【摘要】：針對傳統(tǒng)大參數(shù)信號自適應隨機共振方法存在的變換尺度變化范圍選取缺乏固定標準、參數(shù)自適應效率低、檢測到的目標信號不夠明顯等不足,提出一種基于并聯(lián)自適應隨機共振的微弱信號檢測方法,實現(xiàn)強噪聲背景下大參數(shù)微弱信號的快速、有效檢測。推導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),采用帶極值擾動的簡化粒子群算法對變換尺度及系統(tǒng)參數(shù)進行自適應優(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)各子隨機共振系統(tǒng)的輸入信號變換尺度和系統(tǒng)參數(shù);將各子系統(tǒng)的輸出響應分別進行自相關處理后,合成為最終的系統(tǒng)輸出響應。仿真及實際應用結果表明,該方法對強噪聲背景中的微弱目標信號具有準確的檢測能力,能夠有效提高參數(shù)自適應效率,突出檢測到的目標信號,增強強噪聲背景下微弱信號的檢測能力。
[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】： 海軍航空工程學院7系;新疆軍區(qū)指揮自動化站;
【基金】：國防預研基金項目(9140A27020214JB14435)
【分類號】：TN911.23

【相似文獻】

相關期刊論文 前10條

1 安良;陳勵軍;陸佶人;;海洋噪聲背景下基于隨機共振方法的波束形成[J];聲學技術;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隨機共振系統(tǒng)弱信號檢測方法研究[J];西安交通大學學報;2010年03期

3 吳利平;李贊;李建東;;隨機共振參數(shù)的自適應調(diào)整策略與性能分析[J];北京郵電大學學報;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共振研究[J];振動與沖擊;2011年12期

5 張曉燕;徐偉;周丙常;;周期矩形信號作用下時滯非對稱單穩(wěn)系統(tǒng)的隨機共振[J];物理學報;2012年03期

6 張礁石;楊子賢;盧結成;;閾值陣列模型與超閾值隨機共振[J];通信技術;2012年07期

7 楊寧;張培林;馬喬;王江濤;;自適應隨機共振在微弱信號檢測中的應用[J];機械強度;2012年06期

8 張麗珠;于健;;基于調(diào)制隨機共振大頻率信號檢測的仿真[J];天津職業(yè)技術師范大學學報;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共振的運動目標檢測算法[J];國防科技大學學報;2013年01期

10 肖井華,屈支林,劉杰;雙頻率信號驅(qū)動下的隨機共振[J];北京郵電大學學報;1996年01期

相關會議論文 前3條

1 周輝;李建龍;;誤差反饋對隨機共振非線性系統(tǒng)性能的影響[A];浙江省信號處理學會2011學術年會論文集[C];2011年

2 王關平;楊森;靳伍銀;;FHN神經(jīng)元傳輸特性研究[A];第十四屆全國非線性振動暨第十一屆全國非線性動力學和運動穩(wěn)定性學術會議摘要集與會議議程[C];2013年

3 徐嬌華;趙宗曦;張宇;;基于隨機共振原理的微弱水聲信號處理[A];中國聲學學會第九屆青年學術會議論文集[C];2011年

相關博士學位論文 前5條

1 范劍;隨機共振和混沌理論在微弱信號檢測中的應用研究[D];河北工業(yè)大學;2014年

2 劉進;基于非線性隨機共振的弱信號檢測理論研究[D];西安電子科技大學;2015年

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

4 萬頻;隨機共振在信號檢測中的研究與應用[D];廣東工業(yè)大學;2011年

5 馬玉梅;基于Fisher信息量的弱信號處理增益問題研究[D];青島大學;2014年

相關碩士學位論文 前10條

1 陳晨;隨機共振微弱信號檢測的參數(shù)敏感性研究與應用[D];西安石油大學;2015年

2 王瀟;基于隨機共振的CDMA波束成形技術研究[D];電子科技大學;2014年

3 譙自健;基于隨機共振理論的微弱信號檢測方法研究及應用[D];蘭州理工大學;2015年

4 吳創(chuàng)賓;聽覺非線性信號處理的心理聲學實驗研究[D];華中科技大學;2014年

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

6 姜夢琦;閾值網(wǎng)絡中基于互信息的隨機共振研究[D];南京郵電大學;2016年

7 胡韜;基于隨機共振理論的微弱信號檢測方法研究[D];重慶郵電大學;2016年

8 宋洋洋;基于混沌與隨機共振的微弱信號檢測方法的研究[D];西安石油大學;2016年

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

10 劉小娜;雙穩(wěn)隨機共振系統(tǒng)的實用特性研究及應用[D];燕山大學;2011年

，

本文編號：2312675