通信信号非线性动力学检测关键技术研究

发布时间：2017-05-12 23:09

  本文关键词：通信信号非线性动力学检测关键技术研究，由笔耕文化传播整理发布。

【摘要】：微弱信号检测在通信、雷达和声呐等领域有着广泛的应用。传统微弱信号检测方法大多采用线性处理方法,在低信噪比情况下效果并不理想,促使人们不断探索微弱信号检测的新理论、新方法,以期能够从强噪声背景中更准确地检测出微弱信号。近年来,非线性学科的发展为解决这类问题提供了新的思路。非线性系统中往往存在着诸多线性系统中不存在的现象,如跃迁、高阶谐振及混沌等等。与线性系统中单纯抑制噪声不同,非线性系统可以利用噪声。目前利用非线性动力学进行信号检测一般只涉及到检测单音信号,比如正弦波。而通信信号一般是带通信号,有的数字通信调制信号会具有多种频率和相位,并且由于信源的随机性会导致符号周期波形不连续。本文以非线性动力学理论为基础,研究了基于随机共振和Duffing混沌系统的微弱通信调制信号检测方法。论文的主要内容包括：1.基于随机共振的微弱通信信号检测方面,论文首先对双稳态随机共振系统数值求解稳定性进行了讨论,然后采用基于自适应随机共振系统的新型能量检测算法和周期图能量检测算法,仿真分析了BFSK、QPSK、MSK和16QAM这四种调制信号在同步与非同步情况下的检测性能,并研究了噪声不确定性对检测性能的影响。结果表明：与能量检测相比,这两种检测算法均提高了检测性能。2.基于Duffing混沌系统的微弱通信信号检测方面,Duffing系统状态对策动力幅值敏感的动力学特性为基于Duffing混沌系统进行微弱信号检测提供了理论基础。论文研究了影响Duffing系统状态判别的四个要素：步长、初始相位、噪声以及信号频率。由于利用Duffing混沌系统进行微弱信号检测关键是系统状态的判定,本文进一步研究了基于功率谱特征和基于伪哈密顿量两种定量判别方法：●利用Duffing系统在混沌状态与大周期状态时功率谱低频分量具有很大差异这一特征,论文提出了基于功率谱特征的检测算法,仿真分析了该算法检测BFSK、QPSK、MSK和16QAM四种调制信号的性能。●利用Duffing系统在混沌状态与大周期状态时伪哈密顿量具有很大差异这一特征,论文研究了基于伪哈密顿量的检测算法,仿真分析了BFSK、 QPSK、MSK和16QAM四种调制信号在这一算法下的检测性能。仿真结果显示：上述两种方法的性能均优于能量检测算法。
【关键词】：信号检测 随机共振系统 Duffing混沌系统 混沌状态
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN911.23
【目录】：

• 摘要5-6
• ABSTRACT6-16
• 第一章 绪论16-20
• 1.1 研究工作的背景与意义16
• 1.2 常规微弱信号检测方法不足16-17
• 1.2.1 应用较广的常规信号时域处理方法16-17
• 1.2.2 应用较广的常规信号频域处理方法17
• 1.3 基于非线性理论微弱信号检测方法17-19
• 1.3.1 随机共振发展历程及研究现状17-18
• 1.3.2 混沌发展历程及研究现状18-19
• 1.4 本文的主要研究成果19
• 1.5 本文的结构安排19-20
• 第二章 非线性动力系统20-34
• 2.1 引言20
• 2.2 双稳态随机共振系统20-26
• 2.2.1 数学模型20-21
• 2.2.2 数值求解稳定性分析21-26
• 2.3 混沌系统26-33
• 2.3.1 混沌出现的途径与条件26-27
• 2.3.2 混沌基本特征27
• 2.3.3 典型混沌系统动力学模型27-30
• 2.3.4 Duffing系统动力学分析30-33
• 2.4 本章小结33-34
• 第三章 BSR系统在通信信号检测中的应用34-61
• 3.1 引言34
• 3.2 F-BSR系统添加噪声原则34
• 3.3 A-BSR参数设计准则34-35
• 3.3.1 信号频率设计原则34-35
• 3.3.2 系统参数设计原则35
• 3.4 基于A-BSR的新型能量检测(D-ED)算法35-36
• 3.5 D-ED算法仿真结果与分析36-48
• 3.5.1 QPSK信号基于D-ED算法检测性能与分析36-40
• 3.5.2 MSK信号基于D-ED算法检测性能与分析40-43
• 3.5.3 16QAM信号基于D-ED算法检测性能与分析43-45
• 3.5.4 BFSK信号基于D-ED算法检测性能与分析45-48
• 3.6 基于A-BSR的周期图能量检测(P-ED)算法48-49
• 3.7 P-ED算法仿真结果与分析49-60
• 3.7.1 QPSK信号基于P-ED算法检测性能与分析50-52
• 3.7.2 MSK信号基于P-ED算法检测性能与分析52-55
• 3.7.3 16QAM信号基于P-ED算法检测性能与分析55-58
• 3.7.4 BFSK信号基于P-ED算法检测性能与分析58-60
• 3.8 本章小结60-61
• 第四章 DUFFING混沌系统在通信信号检测中的应用61-91
• 4.1 引言61
• 4.2 Duffing系统数值求解61-62
• 4.3 基于Duffing系统检测微弱信号原理62
• 4.4 影响Duffing系统状态判别的因素62-72
• 4.4.1 步长对Duffing系统状态判别的影响62-63
• 4.4.2 初始相位对Duffing系统状态判别的影响63-65
• 4.4.3 噪声对Duffing系统状态判别的影响65-68
• 4.4.4 信号频率对Duffing系统状态判别的影响68-72
• 4.5 微弱信号检测中混沌特性判别方法72-88
• 4.5.1 基于相图分割的系统状态迁移检测(DPD)算法72-73
• 4.5.2 基于功率谱特征的系统状态迁移检测(PSC)算法73-76
• 4.5.3 PSC算法仿真结果与分析76-82
• 4.5.4 基于伪哈密顿量的系统状态迁移检测(PH)算法82-84
• 4.5.5 PH算法仿真结果与分析84-88
• 4.6 PSC算法与PH算法比较88-90
• 4.7 本章小结90-91
• 第五章 总结与展望91-93
• 5.1 全文总结91
• 5.2 下一步研究建议91-93
• 致谢93-95
• 参考文献95-99
• 攻读硕士学位期间取得的成果99-100
• 学位论文评审后修改说明表100-102
• 学位论文答辩后勘误修订说明表102

【参考文献】

中国期刊全文数据库 前1条

1 黄显高,徐健学,何岱海,夏军利,吕泽均;利用小波多尺度分解算法实现混沌系统的噪声减缩[J];物理学报;1999年10期

中国博士学位论文全文数据库 前1条

1 冷永刚;大信号变尺度随机共振的机理分析及其工程应用研究[D];天津大学;2004年

  本文关键词：通信信号非线性动力学检测关键技术研究，由笔耕文化传播整理发布。

，

本文编号：361057