收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于随机共振的微弱信号特征提取技术研究

张政  
【摘要】:克服信道噪声的不利影响一直是通信领域的重要研究内容,伴随着无线通信环境的日益复杂,如何增强淹没在背景噪声中的微弱信号及其特征成为当前研究的热点问题。目前大多数微弱信号特征提取技术主要是基于抑制噪声的理念,但目标特征不可避免地也会受到一定程度的抑制和破坏。随机共振能够利用非线性系统将噪声的部分能量转移到有用信号中,本课题将其应用到非合作通信信号处理领域,旨在实现更为有效的微弱信号增强和特征提取,主要工作和研究成果包括:1.针对双稳态随机共振无法有效处理多类微弱信号且系统参数较难选取的问题,提出基于奇异值分解的自适应参数调节随机共振方法。首先,从信号的特征子空间出发,利用奇异值分解构造出评价函数,并采用幅度归一化来进行单参数优化。同时,在随机共振处理模块中加入滑动平均滤波器解决了幅度漂移现象。最后,用于求解最佳系统参数的人工鱼群优化算法能够以较快的迭代速度收敛并实现和非线性系统的最佳匹配。2.针对传统调制识别技术的性能在信噪比降低时恶化的问题,提出基于参数调节随机共振的调制识别特征提取与增强方法。从幅度、相位、频率和小波变换共四类瞬时特征出发,深入探究了随机共振对共计7种特征参数带来的影响和作用,验证了随机共振系统的相位延迟效应不会对特征提取带来消极影响。最后利用BP神经网络对6种改善后的特征进行分类识别。仿真实验结果表明,参数调节随机共振能够将调制识别分类成功的信噪比门限大大降低。3.针对低信噪比MPSK和MQAM信号符号速率特征提取问题,提出了一种将随机共振与小波变换联合的方法。先利用自适应参数调节随机共振为含噪信号匹配最佳系统参数,之后利用Haar小波变换进一步提取突变信息,最后使用模块化思路设计出整体方法架构。该方法不仅弥补了单独使用随机共振效果不佳及其作为非线性系统易发散的缺点,还降低了小波最佳尺度难以确定的影响。仿真实验表明,该方法能够在一定程度上提高输出峰值,降低信噪比门限。4.针对OFDM信号中实际子载波数的特征提取问题,提出利用随机共振提升传统算法性能。首先,利用自适应参数调节随机共振算法对OFDM信号进行增强预处理,其次,分别采用倒谱法和小波改进倒谱法进行处理,最后,通过对信号的倒谱进行峰值检测从而确定子载波数。仿真结果表明,随机共振对于以上两种方法都能有较大程度的改进,提高了检测峰值,降低了信噪比门限,并增大了估计精度。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 石海霞;;智能算法在自适应随机共振中的应用[J];科技展望;2016年32期
2 任昱昊;季冰;许丽艳;段法兵;;震荡随机共振的信噪比增益研究与电路仿真[J];复杂系统与复杂性科学;2015年01期
3 李忠虎;蔡志全;;基于调制随机共振的微弱信号频率检测方法[J];仪表技术与传感器;2014年08期
4 赵军;赖欣欢;孔明;林敏;;双频信号作用下的单稳随机共振数值研究[J];噪声与振动控制;2013年01期
5 方倩;赵文礼;;基于随机共振原理的自适应检测系统设计[J];杭州电子科技大学学报;2013年01期
6 雷亚国;韩冬;林京;何正嘉;谭继勇;;自适应随机共振新方法及其在故障诊断中的应用[J];机械工程学报;2012年07期
7 涂水林;邬正义;吴正阳;;阵列调制随机共振在微弱信号特征提取方面的应用[J];计算机测量与控制;2012年06期
8 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
9 万频;詹宜巨;李学聪;王永华;;一种单稳随机共振系统信噪比增益的数值研究[J];物理学报;2011年04期
10 冷永刚;赵尔华;石鹏;张莹;;二维随机共振参数调节的图像处理[J];天津大学学报;2011年10期
11 于淼;李式巨;杨志敏;;自适应随机共振二进制基带信号处理[J];浙江大学学报(工学版);2010年04期
12 王明阳;韩乐;周一宇;姜文利;;基于参数可调随机共振的微弱单方波脉冲检测方法[J];宇航学报;2007年02期
13 冷永刚,王太勇,郭焱,许俊艳;二次采样随机共振的工程应用研究[J];中国机械工程;2004年20期
14 王辅忠,温孝东,李蓉,秦光戎;有阻尼项的随机共振研究[J];北京师范大学学报(自然科学版);1996年01期
15 祝恒江,吴锡田;随机共振研究进展[J];大学物理;1997年07期
16 张政;马金全;;一种随机共振联合小波变换的符号速率估计方法[J];电子学报;2019年12期
17 苑宇;王衡;王鹏;;基于二阶非对称随机共振的轴承故障特征提取[J];大连交通大学学报;2019年05期
18 刘志芳;李健;;基于单稳随机共振的语音增强处理[J];电脑知识与技术;2015年01期
中国重要会议论文全文数据库 前10条
1 康艳梅;;关于随机共振的理论研究——几个尚未解决的问题[A];第三届全国动力学与控制青年学者研讨会论文摘要集[C];2009年
2 靳艳飞;;随机共振若干基础问题的研究[A];第四届全国动力学与控制青年学者研讨会论文摘要集[C];2010年
3 申建伟;;自诱导随机共振相关研究进展及其在基因网络动力学研究中的应用[A];第六届全国动力学与控制青年学者学术研讨会论文摘要集[C];2012年
4 许勇;;非线性系统的逻辑随机共振研究[A];第七届全国动力学与控制青年学者研讨会论文摘要集[C];2013年
5 刘甜;王青云;张红慧;;异质神经元和信息时滞对神经元网络随机共振的影响[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
6 邢锴;周萍;欧阳楷;;随机共振理论及其在弱信号检测中的应用[A];21世纪医学工程学术研讨会论文摘要汇编[C];2001年
7 何美娟;孙中奎;徐伟;;基于统计复杂测度的随机共振研究[A];第七届全国动力学与控制青年学者研讨会论文摘要集[C];2013年
8 徐博侯;章惠全;;参数诱导的随机共振在浅海混响目标探测中的应用[A];庆祝中国力学学会成立50周年暨中国力学学会学术大会’2007论文摘要集(下)[C];2007年
9 靳艳飞;;周期势系统的随机共振研究[A];第七届全国动力学与控制青年学者研讨会论文摘要集[C];2013年
10 郭卫民;王留芳;;基于发光二极管对的低功耗氨氮在线检测器的研究[A];2010中国环境科学学会学术年会论文集(第二卷)[C];2010年
中国博士学位论文全文数据库 前10条
1 刘健;基于随机共振机制的弱信号检测理论和应用研究[D];南京邮电大学;2018年
2 梁琳琳;基于非线性随机共振的数字信号检测技术研究[D];西安电子科技大学;2018年
3 韩靖;基于随机共振的弱光信号非线性重构技术研究[D];中国科学院大学(中国科学院西安光学精密机械研究所);2018年
4 李志星;基于强噪声背景下随机共振的微弱故障诊断方法研究[D];北京科技大学;2018年
5 刘军;随机共振与感觉信息处理的理论和实验研究[D];浙江大学;2004年
6 杨祥龙;随机共振理论在弱信号检测中的应用研究[D];浙江大学;2003年
7 李建龙;随机共振的参数调节方法及在信号处理中的应用[D];浙江大学;2005年
8 杨定新;微弱特征信号检测的随机共振方法与应用研究[D];国防科学技术大学;2004年
9 冷永刚;大信号变尺度随机共振的机理分析及其工程应用研究[D];天津大学;2004年
10 汪茂胜;耦合动力系统中若干复杂性和非线性问题的研究[D];中国科学技术大学;2007年
中国硕士学位论文全文数据库 前10条
1 张义俊;基于耦合、联合和非对称双稳态的随机共振系统的微弱信号检测研究[D];重庆邮电大学;2019年
2 石佳蓓;基于随机共振的微弱周期信号检测及应用[D];重庆邮电大学;2019年
3 周熙程;分段非线性双稳型、指数幂函数组合型随机共振系统研究及应用[D];重庆邮电大学;2019年
4 张政;基于随机共振的微弱信号特征提取技术研究[D];战略支援部队信息工程大学;2019年
5 王洪涛;基于随机共振的大型回转支承故障诊断技术研究[D];大连理工大学;2019年
6 褚政泱;随机共振的前馈控制方法及其应用研究[D];中国计量大学;2018年
7 曹莉;基于随机共振和经验模态分解微弱信号检测研究[D];重庆邮电大学;2018年
8 郭利军;神经系统中差频随机共振研究[D];电子科技大学;2019年
9 陈浩;随机共振微弱光信号检测机理的研究[D];陕西师范大学;2019年
10 易甜;基于随机共振和小波分析的微弱信号检测研究[D];重庆邮电大学;2018年
中国重要报纸全文数据库 前1条
1 董映璧;复杂物理系统存在多样性共振[N];科技日报;2006年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978