基于耦合Duffing振子和Van der pol振子系统的微弱信号检测研究

传统的微弱信号检测在检测信噪比较低的信号时效果不理想,基于此提出了一种基于Duffing振子和Van der pol振子的耦合非线性系统,建立了非线性耦合模型,详述了耦合系数对耦合非线性系统的影响。采用Simulink数值仿真的方法,分析了Duffing振子和Van der pol振子耦合非线性系统的动力学行为,阐述了基于相平面变化进行微弱信号检测的工作原理。并且具体分析了耦合系统在色噪声背景下的微弱信号检测效果,取得了很好的效果。     

基于耦合混沌振子的微弱信号检测

传统的微弱信号检测方法在信噪比较低时检测效果并不理想,利用混沌振子检测微弱信号具有灵敏度高、抗噪性强的特点,信噪比门限也比传统方法检测到的低得多,基于此对Duffing振子和Van der Pol-Duffing振子进行了耦合,建立了非线性微弱信号检测系统,并通过分岔图和二分法确定了临界点阈值,提高了阈值的求解速度和精度,最后分别对单微弱正弦信号和混合微弱正弦信号进行了检测,检测系统取得了较好的效果。     

一种基于Duffing方程微弱信号检测的盲域消除方法

目前微弱信号的检测大多适用于特定频率的信号,效率低,而且忽略了待测信号初始相位对检测效果的影响,存在盲域,精度低等缺点。针对这种情况,提出了一种高效率、高精度的盲域消除法和变尺度法结合的新方法。即使用一组确定的参数,在分析初始相位对检测效果的影响下,构造检测方程组,来检测未知的微弱信号。通过实例验证,相比以前的检测方法,此方法的检测精度更高,且简洁高效。     

基于互相关的信号检测研究与实现

信号检测是信息科学的重要组成部分,在科学技术的各个领域具有十分广泛的应用,本文主要研究了微弱信号中混入噪声时,如何从被干扰和噪声淹没的信号中提取有用信号的方法。     

Duffing方程参数对微弱信号检测效果的影响和分析

前利用Duffing方程检测微弱的未知信号都是选择一组固定的参数。由于Duffing方程对初值的敏感性,使得参数的选择对检测效果产生很大的影响。针对这种情况,分析了Duffing方程的参数和初值之间的关系。由参数和初值之间的关系,分析了不同的参数对检测效果的影响。验证了目前方程参数的优越性。 更多还原     

混沌背景下微弱信号时域参数检测的研究

数字示波器不能测量混沌背景中的微弱信号,该文结合混沌和神经网络构建检测模型实现该功能。运用混沌时间序列的相空间重构理论计算嵌入维数作为神经网络的输入维来构建网络模型,并采用单步预测方法,在混沌状态下直接测量混沌背景中微弱信号,获取微弱信号的波形。该方法能够测量微弱信号的时域参数,测量范围宽,逼近目标精度高,计算量小。实验结果证明了该方法具有很强的实用性。     

基于随机共振的微弱高频CW信号检测技术研究

针对强噪声背景下基于时频分析的高频CW信号检测算法性能严重下降,提出一种基于非线性双稳随机共振的微弱CW信号检测方法。该方法将CW信号调制到低频端,借助随机共振模型进行滤波,再进行WVD变换与Hough变换,从而将CW信号的检测问题转换为参数空间(ρ,θ)的峰值检测问题。实验结果表明,该方法能够在强噪声背景下有效提取CW信号,可用于指导高频CW电报自动接收设备的研制。     

基于互相关—峭度和小波软阈值的EEMD降噪方法研究

针对目前EMD分解后IMF分量优选方法的不足,提出了一种基于互相关—峭度和小波软阈值的EEMD降噪方法。该方法利用EEMD对信号进行分解得到IMF分量,计算IMF分量的峭度值、标准差及其与原信号的互相关系数。根据互相关系数、标准差和峭度值,设置优选条件,将选定的IMF分量进行重构。与互相关系数、峭度准则单独作为优选条件的重构结果进行对比,结果表明这种新型优选方法的效果更好,利用基于互相关—峭度和小波软阈值的EEMD降噪方法对滚动轴承微弱故障信号进行处理,能够更精确地提取到轴承故障特征。