發(fā)布時(shí)間：2018-11-05 16:43

【摘要】：針對(duì)傳統(tǒng)大參數(shù)信號(hào)自適應(yīng)隨機(jī)共振方法存在的變換尺度變化范圍選取缺乏固定標(biāo)準(zhǔn)、參數(shù)自適應(yīng)效率低、檢測(cè)到的目標(biāo)信號(hào)不夠明顯等不足,提出一種基于并聯(lián)自適應(yīng)隨機(jī)共振的微弱信號(hào)檢測(cè)方法,實(shí)現(xiàn)強(qiáng)噪聲背景下大參數(shù)微弱信號(hào)的快速、有效檢測(cè)。推導(dǎo)出基于采樣頻率的變換尺度的最大變化范圍,將該范圍平均分段,以輸出信噪比為適應(yīng)度函數(shù),在變換尺度各子搜索范圍和共振系統(tǒng)參數(shù)搜索范圍內(nèi),采用帶極值擾動(dòng)的簡(jiǎn)化粒子群算法對(duì)變換尺度及系統(tǒng)參數(shù)進(jìn)行自適應(yīng)優(yōu)化選擇;將優(yōu)化得到的變換尺度和系統(tǒng)參數(shù)分別作為并聯(lián)各子隨機(jī)共振系統(tǒng)的輸入信號(hào)變換尺度和系統(tǒng)參數(shù);將各子系統(tǒng)的輸出響應(yīng)分別進(jìn)行自相關(guān)處理后,合成為最終的系統(tǒng)輸出響應(yīng)。仿真及實(shí)際應(yīng)用結(jié)果表明,該方法對(duì)強(qiáng)噪聲背景中的微弱目標(biāo)信號(hào)具有準(zhǔn)確的檢測(cè)能力,能夠有效提高參數(shù)自適應(yīng)效率,突出檢測(cè)到的目標(biāo)信號(hào),增強(qiáng)強(qiáng)噪聲背景下微弱信號(hào)的檢測(cè)能力。
[Abstract]:In view of the shortcomings of traditional adaptive stochastic resonance (SRR) methods, such as the lack of a fixed standard for the selection of the range of transformation scales, the low efficiency of parameter adaptation, and the lack of obvious detected target signals, etc. A method of weak signal detection based on parallel adaptive stochastic resonance is proposed, which can detect weak signal with large parameter under strong noise quickly and effectively. The maximum variation range of the transform scale based on sampling frequency is deduced. The range is divided into sections, and the output signal-to-noise ratio (SNR) is taken as the fitness function. In the sub-search range of the transform scale and the parameter search range of the resonance system, A simplified particle swarm optimization algorithm with extremum perturbation is used to optimize the transformation scale and system parameters. The optimized transformation scale and system parameters are used as input signal transformation scale and system parameters of parallel sub-stochastic resonance system respectively. The output response of each subsystem is synthesized into the final output response after autocorrelation. The results of simulation and practical application show that the method has accurate detection ability for weak target signal in strong noise background and can effectively improve the parameter adaptive efficiency and highlight the detected target signal. Enhance the detection ability of weak signal in strong noise background.
【作者單位】： 海軍航空工程學(xué)院7系;新疆軍區(qū)指揮自動(dòng)化站;
【基金】：國(guó)防預(yù)研基金項(xiàng)目(9140A27020214JB14435)
【分類(lèi)號(hào)】：TN911.23

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 安良;陳勵(lì)軍;陸佶人;;海洋噪聲背景下基于隨機(jī)共振方法的波束形成[J];聲學(xué)技術(shù);2006年02期

2 王晶;張慶;梁霖;張熠卓;徐光華;;采用遺傳算法的自適應(yīng)隨機(jī)共振系統(tǒng)弱信號(hào)檢測(cè)方法研究[J];西安交通大學(xué)學(xué)報(bào);2010年03期

3 吳利平;李贊;李建東;;隨機(jī)共振參數(shù)的自適應(yīng)調(diào)整策略與性能分析[J];北京郵電大學(xué)學(xué)報(bào);2011年02期

4 李曉龍;冷永剛;范勝波;石鵬;;基于非均勻周期采樣的隨機(jī)共振研究[J];振動(dòng)與沖擊;2011年12期

5 張曉燕;徐偉;周丙常;;周期矩形信號(hào)作用下時(shí)滯非對(duì)稱(chēng)單穩(wěn)系統(tǒng)的隨機(jī)共振[J];物理學(xué)報(bào);2012年03期

6 張礁石;楊子賢;盧結(jié)成;;閾值陣列模型與超閾值隨機(jī)共振[J];通信技術(shù);2012年07期

7 楊寧;張培林;馬喬;王江濤;;自適應(yīng)隨機(jī)共振在微弱信號(hào)檢測(cè)中的應(yīng)用[J];機(jī)械強(qiáng)度;2012年06期

8 張麗珠;于健;;基于調(diào)制隨機(jī)共振大頻率信號(hào)檢測(cè)的仿真[J];天津職業(yè)技術(shù)師范大學(xué)學(xué)報(bào);2012年04期

9 陳明生;秦明新;孫即祥;尹中秋;寧旭;;低信噪比下融合隨機(jī)共振的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J];國(guó)防科技大學(xué)學(xué)報(bào);2013年01期

10 肖井華,屈支林,劉杰;雙頻率信號(hào)驅(qū)動(dòng)下的隨機(jī)共振[J];北京郵電大學(xué)學(xué)報(bào);1996年01期

相關(guān)會(huì)議論文 前3條

1 周輝;李建龍;;誤差反饋對(duì)隨機(jī)共振非線性系統(tǒng)性能的影響[A];浙江省信號(hào)處理學(xué)會(huì)2011學(xué)術(shù)年會(huì)論文集[C];2011年

2 王關(guān)平;楊森;靳伍銀;;FHN神經(jīng)元傳輸特性研究[A];第十四屆全國(guó)非線性振動(dòng)暨第十一屆全國(guó)非線性動(dòng)力學(xué)和運(yùn)動(dòng)穩(wěn)定性學(xué)術(shù)會(huì)議摘要集與會(huì)議議程[C];2013年

3 徐嬌華;趙宗曦;張宇;;基于隨機(jī)共振原理的微弱水聲信號(hào)處理[A];中國(guó)聲學(xué)學(xué)會(huì)第九屆青年學(xué)術(shù)會(huì)議論文集[C];2011年

相關(guān)博士學(xué)位論文 前5條

1 范劍;隨機(jī)共振和混沌理論在微弱信號(hào)檢測(cè)中的應(yīng)用研究[D];河北工業(yè)大學(xué);2014年

2 劉進(jìn);基于非線性隨機(jī)共振的弱信號(hào)檢測(cè)理論研究[D];西安電子科技大學(xué);2015年

3 王楠;非線性系統(tǒng)邏輯隨機(jī)共振的理論研究[D];東南大學(xué);2015年

4 萬(wàn)頻;隨機(jī)共振在信號(hào)檢測(cè)中的研究與應(yīng)用[D];廣東工業(yè)大學(xué);2011年

5 馬玉梅;基于Fisher信息量的弱信號(hào)處理增益問(wèn)題研究[D];青島大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 陳晨;隨機(jī)共振微弱信號(hào)檢測(cè)的參數(shù)敏感性研究與應(yīng)用[D];西安石油大學(xué);2015年

2 王瀟;基于隨機(jī)共振的CDMA波束成形技術(shù)研究[D];電子科技大學(xué);2014年

3 譙自健;基于隨機(jī)共振理論的微弱信號(hào)檢測(cè)方法研究及應(yīng)用[D];蘭州理工大學(xué);2015年

4 吳創(chuàng)賓;聽(tīng)覺(jué)非線性信號(hào)處理的心理聲學(xué)實(shí)驗(yàn)研究[D];華中科技大學(xué);2014年

5 尚金紅;基于隨機(jī)共振理論不同噪聲背景下2PSK信號(hào)相干接收誤碼率的研究[D];天津工業(yè)大學(xué);2016年

6 姜夢(mèng)琦;閾值網(wǎng)絡(luò)中基于互信息的隨機(jī)共振研究[D];南京郵電大學(xué);2016年

7 胡韜;基于隨機(jī)共振理論的微弱信號(hào)檢測(cè)方法研究[D];重慶郵電大學(xué);2016年

8 宋洋洋;基于混沌與隨機(jī)共振的微弱信號(hào)檢測(cè)方法的研究[D];西安石油大學(xué);2016年

9 薛力偉;隨機(jī)共振系統(tǒng)的參數(shù)選取與應(yīng)用研究[D];蘭州大學(xué);2009年

10 劉小娜;雙穩(wěn)隨機(jī)共振系統(tǒng)的實(shí)用特性研究及應(yīng)用[D];燕山大學(xué);2011年

，

本文編號(hào)：2312675