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。     

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。     

阈值阵列模型下的超阈值随机共振信噪比增益

研究了阈值阵列模型和超阈值随机共振现象.对该模型进行剖析,认为阈值阵列系统可以分解为单个阈值系统与集总平均器的级联.为了研究周期输入下的超阈值随机共振现象,理论分析了周期输入下的阈值阵列模型输出随机过程的统计特性,以输出信噪比增益作为随机共振的测度,固定输入信噪比,观测输出信噪比增益相对于阈值噪声方差的变化规律.证实当输入噪声为高斯噪声时,在阈值阵列系统中加入统计独立的高斯白噪声可使输出信噪比增益大于1,当输入噪声为非高斯噪声时,可获得更高的输出信噪比增益.     

基于随机共振的超低频信号仿真和电路方案

以往的研究证实:满足绝热近似理论条件的小参数微弱信号利用随机共振系统的特性可以实现混频信号中噪声能量向微弱信号能量的同周期跃迁,显著增强输出的信噪比。实验直接选用满足绝热近似理论的超低频微弱信号,从而实现基于随机共振原理的微弱信号检测。利用Simulink软件仿真的实验结果表明:基于随机共振系统能够实现从噪声背景中检测出超低频微弱周期信号。     

调制随机共振及其在微弱信号检测中的应用

根据非线性双稳系统只能在低频段产生随机共振的特性,提出了调制随机共振方法,实现了在较宽的频率范围内检测微弱信号.理论分析和实验结果表明:经调制产生的低频信号通过双稳系统的协同作用而形成的输出信号,其能量和信噪比都有显著提高,对强噪声中的微弱信号有较强的检测能力.采用该方法可进一步开发双稳系统低频段的信息资源,拓宽其应用领域.     

传感器阵列中阈上随机共振现象的仿真研究

研究了具有阈值特性的传感器阵列中的随机共振现象.使用相关系统数被来衡量输入随机信号和输出响应之间的非线性匹配程度.这一测度反映了输出与输入之间的信息转换率,因此可被用来考察阈值系统中的随机共振现象.文中从单个阈值单元模型出发,通过对输出信号进行估计,得出了噪声作用下输出随机变量与输入随机变量之间的相关系数.仿真结果表明在该类系统中,不但存在有阈值下的随机共振现象,而且也存在阈值上随机共振现象.     

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.     

调参随机共振在超高频微弱信号检测中的应用

针对经典随机共振（SR）理论只适用于小参数,在提取高频微弱信号失效而无法使用的问题,提出一种调参随机共振检测高频率微弱信号的方法。首先,推导出双稳系统中阻尼系数与信号频率的关系,并以Kramers逃逸速率为分析手段,讨论阻尼系数变化对系统发生随机共振的影响;然后,分析了系统形状参数对系统产生随机共振现象的影响,通过联合调整阻尼系数和系统参数实现了大频率微弱信号的检测,并讨论了不同采样频率与调参系统输出频谱特性的影响,验证了该方法在低采样率下仍具有较强的稳定性;最后,以通用软件无线电设备（USRP）接收的无线电带噪信号作为系统的输入进行仿真。实验结果表明,利用该调参随机共振策略能够稳定有效地检测出强噪声背景下的超高频微弱信号,信号频率可达到MHz、GHz,拓展了随机共振原理的微弱信号检测的应用领域。     

多传感器耦合随机共振子系统的协同响应及其应用

提出了耦合随机共振子系统的协同响应和频谱特性概念,解析和数值地分析了系统参数、噪声强度和耦合系数对单一共振子、耦合和无耦合共振子系统的灵敏度、功率谱放大率和信噪比的影响,构建了基于多传感器耦合随机共振子的微弱信号检测模型.理论分析和数值模拟结果表明多传感器耦合系统能产生更强烈的共振效应,其功率谱放大率和信噪比都能显著提高,并通过轴承故障诊断实例证明,所构建的检测模型对噪声淹没的微弱信号具有较强的检测能力,具有良好的应用前景.     

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.     

Precision constrained stochastic resonance in a feedforward neural network

Stochastic resonance (SR) is a phenomenon in which the response of a nonlinear system to a subthreshold information-bearing signal is optimized by the presence of noise. By considering a nonlinear system (network of leaky integrate-and-fire (LIF) neurons) that captures the functional dynamics of neuronal firing, we demonstrate that sensory neurons could, in principle harness SR to optimize the detection and transmission of weak stimuli. We have previously characterized this effect by use of signal-to-noise ratio (SNR). Here in addition to SNR, we apply an entropy-based measure (Fisher information) and compare the two measures of quantifying SR. We also discuss the performance of these two SR measures in a full precision floating point model simulated in Java and in a precision limited integer model simulated on a field programmable gate array (FPGA). We report in this study that stochastic resonance which is mainly associated with floating point implementations is possible in both a single LIF neuron and a network of LIF neurons implemented on lower resolution integer based digital hardware. We also report that such a network can improve the SNR and Fisher information of the output over a single LIF neuron.     

Stochastic resonance in parallel concatenated turbo code decoding

In an array of threshold devices, we examine the effect of noise in improving performance of turbo code decoding. Such a phenomenon of noise-enhanced effect is termed stochastic resonance (SR). When signal is subthreshold, SR is observed by using Gaussian noise during iterative decoding. That is, the minimal bit error ratio (BER) is achieved at some non-zero noise intensity level. Besides, the larger the number of threshold devices is, the more remarkable the SR effect becomes. Especially when noise intensity is nearly optimal, BER approximates to zero after a few decoding iterations. Moreover, when Gaussian mixture noise is utilized, suprathreshold stochastic resonance (SSR) occurs in turbo decoding. These results show the beneficial effect of noise in channel coding and decoding.     

利用移动键控和耦合超混沌系统实现异步十六进制数字保密通信系统

为提高混沌移动键控方案的通信效率,提出基于移动键控和耦合超混沌系统的异步保密通信方案。在发送端,将十六进制信号嵌入到增益后的混沌状态变量中,利用转换器控制模块实现多个状态变量交替变换掩盖信号,经添加高斯噪声后发送出去。在接收端通过检测噪声强度动态调整检测阈值,可成功提取出发送的信号。数值模拟验证了该系统在含噪声信道环境下,双方通过自适应调整混沌信号增益实现保密通信,随着信噪比（SNR）的增加,比特误码率（BER）呈平滑降低趋势,确保了系统的稳定性。     

组合型幂指函数三稳态随机共振微弱信号检测

在强噪声背景下,针对微弱信号的检测和提取困难的问题,在经典的双稳态系统模型基础上,结合Gaussian Potential模型提出了一种新的组合型幂指函数的三稳态系统模型。首先,构造组合型幂指函数的三稳态系统模型,通过调节系统参数进行数值仿真,验证新型的三稳态系统模型能够产生随机共振现象;其次,以输出的平均信噪比（SNR）作为测度指标,结合人工鱼群智能算法进行相应参数寻优,使得组合型幂指函数的三稳态系统输出信噪比最大,从而达到随机共振现象。轴承故障诊断实验分析中,在输入信噪比为-25.8 dB条件下,分别通过双稳态系统和组合型幂指函数的三稳态系统得到的输出信噪比分别为-13.1 dB和-8.59 dB,说明组合型幂指函数三稳态系统性能优于双稳态系统性能。     

非周期随机共振抑噪应用研究

研究了噪声和随机二进制信号同时激励双稳系统时的输出响应，并测量了输入输出互相关系数。结果表明，随机共振并不限于周期信号，对于非周期信号也广泛存在。利用双稳系统中的非周期随机共振效应，可以减小随机信号传输中的噪声水平，改善输出信号质量，这在数字通信领域具有十分重要的意义。     

基于阈上随机共振现象的弱信号检测

为了说明当信号幅值处于系统阈值上时,噪声依然对信号起到增强作用,研究了加和网络模型中的随机共振现象,并且将该模型作为线性检测器的预处理器以构成非线性检测器,来进行对弱信号的检测研究。在搭建的非线性检测器中采用奈曼皮尔逊准则对信号做出判决。仿真结果表明:在加和网络模型中观察到了阈上随机共振现象,且非线性检测器的检测性能明显优于线性检测器。这为强噪声环境中提高弱信号检测问题开辟了一条新思路。     

二值噪声激励下耦合欠阻尼双稳系统的随机共振

研究了二值噪声激励下耦合欠阻尼双稳系统的随机共振问题.首先,数值模拟二值噪声,研究了噪声参数对二值噪声输出的影响;其次,分析了噪声参数对系统输出的影响,发现随着噪声强度的增大,粒子可以在两个势阱之间进行跳跃,而且跳跃的频率随着噪声强度的增大而增大;最后,描述了噪声对系统输出功率谱以及信噪比的影响.结果发现在一定噪声强度下,功率谱的输出有峰的结构,并且峰值在关键的噪声处达到最大.特别地,对于不同的参数,信噪比的变化呈现非单调性,从而可以找到使信噪比峰值最大的最优参数.