随机共振的数值模拟

给出了变步长Runge-Kutta 算法,作为非线性随机微分方程的求解方法.利用此微分方程所描述的系统所表现出来的随机共振特性,检测强噪声背景下的弱信号.并应用Simulink软件强大的功能以一种很直观的方式完成了计算机仿真.将此方法应用于强噪声背景下的微弱周期信号检测,可以更方便直观地改变系统和信号参数,为微弱故障特征信号的提取提供了一种实用仿真系统.     

非线性角度电位器及其在仿真伺服系统中的应用研究

提出了一种将非线性角度电位器用于仿真伺服系统设计的新方案，首先推导了非线性角度电位器的数学模型，非线性角度电位器可将转角量转化为电压或电阻信号，然后将非线性角度电位器用于仿真伺服控制系统的模拟位置闭环，仿真伺服控制系统整体结构采用四闭环控制，仿真实验表明，采用非线性角度电位器的仿真伺服系统具有较高的控制精度、功能完善、可维护性好、具有很强的鲁棒性。     

基于随机共振大参数微弱周期信号检测

研究了非线性双稳系统的动力学机理,根据非线性系统产生随机共振的同步条件,提出了不满足绝热近似理论的大参数微弱信号实现随机共振的方法。通过对系统参数的适当调整,实现了大频率信号和大强度噪声淹没的微弱周期信号的检测。理论分析和仿真实验表明,该方法有效地实现了大参数微弱信号随机共振,使得利用随机共振法检测大参数微弱周期信号不再局限于尺度变换法。     

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.     

双模噪声背景下多阈值小波包在信号消噪中的应用

针对一类非高斯噪声——双模噪声信号进行消噪时,传统小波变换和小波包变换在选取恰当阈值准则及阈值量化时存在困难,通过详细分析双模噪声信号结构及频率分布特征,在将小波包分解频带按照频率顺序排列且通过比较最底层子空间节点能量大小的基础上,提出一种将频带进行多分段的多阈值小波包消噪方法.实验结果表明:在双模噪声且信噪比相同情况下,该方法比传统的多尺度小波软阈值、小波包自适应阈值消噪效果都优越,是一种非常有效的信号消噪方法.     

基于能量检测的UWB通信系统同步方法

提出了一种基于能量检测的IR-UWB通信系统同步方法.根据已有的最小二乘法,首先利用接收波形生成的帧级模板估计出脉冲级延时参数,然后再采用最小二乘法得到帧级延时参数.与传统的最小二乘法不同的是,该方法引入一个能量检测的过程,用来检测部分信号区域内的最大能量.该方法能更有效地抑制能量收集过程中的噪声分量,从而提高了估计性能.给出了同步均方差性能的仿真结果,同时讨论了该方法的搜索策略以及关键参数的优化选取.     

双稳态系统中结构参数对系统性能的影响

针对微弱信号检测问题,介绍了随机共振的原理并系统地分析了双稳系统阈值与系统结构参数的关系。得出系统中结构参数对随机共振现象发生起决定性作用的结论。同时深入阐述非线性系统势垒对随机共振效应的影响,即势垒越高,产生协同效应要求信号和噪声的能量越大。反之,则越小。基于以上结论,通过自适应地调节结构参数使系统达到随机共振,将能够适应更大的频率范围变化,提高随机共振方法检测效果。     

基于LMI的H∞未知输入观测器设计

针对同时具有未知输入和量测噪声的离散Lipschitz非线性系统,采用扩展状态向量的方法将量测噪声向量当作系统状态,从而将系统化为形式上不含量测噪声的广义离散非线性系统.通过设计广义系统H∞未知输入观测器,同时估计出原系统状态和量测噪声.为了降低设计的保守性,将观测器设计转化为线性矩阵不等式(LMI)求解问题,给出观测器设计算法,并基于延迟估计的思想提出一种未知输入代数重构方法.仿真结果表明:提出的方法可以使状态估计、量测噪声及未知输入的重构信号逼近实际信号,证明了该方法的有效性和正确性.     

基于能量和鉴别信息的语音端点检测算法

为提高实时通信中语音端点检测系统的性能,提出了一种基于能量和鉴别信息的端点检测算法。该算法利用帧信号的能量、子带信号的能量等参数,计算该帧信号与噪声帧基于子带能量分布概率的鉴别信息。算法通过利用鉴别信息,能够在包括语音帧在内的所有帧中更新噪声的能量,从而更准确地跟踪噪声能量的变化。实验结果表明:与基于能量的端点检测算法相比,该方法在信噪比变化比较剧烈的情况下仍然能够较准确地进行端点检测,在0~10 dB范围内变化的坦克噪声环境中,准确率比后者提高约24%。     

认知无线电频谱感知技术研究

对基于发射机检测的频谱感知方法进行了分析,比较了能量检测和基于循环平稳信号检测两种方法,并对这两种检测方法进行了公式推导,给出了实现过程;对能量检测进行了误检测概率分析,得出信道噪声的不确定性将严重影响检测有效性的结论;通过对信号正确检测概率的仿真,验证了基于循环平稳信号的检测门限不是基于噪声能量,而是基于信号的统计分布特性.     

基于Duffing振子的低压电力线载波信号检测系统

针对低压电力线载波通信中各种噪声干扰和信号衰减较强的问题,引入了混沌检测微弱信号理论,利用混沌振子对强噪声背景下特定频率的微弱信号十分敏感的特性,将微弱载波信号作为混沌振子的系统参数,系统参数在临界值附近微小的变化将会引起系统状态的改变,根据状态改变所需条件估计出微弱载波信号的参数。依据此原理,通过对Duffing振子(一种混沌振子系统)的系统参数进行定量分析,建立基于Duffing振子的低压电力线QPSK(正交相移键控)载波信号检测系统,并通过在低压电力线传输模型上对该检测系统进行测试,实验表明,在低压电力线噪声环境下该检测系统能够准确检测15m V以上的QPSK载波信号的相位分量,而且能有效地抵抗背景噪声干扰,并对典型的持续时间在120μs以下的脉冲噪声也有很好的抑制作用,大大降低了数据传输中因脉冲噪声引起的比特(位)错误和突发错误。     

低采样率非线性随机共振微弱信号检测

传统的随机共振方法处理微弱信号要求很高的采样率（信号最高频率的50倍以上）.本文提出了一种在采样率较低的情况下利用非线性随机共振系统检测弱信号的方法,并推导了参数归一化单稳随机共振系统模型,极大地降低了利用随机共振检测弱信号的采样率.通过插值处理等效地提升低采样率下样本信号的采样率,并将插值后的信号送入参数归一化单稳系统进行随机共振处理,可在较低的采样率下提取特征信号.仿真结果表明,在采样率仅为信号最高频率的6倍时,在输入信噪比为－20dB的强噪声背景下,利用本方法可实现弱信号的检测     

关联白噪声作用下双模激光增益模型的随机共振

运用线性近似方法,计算得到了关联白噪声和输入周期信号共同作用下双模激光增益模型输出信号光强的自关联函数、功率密度谱和信噪比.讨论了信噪比随系统参数的变化.研究发现:在噪声关联程度λ0时,信噪比随噪声强度的变化出现了传统的随机共振现象,系统双模参数都会影响信噪比大小和共振现象;在输入信号频率Ω较小、净增益系数a1较大时,信噪比随自饱和系数c2及双模交叉耦合系数b的变化均出现随机共振,且随着Ω的增大或a1的减小,共振现象逐渐减弱,直至消失.     

一种多信号采集功能的信号调理电路设计

在不改变硬件情况下,采用一种新的设计方法,使用软件进行简单的设定,通过单片机完成对光继电器的控制及数字电位器的调节,从而实现对不同信号的采集的功能。     

一类It型随机非线性大系统分散自适应跟踪

研究一类随机非线性大系统的分散自适应跟踪问题,该类型随机非线性大系统具有标准Wiener噪声扰动,并且可以参数化为严格反馈系统形式.首先通过坐标变换将其转换为参数化的严格反馈随机非线性大系统形式,选取四阶随机控制Lyapunov函数以避免在递推过程中发散;然后利用反步法构造性设计出系统状态反馈分散控制律及参数自适应律,在此分散控制器的作用下,每个局部输出都能够跟踪预先设定的参考信号,同时保证所有闭环信号有界,从而解决了原系统的自适应跟踪问题.     

分数阶Duffing系统动态特性研究及微弱信号检测

为了进一步提高微弱信号的检测能力,在更低信噪比环境下提取微弱信号的特征信息,提出采用分数阶Duffing系统实现微弱周期信号检测。基于常规Duffing-Holmes数学模型 ,通过加入分数阶微分算子引入了分数阶Duffing方程数学模型,利用变量代换对该模型进行改进可实现任意频率的微弱周期信号检测。研究分析系统阻尼比参数变化对系统非线性动力学特性的影响,给出了最佳阻尼比参数范围;研究了微分阶次与系统临界混沌阈值变化关系,得出微分阶次与系统临界混沌阈值成反比关系的结论。分别在高斯白噪声及色噪声背景下对微弱信号进行检测与识别,大量仿真结果表明,分数阶Duffing系统检测微弱信号的最低信噪比门限值比整数阶Duffing系统降低了10 dB,提高了检测微弱信号能力。     

基于神经网络的Wiener系统故障检测方法

针对一类线性部分严格正定且非线性部分可逆的Wiener模型,提出了基于神经网络参数估计的系统线性部分故障检测方法.引入卡尔曼滤波器滤除系统未知干扰和噪声,并将Wiener模型转化为ARMA模型,计算得到线性部分参数;神经网络在线估计系统线性部分的参数,通过参数估计值与实际值的比较检测系统故障.仿真实例证明了该方法的正确性和有效性.     

分数阶Duffing系统动态特性研究及微弱信号检测（英文）

为了进一步提高微弱信号的检测能力,在更低信噪比环境下提取微弱信号的特征信息,提出采用分数阶Duffing系统实现微弱周期信号检测。基于常规Duffing-Holmes数学模型,通过加入分数阶微分算子引入了分数阶Duffing方程数学模型,利用变量代换对该模型进行改进可实现任意频率的微弱周期信号检测。研究分析系统阻尼比参数变化对系统非线性动力学特性的影响,给出了最佳阻尼比参数范围;研究了微分阶次与系统临界混沌阈值变化关系,得出微分阶次与系统临界混沌阈值成反比关系的结论。分别在高斯白噪声及色噪声背景下对微弱信号进行检测与识别,大量仿真结果表明,分数阶Duffing系统检测微弱信号的最低信噪比门限值比整数阶Duffing系统降低了10 dB,提高了检测微弱信号能力。     

一类非高斯噪声的统计特性及其去噪研究

首先利用多尺度小波包变换良好的时频局部分析能力,对一类非高斯噪声--双模噪声的统计特性进行研究;其次,详细研究了利用小波包变换和随机共振来消除信号中夹杂的双模噪声.理论分析和仿真表明:此方法具有计算量小、算法比较简单和实时性较强的特点,不仅实现了将非高斯噪声--双模噪声转化为简单的高斯噪声来处理,而且比传统的高阶统计量的处理方法要优越.     

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. 