色噪声下自适应级联多稳态随机共振的微弱信号检测制造技术

本发明专利技术请求保护一种在色噪声驱动下，以级联三稳态随机共振为模型的微弱信号检测方法，属于信号处理领域。以谱峰值和平均信噪比增益为性能指标，针对高、低频信号级联三稳随机共振现象进行了研究。通过自适应算法选取最优参数a、b和c，可诱导级联三稳系统发生随机共振。可以很好检测出低频微弱信号，同样于二次采样的高频微弱信号检测也有同样的效果。结果表明：选取相同的系统参数时，级联三稳系统的检测效果要比单级三稳系统有更好的随机共振输出，在对高频信号检测中，单级输出平均信噪比增益小于第二级输出平均信噪比增益。本方法对于微弱信号的检测具有重要的研究意义也有着良好发展前景。

【技术实现步骤摘要】
色噪声下自适应级联多稳态随机共振的微弱信号检测
本专利技术属于微弱信号检测等相关领域，具体为色噪声下自适应级联多稳态随机共振的微弱信号检测方法，以谱峰值和平均信噪比增益为性能指标，并检测不同高低频微弱周期信号。
技术介绍
信号检测是将有用信号从含干扰噪声的信号中提取的过程，在电子科技，通信，机械，医药学等多个领域都有着广泛的应用。传统的信号检测主要是通过去除或者抑制噪声的方法来提高信噪比(SNR)，从而实现信号检测的目的，但在噪声频率和信号频率十分接近的情况下，消除了频带的噪声的同时也削弱了想要检测的有用信号，对微弱信号检测无益。随机共振(StochasticResonance,SR)的概念最初是Benzi和Nicolis为了解释第四纪冰川问题提出的。随机共振是一种非相关检测方法，是使用非线性系统在噪声和输入信号之间发生协同作用，从而检测到目标信号。具体地说，随机共振是在保留信号信息基础上，最大程度地利用噪声来增强弱信号，将噪声能量转移到信号中，提高信噪比。因此，可以通过随机共振实现对弱信号的有效检测，并随着研究的深入取得了丰富的成果。在研究中发现，由于势函数的不同，则存在多种随机共振模型。最经典的则是一维Langevin方程模型即经典双稳随机共振系统模型。为扩展其应用，学者们对随机共振微弱信号的研究不断深入，在经典模型之上不断的创新提出新的模型，如单稳系统、耦合双稳系统、Duffing系统等。在这些新型模型基础上，实验中利用的噪声也变得多样化，例如α噪声、Levy噪声、色噪声等。近年来，学者们对单稳、双稳的研究已经逐渐成熟，因此兴起了对三稳态随机共振系统的研究，创新了多种不同的三稳态随机共振模型。文献“三稳系统的动态响应及随机共振”针对三稳态势函数，分析了各个系统参数对随机共振的影响。文献“Levy噪声驱动下的三稳态随机共振特性分析”将Levy噪声与三稳系统结合，有效调节各个参数，观察随机共振现象。文献“级联双稳Duffing系统的随机共振”介绍了级联是一种能够有效增强随机共振效果的方法，将双稳Duffing系统进行级联，研究了其随机共振特性。此前级联三稳的研究还未曾见诸文献，因此本文在已有的级联研究基础上，结合了色噪声对级联三稳随机共振特性进行分析。对参数的选择运用了自适应算法，大参数检测采用二次采样的方法。本专利技术发现选取合适的系统参数，可诱导级联三稳系统发生随机共振，实现对不同频段信号的检测，且级联三稳系统比单级三稳系统的检测效果要好。
技术实现思路
本专利技术的目的在于在已有的研究基础上，提出一种在与实际更为接近的色噪声下，利用级联三稳态随机共振为模型，对不同的高、低频率信号进行检测。本专利技术所采用的技术方案是：将色噪声加入三稳态随机共振系统，以级联形式多次将噪声能量转移给信号，已达到对目标信号的检测。利用四阶龙格库塔法对系统进行求解，通过自适应算法选取最优参数a、b和c，诱导级联三稳系统发生随机共振。随机共振原理是：输出信号的能量主要集中在低频区域，高频区的能量转移到低频区，通过随机共振系统，高频噪声成分减弱低频有用信号的能量增强,对于高频信号则用二次采样的方法进行检测。SNRI是用来衡量SNR加强的指标，而平均信噪比增益(MSNRI)则能减少计算结果的随机性，所以本专利技术选择待测弱信号与输出信号的MSNRI作为衡量指标。本专利技术对于微弱信号的检测具有重要参考价值。附图说明图1本专利技术的三稳态随机共振势函数、势阱力图；图2本专利技术的三稳态势阱力随特征参数变化图；图3本专利技术的色噪声波形图和功率谱图；图4本专利技术的级联三稳态随机共振模型图；图5本专利技术的自适应参数寻优流程图；图6本专利技术的低频微弱信号第一级级联随机共振现象；图7本专利技术的低频微弱信号第二级级联随机共振现象；图8本专利技术的高频信号第一级级联随机共振现象；图9本专利技术的高频信号第二级级联随机共振现象；图10本专利技术的级联信噪比增益(MSNRI)随D的变化曲线；具体实施方式以下结合附图和具体实例，对本专利技术的实施作进一步的描述。步骤一：论文的随机共振系统，在色噪声和周期信号的共同驱动下，其非线性系统模型用Langevin方程表示为:其中，U(x)为势函数，s(t)＝Asin(2πf0t+φ)表示输入信号，其幅度为A、频率为f0、初始相位为φ，Dξ(t)为色噪声。在传统三稳态系统中，其势函数的表达式为：其中，参数a＞0、b＞0、c＞0。由式(2)可得：U'(x)＝ax-bx3+cx5＝0(3)通常将-U'(x)称为势阱力函数，三稳势函数是关于x＝0的偶函数，而其势阱力函数则是关于(0,0)呈奇对称。令(3)式U'(x)＝0，可计算出其极值，从而得到稳定点和不稳定点的值，进一步得到势垒高度值。通过计算可得：(4)式为极小值点，(5)式为极大值点。将以上值代入(2)式中可得势垒高度：由式(6)、式(7)可以看出势垒值ΔU1和ΔU2与系数a，b，c都有关。势阱力随着参数a，b，c的变化其极值也在发生改变，如图2所示。固定参数b，c的值，随着a的增大，势阱力两侧斜率减小，变化趋势趋于缓慢，中间斜率增大，变化趋势明显。固定参数a，c时，b增大，两侧斜率增大，中间斜率减小。固定参数a，b时，c增大，两侧斜率减小，中间斜率变化不大，且极值点横坐标向中间靠近。步骤二：在随机共振的研究中，大部分文献都选用高斯白噪声作为背景噪声，理想白噪声功率谱密度是均匀分布且不同时刻互不相关的，这有利于信号的提取。但在实际中是不存在这种噪声的，为了使研究更接近实际，采用色噪声模型，所以色噪声时域波形及功率谱如图3所示，呈洛伦兹(Lorenz)分布，其功率谱密度为：为了达到更好的检测效果，采用级联的方法，将多个三稳系统进行级联，信号多次经过随机共振系统，利用噪声增强信号能量。如图4所示，其中x1(t)、x2(t)...xn(t)分别为第1级三稳系统U1(t)、第2级三稳系统U2(t)...第n级三稳系统Un(t)的输出和输入信号。则当输入信号为s(t)＝Asin(2πf0t+φ)，噪声为色噪声Dξ(t)时，其系统表达式为：步骤三：论文采用Chambers-Malllowa-Stuck(CMS)算法和四阶龙格-库塔(Runge-kutta)算法相结合，推导出以下算法对(1)式进行求解。信噪比增益(SNRI)是用来衡量SNR加强的指标，当SNRI＞1时，说明信号能量在通过随机共振以后有了增强，并且越大检测效果越好。其定义为：而平均信噪比增益(MSNRI)则是为了减少计算结果的随机性，通过多次计算SNRI求平均得出的指标。平均信噪比增益定义为：步骤四：图5是自适应参数寻优方法流程图，具体步骤为：1、初始化噪声强度、a，b等参数，设定D＝0.2，c＝0.2，步长h＝0.1，参数a，b的寻优范围为(0,3]。2、利用Runge-kutta算法对每个参数对应的系统进行数值仿真。3、根据式(10)、式(11)计算参数点对应的输出信噪比增益，比较大小，迭代输出。4、记录每次输出的a，b的值，若a，b未达到边界值，则重返第2步。5、输出找到的最优参数值a，b。取如下微弱周期信号进行仿真实验，仿真实验的输入信号为：s(t)＝Asin(2πf0t)，设fs＝5Hz，采样点数N＝10000，输入信号的A＝0.04，f0本文档来自技高网...

【技术保护点】
1.一种色噪声下自适应级联多稳态随机共振的微弱信号检测方法，其步骤为首先利用四阶龙格库塔法和自适应寻优算法，以谱峰值和信噪比增益为系统的衡量指标，探究参数a、b、c对势函数、势阱力图形的影响，然后提出了高频微弱信号的检测方法，最后实现了对不同高低频信号的检测。

【技术特征摘要】
1.一种色噪声下自适应级联多稳态随机共振的微弱信号检测方法，其步骤为首先利用四阶龙格库塔法和自适应寻优算法，以谱峰值和信噪比增益为系统的衡量指标，探究参数a、b、c对势函数、势阱力图形的影响，然后提出了高频微弱信号的检测方法，最后实现了对不同高低频信号的检测。2.根据权利要求1所述的估计方法，其特征在于，采用四阶龙格库塔和自适应寻优两种算法，设定D＝0.2，c＝0.2，步长h＝0.1，参数a，b的寻优范围为(0,3]，寻找的最优参数组合：a1＝a2＝1，b1＝b2＝1，c1＝c2＝0.2。3.根据权利要求1所述的估计方法，其特征在于，若待测弱正弦信号满足小...

【专利技术属性】
技术研发人员：张刚，杨玉蕾，徐浩，曹世霖，周林，张天骐，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50