為了快速和實時地從具有強噪聲的較低信噪比的原始信號中檢測出有用信息,設計了一種混沌相空間重構理論和ELMAN神經(jīng)網(wǎng)絡的信號檢測方法;首先,描述了采用混沌相空間重構理論對原始信號進行重構的原理和方法,在獲取重構的時間序列的基礎上,采用ELMAN網(wǎng)絡來近似表示用于檢測信號的函數(shù)型,然后,設計了ELMAN網(wǎng)絡中各層之間連接權值的計算方式,并提出了采用ELMAN網(wǎng)絡進行信號檢測的具體過程,最后給出了采用混沌相空間重構理論和ELMAN網(wǎng)絡的信號檢測模型;對Lorenz混沌系統(tǒng)模型進行仿真實驗,結(jié)果證明了文章方法能有效地對瞬時信號和周期性信息進行檢測,在具有高斯白噪聲的情況下,仍然具有降噪效果好的優(yōu)點,是一種用于信號檢測的可行性方法。 

【文章來源】：計算機測量與控制. 2014,22(11)北大核心

【文章頁數(shù)】：3 頁

【部分圖文】：

圖１ＥＬＭＡＮ網(wǎng)絡結(jié)構網(wǎng)絡權值學習

行訓練，并采用式（９）～式（１２）所示的公式對權值進行學習，然后將實際觀測的序列ｘ（ｎ）作單步預測，將單步預測值ｘｉ＋Ｒ＾與實際的值ｘｉ＋Ｒ進行比較，得到單步預測誤差，如下所示：ｅ（ｎ）＝ｘｉ＋Ｒ＾－ｘｉ＋Ｒｎ＝１，２，．．．．，ｎ－Ｒ（１５）其中：根據(jù)式（１５）求取出的具有較大誤差的點，這些點使得觀測序列ｘ（ｎ）與背景噪聲ｓ（ｎ）具有較大差別，因此，這些點能證明瞬態(tài)信號的存在。文中的最終檢測模型如圖２所示。圖２基于相空間重構和ＥＬＭＡＮ的模型

進行單步預測，檢測效果如圖３所示。圖３信號檢測結(jié)果從圖３中可以看出，文中方法采用ＥＬＭＡＮ網(wǎng)絡輸出的單步誤差在ｎ＝１００２～１０４９之間誤差較大，因此，可以判斷在該區(qū)域中存在著瞬時信號。在混沌背景噪聲中加入均值為０和方差為０．０９的高斯白噪聲，將觀測序列表示為：Ｈ１：ｘ（ｎ）＝ｓ（ｎ）＋ｔ（ｎ）＋ｗ（ｎ）（１７）Ｈ０：ｘ（ｎ）＝ｓ（ｎ）＋ｔ（ｎ）（１８）加入白噪聲的信號檢測結(jié)果如圖４所示。從圖４中可以看出，文中方法對含有噪聲的情況仍具有很好的檢測效果，瞬時信號在ｎ＝１００２時被成功檢測出來，而周期性信號在頻率為ｆ＝０．３００２時被成功檢測出來。圖４含噪信號檢測結(jié)果４結(jié)論信號檢測是從大量含有噪聲的信號中，根據(jù)被測信號和噪聲的統(tǒng)計特性和差別，從信號中檢測出有用的信號。文中設計了一種基于混沌相空間和ＥＬＭＡＮ網(wǎng)絡的信號檢測方法，首先采用混沌相空間重構方法對背景噪聲信號進行重構，然后構建ＥＬＭＡＮ網(wǎng)絡對信號進行檢測。實驗證明文中方法能有效實現(xiàn)對瞬時信號和周期性信號檢測，同時當具有高斯噪聲時，仍能有效實現(xiàn)檢測，具有很強的可行性。參考文獻：［１］ＸｕＢＱ，ＺｈｏｕＨＨ，ＳｕｎＬＬ，ｅｔａｌ．Ｗｅａｋ－ｓｉｇｎａｌｄｅｔｅｃｔｉｏｎａｎｄｔｈｅａｐｐｌｉｃａｔｉｏｎｉｎｄｅｔｅｃｔｉｏｎｏｆｅｌｅｃｔｒｉｃｍｏｔｏｒｆａｕｌｔｓ［Ａ］，２００７Ｉｎ－ｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＥｌｅｃｔｒｉｃａｌＭａｃｈｉｎｅｓａｎｄＳｙｓｔｅｍｓ，ＩＥＥＥＣｏｎ

【參考文獻】：
期刊論文
[1]采用粒子群算法的自適應變步長隨機共振研究[J]. 張仲海,王多,王太勇,林錦州,蔣永翔.  振動與沖擊. 2013(19)
[2]基于廣義窗函數(shù)和最小二乘支持向量機的混沌背景下微弱信號檢測[J]. 行鴻彥,程艷燕,徐偉.  物理學報. 2012(10)
[3]基于哈密頓量的Duffing振子微弱信號檢測[J]. 魏恒東,甘露,李立萍.  電子科技大學學報. 2012(02)
[4]奇異譜技術在混沌背景下微弱信號檢測中的應用[J]. 楊海博,王海燕,申曉紅.  計算機測量與控制. 2012(03)
[5]一種新的微弱未知信號混沌振子檢測法[J]. 楊海博,王海燕,申曉紅.  計算機應用研究. 2012(03)
[6]微弱信號檢測方法的現(xiàn)狀分析[J]. 夏均忠,劉遠宏,冷永剛,葛紀桃.  噪聲與振動控制. 2011(03)
[7]混沌背景下微弱信號時域參數(shù)檢測的研究[J]. 李小玲,袁繼敏,銀星,古天祥.  電子科技大學學報. 2009(04)



本文編號：3286439