基于噪声和混沌振子的微弱信号检测

利用混沌振子来检测淹没在强噪声背景中的微弱信号，详细研究了Duffing振子检测微弱信号的原理和过程。理论分析和仿其实验均表明混沌振子能有效地检测微弱信号。     

基于混沌振子微弱信号检测的改进与比较

为实现强噪声背景下微弱信号的检测,利用混沌系统非平衡相变对系统参数的扰动和对噪声具有免疫力的特点,根据Holmes型的Duffing振子检测系统的检测原理以及Melnikov方法,对Duffing方程的非线性项进行了改进,非线性项取（-x^4＋x^5）。改进后的系统相对原来的检测系统具有更低的信噪比门限,由原来的-92．5dB降到了-111．5dB。数值计算与仿真结果证明了该方法的有效性。     

基于符号序列信息熵混沌特性的微弱信号检测

利用混沌振子系统的初值敏感性和对噪声免疫的特点检测微弱信号,具有高灵敏度和很好的抗噪性能,其检测的关键在于对混沌振子系统所处状态的识别.针对Duffing振子系统在信号检测领域中的应用,提出了一种基于符号序列信息熵混沌特性的微弱信号检测方法.该方法利用时间序列符号化来捕捉Duffing振子系统时域输出的大尺度特征,应用Shannon信息熵定量计算时间序列中蕴藏的确定性和随机性规律,达到自动识别特定微弱信号的目的.给出了该方法的原理和相应检测程序流程图.实验结果表明,利用该方法可以准确快速地检测出微弱信号,为混沌检测研究的实用化提供了一种有效途径.     

微弱信号的差分振子检测方法

在分析了差分振子基本原理的基础上,重点在理论上分析了噪声对差分振子输出相图的影响,推导了相图大小与有效信号幅值之间的线性比例关系,弥补了差分振子不能检测信号幅值的缺点,阐明了系统参数对差分振子检测性能的影响.理论分析、仿真实验及工程实践表明,该方法简单稳健,实时性好,具有良好的抗噪性能,能有效检测强噪声背景下的微弱故障信号,可实现机电设备早期故障的可视化检测.     

混沌振子在微弱信号检测中的可靠性研究

针对混沌振子微弱信号检测的可靠性问题,对一种改进型混沌振子敏感特性进行分析,指出周期策动力幅值位于临界值时,初始值对系统的状态起决定性的作用,并由此定义了检测系统的敏感集.通过扰动控制方法验证噪声对振子的驱动作用相当于对初始值的扰动,发现在噪声作用下混沌振子微弱信号检测方法存在误判可能,利用所定义的敏感集对噪声背景中微弱信号的可靠检测进行了分析,为消除误判实现该微弱信号检测方法的应用提供了理论保证.     

基于Duffing振子检测频率未知微弱信号的新方法

针对现有混沌振子难以检测频率未知微弱信号这一难点,提出利用Duffing振子输出值的方差峰值结合遗传算法检测淹没在强噪声背景中频率未知微弱信号的一种新方法。从分析混沌系统结构参数的阈值入手,讨论了周期策动力的频率、初始相位和噪声对系统运行状态的影响;研究系统输出值方差与系统状态的对应关系,探讨待测信号频率以及与周期策动力之间相位差对状态变量方差和状态转换时间的影响。由此,提出采用具有相位偏移的Duffing振子阵列覆盖全相位,并结合遗传算法,优化求解不同频率输入信号下系统输出值方差的极值,以此得到待测信号频率的方法。该方法解决了现有混沌振子类检测方法必须已知信号频率的限制。实验结果证明了本方法能准确、快速地检测待测信号频率。新方法的状态判定简便、检测精度高、更为灵活、适应性强,为微弱信号的检测提供了新的手段。     

微弱信号的混沌检测系统设计

以混沌系统的参数敏感性和符号动力学为基础，设计了一个微弱信号检测装置，研究了相应的电路实现方法，给出了单元电路分析和实验结果，结果表明利用混沌实现弱信号检测的可行性。     

混沌振子在强噪声背景信号检测中的应用

混沌振子在强噪声背景信号检测中的应用＊王冠宇陶国良陈行林建亚（浙江大学流体传动及控制国家重点实验室杭州３１００２７）０引言噪声干扰是信息科学的一项主要问题。混沌系统对小信号的敏感性以及对噪声的免疫力，使它在信号检测中非常具有潜力。对于一个非线性动力系...     

基于Duffing混沌振子的工程机械曲轴微弱信号检测

混沌振子对微弱信号的检测在实际应用中具有重要价值。针对工程机械曲轴出现裂纹的问题,用混沌振子进行了微弱信号检测,与相关的其它研究进行对比,确定所识别出的单周期微弱振动信号,说明了该裂纹的出现,该项研究可应用于发动机各个部件的隐蔽性故障分析。     

一种基于杜芬振子的微弱信号检测方法

杜芬振子相变对与参考信号频差较小的周期弱信号具有敏感性,对白噪声和参考信号频差较大的周期干扰信号具有免疫力。在此基础上结合Labview和Matlab的接口技术提出了一种能在强噪声环境下检测弱信号的方法,该方法具有很好的信噪比,且在超声波弱信号检测得到了验证,具有良好的检测结果。     

混沌弱信号检测法在超声检测中的验证

Duffing振子相变对与参考信号频差较小的周期小信号具有敏感性，对白噪声和参考信号频差较大的周期干扰信号具有免疫力，将该振子的这种特性应用于检测，称为混沌弱信号检测法。此方法在一些文献中提到，但没有验证过。本文将其应用于超声检测中，并验证了他的正确性。     

基于经验模态分解的混沌噪声背景下弱信号检测与信号提取

基于经验模态分解方法,研究了在强混沌噪声背景下进行弱信号的检测与信号提取。对仿真信号的研究表明:用该方法可以直接提取出微弱的偶然性和周期性冲击时域信号,对弱谐波信号可能不能直接提取,但可以直接提取出其频率特征,这些弱冲击信号和弱谐波信号完全淹没在强的混沌噪声背景信号中,无论从时域上还是频域上基本上都看不出来。对齿轮箱的实际信号的研究也表明:尽管某些故障信号有时极其微弱,EMD方法也能有效地实现这些非线性非平稳信号的分离和提取,从而为机械设备故障诊断提供直观的有效的参考。     

Research and Simulation on Weak Signal Detection Based on Duffing Oscillator and Damping Ratio Perturbation

The chaotic system is sensitive to the initial value,and this property can be applied in the weak signal detection.There are periodic,critical and chaotic states in a chaotic system.When the system is in the critical state,a small perturbation of system parameter may lead to a qualitative change of the system’s state.This paper introduces a new method to detect weak signals by the way of disturbing the damping ratio.The authors choose the duffing equation,using MATLAB to carry on the simulation,to study the changes of the system when the signal to be measured is added to the damping ratio.By means of observing the phase locus chart and time domain chart,the weak signal will be detected.     

基于Lyapunov指数的弱周期信号检测

分析了基于M e ln ikov法和相轨迹观察法的弱周期信号检测方法,针对该方法存在的检测精度低等不足,提出了基于Lyapunov指数法的弱周期信号检测方法。首先使用基于模型Lyapunov指数计算方法设置阈值,然后利用具有噪声的数据进行相空间重构并利用改进方法计算Lyapunov指数,并依此判断大尺度周期状态。该方法的特点是阈值设置精度高,可以实现自动识别。仿真结果验证了理论分析的正确性和有效性。     

超低频风力发电机不平衡振动信号的检测方法研究

利用ARM9嵌入式系统,对0.2-1.5Hz的低频信号进行采样。对采样数据进行数学建模分析,并分析比较插值算法、取整数算法和浮点算法,得到更加准确高效的算法。对采样频率进行实验分析,验证了对0.2-1.5Hz的超低频风力发电机动平衡信号检测方法的有效性。     

超声探测弱信号提取方法

为了在超声检测中排除噪声干扰，从强噪声背景中提取弱回波信号，利用小波变换技术从超声探测信号中提取弱缺陷回波信号，建立了超声缺陷回波的数学模型，并进行了仿真实验，其特有的“变焦距”特性使得小波分析在时域和频域中具有良好的分析能力。结果表明，利用小波变换方法能够很好地抑制噪声，提高信噪比，提取强噪声背景中的弱回波信号，且该方法原理简单，易于实现，在工程上有较高的应用价值。     

二进离散小波能量谱及其对微弱信号的检测

提出了二进离散小波的能量谱的分析方法 ,给出了实用的计算公式 ,论述了其可行性。导出了二进离散小波的能量频谱与离散信号频谱之间的关系。应用该分析方法有效地检测出了时域微弱奇异信号和频域微弱特征信号。能量时谱使二进离散小波分析得到的时域奇异信号更加突出 ,能量频谱发现了 Fourier分析不能得到的某些能量集中的特征信号。实例验证了该分析方法的优良特性 ,为设备运行状态检测和故障预报提供了一种新的手段。