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。     

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。     

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。     

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。     

随机共振理论在微弱信号检测中的应用研究

本文介绍了随机共振的基本原理,通过数值仿真研究了对称双稳系统的随机共振现象,并将其用于微弱信号的检测。为了进一步提高检测信噪比,采用了系统参数寻优的方法。仿真结果证明了基于随机共振的微弱信号检测方法的有效性。最后,提出了几个需要解决的问题。     

随机共振现象与微弱信号接收

本文从随机共振(Stochast ic Resonance)可增强信号信噪比的现象出发,介绍了随机共振非线性双稳势阱模型和参数调节随机共振理论。在此基础上,分析了随机共振现象在微弱信号接收中两种可能的应用途径,通过仿真验证了应用的可行性。最后,分析提出了将随机共振理论应用于弱信号接收需要突破的三大关键技术,即:大参数信号变尺度与还原技术、参数自适应调节技术和调制信号随机共振技术,还提出了初步解决的思路。为拓宽随机共振现象的应用领域和探究解决低信噪比条件下的信号接收提供新的方法和途径。     

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.     

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.     

基于差分进化的随机共振混沌小信号检测

针对传统随机共振小信号检测无法对多参数进行同步调优的缺陷,本文提出了一种基于变种差分进化算法的随机共振混沌小信号检测方法。利用变种差分进化算法对Duffing振子的随机共振系统参数进行寻优,以系统输出信噪比为寻优问题的目标函数。为了验证算法的可行性,分别进行低频和高频小信号输入的仿真实验,在低频小信号检测实验中,输出信噪比较混沌变步长萤火虫优化算法平均提升1.98dB;高频小信号检测实验中,结合外差式随机共振理论,能够准确恢复出高频小信号对应低频段处的小信号,进一步推导出高频小信号的存在;对实测海杂波数据进行仿真实验,实验结果表明该方法能够有效地检测出淹没在海杂波背景下的混沌小信号。     

极低信噪比下对偶序列跳频信号的随机共振检测方法

针对对偶序列跳频(DSHF)在极低信噪比(SNR)下无法通信的问题,该文充分利用对偶序列跳频信号时、频域物理特征,提出一种随机共振(SR)检测方法,极大扩展该信号的应用场景。首先,通过分析对偶序列跳频的发射、接收信号及超外差解调的中频(IF)信号,构建随机共振系统,采用尺度变换调整中频信号;然后,引入判决时刻,将无定态解的非自治福克普朗克方程(FPE)转化为可解的自治方程,从而推导出含时间参量的概率密度周期定态解;其次,以最大后验概率为准则,得到检测概率、虚警概率和接收机工作特性(ROC)曲线;最后,得出以下结论：(1) 应用匹配随机共振检测对偶序列跳频信号的信噪比最低可达–18 dB;(2)对偶序列跳频与匹配随机共振结合,适用于信噪比在–18～–14 dB的信号检测;(3)应用匹配随机共振检测对偶序列跳频信号在信噪比为–14 dB时,检测性能提升了25.47%。仿真实验验证了理论的正确性。     

基于幂函数型随机共振的微弱信号恢复

针对微弱信号淹没在强噪声中难以恢复的问题,提出幂函数恢复系统实现信号还原.采用互相关系数为测量指标,研究不同参数、噪声强度以及信号幅度对恢复性能的影响.并利用粒子群算法寻优参数,在采样点数较少情况下,实现单频、多频正弦信号以及单脉冲信号的恢复,结果表明理论分析与实际仿真结果一致,证明所提幂函数恢复系统有效可行,恢复效果理想.     

基于频谱幅度起伏特性的微弱信号检测方法研究

该文将非线性后置处理思想引入至最小方差无失真响应(MVDR)的空间能量谱计算中,并给出其实现方法,即最终空间能量谱通过将各窄带阵列输出结果取倒数并求和得到,它不需要阵列噪声和目标信号的任何先验信息,只要阵列噪声的频谱在频段间的幅度起伏大于目标信号的频谱幅度起伏,该方法就能取得较常规处理方法更好的信号检测性能。根据最优信号检测理论,初步验证了非线性后置处理方法的性能,并利用仿真和实际数据进一步检验了其有效性,分析结果表明：非线性后置处理方法的处理增益较常规方法提高约3.5dB-4dB。     

基于FRFT的对称三角LFMCW信号检测与参数估计

对称三角线性调频连续波(STLFMCW)信号是一种典型的低截获概率雷达信号。该文通过分析STLFMCW信号在分数阶Fourier变换(FRFT)域的频谱分布特征,发现STLFMCW信号包含的各段LFM信号在其对应的最佳FRFT域内具有很好的能量聚集性;各段LFM信号在频域内会完全重叠,叠加的频谱幅度较高,在低信噪比条件下,严重影响STLFMCW信号的检测与参数估计。因此,利用FRFT检测STLFMCW信号时,必须克服该问题。该文提出一种FRFT与聚类分析相结合的STLFMCW信号检测与参数估计方法。该算法解决了由STLFMCW信号的频谱叠加给信号检测带来的问题,而且,克服了信号尖峰的高度必须高于噪声幅度的限制,在低信噪比条件下具有较好的检测效果。最后,仿真验证了该方法的有效性。     

基于循环相关变换的多径LFM信号检测与参数估计

该文针对多径条件下线性调频(LFM)信号,首先给出了信号模型,然后介绍了一种变换循环相关变换,接着结合逐次消去技术提出了基于循环相关变换的多径LFM信号检测和参数估计实用算法,该方法可准确地估计多径情况下LFM信号参数、各径时间延迟和衰减因子参数,有效地抑制了各径相关交叉项的影响。计算机仿真结果表明了该算法的有效性。     

基于正交匹配追踪的欠采样LFM信号参数估计

受限于目前数字采样水平,对宽带线性调频(LFM)信号进行欠采样参数估计具有重要的研究价值。该文基于线性调频信号具有近似矩形的幅频特性,对其频谱的差分过程进行处理,采用正交匹配追踪算法有效提取欠采样信号频谱的边缘信息,实现在欠采样环境下的宽带线性调频信号起始频率和终止频率的估计,具有较高的估计精度,仿真实验证明了其有效性。     

一种基于旋转不变子空间算法的非模糊参数配对方法

针对多维旋转不变子空间算法(ESPRIT)信号参数估计存在失配的问题,该文提出一种基于特征值分维的参数配对方法。该方法首先对包含待估计参数信息的多维特征值进行线性组合并构造判断矩阵,再根据矩阵维数对应关系进行配对。相比于其他配对算法,该文提出的算法结构简单,没有模糊参数,在特定情况下具有较高的鲁棒性,能实现参数的自动配对。最后通过对比仿真验证了该文配对算法的优越性。     

基于ERWT的NLFM信号检测及参数估计

提出了扩展Randon-Wigner变换(ERWT)算法原理,并结合非线性调频(NLFM)雷达信号时频特征,将回波信号的时延及多普勒频移对应到ERWT参量空间,基于参量空间的分布特征实现NLFM检测及参数估计.该方法对常规时频方法存在的交叉项不敏感,时延估计精度较高.计算机仿真试验验证了该方法的有效性.     

一种基于随机共振增强的协方差矩阵频谱感知算法

为了在避免对主用户系统产生有害干扰的同时 提高频谱利用效率,要求认知无线电系统的频谱感知算法能在极低的信噪比下快速检测出主用户信号。由于可以避免能量检测面临的噪声不确定性问题,基于协方差矩阵的检测算法是一种有效的盲频谱感知算法。为了进一步提高极低信噪比下的性能,本文提出了一种基于随机共振的协方差矩阵频谱感知算法。该算法通过在接收信号中加入优化的特定信号,利用随机共振原理,增大有无主用户信号下的检测统计量概率分布函数的分离度,提高频谱感知的性能。仿真结果表明,相对于现有的协方差矩阵频谱感知算法 ,在相同的虚警概率下,所提算法可以显著提高极低信噪比下的检测概率,同时大幅度缩减检测时间。