基于人工鱼群算法的自适应随机共振方法研究

发布时间：2018-06-13 17:05

  本文选题：随机共振 + 人工鱼群算法　； 参考：《电子学报》2017年08期

【摘要】：随机共振为微弱通信信号的检测提供了新途径.本文提出一种基于人工鱼群算法的自适应随机共振新方法,重点研究基于随机共振的微弱周期信号检测技术,将人工鱼群算法和归一化处理结合增强随机共振,适当添加噪声并设定自适应步长策略及迭代停止条件.理论分析和仿真结果表明,对比传统群智能算法处理随机共振其在算法适应性及稳定性、最佳共振精确度、寻优收敛速度、精度方面有明显提升,并为信噪比增益带来3-5d B的提升,运算时间复杂度降低逾70%.
[Abstract]:Stochastic resonance provides a new approach for weak communication signal detection. In this paper, a new adaptive stochastic resonance method based on artificial fish swarm algorithm is proposed. The weak periodic signal detection technique based on stochastic resonance is mainly studied. The artificial fish swarm algorithm and normalized processing are combined to enhance stochastic resonance. Appropriate noise is added and adaptive step size strategy and iterative stopping conditions are set. The theoretical analysis and simulation results show that compared with the traditional swarm intelligence algorithm for stochastic resonance, it has a significant improvement in the adaptability and stability of the algorithm, the optimal resonance accuracy, the speed of optimization convergence, and the accuracy. It also improves the signal-to-noise ratio (SNR) gain by 3-5dB, and reduces the computational complexity by more than 70%.
【作者单位】： 解放军信息工程大学信息系统工程学院;
【基金】：国家自然科学基金(No.61401511)
【分类号】：TN911.23;TP18

【相似文献】

相关期刊论文 前10条

1 蔡卫菊;金波;刘开健;;随机共振理论与微弱信号检测应用综述[J];计算机与信息技术;2010年04期

2 安良;陈励军;陆佶人;;海洋噪声背景下基于随机共振方法的波束形成[J];声学技术;2006年02期

3 王晶;张庆;梁霖;张熠卓;徐光华;;采用遗传算法的自适应随机共振系统弱信号检测方法研究[J];西安交通大学学报;2010年03期

4 吴利平;李赞;李建东;;随机共振参数的自适应调整策略与性能分析[J];北京邮电大学学报;2011年02期

5 李晓龙;冷永刚;范胜波;石鹏;;基于非均匀周期采样的随机共振研究[J];振动与冲击;2011年12期

6 张晓燕;徐伟;周丙常;;周期矩形信号作用下时滞非对称单稳系统的随机共振[J];物理学报;2012年03期

7 张礁石;杨子贤;卢结成;;阈值阵列模型与超阈值随机共振[J];通信技术;2012年07期

8 杨宁;张培林;马乔;王江涛;;自适应随机共振在微弱信号检测中的应用[J];机械强度;2012年06期

9 张丽珠;于健;;基于调制随机共振大频率信号检测的仿真[J];天津职业技术师范大学学报;2012年04期

10 陈明生;秦明新;孙即祥;尹中秋;宁旭;;低信噪比下融合随机共振的运动目标检测算法[J];国防科技大学学报;2013年01期

相关会议论文 前3条

1 周辉;李建龙;;误差反馈对随机共振非线性系统性能的影响[A];浙江省信号处理学会2011学术年会论文集[C];2011年

2 王关平;杨森;靳伍银;;FHN神经元传输特性研究[A];第十四届全国非线性振动暨第十一届全国非线性动力学和运动稳定性学术会议摘要集与会议议程[C];2013年

3 徐娇华;赵宗曦;张宇;;基于随机共振原理的微弱水声信号处理[A];中国声学学会第九届青年学术会议论文集[C];2011年

相关博士学位论文 前5条

1 范剑;随机共振和混沌理论在微弱信号检测中的应用研究[D];河北工业大学;2014年

2 刘进;基于非线性随机共振的弱信号检测理论研究[D];西安电子科技大学;2015年

3 王楠;非线性系统逻辑随机共振的理论研究[D];东南大学;2015年

4 万频;随机共振在信号检测中的研究与应用[D];广东工业大学;2011年

5 马玉梅;基于Fisher信息量的弱信号处理增益问题研究[D];青岛大学;2014年

相关硕士学位论文 前10条

1 陈晨;随机共振微弱信号检测的参数敏感性研究与应用[D];西安石油大学;2015年

2 王潇;基于随机共振的CDMA波束成形技术研究[D];电子科技大学;2014年

3 谯自健;基于随机共振理论的微弱信号检测方法研究及应用[D];兰州理工大学;2015年

4 吴创宾;听觉非线性信号处理的心理声学实验研究[D];华中科技大学;2014年

5 尚金红;基于随机共振理论不同噪声背景下2PSK信号相干接收误码率的研究[D];天津工业大学;2016年

6 姜梦琦;阈值网络中基于互信息的随机共振研究[D];南京邮电大学;2016年

7 胡韬;基于随机共振理论的微弱信号检测方法研究[D];重庆邮电大学;2016年

8 宋洋洋;基于混沌与随机共振的微弱信号检测方法的研究[D];西安石油大学;2016年

9 孙振源;基于随机共振的毫米波辐射计信号检测方法研究[D];南京理工大学;2017年

10 王硕;基于随机共振理论对2FSK信号输出误码率的研究[D];天津工业大学;2017年

，

本文编号：2014737