基于混沌理论的微弱信号检测

基于Matlab／Simtdink软件平台,研究了微弱信号的混沌检测原理与方法,建立了仿真模型,给出强噪声中微弱周期信号检测的仿真结果以及混沌方法检测微弱信号的步骤。仿真结果表明,Duffing振子对与参考信号频率差较小的周期信号敏感,对白噪声和频差较大的周期干扰信号具有免疫力,该振子应用于实际微弱信号的检测具有可行性,为混沌虚拟仪器开发打下了基础。     

基于稀疏表达的微弱信号提取及检测方法

首先简要介绍了稀疏表达模型以及其常用的求解方法;然后讨论了一种基于稀疏表达的微弱信号提取及检测方法;在此基础上,为了减少时间与空间复杂度,开发了一种快速求解算法;最后给出信号的提取结果以及定性与定量分析,并用大量的实验结果证明讨论的基于稀疏表达的微弱信号提取及检测方法的顽健性与自适应能力。     

基于LabVIEW的混沌微弱信号检测系统设计

为实现微弱正弦信号的检测及后续信号处理,提出了基于LabVIEW搭建的混沌微弱信号检测系统,利用LabVIEW良好的外部接口能力,设计具有一定的实用价值。通过采用Lyapunov指数法进行微弱正弦信号的检测,检测结果证明了该方案的可行性。     

检测强混沌中微弱谐波信号的神经网络方法

提出了一种提取强混沌中微弱谐波信号的方法。该方法根据嵌入定理，利用混沌系统的单变量观测值对混沌背景重构相空间，并利用径向基函数神经网络(RBFNN)建立混沌噪声的一步预测模型，使其与混沌噪声具有相同的基本动力学特征。并结合一个梳状滤波器对预测误差进行滤波，从而检测出湮没在混沌中的感兴趣的微弱谐波信号。该方法在信噪比(SNR)为-46dB时仍可检测出强混沌中微弱谐波信号。     

基于Duffing振子的微弱信号混沌检测

分析了Duffing振子的混沌特性,给出了确定系统混沌阈值的Melnikov方法.在阐述了基于相平面变化进行微弱信号检测原理后,在混沌检测中噪声对系统状态的影响也进行了研究.仿真结果表明,Duffing振子对与参考信号频率差较小的周期信号敏感,对白噪声和频差较大的周期干扰信号具有免疫力,该振子应用于实际微弱信号的检测具有可行性.     

基于遗传RBF网络的混沌背景微弱信号检测方法

弱信号检测问题是目标检测中的一个重要研究内容。利用背景信号为混沌信号这一先验知识，采用径向基函数神经网络（RBFNN）建立混沌背景的一步预测模型，RBF网络利用遗传算法训练，最后，设计了门限滤波器，得到感兴趣的信号。仿真结果表明，在非线性程度很高的情况下，通过与其它几种训练RBF网络算法的比较，利用遗传算法训练的RBF网络具有最高的检测精度，并且训练得到的网络的复杂程度最低。     

基于混沌理论的井下瓦斯信号的检测

针对煤矿井下被检测信号中所含有的瓦斯浓度存在于复杂的井下环境之中,从而表现较为微弱的情况,结合Duffing振子检测微弱信号的优良性能,本文提出了一种利用Duffing振子检测微弱的瓦斯浓度信号的方法。实验结果表明,该方法能够在煤矿井下强噪声的影响下,获得准确的瓦斯信号。     

混沌背景中微弱信号检测的回声状态网络方法

对复杂非线性系统的相空间重构理论进行了研究分析,提出了混沌背景中微弱信号检测的回声状态网络方法。针对回声状态网络模型参数选取困难这一问题,采用遗传算法对其模型参数进行优化。将回声状态网络模型参数作为遗传算法的个体,混沌时间序列预测均方根误差的倒数作为适应度函数,通过选择、交叉、变异等操作获得适合数据特点的最优模型参数。根据回声状态网络强大的学习和非线性处理能力,利用得到的回声状态网络模型最优参数建立混沌背景噪声的单步预测模型,将淹没在混沌背景噪声中的微弱瞬态信号和周期信号从预测误差中检测出来。以Lorenz系统和实测的海杂波数据作为混沌背景噪声进行仿真实验,仿真结果表明,本文所提方法在预测精度和训练速度方面均优于支持向量机和神经网络模型,能够有效地检测出混沌背景噪声中的微弱目标信号,且具有较小的预测误差。      

基于锁相放大原理的微弱信号检测电路

针对目前成品锁相放大器价格昂贵且体积大,传统窄带滤波法性能和灵活性差的特点,设计了基于锁相放大器原理的微弱信号检测电路。本电路采用单片机作为激励信号和参考信号的发生器,利用带关断引脚的运放实现相敏检波器,整个电路仅使用了5个运算放大器和一些阻容元件。实验表明,本电路能实现了从信噪比为0.1的被测信号中提取有用信号幅值的功能,测量误差控制在5%以内。由于本电路有实现简单和成本低的特点,稍加修改后可作为模块电路用到其他测量系统当中。     

纳伏级正弦信号的混沌检测方法研究

提出一种基于混沌理论的纳伏级正弦信号的测量方案，给出了对正弦信号进行混沌检测的原理与方法，仿真实验表明将该混沌检测系统与本文所设计的纳伏级正弦信号发生器相结合，在任何零均值色噪声背景下对微弱正弦信号的检测下限可降至nV级的水平。     

Weak harmonic signal detection method in chaotic interference based on extended Kalman filter

The traditional methods of weak harmonic signal detection under strong chaotic interference often suffer from high computational complexity and poor performance. In this paper, an Extended Kalman Filter (EKF) based detection method is proposed for the detection of weak harmonic signal. The EKF method avoids matrix inversion by iterating measurement equation and state equation, which simultaneously improves the robustness and reduces the complexity. Compared with the existing detection methods, the proposed method has the following advantages: 1) it has better performance than the neural network method; 2) it has similar performance with the optimal filtering method, but with lower computational complexity; 3) it is more robust compared with the optimal filtering method.     

叶绿素荧光仪中微弱荧光信号的探测

简要叙述了叶绿素荧光仪的物理机理,详细介绍了将微弱荧光信号转换为具有较高信噪比的电压信号的电路设计.     

一种新的基于压缩感知理论的稀疏信号重构算法

针对基于l1范数优化的稀疏信号重构算法需要的观测样本数较多,本文以lp范数最小化为目标,结合传统的罚函数(PF)优化思想,给出了基于PF的lp范数迭代重构算法,需要的观测样本数大大低于基于l1范数的优化计算需求,并通过数值实验表明该算法对稀疏信号具有较优的重构效果.     

微弱信号检测系统设计

针对压力传感器输出信号微弱并带有较大噪声干扰的情况,设计了一种基于互相关检测技术的微弱信号检测系统。系统以变压器式压力传感器为压力信号检测器件,采用单片集成函数信号发生器ICL8038产生正弦波信号,再经功率放大器TDA7294放大后,作为传感器信号的调制信号和互相关检测的解调参考信号,采用平衡调制解调芯片AD630设计锁相放大器电路,通过放大、滤波、整流得到直流信号。仿真和实验验证证明了系统对微弱信号的检测效果理想,适用于强背景噪声下对微弱信号的检测。     

基于稀疏系数位置和归一化残差的压缩感知信号检测

信号检测是压缩感知理论研究的重要内容。针对当前压缩感知信号检测算法没有充分利用稀疏系数幅值和位置信息的不足,提出了一种新的检测算法。该算法首先引入归一化残差变量,有效克服了稀疏系数幅值波动大的缺点;然后,利用不同测量矩阵确定的稀疏系数位置信息,基于正交匹配追踪( OMP)算法实现目标信号检测。实验结果表明,算法的检测性能随着信噪比的提高而增强,且与压缩比负相关,运算复杂度较正交匹配追踪算法和仅利用稀疏系数位置信息的算法相当但检测性能分别提高了4 dB和1 dB。     

基于PSO和LM的信号稀疏分解快速算法

传感矩阵和重建算法的性能分析和优化是目前压缩传感领域研究的热点。针对匹配追踪算法在信号稀疏分解中计算量巨大的难题,提出了一种交替使用粒子群算法和LevenbergMarquardt算法的混合智能算法来寻找最佳原子。首先利用粒子群算法得到群体最优解,再以该解作为LM算法的初值,交替使用两种算法,直至发现满意的最优解。数值分析表明,新算法克服了粒子群算法过早收敛于局部极值和LM算法依赖初值的问题,保证了求解的速度和精度。     

弱信号检测领域中随机共振的理论及应用研究

随机共振(SR)是指在一定的非线性条件下,由弱周期信号和噪声(随机干扰)合作而导致的系统强周期输出的现象.介绍了随机共振的起源和绝热近似理论、本征值理论、非周期理论、自适应理论等随机共振理论;提出了实验研究中常用的测度方法及指标,并介绍了近年来国内外各个领域利用随机共振检测弱信号的应用研究实例.最后对随机共振的研究进展做了概括分析.     

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。