為了檢測(cè)噪聲背景下的微弱信號(hào),提出了一種基于一次項(xiàng)時(shí)延的新型多穩(wěn)態(tài)隨機(jī)共振模型。分析了各參數(shù)對(duì)該模型的影響,并與時(shí)延反饋隨機(jī)共振模型進(jìn)行對(duì)比。提出的基于一次項(xiàng)時(shí)延的多穩(wěn)態(tài)隨機(jī)共振模型可以集中增強(qiáng)微弱信號(hào)特征頻率處的幅值,提高輸出信號(hào)的信噪比和譜功率放大系數(shù)。通過實(shí)例驗(yàn)證表明提出的方法可以有效檢測(cè)出早期微弱信號(hào)的特征。 

【文章頁數(shù)】：5 頁

【文章目錄】：
1 引言
2 一次項(xiàng)時(shí)延多穩(wěn)態(tài)隨機(jī)共振模型
3 參數(shù)對(duì)概率密度函數(shù)的影響
4 隨機(jī)共振系統(tǒng)的度量指標(biāo)
5 實(shí)例研究
    5.1 美國西儲(chǔ)大學(xué)實(shí)驗(yàn)數(shù)據(jù)
    5.2 某公司實(shí)驗(yàn)數(shù)據(jù)
6 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于周期勢(shì)函數(shù)的自適應(yīng)二階欠阻尼隨機(jī)共振信號(hào)增強(qiáng)方法[J]. 陳劍,陶善勇,王維,呂伍佯.  計(jì)量學(xué)報(bào). 2019(04)
[2]Liu-cos混沌系統(tǒng)在聲波弱信號(hào)檢測(cè)中的應(yīng)用[J]. 劉劍鳴,習(xí)敬偉.  計(jì)量學(xué)報(bào). 2018(03)
[3]汽車防撞雷達(dá)多目標(biāo)識(shí)別測(cè)量算法研究[J]. 張鑒,童睿,周道逵,楊文華,黃正峰,戚昊琛.  計(jì)量學(xué)報(bào). 2017(01)
[4]基于變尺度多穩(wěn)隨機(jī)共振的微弱信號(hào)檢測(cè)研究[J]. 時(shí)培明,李培,韓東穎,劉彬.  計(jì)量學(xué)報(bào). 2015 (06)
[5]基于隨機(jī)共振的任意大頻率微弱信號(hào)檢測(cè)方法研究[J]. 樊養(yǎng)余,李利品,黨瑞榮.  儀器儀表學(xué)報(bào). 2013(03)
[6]基于EMD和小波去噪處理的信號(hào)瞬時(shí)參數(shù)提取[J]. 張旻,程家興.  信號(hào)處理. 2004(05)



本文編號(hào)：3716910