混沌理论在应答器信号检测中的应用研究

针对在强噪声环境中传输的应答器上行链路信号难于检测的问题,基于混沌系统对噪声免疫的特性,将混沌Duffing振子用于应答器上行链路信号检测中。结合Duffing振子检测微弱信号的原理和上行链路信号的特点,给出了利用Duffing振子检测应答器上行链路信号的方法和步骤,进行了仿真验证。仿真结果表明,利用Duffing振子系统检测应答器上行链路信号是可行的,并且具有很好的抗噪性能。     

混沌振子实现微弱周期小信号的检测

通过对混沌振子Duffing方程及其检测原理的介绍,发现混沌振子对周期小信号具有敏感特性,能够在强噪声环境下实现对微弱周期小信号的检测。Matlab实验仿真和分析证明了采用混沌振子Duffing检测微弱周期小信号的可行性。     

基于小波分解和Duffing振子的变尺度微弱信号检测

传统的时频分析方法在对周期性微弱信号进行检测时,提取的信息具有信噪比不高的缺点,从而影响了检测效果,为此,利用Duffing振子混沌系统对噪声的强免疫力的特征,提出了一种基于小波分解和混沌阵子的混合微弱信号检测方法;首先,采用小波变换对信号进行分解,通过小波变换的平滑作用实现对含噪微弱信号的离散处理,并设计了一种根据阈值来确定分解层数的方法,然后将降噪后的重构信号作为Duffing阵子的周期驱动力并入混沌系统,采用混沌Duffing阵子阵列实现在强噪声背景下的微弱信号检测,并提出了一种临界状态策动力幅值和初始相位的自适应确定方法;在Matlab7仿真环境下进行实验,结果表明:文中方法能有效地对湮没在强噪声下的微弱信息进行检测,具有信号检测信噪比高,重构信号频率较其它方法更接近于真实频率,具有较强的可行性。     

基于改进型Duffing振子的微弱信号检测研究

传统的微弱信号检测在检测信噪比很低的信号时效果不理想,针对在强噪声背景下微弱信号的检测问题,提出了一种由单Duffing振子建立混沌系统的非线性恢复力项用-x~5+x~7来代替的改进方法,与传统Duffing振子检测系统相比具有更强的鲁棒性.阐述了基于相平面变化进行微弱信号检测的工作原理.对时间尺度进行变换,实现了对任意未知微弱周期信号的检测,通过对噪声背景中的微弱周期信号检测进行仿真实验,最后通过真实的故障轴承信号检测验证,都获得较好的效果,为工程实际应用提供了一种可鉴的方法.     

噪声对基于Duffing方程弱信号检测的影响研究

针对利用混沌临界状态检测弱信号时存在误判、效率低和误差的问题,建立并分析了Duffing方程的基本形式;阐述了基于混沌信号相平面变化进行弱信号检测的工作原理;研究了混沌临界状态检测法中噪声对检测性能的影响,仿真发现了小信号条件下二维双稳非线性系统的随机共振现象,为提高强噪声背景下检测信号的信噪比奠定了一定的基础,为利用随机共振技术检测弱信号提供了一条新的途径。     

基于混沌的微弱周期信号检测研究

分析了Duffing振子的混沌运动,通过改进Duffing方程的非线性恢复力项.构建新的微弱周期信号检测模型,仿真结果表明该模型能够实现强噪声背景下的微弱周期信号检测,具有很好的实用价值.     

基于Simulink的微弱BPSK信号混沌解调仿真研究

针对微弱二进制相移键控(BPSK)信号的解调问题,对基于混沌系统的解调方法进行了研究.介绍了混沌系统微弱信号检测的原理,结合混沌系统产生相变的相位条件和BPSK信号的调制方式,给出了利用Duffing系统进行强噪声背景中BPSK信号解调的方法和步骤,并提出了利用功率谱熵对系统不同状态复杂度进行判别的新方法.在理论分析的基础上,建立了Matlab/Simulink仿真模型.仿真结果表明,利用混沌振子和功率谱熵解调微弱BPSK信号的性能优于传统的相干解调方法.     

微弱信号检测中Duffing方程的改进

将外界信号作为系统周期激励的补充而引入正处于混沌态的Duffing振子系统,利用混沌系统对噪声的免疫力以及对小信号的敏感性,根据系统从混沌到有序的相变而检测出比较微弱的信号.本文首先讨论了周期频率为1 Hz的Duffing方程,然后将它进行改进,找到一种通用形式,从而可以检测不同频率的周期信号而避免了大量重复性劳动.     

基于伪哈密顿量的变尺度Duffing振子弱信号检测

针对强噪声背景中微弱工程信号检测问题,在传统检测方法基础上,提出了基于伪哈密顿量的变尺度Duffing振子弱信号检测方法。待测高频工程信号经尺度变换为固定低频信号,从而唯一确定了相变阈值,并克服了传统方法中低频参数信号的限制。搭建自相关和小波阈值变换联合去噪系统,避免了噪声对检测结果的不利影响。构造Duffing系统伪哈密顿量实时地表征系统动力学行为,解决了定量判断系统状态时计算量大、效率低的难题。仿真测试表明,该检测方法可以快速检测任意频率、任意相位的低信噪比周期信号,改善了湮没在强噪声下的微弱信号检测技术。     

基于混沌理论的涡街微弱信号检测方法研究

针对涡街流量传感器在小口径、低流速下信号微弱,易被强噪声淹没而难于提取的特点,提出了利用Duffing振子检测微弱信号的方法.通过仿真对涡街信号中含有白噪声以及谐波干扰的情况进行分析,仿真和实验均表明:这种基于混沌理论的微弱信号检测方法对涡街信号中较强的白噪声以及频差较大的谐波干扰具有很好的免疫力,并且通过计算最大Lyapunov指数的波动频率能够准确估计出涡街有用信号频率,实现低流速下涡街微弱信号检测.     

基于混沌振子的微弱ASK信号解调

针对微弱数字调制信号的解调问题,提出了利用混沌振子对周期小信号的敏感性和对噪声的免疫力来解调强噪声中幅移键控(ASK)信号的新方法。详细阐述了基于duffing振子的微弱信号检测方法,结合ASK信号的调制方式,分析了利用duffing振子解调微弱ASK信号的基本思想,并提出利用功率谱熵判别系统状态的新方法。仿真表明,在信噪比为-20dB时,该方法实现了对ASK信号的解调,且抗噪性能优于传统的解调方法。     

基于变步长阵发混沌的ZPW-2000低频信号检测方法研究

针对常规混沌阵列检测轨道移频信号所带低频信息存在复杂度高和精确性低的问题,对常规方法进行改进,提出了一种基于变步长阵发混沌的低频信号检测方法,该方法只运用一个Duffing振子,通过设置一组步长可以覆盖整个待检测低频信号所在频段的序列,来实现对轨道低频信号的检测。结合Duffing混沌系统检测信号的优越性,分析了利用变步长阵发混沌法检测低频信号的可行性,给出了此方法检测低频信号的步骤,并从理论上计算了可发生阵发混沌的步长序列,然后利用Matlab/Simulink搭建仿真模型进行仿真验证。结果表明,可用变步长阵法混沌法对低频信号进行检测。最后再利用阵发混沌周期法对仿真结果进行进一步研究,得出精确的低频信号。变步长阵发混沌法的检测性能在精确性及系统复杂度方面都优于传统的轨道低频信号检测方法,并且可以实现低信噪比下低频信号的检测。     

电力系统故障的微弱信号检测方法的研究

为了确保电力系统能够安全稳定的运行,实时检测故障中的微弱信号。通过噪声干扰情况下微弱信号的不同变化进行研究,得到了一种微弱信号的DUFFING混沌检测模型。系统发生故障时会产生相应的微弱信号,运用DUFFING混沌振子法分析不同情况下微弱信号的时域波形和相平面轨迹变化规律,并建立数学检测模型,对其幅值进行混沌检测仿真。结果表明,当r=0.8264V,w=1rad/s时将白噪声和微弱正弦信号同时加入后,此时,混沌状态、大尺度周期状态的相平面运行轨迹依然在进行有规律的运行,可以清晰的观察出需要检测的微弱信号。在强噪声存在于系统中时,该方法明显克服了噪声对信号稳定性的干扰,能精确有效检测微弱信号。系统在应对不同工作环境、仪器设备老化等情况时,提高了检测效率,保证系统的稳定运行。     

基于混沌理论的微弱信号检测方法

分析了间歇混沌模型———Duffing振子的混沌特性,利用Duffing振子的非平衡相变对微小信号具有敏感性及对白噪声和与参考信号频差较大的周期干扰信号具有免疫力的性质,采用混沌振子阵列实现对噪声背景下微弱信号的检测;并采用梅尔尼科夫方法作为混沌判据,该方法的优点在于可以直接进行解析计算。仿真实验表明:该检测方法简单、有效,检测的精度比较高。     

基于统计方法的混沌Duffing振子弱信号检测与估计

本文研究了混沌Duffing振子在弱信号检测系统中表现出的统计特性,说明了Lyapunov指数的统计特性与弱信号检测和估计之间的关系.之前的一些研究表明,混沌系统可以用于弱信号的检测,并将Lyapunov指数作为判定混沌状态的确定性依据.但本文的研究工作表明,弱信号检测系统中的Lyapunov指数存在一定的统计特性,将其作为信号检测判据需要考虑更多因素.因此,本文从理论上分析了混沌弱信号检测系统的Lyapunov指数存在的统计特性,并利用仿真数据建立了统计模型,确立了混沌检测系统的虚警概率和检测概率的计算方法.进而推导出了策动力阈值门限的选取公式和弱信号检测信噪比,给出了信号幅度估计的方法.实验结果表明,混沌弱信号的检测和估计性能与采样时间和采样间隔密切相关,可以采用统计信号检测的理论来衡量其性能.     

基于有效K均值有效极限学习机的混沌海杂波背景中微弱信号检测

为了在复杂混沌噪声背景中快速准确提取有用信号,提出基于复杂非线性系统相空间重构理论,采用改进极限学习机(ELM)预测单步误差检测微弱信号的方法。采用改进K均值聚类算法选择最优族作训练集,改进极限学习机选择权值和偏置的方法进一步提高检测的精度和速度,采用Lorenz系统建立了混沌噪声序列的一步预测模型,从预测误差中检测湮没在混沌噪声中的微弱目标信号(包括周期信号和瞬态信号),然后使用加拿大Mc Master大学IPIX雷达数据,在海杂波噪声中提取漂浮物信号作为实验研究。结果表明该方法能够有效检测混沌背景噪声中极微弱信号,同时抑制噪声对混沌背景信号的影响,与径向基函数(RBF)神经网络等传统算法相比,预测精度提升了25%,检测门限提高了-5 dB,同时训练用时减少77.1 s,在实际应用中具有更明显优势。     

基于Duffing振子的梯形增幅波弱信号检测*

针对引信产品测试中的非周期梯形增幅波信号提出了基于Duffing振子的梯形增幅波弱信号检测的新方法。该方法利用梯形增幅信号的特征进行分段预处理,将非周期信号的检测转换为Duffing振子的准周期信号检测,避免了低信噪比下基于Duffing振子的微弱非周期信号检测受混沌振子检测机理的限制这一难点。仿真实验证明,该方法有效地检测出了低信噪比下的微弱非周期梯形增幅信号。结果表明,该方法能有效检测出引信测试中的梯形增幅波信号,并对零均值色噪声具有较强的抑制能力。     

基于Duffing振子的MEMS陀螺微弱周期信号检测

Duffing混沌振子系统对周期小信号具有敏感性,对噪声具有免疫性。对此进行了特性分析,讨论了振子方程参数变化带来的影响。对Duffing振子微弱信号检测的原理进行了实验验证,以LCG50陀螺为例,用Duffing振子检测方法对其周期误差信号进行了检测和分析,基于检测结果设计了FIR滤波器对MEMS陀螺周期误差信号滤波,结果表明:Duffing振子方法在MEMS陀螺微弱信号检测与信号处理中的可行性和有效性。