测问题，提出了一种在线脉冲频率响应分析(IFRA)对变压器运行进行诊断的方法。建立了电容耦合电路和变压器绕组的等效电气模型，研究了电容耦合电路的频率响应对在线脉冲频率响应的影响。模拟了电容耦合变化和套管介质击穿引起的电容耦合电路参数变化，并研究了它们对在线脉冲频率响应信号的影响。实验结果表明：在低频段内，在线IFRA信号与绕组信号的趋势相反；在中高频段内，在线IFRA信号与绕组信号的趋势存在恒定的差异，且两个信号的共振和反共振位置相同。     

微振动语音信号检测的干扰背景分析研究

将小波变换和非线性动力学研究方法相结合,分析研究了在微振动语音信号检测中两类干扰背景的特性及其对检测结果的影响,讨论了两类情况下的解决方法。先通过小波分解得到原始时间序列的低频和高频部分,再分别对其进行处理。结果表明,对随机噪音干扰信号而言,可以通过放大低频、抑制高频来增强微弱信号;而对于强混沌干扰背景信号,混杂信号低频部分和干扰背景的奇异吸引子最相似,因此需要通过抑制低频、放大高频来增强微弱信号。最后通过Matlab音频仿真证明了该结论。     

基于FPGA的高精度频率计

为了满足硬件工程师对高精度和高带宽测频仪器的需求,设计一种基于FPGA的高精度频率计。频率计包括外围的电压跟随电路和串口通信电路以及FPGA上的分频器模块、频率计量模块和串口通信模块,并使用Altera公司的Cyclone Ⅳ芯片作为控制核心。首先待测信号经过电压跟随器的稳压和隔离,然后将稳压信号接入分频器模块,分频器模块会把频率信号以1 kHz为界限分为低频和高频信号,并对低频信号和高频信号分别采用周期测频法和脉冲计数法测频。测量的频率数据可实时通过串口上传至上位机。经过测试,频率计能够实现1 Hz的精度、200 MHz的测频带宽以及多通道检测。     

A novel intelligent denoising method of ecg signals based on wavelet adaptive threshold and mathematical morphology

Due to high-frequency noise and low-frequency noise in ECG signals will interfere with the accurate diagnosis of cardiovascular diseases. With the intrinsic mode function (IMF), which is the main component indicators of high-frequency noise and low-frequency noise, this paper proposes an intelligent denoising method of ECG signals based on wavelet adaptive threshold and mathematical morphology. Firstly, this method performs Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (CEEMDAN) for signals containing noise, and adopts zero-crossing rate to identify IMFs containing high-frequency noise and low-frequency noise. Secondly, according to the discreteness and randomness of IMF containing high-frequency noise, a wavelet adaptive threshold mathematical model is constructed. In this model, with the signal-to-noise ratio (SNR) improvement as the threshold adjustment parameter, the wavelet threshold is modified by niche genetic algorithm, and the optimal solution is obtained after removing high-frequency noise by wavelet decomposition and reconstruction. The waveform of IMF containing low-frequency noise changes slowly and its amplitude is large and it is difficult to remove low-frequency noise. Therefore, mathematical morphology is used to remove low-frequency noise. Finally, the intelligent denoising method of ECG signals is designed by superimposing denoised IMFs. MIT-BIH experiments show that in the process of removing high-frequency noise and low-frequency noise, compared with other denoising methods, the percent root mean square difference (PRD) and SNR improvement of the method proposed in this paper are improved, and the denoising effect is significant, which can provide expert knowledge and decision-making guidance for related application fields.

     

自适应对偶树复小波－Curvelet变换的遥感图像融合

Curvelet变换克服了小波变换在处理高维信号时的不足,比小波变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能。因此将Curvelet变换应用于图像融合领域,能更好地提取图像边缘特征,为融合提取更多的特征信息。利用对偶树复小波-Curvelett变换的多尺度和多方向性特征以及自适应融合规则在选取融合系数上的优势,提出了一种基于对偶树复小波-Curvelet变换的自适应遥感图像融合新算法。算法是将全色图像和多光谱图像进行对偶树复小波-Curvelet变换分解后,针对不同的频率域特点选择不同的融合规则,对低频系数选取区域能量的加权系数自适应融合规则,对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像。将其他的融合算法和所提算法进行主观和客观的对比,结果表明,基于对偶树复小波-Curvelet变换区域特征自适应的图像融合算法是一种有效可行的图像融合算法。     

基于小波包变换的电力谐波检测研究

提出了一种基于小波包变换的电力谐波检测方法。该方法采用小波包变换对电流信号进行分解,即将该电流信号分解成低频部分与高频部分,然后分别对低频部分及高频部分进行小波包分解,重构后得到该电流信号的基波分量,从原始电流信号中减去基波分量,从而得到该电流信号的谐波分量。仿真结果表明,该方法能够很好地检测出电流信号中的谐波分量,并且能对指定频率的谐波进行检测。     

基于Daubechies 小波的图像边缘检测技术

利用Daubechies 正交小波变换的性质,通过Mallat 多尺度分析方法对图 像进行小波变换,把图像分解成低频轮廓,水平高频、垂直高频和斜线高频四个部分。针对 图像边缘主要集中在高频部分,该文先保持小波变换后的高频小波系数,同时对低频小波系 数进行再次小波变换,提取出次高频信号的边缘信息。最后对保留下来的高频小波系数和次 高频小波系数进行逆变换获取最大边缘信息。     

基于脉冲耦合神经网络的异源图像融合方法

针对基于主成分分析与二代小波变换的图像融合算法中鲁棒性不高、融合图像质量较低的问题,提出了基于鲁棒性主成分分析与脉冲耦合神经网络的融合方法.所提出的算法将可见光与红外图像进行二代小波变换,转换为高频与低频信号,接着采用不同的融合策略针对低频和高频信号进行融合.针对低频信号,利用鲁棒性主成分分析法还原低秩矩阵并采用加权平均的融合策略进行融合;针对高频信号,将其送入至脉冲神耦合神经网络中进行融合得到融合后的小波系数.将融合后的小波系数进行逆变换,得到最终融合图像.实验结果表明,相比于基于主成分分析与二代小波变换的图像融合算法,利用所提出的出算法得到的融合图像中熵指标、空间频率指标、结构相似度指标和峰值信噪比指标均得到了不同程度的提升.因此,所提出的算法能够更好地提取目标信息,使融合图像中目标的轮廓边缘更加清晰,同时将提升小波分解出的高频信息利用PCNN进行融合,更加突出细节信息.     

脉搏波信号预处理方法研究

为克服脉搏波信号采集时受到的高频噪声干扰和低频噪声干扰,脉搏波信号的预处理成为心脉信号处理中的关键环节。使用零相位滤波法处理脉搏波信号,改善传统数字滤波器直接滤波的输出失真问题;通过建立评价参数,对去除高频噪声的数字滤波器和小波阈值滤波器的滤波效果进行评价,获得最佳滤波方法;对比常用去基线漂移方法在处理脉搏波信号时的特点,获得最佳去基线漂移算法。使用新研发的脉搏波采集手环采集多名受试者的脉搏波原始信息,将采集到的信号按上述方法去噪和去基线漂移后,实现脉搏波信号的预处理过程。实验结果表明,采用sym4小波基、固定阈值、软阈值函数等小波阈值去噪方法去除高频噪声并使用三次样条插值拟合曲线去除基线漂移后,所获得的脉搏波信号平滑无毛刺,每个周期起始点和终点都在同一水平基线上,满足后续脉搏波信号的医学分析和疾病诊断需要。     

便携式车辆加速度信号采集系统设计

开发出一种便携式车辆加速度信号采集系统。以嵌入式E-Box为主控单元,以MEMS三轴加速度传感器为传感单元,自主开发信号调理电路板和基于LabVIEW的上位机软件。该系统可实现车辆低频运动加速度和高频振动加速度信号的快速采集、调理、记录和显示。系统小巧便携,可大量采集数据。实验表明:该系统稳定可靠,能准确监测车辆加速度状态。