随机共振技术在微弱舰船轴频电场信号检测中的应用

针对在强背景噪声中检测微弱舰船轴频电场信号的问题,提出了基于随机共振技术的检测方法.首先,介绍了随机共振利用噪声增强信号能量从而提高信噪比的基本原理,并在此基础上给出了利用随机共振检测微弱周期信号的模型.然后,将低信噪比的船模轴频电场测量数据输入到检测模型并对输出信号作功率谱分析,结果表明:随机共振技术能十分有效地从复杂背景噪声中检测出微弱舰船轴频电场信号,在微弱信号处理领域相比传统方法具有很大的优势.最后,结合检测实例,初步分析了系统参数对随机共振系统输出信号频谱分布的影响,为随机共振技术的进一步工程应用打下了良好的基础.     

随机共振原理在强噪声背景信号检测中的应用

动态系统中的噪声常被认为是令人讨厌的东西 ,但在特定的非线性系统中 ,噪声的存在事实上能够增强微弱信号的检测能力 ,这种现象就是随机共振 (SR ,stochasticresonance) ,它在物理、工业技术和生物医学领域里具有广泛的应用潜力。给出了利用随机共振原理检测微弱周期信号的基本方法 ,并采用模拟的信号对该方法进行了分析与验证。结果表明 ,该方法简单、稳健、可靠 ,能把信噪比较低的周期信号从强背景噪声中可靠地提取出来 ,将在机械故障诊断领域展示诱人的前景     

外加信号增强随机共振在微弱信号检测中的应用

在利用随机共振检测微弱周期信号的基本原理基础上,给出一种通过外加可控信号激励出随机共振现象,并将之应用于微弱信号检测的方法。采用仿真信号对该方法进行了验证,通过归一化尺度变换,将该方法的适用频率扩展到机械系统特征信号频段。结果表明,该方法简单可行,能把信噪比较低的周期信号从强背景噪声中提取出来,在机械故障检测中具有应用前景。     

基于随机共振的多频率微弱信号并行检测

强噪声背景下的微弱信号检测是当前信号处理领域的研究热点。基于非线性理论的随机共振能够利用噪声,将噪声的一部分能量转移给信号,从而获得更高的输出信噪比。针对传统随机共振检测算法应用环境受限且无法实现多频率并行检测的现状,文章面向实际超短波环境,在参数补偿法的基础上,重新设计采样频率和补偿系数,提出了新的检测算法,实现了多频率微弱信号的并行检测。     

随机共振用于非周期信号处理的仿真

介绍了双稳系统及其数学模型,给出了该系统应用于非周期信号处理的应用模型,进行了仿真实验并给出了实验结果。在此基础上,对非周期随机共振信号处理的物理机制进行了分析。结果表明,非周期随机共振信号处理与传统的周期随机共振信号处理的机制类似,也是信号、噪声和双稳系统共同作用的结果。     

色噪声作用下二阶线性系统中随机共振现象的研究

在色噪声同时作用于阻尼系数和激励信号时,研究了欠阻尼二阶线性系统中的随机共振现象。实际计算和仿真表明:该系统的平均输出幅度增益呈现非单调变化,不仅在一定条件下大于无噪声时的增益,而且适当的系统参数和噪声参数能够提高幅度增益,这对噪声环境中线性系统的理论研究以及微弱信号检测都具有一定的理论意义。     

基于三稳随机共振的舰船轴频电场弱信号检测研究

针对含噪舰船轴频电场弱信号特征频率检测困难的问题,首先在引入基于三稳随机共振算法的基础上,研究了三稳系统势函数特性,并给出了三稳随机共振的临界幅值的计算方法;然后,设计了基于三稳随机共振的频率大参数信号检测方法;最后,开展了随机共振仿真分析,并对实测信号进行了轴频检测实验,结果表明:该方法能较好地分离出轴频弱信号的频率特征。     

混沌振子在转子系统早期碰摩故障检测中的应用

根据Duffing方程解的特性设计出混沌振子 ,利用混沌振子对噪声的免疫力和对小信号的敏感性对微弱信号进行检测 ,并将此方法应用于转子系统早期碰摩故障检测中 ,结果表明此方法简单、可行。     

特征信号检测法

本文以信号极点的不变性为基础,构造了一种用于可自设计的主动式系统在强噪声背景下的极微弱信号检测的检测器——特征信号检测器。文章在分析经典检测方法对极弱信号检测存在的问题的基础上,提出了特征信号检测的思想。讨论了该方法的基本原理及仿真实验结果。Monte carlo实验表明,这种特征信号检测器的性能对信噪比不敏感,可以在极低信噪比下检测出微弱信号。     

微弱正弦信号在有噪声的FN神经元模型中的传输特性研究

长期以来弄清神经系统中的信号是如何传输的一直是广大研究人员努力的目标.针对一种被普遍研究的神经元简化模型--FitzHugh-nagumo(FN)模型,采用二阶随机龙格-库塔算法分析了该模型对加性噪声和微弱正弦信号的响应特性.时域和频域的统计参数表明适当强度的噪声有利于信号的传输,存在随机共振现象,即与噪声强度关联的输出信噪比曲线为倒钟形;另外值得关注的是,与正弦信号频率关联的输出信噪比曲线也为倒钟形,分析可见正弦信号的无量纲频率在区间0.2～0.8时模型的输出信噪比最大,表明该神经元模型有频率敏感性,即更易于检测到该范围内的弱信号.上述结果与生物学的发现是一致的,将有助于进一步揭示周期信号在神经元中的传输方法,建立更加准确的神经元数学模型.     

基于压阻敏感元件的压力信号调理电路设计

针对压力信号测量中压阻式敏感元件的压力信号易受温度影响,并且压力信号中常常会混有噪声干扰信号的问题,设计了一种新的基于压阻式敏感元件的压力信号调理电路。该方案采用恒流源供电方式消除温度影响,通过放大电路将传感器输出的微弱信号放大,再经抗混叠低通滤波电路滤除干扰信号;并对压力信号调理电路中各个模块进行了理论分析和试验验证。通过试验表明:该信号调理电路将温度影响减小到0.01%,并且能够有效地滤除压力信号中的高频信号。     

高灵敏度GPS软件接收机捕获算法

针对传统方法难以实现室内环境下GPS信号的捕获以及传统弱信号捕获算法的一系列弊端,介绍了一种新的捕获算法。由于数据段通过“先累加后相关”的方式进行相干积分可以减少运算量,以此方法改进的半位捕获法进行数据段选择可以避免导航数据位翻转,并且改进后的差分相干积分能够减小非相干积分造成的“平方损失”和改善信噪比,融合上述优点,提出了一种新的算法,为高灵敏度GPS软件接收机的实现提供了保证。仿真结果表明,此算法极大的提高了接收机的捕获性能,并且能够快速捕获到载噪比低至25dB/Hz的微弱信号。     

A novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise,minimum mean square variance criterion and least mean square adaptive filter

Underwater acoustic signal processing is one of the research hotspots in underwater acoustics. Noise reduction of underwater acoustic signals is the key to underwater acoustic signal processing. Owing to the complexity of marine environment and the particularity of underwater acoustic channel, noise reduction of underwater acoustic signals has always been a difficult challenge in the field of underwater acoustic signal processing. In order to solve the dilemma, we proposed a novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise (CEEMDAN), minimum mean square variance criterion (MMSVC) and least mean square adaptive filter (LMSAF). This noise reduction technique, named CEEMDAN-MMSVC-LMSAF, has three main advantages: (i) as an improved algorithm of empirical mode decomposition (EMD) and ensemble EMD (EEMD), CEEMDAN can better suppress mode mixing, and can avoid selecting the number of decomposition in variational mode decomposition (VMD); (ii) MMSVC can identify noisy intrinsic mode function (IMF), and can avoid selecting thresholds of different permutation entropies; (iii) for noise reduction of noisy IMFs, LMSAF overcomes the selection of decomposition number and basis function for wavelet noise reduction. Firstly, CEEMDAN decomposes the original signal into IMFs, which can be divided into noisy IMFs and real IMFs. Then, MMSVC and LMSAF are used to detect identify noisy IMFs and remove noise components from noisy IMFs. Finally, both denoised noisy IMFs and real IMFs are reconstructed and the final denoised signal is obtained. Compared with other noise reduction techniques, the validity of CEEMDAN-MMSVC-LMSAF can be proved by the analysis of simulation signals and real underwater acoustic signals, which has the better noise reduction effect and has practical application value. CEEMDAN-MMSVC-LMSAF also provides a reliable basis for the detection, feature extraction, classification and recognition of underwater acoustic signals.     

改进的GPS弱信号差分捕获方法研究

捕获是GPS接收机信号处理中的关键部分,在微弱信号情况下,传统的弱信号捕获方法不能很好地捕获到卫星信号,采用一种改进的GPS弱信号差分捕获方法来进行捕获研究.并对一组GPS的数据信息,分别采用以上2种方法对其进行捕获仿真.结果显示,新方法可以捕获到较微弱的GPS信号,提高了接收机的灵敏度.     

一种基于SVD的非平稳信号重叠分段降噪算法

在分析基于SVD的平稳信号降噪原理的基础上,提出了一种基于SVD的非平稳信号重叠分段降噪算法.非平稳信号通过数据分段可近似处理为多段平稳信号.为降低连续分段降噪误差,进行一定比例的重叠分段,应用基于SVD的平稳信号降噪方法对各分段信号进行降噪,相邻段之间的重叠信号经过多次降噪后求平均得到最终降噪信号.仿真结果表明,该算...