基于人工鱼群算法的自适应随机共振方法研究

随机共振为微弱通信信号的检测提供了新途径.本文提出一种基于人工鱼群算法的自适应随机共振新方法,重点研究基于随机共振的微弱周期信号检测技术,将人工鱼群算法和归一化处理结合增强随机共振,适当添加噪声并设定自适应步长策略及迭代停止条件.理论分析和仿真结果表明,对比传统群智能算法处理随机共振其在算法适应性及稳定性、最佳共振精确度、寻优收敛速度、精度方面有明显提升,并为信噪比增益带来3-5dB的提升,运算时间复杂度降低逾70%.     

基于随机共振的微弱OFDM子载波数估计改进算法

针对OFDM信号中实际子载波数的估计问题,以提高检测峰值、降低信噪比门限、增大估计精度为目的,在倒谱法及其小波改进法的基础上,引入随机共振实现了微弱信号的增强,使子载波个数估计性能得到了提升。仿真结果表明,基于随机共振的改进算法稳健性强,可以较大程度地提高系统输出的局部信噪比,最高可达14dB,有效降低估计误差,在较差的高斯白噪声信道下仍然可以准确无误差地估计该参数,信噪比门限可降低约5 dB,为OFDM信号的信息恢复等后续工作打下良好的基础。      

LFMCW信号的周期FRFT域自适应检测与参数估计

针对现有雷达信号检测方法中检测门限较难确定的问题,本文基于周期分数阶Fourier变换(PFRFT)提出了一种LFMCW信号自适应检测与参数估计方法。首先介绍了周期FRFT,分析了周期FRFT的匹配特性和处理增益;然后推导计算了高斯白噪声背景下的LFMCW信号周期FRFT域的概率统计特性,结合Neyman-Pearson准则自适应地确定检测门限,实现了低信噪比下LFMCW信号的快速检测和参数估计。理论分析和实验仿真表明了该方法的有效性。      

基于欠采样随机共振的单频微弱信号检测新方法

由于随机共振具有在特定条件下增强微弱信号信噪比的特性,近年来成为一种全新的微弱信号检测手段。为了克服随机共振绝热近似理论小参数条件的限制,提出一种基于欠采样随机共振的微弱信号检测方法。通过欠采样尺度变换与还原技术,实现了大参数信号的随机共振处理,突破了二次采样变尺度随机共振算法要求采样频率必须大于信号频率的50倍的限制。构建了基于欠采样随机共振的微弱信号检测模型,从理论上证明了方法的可行性。最后利用该方法对信噪比为-27 dB条件下的微弱单频信号检测进行了仿真,结果进一步验证了所提微弱信号检测方案的正确性。所提方法大大降低了信号的采样速率,为将随机共振应用于科斯塔斯(Costas)环的改进奠定了基础。     

基于分段线性随机共振模型的信号检测电路研究

提出了一种新的分段线性随机共振模型,建立了模型的数学关系,通过强噪声背景下微弱周期信号检测的数值仿真,验证了模型的有效性.根据该模型设计了硬件电路,对不同噪声强度背景下微弱周期信号以及无噪声周期信号进行了随机共振实验研究和对比分析,结果表明,该电路可以实现对强噪声背景下的微弱周期信号检测,并能显著增强输出信噪比.     

基于加窗DFT的直扩通信系统窄带干扰抑制研究

针对直扩通信系统中基于门限检测的窄带干扰抑制的关键技术,引入重叠加窗方法,克服了由加窗带来的信号失真。并且提出了一种改进的自适应门限算法——归一化门限干扰检测处理算法。算法是将接收信号的包络经对数放大,归一化处理后得到一种归一化门限,然后将高于门限的谱线幅度抑制到与噪声相近的程度。分析和仿真表明,算法有较强的自适应能力,能有效抑制直扩系统中的窄带干扰。     

低信噪比通信信号的自适应调参随机共振方法

参数调节随机共振系统中参数的选择对输出信号的效果优劣具有决定性作用.本文针对目前随机共振无法通用地处理多类微弱通信信号的问题，提出基于自适应调参随机共振的信号增强方法.首先，从信号的特征子空间角度阐释了随机共振的能量转移本质，提出将基于奇异值分解的测度函数作为评价函数进行寻优.其次，在分析了两个不同系统参数的作用后，利用幅度归一化对单参数优化，降低了复杂度，并将滑动平均滤波器加入随机共振模块来防止幅度漂移.最后，以人工鱼群算法为基础，模块化设计出方法的整体框架和具体步骤.仿真结果表明，针对四类共九种信号，该方法能够以平均4至5次的迭代收敛速度实现带噪声的信号和非线性系统的匹配.     

基于小波包-FHN模型的UWB信号检测

在超宽带冲激无线电信号检测中,针对FHN神经元模型随机共振中检测信噪比受限的问题,研究分析了小波包理论及传统单阈值小波包的缺点,结合新的分段阈值小波包去噪算法,提出一种小波包与FHN神经元模型随机共振联合检测的新方法,并对所提算法的性能进行仿真验证。仿真实验表明,新方法克服了FHN模型的信噪比门限,降低了FHN模型的检测信噪比,改善了FHN模型的检测性能,可有效恢复强噪声背景下的超宽带冲激无线电信号波形。      

一种随机共振联合小波变换的符号速率估计方法

在非合作通信中,很多情况下由于信道恶化,使得接收信号的信噪比偏低,导致无法对符号速率这一重要参数进行准确估计.随机共振能够在一定程度上利用噪声能量,使其转移并增强微弱信号,小波变换则可以有效检测相位和幅度的瞬变,利用二者各自优势,提出了一种将随机共振与小波变换联合进行MPSK（Multiple Phase Shift Keying,多进制数字相位调制）和MQAM（Multiple Quadrature Amplitude Modulation,多进制正交幅度调制）信号符号速率的估计方法.先利用自适应参数调节随机共振为带噪信号匹配最佳系统参数,之后利用Haar小波变换进一步提取突变信息,不仅弥补了单独使用随机共振效果不佳及其作为非线性系统易发散的缺点,还降低了小波最佳尺度难以确定的影响.仿真实验表明,该方法能够在一定程度上提高输出峰值,降低信噪比门限,适合于低信噪比下的符号速率估计.     

PSO算法下GP-周期随机共振的微弱OFDM信号检测

为了解决传统随机共振系统在微弱正交频分复用（Orthogonal Frequency Division Multiplexing, OFDM）信号解调应用中存在的人工选择参数困难、解调效果差的问题,提出一种基于粒子群优化（Particle Swarm Optimization, PWO）算法的GP(Gaussian Potential)-周期随机共振系统的微弱OFDM信号检测方法。该方法利用GP-周期随机系统对OFDM信号经正交变换后的两路高频信号分别进行随机共振,同时运用阻尼参数与信号频率之间的关系对两路信号进行降频处理,使得上下两路信号都能够发生随机共振;然后使用PWO算法对随机共振的系统参数进行优化处理,以使得上下两路信号达到最优的共振效果;最后,将上下两路共振之后的信号合成完成OFDM信号解调,得到最终的数字序列。本文探讨了优化前后GP-周期随机共振系统的共振效果,研究了优化前后GP-周期随机共振诱导下的OFDM系统星座图的聚集程度以及误码率情况,对比分析了经典双稳随机共振、经典三稳随机共振和所提模型对OFDM信号检测的影响。仿真结果表明：相比常用的传统随机共振模型,该方法用于...     

低信噪比下对称三角线性调频信号参数估计

低截获概率雷达的广泛应用导致电子侦察系统截获到的雷达信号大多处于低信噪比环境中。针对目前雷达信号参数估计算法在此环境中性能急剧下降,甚至失效的问题,提出一种基于多相滤波器组和高阶累积量联合处理的对称三角线性调频连续波信号参数估计算法。该算法利用多相滤波器组实现信号在频域上的快速均匀划分,对输出的每个子带信号进行三阶累积量对角切片的短时估计,有效抑制了高斯噪声的干扰,并经过包络检波后得到信号完整的时频矩阵,通过对时频图像进行Radon变换得到信号带宽、周期以及调频斜率的估计,频率曲线的提取得到信号起止频率的估计。仿真结果表明:方法在信噪比大于-12dB时的估计正确率较高。     

Comparative Analysis of ML-PSO DOA Estimation with Conventional Techniques in Varied Multipath Channel Environment

In the field of array signal processing, direction of arrival (DOA) estimation is a prime area of research. DOA estimation and adaptive beamforming (ABF) are the main issues in smart antennas, which dynamically find the direction of desired and interfering users and finds the optimum weights for beamforming. There are numerous spectral and eigen structure algorithms for estimating the direction of narrow band sources. However, in a complex multipath channel environment, received signals from different directions are fully or partially correlated, which prevents the applications of high resolution techniques to estimate the direction of incoming signals. Maximum likelihood (ML) is an efficient technique for DOA estimation in a low signal to noise ratio (SNR) and coherent channel environment. In this paper, we use particle swarm optimization (PSO) for estimating ML solution by optimizing complex non linear multimodal function over a high dimensional space in linear arrays. PSO-ML estimator has been compared with conventional DOA estimation techniques in uncorrelated, partially correlated and coherent channel environment. The performance of PSO-ML estimator and conventional algorithms are analyzed in varying partially correlated channel environment. The simulation results demonstrate that PSO based estimator gives superior statistical performance.     

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。     

基于混沌粒子群的决策树SVM的调制模式识别

针对通信调制识别常用的决策树识别节点过多和支持向量机识别处理多类繁杂的问题,将二者结合起来采用决策树SVM算法,另引入在函数优化、数据挖掘等方面具有突出优势的混沌粒子群算法来对决策树SVM中参数选择进行择优提取。并对2ASK,4ASK,2PSK,4PSK,2FSK,4FSK这些数字调制信号,在信噪比为5%,10%,15%的情况下,进行仿真测试,结果表明有良好的分类效果。     

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。     

二进制移相键控信号信噪比估计研究

通过使用最大似然估计算法,对二相移相键控（2PSK）信号在高斯白噪声条件下的信噪比估计进行了研究,推导出信号功率、噪声功率的估计公式,依据该公式构建了2PSK的信噪比估计仿真模型,并在Matlab中进行了仿真计算,仿真结果表明在数据长度达到2000个左右时,信噪比的估计性能较好。     

随机共振瓦斯微弱信号检测方法研究

为了解决检测煤矿复杂环境中的瓦斯信号时易受周围噪声干扰以至微弱信号被掩埋或产生异常数据的问题,提出一种基于随机共振的微弱瓦斯信号检测方法。采用欠采样原理对大频率信号尺度变换及粒子群算法优化系统结构参量,对大参量微弱信号在随机共振系统中的共振效果进行了理论分析和研究。结果表明,该方法可以以较低的采样频率,自适应地达到较好的共振效果;可有效地滤除噪声并增强系统辨识微弱信号的灵敏度以及信号检测的动态范围。该研究为瓦斯突出信息的早期辨识提供了一定的理论依据。     

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。