【技术实现步骤摘要】
基于EDA的级联三稳态随机共振微弱信号检测方法
[0001]本专利技术属于信号检测
,涉及微弱信号检测技术,具体地说,涉及一种基于EDA(全称:分布估计算法,英文:Estimation of Distribution Algorithm)的级联三稳态随机共振微弱信号检测方法。
技术介绍
[0002]微弱信号检测是一项将噪声中微弱信号提取出来的技术,其采取抑制或者利用噪声的手段,提高输出信号的信噪比,已经广泛应用于通信、物理、机械、生物学等领域。在实际工程中,强噪声背景下的微弱信号检测是当前研究的热点。传统的信号检测方法大都利用抑制噪声的方式进行微弱信号的识别,例如小波阈值、经验模态分解等方法,上述方法虽然在一定程度上提高了信噪比,但在强噪声背景下检测效果不佳。随机共振作为一种非线性系统检测方法,当信号、噪声和非线性系统三者之间产生协同作用时,噪声能量会向信号转移,可以大幅度提高信噪比,实现强背景噪声下微弱信号的检测。同时随着现场环境的复杂多变,干扰噪声不断增加,对随机共振检测方法进行改进,进一步提升对微弱信号的检测性能 ...
【技术保护点】
【技术特征摘要】
1.一种基于EDA的级联三稳态随机共振微弱信号检测方法,其特征在于,其具体步骤为:S1、设置分布估计算法相关参数及搜索参数范围,分布估计算法相关参数包括最大进化迭代数T、种群规模M以及优良个体数N;搜索参数为二阶三稳态随机共振系统参数a、b、c、k,其中a、b、c为结构参数,k为阻尼比;S2、分布估计算法在二阶三稳态随机共振系统参数a、b、c、k的搜索范围中产生初始种群,将其作用于二阶三稳态随机共振系统,二阶三稳态随机共振系统产生输出信号,以二阶三稳态随机共振系统输出信号的信噪比作为适应度函数,计算种群中个体的适应度;S3、对分布估计算法是否达到设定的最大进化迭代数T进行判断:若是,则分布估计算法输出全局最优参数a、b、c、k,并将其作用于二级级联三稳态系统,产生随机共振,检测出微弱信号;若否,则依次进行种群个体选择、构建概率分布模型及随机采样操作,产生新种群,重新计算种群中个体的适应度;再次执行S3,直至达到设定的最大进化迭代数T,则分布估计算法将其输出的全局最优参数a、b、c、k作用于二级级联三稳态系统,产生随机共振,检测出微弱信号。2.如权利要求1所述的基于EDA的级联三稳态随机共振微弱信号检测方法,其特征在于,步骤S1中,最大进化迭代数T的取值范围为T∈[100,500],种群规模M的取值范围为M∈[20,100],优良个体数N的取值范围为N∈(0,M];参数a、b、c、k的搜索范围均为[0,2]。3.如权利要求2所述的基于EDA的级联三稳态随机共振微弱信号检测方法,其特征在于,步骤S2中,分布估计算法在二阶三稳态随机共振系统参数a、b、c、k的搜索范围中按照均匀分布随机产生一个初始种群,通过公式(1)计算种群中个体的适应度,公式(1)表示为:式中,F为适应度函数,SNR
out
(a,b,c,k)为含有EDA优化参数的二阶三稳态随机共振系统的输出信噪比,P
S
为含有EDA优化参数的二阶三稳态随机共振系统输出信号中微弱信号的功率,P
N
为含有EDA优化参数的二阶三稳态随机共振系统输出信号中噪声的功率。4.如权利要求3所述的基于EDA的级联三稳态随机共振微弱信号检测方法,其特征在于,步骤S1和S2中,二阶三稳态随机共振系统为:x”+kx'=
‑
U(x)'+s(t)+n(t)
ꢀꢀꢀꢀꢀꢀ
(2)式中,x”为x的二阶导数,x'为x的一阶导数,x为二阶三稳态随机共振系统输出信号,t为时间序列,s(t)为微弱周期信号,是噪声强度为D的随机噪声,其中,ξ(t)表示均值为0,方差为1的高斯白噪...
【专利技术属性】
技术研发人员:鄢志丹,鹿术超,杜芳云,
申请(专利权)人:山东岩芯能源技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。