基于小波阈值处理的弱周期脉冲信号混沌检测

混沌振子检测系统被认为是检测带噪弱信号的有力工具.然而事实证明,上述系统不能保证对噪声充分“免疫”,噪声的随机性对检测结果的有效性会产生严重的甚至破坏性的影响.针对上述问题,引入小波阈值处理技术,给出一种基于小波阈值处理检测混沌振子的新型混合检测系统.理论分析与仿真结果均表明,改进方法使得噪声对检测的干扰大幅降低,对信噪比达-23dB的微弱周期脉冲信号实现了成功检测,同时,显著提升了混沌检测的稳定性和可靠性.     

基于小波分解和Duffing振子的变尺度微弱信号检测

传统的时频分析方法在对周期性微弱信号进行检测时,提取的信息具有信噪比不高的缺点,从而影响了检测效果,为此,利用Duffing振子混沌系统对噪声的强免疫力的特征,提出了一种基于小波分解和混沌阵子的混合微弱信号检测方法;首先,采用小波变换对信号进行分解,通过小波变换的平滑作用实现对含噪微弱信号的离散处理,并设计了一种根据阈值来确定分解层数的方法,然后将降噪后的重构信号作为Duffing阵子的周期驱动力并入混沌系统,采用混沌Duffing阵子阵列实现在强噪声背景下的微弱信号检测,并提出了一种临界状态策动力幅值和初始相位的自适应确定方法;在Matlab7仿真环境下进行实验,结果表明:文中方法能有效地对湮没在强噪声下的微弱信息进行检测,具有信号检测信噪比高,重构信号频率较其它方法更接近于真实频率,具有较强的可行性。     

微弱信号混沌检测的自跟踪扫频控制方法

当利用混沌理论进行微弱信号的检测时,针对不同频率的信号只能分别构建不同的检测系统进行检测,势必使其检测效率低下.本文阐述了一种分频段阈值变换的混沌检测方法,并基于该方法实现了自跟踪扫频检测.为此,首先分析了微弱信号混沌检测方法中的变阈值法和定阈值法,指出了这两种方法的优缺点,然后提出了分频段阈值变换的混沌检测方法,并基于该方法开展了微弱信号的自跟踪扫频检测控制的研究,设计制作了微弱信号自跟踪扫频检测控制电路,并进行了微弱信号自跟踪扫频混沌检测的实验研究.结果表明该检测控制系统可以实现在噪声背景下的中低频率微弱周期信号的自跟踪扫频检测.     

基于混沌相平面变化的微弱信号检测

针对超低信噪比条件下信号难于检测这一问题,提出了一种基于Duffing振子的微弱信号检测新方法,采用梅尔尼科夫函数给出了系统出现混沌状态的阈值,分析了Duffing振子动力学系统随参数变化的特性,研究了系统在临界参数附近变化时会出现混沌到大周期相变的特征,并根据此特点设计了一种微弱信号检测模型;理论分析和仿真实验都表明,提出的检测方法对任何零均值噪声具有免疫力,对正弦信号参量变化极为敏感,且可以准确检测出信噪比低达-49.5dB的微弱正弦信号.     

基于伪哈密顿量的变尺度Duffing振子弱信号检测

针对强噪声背景中微弱工程信号检测问题,在传统检测方法基础上,提出了基于伪哈密顿量的变尺度Duffing振子弱信号检测方法。待测高频工程信号经尺度变换为固定低频信号,从而唯一确定了相变阈值,并克服了传统方法中低频参数信号的限制。搭建自相关和小波阈值变换联合去噪系统,避免了噪声对检测结果的不利影响。构造Duffing系统伪哈密顿量实时地表征系统动力学行为,解决了定量判断系统状态时计算量大、效率低的难题。仿真测试表明,该检测方法可以快速检测任意频率、任意相位的低信噪比周期信号,改善了湮没在强噪声下的微弱信号检测技术。     

混沌背景中微弱网络传输信号有效检测仿真

针对传统微弱信号检测方法存在检测准确性较低、检测时间较长等缺点,提出混沌背景中微弱网络传输信号有效检测方法。根据Wiener-Khinchine定理对信号函数计算,并经过傅里叶变换获得信号的自相关函数与其相对应的功率谱,利用周期图法分析获得微弱信号的检测原理,运用Briot-Bouquet引理进行计算,根据计算结果证明瞬态信号以及周期信号的存在,并以此为基础构建混沌背景下噪声的检测模型,从预测误差中检测出在噪声层下的微弱网络传输信号。仿真结果表明,所提方法能够快速检测出在混沌背景下的微弱信号,且检测时间较短、检测误差较低,可广泛引用在现实生活中。     

基于混沌振子的微弱信号检测

分析了Duffing振子的混沌运动,利用振子相变对与参考信号频差较小的周期小信号具有敏感性和对噪声的免疫力检测微弱周期信号,检测不同频率的信号需要不同频率的参考信号,通过调整系统参数使得振子对不同频率的信号检测具有普遍性.将传感器周期性干扰信号作为对内驱动信号的摄动加入混沌检测中,通过观察混沌振子的状态变量的时间历程图,发现混沌检测系统处于间歇混沌状态,证明了采用Duffing混沌振子检测微弱周期小信号的可行性.     

混沌振子实现微弱周期小信号的检测

通过对混沌振子Duffing方程及其检测原理的介绍,发现混沌振子对周期小信号具有敏感特性,能够在强噪声环境下实现对微弱周期小信号的检测。Matlab实验仿真和分析证明了采用混沌振子Duffing检测微弱周期小信号的可行性。     

基于混合系统的微弱信号检测方法研究

在电子信息、电力控制、通信、生物学等领域,都不同程度地需要进行微弱信号检测,为了提取强噪声背景下的微弱信号的幅值和频率,通过对混沌系统的Duffing方程动力学特性的分析,利用该系统对周期信号的敏感性和对噪声的免疫性,构建了多重相关和混沌振子相结合的微弱信号检测系统,并对具有代表性的微弱正弦信号进行了仿真检测;仿真实验表明:该系统可以对未知纳伏级的正弦信号幅值和频率进行有效的提取,并可达到较高的精度,同时也可进一步提高对低信噪比信号的检测能力.     

基于受控Lorenz系统的微弱脉冲信号检测

利用Lorenz系统的参数非共振激励混沌抑制原理，实现强噪声背景下微弱周期脉冲信号的检测．将频率远大于系统特征频率的脉冲信号作为系统内置激励信号，根据平均法和重整化方法得到受控Lorenz系统与原系统的参数等效关系，并确定使系统由混沌状态突变为周期状态的检测参数临界值．仿真结果表明此系统可以达到较低的信噪比工作下限．此方法可根据理论分析结果预测参数临界值范围，检测方式简便易行，适于在目标探测和故障诊断领域推广应用．     

基于混沌的微弱信号直接数字化测量研究

首次提出了在现有的恒流源混沌映射信号测量系统中,增加一次保序变换,将N位的自然排序混沌轨道符号序列起始段直接映射到N位的自然排序标准二进制序列,从而在混沌映射测量结果与传统线性A/D转换结果之间,建立直接的对应关系的方法.该方法可以有效地解决现有混沌映射信号测量技术中存在的一些问题.研究表明,混沌映射和保序变换,可以用于微弱信号的直接数字化测量,也可作为数字化传感器或传感器阵列的设计参考.     

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。     

基于双耦合改进型混沌振子系统的弱信号检测

介绍传统的单Duffing混沌振子系统检测微弱信号的原理。传统混沌检测弱信号方法中,在强噪声环境下检测弱信号时系统易出现相位变化不稳定、抗噪性需进一步增强等问题。针对这些问题,本文提出基于双Duffing耦合改进型振子系统来对强噪声环境下的弱信号进行检测的方法,并用此方法对强噪声下的微弱正弦信号进行检测仿真。通过仿真得出双耦合改进型混沌振子系统能够更好地检测强噪声环境下的弱信号,对噪声有着更好的抑制作用。     

基于统计方法的混沌Duffing振子弱信号检测与估计

本文研究了混沌Duffing振子在弱信号检测系统中表现出的统计特性,说明了Lyapunov指数的统计特性与弱信号检测和估计之间的关系.之前的一些研究表明,混沌系统可以用于弱信号的检测,并将Lyapunov指数作为判定混沌状态的确定性依据.但本文的研究工作表明,弱信号检测系统中的Lyapunov指数存在一定的统计特性,将其作为信号检测判据需要考虑更多因素.因此,本文从理论上分析了混沌弱信号检测系统的Lyapunov指数存在的统计特性,并利用仿真数据建立了统计模型,确立了混沌检测系统的虚警概率和检测概率的计算方法.进而推导出了策动力阈值门限的选取公式和弱信号检测信噪比,给出了信号幅度估计的方法.实验结果表明,混沌弱信号的检测和估计性能与采样时间和采样间隔密切相关,可以采用统计信号检测的理论来衡量其性能.     

混沌振子弱信号检测系统构成及响应速度研究

针对混沌振子微弱信号检测系统中初值影响检测系统输出状态的问题,利用广义胞映射方法对检测系统分岔点附近的全局性态进行分析,根据所获得的数值分析结果,给出一种构成无误判性检测系统的方法,并进一步定义了响应步长作为衡量检测速度的指标,利用该指标对无误判性检测系统响应微弱信号的速度进行了分析,所得的结论可为混沌振子检测系统的工程实施提供有效的理论支撑。     

基于小波熵的电机故障诊断

小波分析的方法为弱信号检测技术开辟了一条新途径,但小波变换对弱信号进行特征提取的关键在于确定小波系数的阈值．基于小波熵分析的方法能够在强噪声环境中对微弱信号准确定位,实现低能量的瞬变信号有效提取。仿真实验证明小波分析技术对电机声频故障诊断十分有效,有进一步的研究的必要,在电机的故障诊断方面小波有良好的应用前景。     

小波神经网络在微弱信号检测中的应用

因为噪声总是会影响检测的结果,所以低信噪比下的信号检测是目前检测领域的热点,而强噪声背景下微弱信号的提取又是信号检测的难点。小波神经网络比数字滤波器更加适合检测微弱信号。小波神经网络是一种时频分析的自适应系统,它能检测信号中的微小变化。该文提出了一种新的检测白噪声中微弱信号的方法。仿真结果表明,小波神经网络在检测微弱信号的特征和改善信噪比方面是一种十分有效的方法。     

混沌同步在弱信号检测中的应用研究

分析了Duffing方程的基本形式;阐述了基于混沌信号相平面变化进行弱信号检测的工作原理,针对目前利用混沌检测弱信号中存在的两个关键问题;提出了一种利用混沌同步特性检测弱信号的系统模型,利用此系统解决了混沌检测弱信号中存在的两个问题,实验证明了此方案的可行性,为混沌同步在弱信号检测的实际应用奠定了基础.