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。     

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Van der Pol―Duffing振子和互相关的微弱信号检测研究

传统的信号检测方法在背景噪声较强的情况下一般会失效,混沌振子由于对初始值及参数具有敏感性从而可以很好地检测到微弱信号。首先简述了应用Van der Pol―Duffing振子和互相关方法检测微弱正弦信号的原理,然后应用二者联合的方法进行微弱信号检测。该方法综合了互相关检测对噪声的抑制优势和Van der Pol―Duffing振子对微弱信号提取的优势。仿真实例表明,该方法能有效地检测出淹没在强噪声中的微弱正弦信号,且其信噪比门限比只用混沌振子方法更低,抗噪性更强。     

AM型随机共振模拟电路的滚动轴承微弱故障检测性能研究

随机共振理论广泛应用于信号检测中,尤其在滚动轴承微弱故障检测中极其重要。但是对滚动轴承微弱故障检测性能的定量评价问题未做深入研究。在传统随机共振理论的基础上设计了基于调幅(Amplitude Modulation,AM)信号的改进型双稳态随机共振电路,通过Multisim仿真验证了该电路不仅可以实现对大参数故障信号进行故障诊断,还可以有效地削弱直流量的影响,实现滚动轴承微弱故障信号的检测。除此之外,还分析了不同强度噪声对微弱故障检测的影响,以及输入参数变化对电路输出的影响规律,为随机共振电路在滚动轴承微弱故障检测的实际工程应用提供了可靠的科学依据。     

一种二维INSAR解相位模糊方法研究

解相位模糊问题是干涉ＳＡＲ成像处理中最关键的问题之一,它直接影响成像高度的精度。文中结合递推估计方法,给出了一种解相位模糊方法。其过程是根据给定的初始相位数据或邻近的已解模糊的相位值通过递推估计来获取相位估值,再经过可信度的检测来保证相位估值的可靠性。模拟实验后的实验结果表明该方法是有效的,并它成功地恢复了相位所丢失的２ｎ　分量,其相位值与模拟的真实值比较,相对误差也很小。     

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     

基于SPR相位检测的蛋白质芯片信号获取与处理研究

表面等离子体共振传感器有可能发展成为一种灵敏的高通量检测的蛋白质组学研究工具,而信号获取和数据处理是其关键之一。本文利用数值模拟全面研究了微阵列相位检测的分辨率与空间采样频率、采样周期数以及ADC位数等关系,详细分析了相关、正弦拟合和傅立叶变换(FTP)等算法对相位检测的精度和误差等影响。研究结果表明,在理想状况下,4个CCD像素就能满足分辨率对光电转换的要求,而在有噪音的情况下,分辨率随着空间采样频率的增加而提高;信号周期数对分辨率影响不大,但有利于克服噪声影响,提高精度;ADC对分辨率影响最大,高分辨率需要选择多位ADC,8位ADC时分辨率约为0.15°,10位时约为0.05°,而12位时约为0.01°。     

基于三次相位补偿的运动目标参数估计

针对加速度在合成孔径雷达运动目标检测中会产生三次相位影响静止目标抑制和参数估计精度的问题,提出基于三次相位补偿的参数估计方法。在分析信号模型的基础上,通过在时间调频率平面内采用类似Dechirp和一维搜索的方法实现三次相位的补偿;完成相位补偿后,为克服某些时频分布中峰值重叠可能带来的目标丢失问题,利用改进的分数阶傅里叶变换方法进行运动目标参数估计,并给出了具体的参数估计方法。最后,计算机仿真验证了该方法的正确性和有效性。     

基于Lorenz振子的微弱周期信号联合检测方法

分析了传统自相关方法在噪声环境下的微弱信号检测性能,对噪声环境中的Lorenz振子进行了特性分析。提出了运用自相关和Lorenz振子的微弱周期信号检测方法。首先将待测信号进行自相关处理,提高其信噪比;然后利用比例微分控制策略下的Lorenz振子对检测信号进行检测。实验结果表明:相较运用Duffing阵子阵列的频率检测方法,能有效检测出信噪比达-60 d B的周期信号的频率,具有复杂度低和可同时检测多个周期信号的优点。     

传感器个数及距离对盲分离影响的分析

在使用盲分离技术进行信号处理时,分离高频信号和低频信号对传感器分布的要求是不同的,而传统的方法在处理高低频混合信号时采用了统一的模式,得不到很好的分离效果。为了在采用盲分离技术进行高低频混合信号处理时能得到更好的效果,文章对传感器个数和距离对盲信号分离的影响进行了深入的分析,并提出了一种能有效处理高频和低频混合信号的模型——分离子系统模型。该模型可以根据频段对传感器距离进行调整,分别对高、低频混合信号进行分离。通过实验证明分离效果更好。     

一种DS/SS信号盲同步算法

提出了一种DS/SS信号盲同步算法,在此基础上利用特征分析法可解决相位不确定性的缺陷。该算法简单有效、计算量小,利于硬件实时处理。理论分析及计算机仿真结果表明,该算法在低信噪比条件下可实现DS/SS信号的盲同步及PN码序列的精确估计。     

浅地层探地雷达回波倒相的自适应处理

针对浅地层探地雷达目标回波相位倒置造成的垂直距离判别不准的问题,提出了一种探地雷达对目标回波相位倒置的自动识别、纠正并统一成像的方法。讨论了均匀平面波对理想导体和理想介质平面垂直入射情况下,反射平面对反射波相位的影响。介绍了探地雷达信号处理的算法,对实测的成像数据进行处理,证明了该算法的有效性,提高了浅地层探地雷达在存在相位倒置情况下的检测能力。     

一种基于同步抽样技术的周期信号高精度DFT分析

提出了一种提高周期信号ＤＦＴ分析精度的同步抽样技术，对其原理作了详细的分析，给出了实现电路。文中以一组周期信号的ＤＦＴ分析为例，比较了信号谱的幅度和相位误差，其结果表明频谱精度大大提高。     

宽带雷达中消除“盲速”的动显方法研究

动目标显示雷达中通常存在多普勒频率所引起的“盲速”现象,常采用参差脉冲重复频率的方法来克服这种不利影响。在宽带雷达中,也可采用一种通过雷达回波信号的瞬时位移来检测运动目标的非相干动目标显示方法,在完全克服“盲速”影响并简化系统设计的同时,亦能够实现对包括低速目标在内的不同速度目标的有效检测。该文分别对这两种杂波抑制方法进行了研究,最后得出了宽带高分辨雷达进行杂波抑制的有效实现方法。     

基于遗传算法与二维最大熵的编织袋缺陷检测

编织袋图像存在的灰度不均匀、噪声污染大等问题影响了缺陷检测的精度和效率，为此，课题组提出一种基于改进遗传算法与二维最大熵的编织袋缺陷快速检测方法。先对编织袋图进行预处理，消除图中存在的背景噪声以及细微像素点；接着利用与二维最大熵结合的改进遗传算法快速选取图像分割的最佳阈值，提高分割速度与精度；最后利用连通域标记对缺陷进行统计与定位。实验结果表明：该方法对编织袋缺陷的分割精度与速度优于迭代阈值法、一维最大熵法以及结合一般遗传算法的二维最大熵法。新方法能够精准、高效地检测出编织袋的质量缺陷。     

未知参数多项式相位信号的最优检测及性能

根据Neyman-Pearson(NP)准则,利用广义似然比检验方法,给出了未知参数多项式相位信号的最优检测器。在相位多项式次数分别为1或2时,周期图、chirp傅里叶变换检测即为对应的最优检测器。推导了检验统计量的概率密度函数以及虚警概率和检测概率,揭示了多项式相位信号检测中信号能量噪声比、信号参数空间中搜索点数、虚警概率和检测概率之间的关系。仿真结果验证了理论分析的有效性。     

混沌噪声背景下微弱脉冲信号的分布式检测融合

提出了一种在混沌背景信号中检测脉冲信号的融合算法。首先,基于混沌信号的短期可预测性,对局部传感器的观测分别进行相空间重构,建立线性自回归模型剥离混沌背景噪声,得到单步预测。然后,将单步预测结果视为局部传感器的新的观测,在Bayes准则之下建立了检测融合模型,并对传感器判决规则和融合规则进行了推导,利用高斯赛德尔的思想给出了检测融合算法。仿真实验结果表明:建立的模型和提出的算法能有效检测出混沌噪声背景中的微弱脉冲信号,检测效果明显优于单个传感器的检测效果。     

窄带非高斯噪声中微弱信号的检测

本文提出了一种信号检测系统,用来检测在非高斯噪声中的微弱信号。它是一种无记忆非线性(ZMNL)检测器,对于一个离散序列进行ZMNL运算后与一门限值相比较,即能判决有无信号存在。检测器是根据Neyman—Pearson准则设计的结构,它仅对微弱信号是最佳的,因而称为局部最佳检测系统。 如何衡量这种系统性能的好坏,用的是渐近相对效率这一概念。本文讨论了在某些非高斯噪声情况下渐近相对效率的计算。     

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EEMD和单通道盲源分离的齿轮箱复合故障诊断研究

针对齿轮箱复合故障诊断中,多级传动相互干扰,微弱的轴承故障会被强烈的齿轮故障和噪声湮没而难以提取的问题,提出了基于EEMD和单通道盲源分离的齿轮箱复合故障诊断方法。首先利用单个加速度传感器采集齿轮箱振动信号,对采集的信号进行EEMD分解,根据峭度准则和相关系数重构IMF分量;然后应用盲源分离方法对重构的IMF分量进行求解,对分离的信号进行包络解调分析,确定出齿轮故障通道,轴承故障通道和噪声通道;最后对齿轮故障通道进行傅里叶变换,轴承故障通道进行基于谱峭度的共振解调分析,提取出信号的特征频率,完成齿轮箱的复合故障诊断。通过实验验证了该方法的有效性和可行性。