為了快速和實(shí)時(shí)地從具有強(qiáng)噪聲的較低信噪比的原始信號(hào)中檢測(cè)出有用信息,設(shè)計(jì)了一種混沌相空間重構(gòu)理論和ELMAN神經(jīng)網(wǎng)絡(luò)的信號(hào)檢測(cè)方法;首先,描述了采用混沌相空間重構(gòu)理論對(duì)原始信號(hào)進(jìn)行重構(gòu)的原理和方法,在獲取重構(gòu)的時(shí)間序列的基礎(chǔ)上,采用ELMAN網(wǎng)絡(luò)來(lái)近似表示用于檢測(cè)信號(hào)的函數(shù)型,然后,設(shè)計(jì)了ELMAN網(wǎng)絡(luò)中各層之間連接權(quán)值的計(jì)算方式,并提出了采用ELMAN網(wǎng)絡(luò)進(jìn)行信號(hào)檢測(cè)的具體過(guò)程,最后給出了采用混沌相空間重構(gòu)理論和ELMAN網(wǎng)絡(luò)的信號(hào)檢測(cè)模型;對(duì)Lorenz混沌系統(tǒng)模型進(jìn)行仿真實(shí)驗(yàn),結(jié)果證明了文章方法能有效地對(duì)瞬時(shí)信號(hào)和周期性信息進(jìn)行檢測(cè),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(diǎn),是一種用于信號(hào)檢測(cè)的可行性方法。 

【文章來(lái)源】：計(jì)算機(jī)測(cè)量與控制. 2014,22(11)北大核心

【文章頁(yè)數(shù)】：3 頁(yè)

【部分圖文】：

圖１ＥＬＭＡＮ網(wǎng)絡(luò)結(jié)構(gòu)網(wǎng)絡(luò)權(quán)值學(xué)習(xí)

行訓(xùn)練，并采用式（９）～式（１２）所示的公式對(duì)權(quán)值進(jìn)行學(xué)習(xí)，然后將實(shí)際觀測(cè)的序列ｘ（ｎ）作單步預(yù)測(cè)，將單步預(yù)測(cè)值ｘｉ＋Ｒ＾與實(shí)際的值ｘｉ＋Ｒ進(jìn)行比較，得到單步預(yù)測(cè)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(diǎn)，這些點(diǎn)使得觀測(cè)序列ｘ（ｎ）與背景噪聲ｓ（ｎ）具有較大差別，因此，這些點(diǎn)能證明瞬態(tài)信號(hào)的存在。文中的最終檢測(cè)模型如圖２所示。圖２基于相空間重構(gòu)和ＥＬＭＡＮ的模型

進(jìn)行單步預(yù)測(cè)，檢測(cè)效果如圖３所示。圖３信號(hào)檢測(cè)結(jié)果從圖３中可以看出，文中方法采用ＥＬＭＡＮ網(wǎng)絡(luò)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(shí)信號(hào)。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(cè)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(hào)檢測(cè)結(jié)果如圖４所示。從圖４中可以看出，文中方法對(duì)含有噪聲的情況仍具有很好的檢測(cè)效果，瞬時(shí)信號(hào)在ｎ＝１００２時(shí)被成功檢測(cè)出來(lái)，而周期性信號(hào)在頻率為ｆ＝０．３００２時(shí)被成功檢測(cè)出來(lái)。圖４含噪信號(hào)檢測(cè)結(jié)果４結(jié)論信號(hào)檢測(cè)是從大量含有噪聲的信號(hào)中，根據(jù)被測(cè)信號(hào)和噪聲的統(tǒng)計(jì)特性和差別，從信號(hào)中檢測(cè)出有用的信號(hào)。文中設(shè)計(jì)了一種基于混沌相空間和ＥＬＭＡＮ網(wǎng)絡(luò)的信號(hào)檢測(cè)方法，首先采用混沌相空間重構(gòu)方法對(duì)背景噪聲信號(hào)進(jìn)行重構(gòu)，然后構(gòu)建ＥＬＭＡＮ網(wǎng)絡(luò)對(duì)信號(hào)進(jìn)行檢測(cè)。實(shí)驗(yàn)證明文中方法能有效實(shí)現(xiàn)對(duì)瞬時(shí)信號(hào)和周期性信號(hào)檢測(cè)，同時(shí)當(dāng)具有高斯噪聲時(shí)，仍能有效實(shí)現(xiàn)檢測(cè)，具有很強(qiáng)的可行性。參考文獻(xiàn)：［１］ＸｕＢＱ，ＺｈｏｕＨＨ，ＳｕｎＬＬ，ｅｔａｌ．Ｗｅａｋ－ｓｉｇｎａｌｄｅｔｅｃｔｉｏｎａｎｄｔｈｅａｐｐｌｉｃａｔｉｏｎｉｎｄｅｔｅｃｔｉｏｎｏｆｅｌｅｃｔｒｉｃｍｏｔｏｒｆａｕｌｔｓ［Ａ］，２００７Ｉｎ－ｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＥｌｅｃｔｒｉｃａｌＭａｃｈｉｎｅｓａｎｄＳｙｓｔｅｍｓ，ＩＥＥＥＣｏｎ

【參考文獻(xiàn)】：
期刊論文
[1]采用粒子群算法的自適應(yīng)變步長(zhǎng)隨機(jī)共振研究[J]. 張仲海,王多,王太勇,林錦州,蔣永翔.  振動(dòng)與沖擊. 2013(19)
[2]基于廣義窗函數(shù)和最小二乘支持向量機(jī)的混沌背景下微弱信號(hào)檢測(cè)[J]. 行鴻彥,程艷燕,徐偉.  物理學(xué)報(bào). 2012(10)
[3]基于哈密頓量的Duffing振子微弱信號(hào)檢測(cè)[J]. 魏恒東,甘露,李立萍.  電子科技大學(xué)學(xué)報(bào). 2012(02)
[4]奇異譜技術(shù)在混沌背景下微弱信號(hào)檢測(cè)中的應(yīng)用[J]. 楊海博,王海燕,申曉紅.  計(jì)算機(jī)測(cè)量與控制. 2012(03)
[5]一種新的微弱未知信號(hào)混沌振子檢測(cè)法[J]. 楊海博,王海燕,申曉紅.  計(jì)算機(jī)應(yīng)用研究. 2012(03)
[6]微弱信號(hào)檢測(cè)方法的現(xiàn)狀分析[J]. 夏均忠,劉遠(yuǎn)宏,冷永剛,葛紀(jì)桃.  噪聲與振動(dòng)控制. 2011(03)
[7]混沌背景下微弱信號(hào)時(shí)域參數(shù)檢測(cè)的研究[J]. 李小玲,袁繼敏,銀星,古天祥.  電子科技大學(xué)學(xué)報(bào). 2009(04)



本文編號(hào)：3286439