一种基于经典遗传算法的自适应随机共振系统

针对实际工程中微弱信号的检测要求,根据双稳态随机共振系统原理和信号、噪声和非线性系统之间的关系,设计了一种基于经典遗传算法的自适应随机共振系统。该系统利用以输出信噪比为目标函数和对系统参数进行联合编码的遗传算法获取双稳态随机共振系统的最佳参数,再根据所得系统参数对接收信号进行最优随机共振处理。仿真结果表明,在低信噪比情况下,系统能始终保持最佳随机共振状态,快速地实现输出信噪比最大化和处理增益达到15~20dB,从而保证低信噪比条件下微弱信号的有效检测和处理。     

基于多尺度随机共振变换的微弱信号检测

针对在高噪声背景下微弱信号的检测,以绝热近似小参数的随机共振理论为依据,根据随机共振的噪声选择性和频率敏感特性,提出了基于多尺度随机共振变换的微弱信号检测方法.将含噪输入信号经小波变换分解为不同尺度频率的信号成分后,通过引入归一化变换来调节各尺度信号成分的大小,再将不同尺度的分解信号作为非线性双稳系统的输入,从而实现大参数条件下微弱信号的检测.数值仿真结果表明:该方法可以从高噪声背景下提取微弱信号,并能获得较高的输出信噪比,在信号检测领域具有很好的应用前景.     

阵列调制随机共振在微弱信号特征提取方面的应用

论述了阵列调制随机共振方法在强噪声背景下多频微弱信号特征提取中的工作原理和实现步骤;采用预先设定系统参数的多个并联非耦合随机共振单元形成阵列,将被测强噪声背景下的多频微弱信号分别与不同频率的载波进行调制,生成多个差频均为0.01Hz的信号作为各对应随机共振单元的激励信号,采用龙格-库塔算法求取各单元输出并进行频谱分析,根据0.01Hz处的信噪比判断在微弱信号中是否存在载波频率与差频值之和大小的频率分量,最后综合各个随机共振单元的检测结果生成微弱信号的频率特征向量;仿真结果表明,阵列调制随机共振在微弱信号特征提取方面效果明显,具有很好的应用前景。     

基于随机共振的大频率信号相干接收误码率研究

针对信道环境恶劣条件下的大频率数字信号相干接收问题,提出了一种基于调参随机共振系统降低数字信号相干接收误码率(BER)的方法。从时域、频域及误码率三个方面对大频率二进制相移键控(BPSK)信号的随机共振相干接收方法进行了研究。首先,通过调整系数R改变非线性随机共振系统的参数a、b,将其共振频率提高R倍,从而实现大频率信号的随机共振,提高信号的信噪比(SNR);然后,对通过随机共振系统后的信号进行相干解调,并计算误码率。试验结果表明,与传统解调方法相比,该方法的误码率在低信噪比情况下有明显降低,当SNR=-14 d B时,较传统解调系统误码率可降低25.28%。随机共振系统提高了信号相干接收性能。随机共振理论在信号接收解调及信号处理等方面存在优势。     

Duffing系统中Lévy噪声诱导的随机共振与相转移

研究了Lévy噪声激励下Duffing系统的随机共振与相转移问题.分析了噪声强度、阻尼系数及稳定性指标对系统随机共振的影响,结果表明减小阻尼系数有利于观测系统的随机共振现象,而稳定性指标的减小削弱了随机共振的发生.模拟了系统的稳态概率密度函数,通过调节噪声参数来观察稳态概率密度峰数的变化,进而讨论了系统的相转移现象,发现Lévy噪声的噪声强度、稳定性指标及偏斜参数均能诱导系统发生相转移,而高斯噪声激励下,噪声强度不能诱导系统发生相转移,从而反映了高斯噪声与Lévy噪声对系统的不同作用机理.     

最佳匹配阵列随机共振系统中利用噪声改善信息传输

针对数字通信系统中噪声影响码元传输的问题,为提高系统的可靠性,降低接收信号的误码率（BER）,提出一种基于最佳匹配方法和并行阵列理论的随机共振（SR）系统。首先,利用并行阵列理论来增强单个双稳态系统的随机共振效果;其次,将最佳匹配随机共振微弱信号的检测方法运用到阵列系统中;最后,推导出最佳匹配阵列随机共振系统的信噪比（SNR）增益表达式,并分析阵列单元数对误码率的影响。理论分析和实验仿真表明,最佳匹配阵列随机共振系统相比单个随机共振系统在强噪声背景下对微弱数字信号的检测性能得到提升,系统输出信噪比增益显著大于1,误码率也得到明显降低;且随着阵列单元数增加,阵列系统的随机共振效果越好。实验结果表明,最佳匹配阵列随机共振系统在实际工程中能够有效提高数字通信系统的可靠性。     

随机共振技术在弱随机二元码检测中的应用研究

分析了小信号条件下二维双稳Duffing系统的随机共振现象,提出基于Duffing系统随机共振技术的微弱随机二元码检测方法,此方法在不需要知道被检测信号的任何先验知识的条件下,检测微弱随机二元码信噪比可以达到-25dB以下,并可估计出信号波形,计算机仿真验证了该方法的有效性;为强噪声背景下微弱随机二元码的检测提供了一种操作性强、高效的方法。     

基于耦合随机共振的涡街信号检测方法研究

涡街流量计在工业现场使用时,输出信号中会叠加噪声信号。涡街信号容易被噪声淹没,使小流量测量受限。近年来,基于非线性理论的随机共振(SR)方法为微弱信号检测提供了新途径。非线性系统设计及参数确定是其成功应用的关键。提出了一种基于遗传算法的耦合随机共振系统优化控制方法。对耦合系数、控制系统参数以及变换尺度3个参数进行并行优化,提高了输出信号的功率谱幅值,增强了对微弱信号的检测能力。理论分析和数值仿真结果表明:该方法能够自适应地对不同频率周期信号进行处理,快速搜索到参数最优值。将该方法用于小流量涡街信号分析,能够在信号微弱、噪声强的情况下有效提取涡街信号的特征频率,并获取流量值。该研究成果适用于其他涉及强噪声中微弱信号检测领域,对拓宽随机共振应用范围、解决工程实际问题具有重要意义。     

levy噪声背景下级联系统中弱信号的提取

针对冲击噪声背景下弱周期信号难以提取的问题,提出了以levy噪声作为背景噪声的级联随机共振方法。首先,在数值上分析了随机共振系统最佳参数区间与levy噪声参数的关系;其次,总结了系统输出的微弱信号频谱值跟随系统参数的变化规律;最后,利用级联系统对levy噪声背景下微弱信号的提取进行了研究。实验结果表明,随机共振参数的最佳区间不随噪声参数 α、β 的变化而变化;系统输出信号的频谱幅值会随噪声参数 α、β 的改变而改变,但浮动不大;在级联系统中,二级系统输出的待检测信号频谱值是一级系统的1.4倍。该系统对冲击环境中弱信号的提取具有很强的实用性。     

基于小波变换和随机共振的微弱信号检测方法

根据随机共振的噪声选择性和频率敏感特性,提出了基于小波变换和随机共振的微弱信号检测方法.对含噪输入信号经多尺度小波变换分解为不同尺度频率的信号成分后,通过引入尺度收缩因子来调节各尺度信号成分的大小,再将不同尺度的分解信号作为双稳系统的输入,研究了不同尺度频率信号经收缩因子作用后对系统输出信噪比的影响.数值仿真结果表明,选取合适的尺度收缩因子,能有效提高系统输出的信噪比.     

Effects of underdamped step-varying second-order stochastic resonance for weak signal detection

Stochastic resonance (SR) has been proved to be an effective approach for weak signal detection. In this paper, an underdamped step-varying second-order SR (USSSR) method is proposed to further improve the output signal-to-noise ratio (SNR). In the method, by selecting a proper underdamped damping factor and a proper calculation step, the weak periodic signal, the noise and the potential can be matched with each other in the regime of second-order SR to generate an optimal dynamical system. The proposed method has three distinct merits as: 1) secondary filtering effect produces a low-noise output waveform; 2) good band-pass filtering effect attenuates the multiscale noise that locates in high- and (or) low-frequency domains; and 3) good anti-noise capability in detecting weak signal being submerged in heavy background noise. Numerical analysis and application verification are performed to confirm the effectiveness and efficiency of the proposed method in comparison with a traditional SR method.     

一种改进的基于倒谱特征的带噪端点检测方法

影响语音识别性能的一个关键因素是端点检测的准确性。实际应用中的信噪比较低，使得某些高信噪比下性能好的检测算法不能有效地工作，影响系统的识别率。该文针对基于倒谱特征的带噪端点检测算法提出了3点改进：(1)将语音信号经滤波后分成高低频两子带，分别进行分析；(2)用LPC美尔倒谱特征LPCCMCC代替常规倒谱特征作为特征参数；(3)改进噪声估计，使其具有自适应性。实验结果表明本方法在低信噪比下有较好的检测性能。     

级联三稳态随机共振的特性研究及应用

针对强噪声环境下存在的微弱信号检测困难的问题,以级联三稳态随机共振系统为研究对象,利用信噪比增益和特征频率的频谱峰值作为判断指标,对三稳态随机共振的特性进行分析。仿真结果验证了通过调节级联三稳态随机共振系统的相关参数,能够获得比单级三稳态随机共振系统更好的随机共振输出特性。此外,针对弱信号在实际的齿轮故障诊断中难以提取的问题,提出级联三稳态随机共振齿轮故障的诊断方法。结果表明,该方法可以有效提取齿轮故障的微弱特征,进而实现齿轮的早期故障诊断,具有广泛的工程应用前景。     

基于双稳随机共振的多频弱信号检测

针对利用非线性双稳系统随机共振逐一检测多个频率弱信号存在效率低、无法满足信号实时处理要求的问题,研究了基于随机共振的多频弱信号同时检测方法。首先建立了同时检测多频弱信号的仿真模型,通过调节双稳态随机共振系统参数、噪声强度,将在单个低频弱信号上产生的随机共振效应扩展到多个低频弱信号上,实现了多个低频弱信号的同时检测,分析了检测结果所呈现出的特点、原因。进一步研究了多频弱信号同时检测时不同频率信号之间的最小频带间隔问题。采用参数补偿的方法将其扩展应用到高频弱信号的检测中,实现了多个高频弱信号的检测。仿真结果表明该方法是可行的,能有效提高信号检测的速度及效率。     

Dual-scale cascaded adaptive stochastic resonance for rotary machine health monitoring

Effective extraction of weak signals submerged in strong noise that are indicative of structural defects has remained a major challenge in fault diagnosis for rotary machines. Unlike traditional techniques that focus on noise filtering and reduction, stochastic resonance (SR) takes a noise-assisted approach to detecting weak signals. This paper presents a new adaptive method for weak signal detection, termed Dual-scale Cascaded Adaptive Stochastic Resonance (DuSCASR), which can quantify the frequency content of a weak signal without prior knowledge. Simulations and experiments have confirmed the effectiveness of the method in bearing fault diagnosis at the incipient stage, with high precision and robustness.     

基于级联随机共振的直接序列扩频信号的捕获方法

在直接序列扩频信号的捕获中,针对低信噪（SNR）比以及大频偏对信号捕获产生影响的问题,提出了一种基于级联随机共振的直接序列扩频信号的捕获方法。首先将输入信号通过部分匹配滤波器进行处理,当本地伪码和输入信号伪码相位对齐时,输出信号仅剩下了残余多普勒频偏;然后将该信号进行级联随机共振,从而提高信号的输入信噪比;最后通过快速傅里叶变换（FFT）谱分析,可以在频谱上得到清晰的谱峰,进而求出多普勒频偏值。通过理论分析和实验仿真可知,在输入信噪比为-26 dB的情况下,所提方法能够提高直接序列扩频信号的捕获灵敏度,并且通过两级级联随机共振系统后输出信噪比提高了15 dB左右;同时与传统捕获算法相比,该方法的正确检测概率提高了4 dB左右。所提方法不但能抑制噪声,而且能将部分噪声能量转换为信号能量,同时能够改善大多普勒频偏的影响,在捕获弱信号方面有着极大的优越性。     

基于有效K均值有效极限学习机的混沌海杂波背景中微弱信号检测

为了在复杂混沌噪声背景中快速准确提取有用信号,提出基于复杂非线性系统相空间重构理论,采用改进极限学习机(ELM)预测单步误差检测微弱信号的方法。采用改进K均值聚类算法选择最优族作训练集,改进极限学习机选择权值和偏置的方法进一步提高检测的精度和速度,采用Lorenz系统建立了混沌噪声序列的一步预测模型,从预测误差中检测湮没在混沌噪声中的微弱目标信号(包括周期信号和瞬态信号),然后使用加拿大Mc Master大学IPIX雷达数据,在海杂波噪声中提取漂浮物信号作为实验研究。结果表明该方法能够有效检测混沌背景噪声中极微弱信号,同时抑制噪声对混沌背景信号的影响,与径向基函数(RBF)神经网络等传统算法相比,预测精度提升了25%,检测门限提高了-5 dB,同时训练用时减少77.1 s,在实际应用中具有更明显优势。     

基于延拓相关算法的蓄电池内阻参数提取研究

针对蓄电池内阻参数提取中待测微弱信号易受噪声和干扰的影响,利用信号和噪声的不相关性,提出了一种基于延拓相关理论的抗噪处理算法。该算法选取两路同频正交参考信号中的一路信号注入蓄电池,然后将输出信号和原两路正交参考信号分别经过采样滤波后转化成离散序列,对离散信号进行延拓相关运算,最后利用和差三角函数得到内阻幅值和相位的计算值。实验结果表明,在高噪声背景下该算法有较高信号分辨率,对蓄电池内阻幅值和相位的测量有较高准确度。     

自适应去噪的非接触式生理参数检测方法

成像式光电容积描记法(imaging Photoplethysmography,iPPG)是一种利用视频信号实现非接触式生理参数检测的方法,但该方法的性能易受外界条件影响,尤其对环境光变化及受试者头部运动等噪声敏感.为了消除噪声影响,根据噪声信号和iPPG信号的时频特性,提出了一种基于变分模态分解(Variationa...