欠阻尼二阶线性系统中的随机共振及其抑噪应用

在乘性噪声背景下,研究欠阻尼二阶线性系统中的随机共振及其抑噪应用.当二阶线性系统的阻尼系数和固有频率均受高斯白噪声干扰下,欠阻尼二阶线性系统中存在随机共振现象.研究表明,该系统的平均输出幅度增益呈现非单调变化,不仅在一定条件下大于无噪声时的增益,而且调节适当的系统参数和噪声强度能够提高幅度增益.因而只要使系统处于共振区域,就会使夹杂在噪声中的被测信号突现出来,从而实现弱信号的检测.因而,采用可视化仿真软件SIMULINK对此进行了实例模拟.仿真证实该方法检测弱信号的可行性和有效性.     

结合数字滤波技术的随机共振弱信号检测

应用数值计算研究强噪声背景下弱信号的随机共振检测. 探讨了大频率条件下非线性双稳态系统随机共振的输出信号幅值、 信噪比与随机噪声的关系, 数值计算结果表明, 非线性双稳态系统对大频率噪声具有较大的压制特性, 通过随机共振系统可以检测强噪声背景下的大频率弱信号. 结合数字滤波技术提取了大频率弱信号, 并获得被检测大频率弱信号的特征频率谱线及时域图像.      

非高斯平稳有界噪声激励下混沌系统动力学研究

为解决信号检测理论在通讯、雷达、声纳、故障诊断等领域应用受限的问题,提出了随机Melnikov方法研究非线性系统在微弱周期信号和噪声信号联合摄动下的混沌运动行为,得到了微弱周期信号和非高斯平稳有界噪声信号联合摄动下的混沌运动特征.混沌的临界幅值与噪声强度的关系表明,在不强的非高斯平稳有界噪声背景下,有界噪声增大了激励阈值,混沌现象不容易产生.     

基于随机共振的混合频率微弱信号检测

非线性随机共振系统,为高噪声背景下微弱信号的检测提供了新方法.由于在检测微弱信号时受小频率参数和微弱信号幅度的约束,给实际应用带来了很大的困难.针对这一问题,利用归一化变换的随机共振微弱信号检测方法,通过引入归一化变换因子,消除随机共振系统对待测信号频率的限制,实现在高噪声背景下,混有高、低频待测信号的检测.理论分析和仿真结果表明:对埋在高噪声中的高、低频混合微弱信号,采用归一化变换,获得一个适当的输入信号到随机共振体系,通过输出信号的频谱分析检测出来,构建了一种可实现的高低频混合的微弱信号检测方法.     

乘性噪声作用下线性系统的随机共振及其抑噪应用

在二阶线性系统的阻尼系数和固有频率同时受一类乘性噪声干扰下,详细研究利用欠阻尼二阶线性系统中的随机共振消除此类噪声。研究表明,当二阶线性系统的固有频率和被测信号均受乘性高斯白噪声干扰下,欠阻尼二阶线性系统中存在随机共振现象,该系统的平均输出幅度增益呈现非单调变化,不仅在一定条件下大于无噪声时的增益,而且调节适当的系统参数和噪声强度能够提高幅度增益。因而只要使系统处于共振区域,就会使夹杂在噪声中的被测信号突现出来,从而实现信号的检测。采用可视化仿真软件SIMULINK对此进行了实例模拟。仿真证实了该方法消除乘性噪声的可行性和有效性。     

基于FHN神经元模型的UWB信号检测方法

针对FHN模型检测UWB信号时需要已知UWB信号和调节噪声强度来产生随机共振的局限性,研究分析了FHN模型系统参数与发生随机共振现象的关系,推导了新的输入输出互相关函数,提出了基于新互相关函数的参数调节FHN模型检测新方法。采用新方法对强噪声中的UWB脉冲信号进行检测并对该方法的检测性能进行了仿真比较与分析。仿真结果表明,新方法可以较为准确地检测到淹没在强噪声中的未知UWB脉冲信号,是一种低信噪比非合作下检测UWB信号的方法。     

基于信息论下阈值阵列模型中的阈上随机共振现象

研究了高斯混合噪声作用下阈值阵列模型中的阈上随机共振现象.通过建立阈值阵列模型,运用理论分析和数值仿真相结合的方法,分析了高斯混合噪声作用下高斯信号通过系统时的互信息.数值仿真表明,通过控制变量法,当阈值单元数目越多或者系统阈值越大时,阈上随机共振发生的现象更加明显.所得结论可以为进一步探索阈值阵列模型提供基础.     

混沌噪声背景下弱谐波信号的GRNN检测

针对BP(Back Propagation)神经网络方法存在训练时间长,收敛性能不理想;RBF(Radial BasisFunction)神经网络的隐层结构对鲁棒性影响大的问题,将广义回归神经网络GRNN(GeneralizationRegression Neural Network)引入混沌背景下的弱谐波信号检测中,提出了一种提取混沌噪声背景下微弱谐波信号的GRNN检测方法.该方法利用GRNN建立噪声混沌背景的最优一步预测模型,再结合频域处理预测误差提取微弱信号,以Duffing系统产生混沌时序作为混沌背景,使用该方法用MATLAB6.1验证在没有噪声、存在高斯白噪声和存在色噪声情况下的混沌背景下的弱谐波信号检测.实验结果表明,谐波对混沌的信噪比达到-36dB时仍然可以检测出谐波.     

级联双稳随机共振降噪下的经验模式分解

针对强噪声背景下混合信号的经验模式分解（EMD）问题,提出了一种基于级联双稳随机共振系统（CBSRS）降噪的EMD方法。该方法利用CBSRS对时域波形降噪的优良特性,首先对有噪信号进行随机共振输出,信号得到降噪后,再进行EMD。在仿真实验中,分别对原始信号以及各级级联随机共振输出后的信号进行EMD,对比结果表明,级联双稳系统能有效去除高频噪声,减少EMD的层数,使EMD具有更明确的物理意义最后通过一个轴承外圈故障的诊断实例表明,该方法在逐步滤除高频干扰的同时,不断加强低频特征能量,可以有效检测出故障的特征频率。     

频移变尺度自适应随机共振在大信号检测中的应用

针对随机共振检测大信号的局限性和判断随机共振发生时刻的盲目性,提出了将基于频域信噪比的自适应算法引入频移变尺度随机共振中,自动调节双稳态系统结构参数和采样频率,自动获取随机共振状态,实现大参数信号检测.数值仿真实验结果表明,频移变尺度自适应随机共振可以从强噪声背景中提取较高频率的周期信号;能自适应地寻找到随机共振发生时刻,获得了较高的输出信噪比,在信号检测领域具有更好的应用前景.     

一种分数阶随机共振系统的弱信号检测研究

在利用随机共振系统进行弱信号检测的研究中大多是以整数阶朗之万方程为主,针对分数阶随机共振的鲜有研究。对过阻尼分数阶朗之万方程的随机共振特性进行深入研究分析,对于分数阶朗之万方程求解这一难题,引入Oustaloup算法对其近似化,搭建分数阶朗之万方程的近似仿真模型,找出了产生随机共振的阈值,实现了对满足绝热近似理论的微弱信号的检测,且讨论了不同分数阶阶次和噪声强度对分数阶朗之万方程产生随机共振的影响。数值分析表明,在一定阶数时,分数阶朗之万方程可以产生随机共振,且对微弱信号的检测及放大效果明显好于整数阶。该研究拓展了朗之万方程随机共振的研究范围,在信号检测与处理以及通信领域有着重要的应用价值。     

基于非线性系统随机共振的多频弱信号检测

针对实际探测的弱信号常常是多个频率弱信号共存的的情形,进行了利用随机共振检测多频周期性弱信号的研究,以便把利用随机共振的弱信号检测应用于信息处理中微弱信息识别与提取。数值计算结果表明,在适当调节系统参数的情况下,强同频噪声下的多频周期性弱信号经过非线性双稳态系统后,相差不超过一个数量级的几个低于0.5Hz的不同频率的弱信号都可以同时发生随机共振而被检测出来,其信噪比改善十分明显,可以提高30dB以上。该方法在信息识别与信息处理方面具有潜在的应用价值。     

Duffing振子的两种检测微弱信号的方法及区别

分析了Duffing振子的混沌运动特征，阐述了两种检测微弱信号的方法：一是利用该振子对与参考信号角频差较小的周期小信号的敏感性、对白噪声及参考信号角频差较大的周期的免疫力来检测微弱信号，二是通过改变噪声强度或调节系统本身的参数产生随机共振来提取微弱信号。对两种方法的机理进行了比较，指出了二者的区别。     

极大阈值网络中的噪声提高Fisher信息

基于Fisher信息研究了3种典型噪声下极大阈值网络中的随机谐振和阈上随机谐振现象.通过研究得到极大阈值网络中的噪声能够提高Fisher信息,即随机谐振和阈上随机谐振现象存在,噪声有助于信号的估计.随着网络中阈值单元数的增加,Fisher信息的最大值迅速地增加,随机谐振和阈上随机谐振的功效显著增强.这些结果说明极大阈值网络中的随机谐振和阈上随机谐振对于噪声具有一定的鲁棒性,同时也拓展了随机谐振和阈上随机谐振在信号估计方面的应用.     

广义高斯噪声下阈值系统中的随机谐振

基于两种代表性的测度(互信息、互相关系数)讨论了广义高斯噪声下阈值系统中的随机谐振现象。当信号在阈下时,随机谐振存在且随机谐振的功效随噪声指数参数的减小而降低。根据密度函数的变化,对广义高斯噪声影响随机谐振功效进行解释。这些结果有助于揭示随机谐振的机理和拓广随机谐振在信号处理方面的应用。     

基于差分Poincaré映射的间歇混沌信号判别方法

针对混沌振子微弱信号检测中间歇混沌信号难以判别的问题,利用混沌系统的参数敏感特性,提出一种差分Poincar6映射判别方法,实现强噪声干扰下输出间歇混沌信号的判别.该方法选取周期激励幅值具有微小差异的两个混沌振子的Poincaré映射进行差值运算,利用周期状态下输出信号收敛,而混沌状态下输出信号分离的特点,降低了噪声对周期区域的影响,使可检测输入信号的信噪比达到了-87 dB.实验表明,在时域或Poincaré映射已经无法进行分辨的情况下,该方法仍然实现了检测系统输出间歇混沌信号的有效判别.     

基于变步长随机共振的弱信号检测技术

针对绝热近似小参数随机共振难以满足工程实践中大参数下的弱信号检测，以及单一频率的共振分析在实际应用中的局限性问题，提出了一种变步长随机共振数值算法．该方法通过调整计算步长，使随机共振理论同时适用于犬、小参数条件下的弱信号特征提取．计算机仿真结果表明，对变步长随机共振后的信号作幅值谱和小波分析，均能准确得到低信噪比信号中的多个有用成分，充分证明该算法在大参数条件下可对弱信号中的多个特征频率产生共振输出．同时，变步长随机共振也可以有效抑制信号小波分解中由强噪声引起的边频干扰，提高小波分析在低信噪比信号检测中的可靠性．     

非线性单稳态系统中基于内禀振荡的随机共振

通过考察具有内禀振荡的单稳态非线性系统的随机振荡行为,研究了内禀振荡对噪声背景中微弱信号检测性能的影响.结果表明,输出信噪比和系统信噪比增益都表现出随机共振行为;该随机共振现象依赖于系统的选频特性,而系统的选频特性源于内禀振荡.该单稳态非线性系统表现出的这种源于内禀振荡的随机共振,可能为微弱信号检测系统的设计提供新思路.     

随机共振结合RobustICA的两阶段结构损伤定位方法

为实现强噪声背景低信噪比环境下的结构损伤识别,提出一种基于非线性随机共振降噪与鲁棒性独立分量分析(RobustICA)的两阶段损伤定位方法.第一阶段,运用非线性随机共振系统对强噪声低信噪比的测量响应进行预处理,以降低背景噪声的干扰并增强结构响应;第二阶段,结合RobustICA提取包含损伤信息的特征分量对结构响应异常进行识别,之后计算归一化的源分布向量(NSDV)的最大值对结构损伤异常进行定位.框架数值算例结果表明,所提出的算法能够较精确实现信噪比为5dB下的结构损伤异常识别与定位.