共查询到19条相似文献,搜索用时 203 毫秒
1.
2.
Duffing振子的微弱信号检测 总被引:4,自引:0,他引:4
分析了Duffing振子的混沌运动,阐述了该振子相变对志参考信号频差较小的周期小信号具有敏感性,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,使Duffing振子应用于微弱信号检测具有可行性。检测不同频率的信号需要不同频率ω的参考信号,不同的参考信号频率ω会对系统产生很大影响,通过调整系统参数使得振子对不同频率的信号检测具有普遍性,给出了基于混沌微弱信号检测的具体方案。 相似文献
3.
4.
基于混沌理论的微弱信号检测的DSP实现 总被引:3,自引:0,他引:3
针对数字信号处理器(DSP)系统集成度高、速度快、功耗低、适合大量数据实时处理的特点,从应用的角度研究基于混沌理论的微弱信号检测原理;深入讨论其应用于DSP的实用化,构建一个优化的以TMS320C6203为核心的真实系统,实时实现基于混沌方法的微弱信号检测。 相似文献
5.
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。 相似文献
6.
混沌同步在弱信号检测中的应用研究 总被引:1,自引:1,他引:1
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,针对目前利用混沌检测弱信号中存在的两个关键问题;提出了一种利用混沌同步特性检测弱信号的系统模型,利用此系统解决了混沌检测弱信号中存在的两个问题,实验证明了此方案的可行性,为混沌同步在弱信号检测的实际应用奠定了基础. 相似文献
7.
分析了During方程的基本形式以及During振子的混沌运动,阐述了基于相平面变化进行微弱信号检测的工作原理,并推导出系统发生间歇混沌现象的频差条件和相位差对于系统特性的影响。试验证明:该振子对与参考信号频差较小的周期小信号具有敏感性,对白噪声和与参考信号频差较大的干扰信号具有免疫力。 相似文献
8.
基于预测的混沌背景下微弱信号检测成为混沌背景中微弱信号检测研究重点之一;针对现阶段从预测误差中分离微弱信号的方法缺乏深入研究的现状,提出了一种基于奇异谱分析技术从预测误差中检测出微弱信号的新方法;该方法无需目标信号的任何信息,检测精度高,而且具有很好的普适性;实验结果表明该方法性能较传统的梳状滤波器滤波性能提高20dB左右,而且具有很强的实用性和通用性. 相似文献
9.
混沌理论是一种用于描述确定非线性系统内在随机性的一种数学方法。作为确定论和概率论的桥梁,混沌理论具有对初始条件敏感、短期可预测等特点,近年来在各工程领域得到应用。基于混沌理论的故障检测是混沌理论应用的一个重要方面。本文在简单介绍混沌原理的基础上,分类介绍了基于混沌理论的各种故障检测方法及其研究现状,探讨了这一领域中有待进一步研究的若干问题。 相似文献
10.
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,分析了蔡氏电路中混沌吸引子的键波及螺旋表示方法,设计了一个基于Chua电路键波同步系统;通过实验给出了混沌键波同步系统在在弱信号检测的应用,解决了目前利用混沌检测弱信号中存在的两个关键问题,为混沌键波同步系统在弱信号中的实际应用奠定了一定的基础。 相似文献
11.
介绍传统的单Duffing混沌振子系统检测微弱信号的原理。传统混沌检测弱信号方法中,在强噪声环境下检测弱信号时系统易出现相位变化不稳定、抗噪性需进一步增强等问题。针对这些问题,本文提出基于双Duffing耦合改进型振子系统来对强噪声环境下的弱信号进行检测的方法,并用此方法对强噪声下的微弱正弦信号进行检测仿真。通过仿真得出双耦合改进型混沌振子系统能够更好地检测强噪声环境下的弱信号,对噪声有着更好的抑制作用。 相似文献
12.
研究了基于VQ的有限非特定人汉语语音命令的识别方法,识别对象是有限的特定人群(如5到6人)、有限汉语短语。该文采用MFCC作为识别特征,利用改进的LBG算法训VQ码本,为了提高识别率和拒识率,提出了采用倒谱距离法的有效语音端点检测方法以及实用的拒识方法。实验结果证明,系统在具有背景噪声的一般办公环境下由有限人训练后,当训练的说话人与识别系统的距离在0.5m的范围内时,测试识别率达到99%以上,未训练说话人的拒识率达82%。 相似文献
13.
14.
15.
The methodology of hardware/software co-design of embedded control systems with Specification PEARL is presented. Hardware and software are modeled with the language Specification~PEARL, which has its origins in standard Multiprocessor~PEARL. Its usefulness is enhanced for modeling hierarchical and asymmetrical multiprocessor systems, and by additional parameters for schedulability analysis. Graphical symbols are introduced for its constructs to enable graphical modeling while maintaining the semantical background. It is meant to be a superlayer for programs, based on the PEARL programming model. To model program tasks, Timed State Transition Diagrams have been defined. The model of a co-designed system is verified for feasibility with co-simulation. The resulting information should be used when considering changes in a current design with the goal of producing a temporally feasible model. To support dynamic re-configurations, configuration management is introduced into the models. Since UML is becoming a de facto standard also for designing embedded control systems, and since Timed State Transition Diagrams and State Chart Diagrams share great similarity, an interface of the methodology to UML 2 is defined, using UML's extension mechanisms. 相似文献
16.
钢丝绳损伤信号是一种非平稳无周期性的冲击信号,其特征信号的降噪处理和特征提取成为亟待解决的难题。小波变换方法若小波基或者分解层数不适合,会在信号降噪的同时引入其他噪声干扰,影响信号处理与特征提取的效果。相较于小波变换方法,移位平均法只需要选择一定的移位窗宽即可实现对信号的有效降噪,但移位窗宽需要人为选择,盲目性大。针对上述问题,提出一种强噪声背景下钢丝绳损伤信号降噪方法。利用钢丝绳漏磁检测传感器采集不同类型的断丝数据,向信号中加入强高斯白噪声,以模拟强噪声背景;采用自适应移位平均法对钢丝绳损伤信号进行降噪,利用量子粒子群优化(QPSO)算法优化移位平均法的窗宽;将损伤信号的信噪比(SNR)作为适应度函数,通过QPSO算法使得损伤特征信号SNR最大化,从而实现最优信号降噪效果。实验结果表明,对于强噪声背景下的钢丝绳平稳和波动信号,相较于小波变换,自适应移位平均法的降噪效果更明显,信噪比更高,信号更为平滑。实测结果表明,对于现场采集的噪声相对弱一些的钢丝绳损伤信号,自适应移位平均法的降噪效果也比小波变换好,验证了自适应移位平均法具有较好的通用性。 相似文献
17.
为了解决在利用电磁超声检测高压输电线路缺陷时,回波信号微弱且易被强大的电磁噪声覆盖而难以提取的问题。认真研究了Duffing方程和小波理论。将小波去噪技术和混沌理论结合起来,设计了一种新型微弱信号检测系统。利用MATLAB/Simulink对系统进行了仿真。实验结果证明,此系统能有效检测强电磁背景下的超声信号,进一步降低了系统的输出信噪比,提高了检测性能。 相似文献
18.
19.
在噪声干扰下有效提取振动信号所包含的微弱故障特征,是轴承故障诊断的关键问题,提出了一种基于敏感奇异值分解(SSVD)和总体平均经验模态分解(EEMD)的故障诊断方法.对时域振动信号进行敏感SVD分析,通过敏感因子选择反映故障冲击特征的敏感SVD分量,并利用定位因子定位分量信号所对应奇异值进行振动信号重构,以滤除噪声干扰;对降噪信号进行EEMD,根据峭度准则选取故障信息丰富的敏感固有模态分量(IMF),有效提取局部微弱故障信息;利用Teager-Kaiser能量算子(TKEO)计算故障信息的瞬时能量,并对其进行频谱分析,获取故障特征频率,以识别故障类型.方法应用于轴承故障诊断,实验证明了所提方法的有效性. 相似文献