基于参数调节随机共振的弱信号提取方法研究

发布时间：2020-06-03 19:54

【摘要】：随机共振作为一种非线性信号处理方式,因为其独特的切入点,常作为弱信号提取手段。本文从双稳态随机共振理论研究开始,逐步对随机共振理论作用方式,系统调节方式,对不同形式信号的适应能力进行详尽讨论,并给出一个能够在实际工程中使用的基于遗传优化的参数调节随机共振系统实现方案。双稳态随机共振系统具有明显地反直观特点:系统输出的信噪比随噪声增加先增加后降低。通过对势函数的研究,阐述了势函数和系统输出分布形式的内在联系。通过与窄带信号处理方法Notch滤波器对比,体现出随机共振的优秀提取能力。随机共振要求信号频率极低,本文给出在大频率参数情况下的系统调整方法以及级联随机共振系统的实现。通过对噪声调谐方法和外加信号调节方法的分析,本文给出具有更强调节能力的参数调节随机共振系统。通过理论分析以及仿真对比,量化了系统参数对稳态信噪比以及响应速度的影响规律。为实现系统参数自调节,盲寻优,本文提出了基于遗传优化的参数调节随机共振算法,提升系统在实际应用中的调参速度。在对不同形式信号的处理中,本文采用提升采样率实现对线性调频信号的提取;采用改变系统形式到单稳态,实现对冲击信号的提取;采用随机共振恢复系统,实现了对多数形式信号的提取,扩展了随机共振的应用领域。最终,给出了在实际应用时系统实现流程以及实际数据的处理效果。
【图文】：

混沌系统,高阶统计量

HHT 是一种基于时间尺度变换的信号处理手段，是处理非平稳信号的有力工具。它从瞬时频率出发，提出了固有模态函数（Intrinsic Mode Function,IMF）的概念以及经验模态分解（Empirical Mode Decomposition,EMD）方法，以有限个固有模态函数的和的形式来表示信号，摆脱了基函数的限制。② 高阶统计量高阶统计量（Higher-order Statistics，HOS）是高于如均值方差自相关函数等一二阶统计特征的统计量。它包括高阶矩（Higher-order Moment）、高阶累积量（Higher-ordCumulant）以及高阶累积量谱和高阶矩谱。在不服从高斯分布的随机变量中，一二阶统计量就不能完全包含信号的信息，在更高阶的统计量的计算中可以获得更多信息。在通信领域有所应用，但是由于高阶统计量本身的物理意义模糊，还需要更多的研究和发展③ 混沌振子信号处理系统混沌态是非线性系统所特有的运动状态，虽然混沌具有随机性，，但是运动的轨迹可以用方程来确定，这些方程中最著名的就是 Duffing 方程。混沌系统具有在一定条件下对小信号具有敏感性的同时对噪声具有免疫力的特点，这种与众不同的特点使其在信号检测领域极具潜力[10,11]。

微弱信号处理,随机共振

⑤ 随机共振随机共振（Stochastic resonance,SR）是一种非线性信号处理方法[25-35]。当信号噪声以及系统三者达到协调时，系统会发生随机共振现象。这种情况下，与以往降噪的思想不同的是，噪声的能量会信号的能量转化。这使得随机共振在微弱信号检测有很大的优势。
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TB566

【参考文献】