微弱正弦信号的互相关-混沌系统合成检测技术

将常规互相关检测方法与混沌检测方法相结合,发挥各自的优势构成一个新的微弱正弦信号检测系统.理论分析及仿真实验表明该检测系统对被强噪声覆盖的微弱正弦信号非常敏感,对任何零均值噪声具有极强的抑制能力.     

基于Duffing混沌系统微弱信号检测的数值分析

基于混沌系统对噪声信号的免疫性和对微弱信号的敏感性,从数值分析的角度对在噪声中微弱正弦信号的检出,幅值、频率、相位的测量进行了讨论.     

检测混沌背景中微弱正弦信号的神经网络方法

提出了一种提取混沌背景中微弱正弦信号的神经网络方法。该方法利用RBF神经网络对被噪声污染的混沌背景建立最优一步预测模型，结合频域处理的方法从预测误差中提取微弱正弦信号。改善了信噪比，在混沌背景中存在白噪声和任意色噪声情况下，均能检测出微弱正弦信号，微弱正弦信号与混沌背景的检测信噪比门限最低可以达到-37dB。     

基于混沌-现代谱估计正弦信号检测方法

介绍了测量正弦信号的频域方法--传统谱估计方法及现代谱估计方法.在此基础上提出了将现代谱估计方法与著名混沌系统(杜芬振子系统)构成混合检测系统,共同检测微弱正弦信号方案.给出仿真系统框图及仿真结果.结果表明用此方法在估计正弦信号时,幅度测量精度被提高,此方法是进一步发展弱信号检测的有效途径之一.     

基于类洛伦茨系统的微弱信号检测及其电路实现

基于一种类洛伦茨(Lorenz)混沌系统,利用周期微扰的混沌控制方法,应用于微弱信号的检测。首先,构建一个受控的类Lorenz检测系统,通过调节系统两参数可将混沌系统控制可在所期望的周期轨道内。利用李雅普诺夫(Lyapunov)指数谱及分岔图分析,选择适当的两个参数值,将系统控制在混沌临界状态,当加入混有高斯白噪声的微弱信号时,系统发生相变,由混沌临界状态转变为周期三状态,从而检测出与外加激励信号同频率的微弱正弦信号。此方法不需要利用梅尔尼科夫(Melnikov)方法计算复杂的系统发生相变的激励信号幅值的精确解,实现方法简单易行,MATLAB仿真结果表明该系统可以实现极低的信噪比。在理论和数值分析的基础之上,该文设计了微弱信号检测电路,仿真和实验结果表明,该方法能够有效实现微弱正弦信号的检测。     

基于Duffing方程的齿轮故障检测方法研究

提出一种基于修正Duffing方程间歇混沌理论的弱信号检测新方法.在该检测方法中,当输入信号频率与系统激励频率之间存在微小偏差时系统输出为间歇混沌信号,且其频率偏差可由输出混沌信号的统计特性进行估计.数值仿真结果表明这种方法可以准确检测出信噪比很低的微弱正弦信号.最后,利用实验平台采集齿轮振动声信号数据,分别采用频谱分析法和混沌弱信号检测法对实验数据进行检测,结果表明混沌弱信号检测法具有更高的检测精度和更强的抗干扰能力.     

Lorenz系统的混沌信号分析与噪声分离

现实系统中采集到的时间序列往往包含有很大的噪声,这就需要实现混沌信号和噪声相分离。混沌行为是从无序到有序的中间过渡状态,非线性系统产生的确定性信号在时域或频域往往表现出类似噪声的行为。传统的线性滤波器不能分离混沌与噪声。基于混沌动力学可知,虽然混沌信号是宽谱类噪声,但它是有限维的。如果嵌入维数足够高,混沌信号就可以被吸引到一个有限维的吸引子流形上去。与之对应,在有限维的相空间中,噪声并不表现任何规律性。因此在已知系统动力学结构的情况下,可积极利用吸引子的动力学和几何特性有效地去除噪声。在Lorenz系统对混沌信号分析,利用吸引子的动力学和几何特性提出了基于局部Neymark分解的混沌信号与噪声的分离方法。即在一个局部的轨道空间内进行Neymark分解、重构,使得信号与部分噪声分离,随后利用反嵌入,纠正由于噪声影响而畸变的局部轨道,实现混沌信号的噪声抑制。完成了基于局部Neymark分解的LID检测。仿真实验的结果证明了方法的有效性。     

用特定的混沌系统检测弱周期脉冲信号

用修正的Duffing -Homes方程{+k-x3+[1+αδT(t)]x5＝γsin(ωt)}构成特定的混沌系统,实现了强噪声背景下周期脉冲信号的有效检测,仿真实验表明该混沌系统对微弱周期脉冲信号非常敏感,对任何零均值噪声均具有极强的抑制能力.系统信噪比工作门限可达到-83dB.     

基于随机共振的周期弱信号检测方法研究

实际工程中有很多被噪声淹没的信号需要检测,如航空发动机转子振动信号,滚动轴承与齿轮故障信号等。这些待测信号的检测准确度直接影响了工程技术的可靠性。随机共振是一种新型的信号检测方法,通过噪声刺激和系统参数刺激可实现系统共振的产生,从而将噪声的部分能量转移给信号,实现信号检测。根据齿轮均匀磨损后引起的低频振动信号与正弦信号十分接近的特征信息,本文取正弦信号模拟齿轮故障振动信号,以MATLAB为仿真平台,研究强噪声背景下的周期故障信号随机共振检测方法,为随机共振检测方法在故障检测领域的进一步应用奠定了基础。     

Lyapunov指数算法在应答器信号混沌振子检测中的应用

针对为提高在强噪声环境下应答器上行链路传输信号的检测精度,利用混沌系统对初始条件敏感以及对噪声免疫的特性,将混沌振子应用到应答器上行链路信号检测解调中.结合微弱信号Duffing振子检测原理和应答器上行链路信号特征,给出了使用Duffing振子检测应答器信号的方法和步骤,并使用Lyapunov指数算法计算Duffing振子检测系统的临界阈值,定量判断系统的输出状态,实现应答器信号的解调.在理论分析的基础上,进行了实验仿真验证.仿真结果表明,基于Lyapunov指数算法的应答器信号混沌振子检测方法提高了阈值设置的准确性和效率,并确保了应答器信号检测的可靠性.