一种低信噪比信号的参数估计方法技术

本发明专利技术提供了一种低信噪比信号的参数估计方法，使用非线性随机共振的方法来处理待测含噪信号，将噪声能量向信号能量转移，有效恢复信号波形信息。所提分段双稳态随机共振解决了经典随机共振非线性增益问题，实现了幅度线性增益，并求得了幅度增益系数。本发明专利技术能够将被噪声淹没的信号频率信息与幅度信息有效提取出来，在低信噪比环境下准确估计信号频率和幅度信息，是一种抗噪声效果显著的具有良好估计性能的信号参数估计方法。

A Parameter Estimation Method for Low SNR Signals

【技术实现步骤摘要】
一种低信噪比信号的参数估计方法
本专利技术涉及信号参数估计领域，尤其是一种使用随机共振方法进行参数估计的方法。
技术介绍
在科学研究及工业生产活动中，人们需要从观测到的结果中提取有用的信息，但是由于环境的复杂以及观测手段的限制导致很多时候我们所需的信息被噪声淹没而无法获得，特别是在军事领域随着舰船等装备隐身技术的发展导致目标有用参数被海洋噪声所淹没，对国防安全产生极大威胁。因此对于信号参数的正确估计具有重要的研究价值和意义。目前，针对信号频率参数的估计已经产生多种方法，包括各种滤波器等都可以取得一定的效果，但是在信号幅度参数估计方法的研究目前较少。均方根法能够通过复杂的计算获取较高精度的信号幅度，最大似然估计法借助运算量很大的一维搜索对信号频率、相位、幅度联合估计并能够获得很高的估计精度，高斯牛顿递归法也可以对信号幅度进行不错的估计但是需要已知信号频率。但是目前已存的各种信号参数估计法包括以上所提方法在对信号参数估计时尤其是对信号幅度估计时都需要很高的信噪比才能达到一定效果。因此需要研究低信噪比情况下特别是当信号被噪声淹没时的参数估计方法。
技术实现思路
为了克服现有技术的不足，本专利技术提供一种分段随机共振信号参数估计方法，利用分段随机共振系统在达到最优状态时其幅度增益线性且固定的原理，以提高在低信噪比情况下特别是信号被噪声淹没时的信号参数估计性能。本专利技术解决其技术问题所采用的技术方案包括以下步骤：步骤1：采集待测信号g(t)；步骤2：随机共振系统处理在微弱周期信号和高斯白噪声共同驱动下建立如下一阶非线性双稳态随机共振系统，处理待测信号g(t)：其中，x为系统输出，t为时间，A0为待测微弱周期信号的幅度，f0为待测微弱周期信号的频率，ξ(t)表示高斯白噪声，D为背景噪声强度，Up(x)为系统势函数，其表达式为：其中，a、b为系统参数，是大于零的实数，步骤3：采用遗传算法寻找系统最优参数采用遗传算法进行系统参数a、b联合寻优，以峭度(Kurtosis)作为遗传算法的适应度值，峭度(Kurtosis)K的计算方式如式(3)所示：其中xi为随机共振系统输出离散信号序列，为输出信号均值，N为输出信号长度；设定系统参数的搜索范围为a∈[0,1]，b∈[0,1]，遗传算法中种群大小为50到100之间，交叉概率为0.9，变异概率为0.05，设定迭代最大次数为50到100之间；以使得随机共振系统输出信号的峭度值最大，最大峭度值所对应的系统参数a、b为最优系统参数aopt1、bopt1；步骤4：估计待测信号频率将步骤3中获得的最优系统参数aopt1、bopt1代入步骤2中的分段随机共振系统中对待测微弱周期信号进行处理获得输出信号，对输出信号x采用频谱分析的方法求出信号频率f，做离散傅里叶变换(DFT)后求最大值，即为待测信号估计频率；步骤5：幅度估计寻优参数设置以aopt1和bopt1为中心设定分段随机共振系统新的参数a'和b'的寻优范围为a'∈[aopt1-k,aopt1+k]，b'∈[bopt1-r,bopt1+r]，其中k和r为不小于0.01的正实数，设a'的初始值为aopt1-k，b'的初始值为bopt1-r，a'的搜索步长ah不大于0.001，b'的搜索步长bh不大于0.0001；步骤6：求解分段随机共振系统将新的系统参数a'、b'的取值分别代入步骤2所述分段随机共振系统的a、b中，采用四阶龙格库塔方法求解分段随机共振系统，获得输出信号x；步骤7：系统输出信噪比求解与存储通过离散傅里叶变换(DFT)求解步骤6中所得输出信号x的功率谱，按照公式(4)计算信噪比：其中，Af为功率谱信号处的幅值即信号的能量，代表输出信号的总能量，代表噪声的能量；将信噪比及信噪比对应的系统参数a'和b'存储；步骤8：以步骤5中所设定的搜索步长ah和bh分别改变系统参数a'、b'，即从新的系统参数a'、b'的初始值开始取值，每次递进一个搜索步长ah和bh，循环执行步骤6到步骤7，直到系统参数a'、b'均达到步骤5中所设定的参数寻优范围上限，存储每次循环计算得到的信噪比及信噪比对应的系统参数a'和b'；步骤9：在步骤9中存储的信噪比中选取信噪比的最大值作为最优匹配值，并提取最优匹配值所对应的系统参数作为最优系统参数；步骤10：将步骤9获取的最优系统参数代入步骤2所述的分段随机共振系统中求解输出，获得时域输出信号并计算峰峰值的均值其中，峰峰值指一个周期内信号最大值和最小值之间的差值，从而获得输出信号的峰峰值为Aout＝[A1,A2,A3,…An]，其中An指第n个周期的峰峰值；步骤11：待测信号幅度估计：使用公式(5)计算待测信号幅度A：其中G是分段随机共振系统幅度增益系数，是一个值为的常数；步骤12：输出信号参数估计结果f和A。本专利技术的有益效果在于使用非线性随机共振的方法来处理待测含噪信号，可以将噪声能量向信号能量转移，有效恢复信号波形信息。所提分段双稳态随机共振解决了经典随机共振非线性增益问题，实现了幅度线性增益，并求得了幅度增益系数。因此本专利技术能够将被噪声淹没的信号频率信息与幅度信息有效提取出来，在低信噪比环境下准确估计信号频率和幅度信息，是一种抗噪声效果显著的具有良好估计性能的信号参数估计方法。附图说明图1是本专利技术的分段随机共振信号参数估计方法的原理框图。图2是本专利技术的仿真输入信号幅度与输出信号幅度关系图。具体实施方式下面结合附图和实施例对本专利技术进一步说明。本专利技术的原理图如图1所示，给出使用分段随机共振估计低信噪比信号参数的具体实施过程，详细步骤如下：步骤1：采集待测信号g(t)；步骤2：随机共振系统处理在微弱周期信号和高斯白噪声共同驱动下建立如下一阶非线性双稳态随机共振系统，处理待测信号g(t)：其中，x为系统输出，t为时间，A0为待测微弱周期信号的幅度，f0为待测微弱周期信号的频率，ξ(t)表示高斯白噪声，D为背景噪声强度，Up(x)为系统势函数，其表达式为：其中，a、b为系统参数，是大于零的实数，步骤3：采用遗传算法寻找系统最优参数采用遗传算法进行系统参数a、b联合寻优，以峭度(Kurtosis)作为遗传算法的适应度值，峭度(Kurtosis)K的计算方式如式(3)所示：其中xi为随机共振系统输出离散信号序列，为输出信号均值，N为输出信号长度；设定系统参数的搜索范围为a∈[0,1]，b∈[0,1]，遗传算法中种群大小为50到100之间，交叉概率为0.9，变异概率为0.05，设定迭代最大次数为50到100之间；以使得随机共振系统输出信号的峭度值最大，最大峭度值所对应的系统参数a、b为最优系统参数aopt1、bopt1；步骤4：估计待测信号频率将步骤3中获得的最优系统参数aopt1、bopt1代入步骤2中的分段随机共振系统中对待测微弱周期信号进行处理获得输出信号，对输出信号x采用频谱分析的方法求出信号频率f，做离散傅里叶变换(DFT)后求最大值，即为待测信号估计频率；步骤5：幅度估计寻优参数设置以aopt1和bopt1为中心设定分段随机共振系统新的参数a'和b'的寻优范围为a'∈[aopt1-k,aopt1+k]，b'∈[bopt1-r,bopt1+r]，其中k和r为不小于0.01的正实数，设a'的初始值为aopt1-k，b本文档来自技高网...

【技术保护点】
1.一种低信噪比信号的参数估计方法，其特征在于包括下述步骤：步骤1：采集待测信号g(t)；步骤2：随机共振系统处理在微弱周期信号和高斯白噪声共同驱动下建立如下一阶非线性双稳态随机共振系统，处理待测信号g(t)：

【技术特征摘要】
1.一种低信噪比信号的参数估计方法，其特征在于包括下述步骤：步骤1：采集待测信号g(t)；步骤2：随机共振系统处理在微弱周期信号和高斯白噪声共同驱动下建立如下一阶非线性双稳态随机共振系统，处理待测信号g(t)：其中，x为系统输出，t为时间，A0为待测微弱周期信号的幅度，f0为待测微弱周期信号的频率，ξ(t)表示高斯白噪声，D为背景噪声强度，Up(x)为系统势函数，其表达式为：其中，a、b为系统参数，是大于零的实数，步骤3：采用遗传算法寻找系统最优参数采用遗传算法进行系统参数a、b联合寻优，以峭度(Kurtosis)作为遗传算法的适应度值，峭度(Kurtosis)K的计算方式如式(3)所示：其中xi为随机共振系统输出离散信号序列，为输出信号均值，N为输出信号长度；设定系统参数的搜索范围为a∈[0,1]，b∈[0,1]，遗传算法中种群大小为50到100之间，交叉概率为0.9，变异概率为0.05，设定迭代最大次数为50到100之间；以使得随机共振系统输出信号的峭度值最大，最大峭度值所对应的系统参数a、b为最优系统参数aopt1、bopt1；步骤4：估计待测信号频率将步骤3中获得的最优系统参数aopt1、bopt1代入步骤2中的分段随机共振系统中对待测微弱周期信号进行处理获得输出信号，对输出信号x采用频谱分析的方法求出信号频率f，做离散傅里叶变换(DFT)后求最大值，即为待测信号估计频率；步骤5：幅度估计寻优参数设置以aopt1和bopt1为中心设定分段随机共振系统新的参数a'和b'的寻优范围为a'∈[aopt1-k,aopt1+k]，b'∈[bopt1-r,bopt1+r]，其中k和r为...

【专利技术属性】
技术研发人员：王海燕，锁健，马石磊，申晓红，董海涛，孙琦璇，陈芝崇，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61