基于混沌和神经网络的AM调制信号参数检测

数字示波器不能够直接测量AM调制信号,更不能测量微弱的AM调制信号.本文运用混沌和Elman神经网络作为检测模型,通过混沌时间序列中重构相空间,获得嵌入维数,确定神经网络结构,并采用单步预测混沌时间序列的方法,实现混沌背景下AM调制信号参数检测.实验说明,该方法逼近目标精度高,网络适应能力强,从混沌背景中检测出AM调制信号的周期和幅度,误差小.将上述方法运用到数字示渡器设计中,可增加数字示波器测量微弱AM信号的功能.     

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。     

基于混沌和小波变换的信号检测方法

针对微弱周期信号提出小波阈值去噪和混沌系统相结合的微弱周期信号检测新方法,该方法利用小波变换的平滑作用对包含噪声的信号进行有限离散处理,并根据小波自适应分解尺度确定阈值去嗓深度,然后根据混沌系统时噪声的免疫性和对周期信号的敏感性,把重构的信号作为周期策动力的摄动并入混沌系统,由混沌系统完成微弱信号检测;并改进了 Duf...     

基于受控Lorenz系统的微弱脉冲信号检测

利用Lorenz系统的参数非共振激励混沌抑制原理，实现强噪声背景下微弱周期脉冲信号的检测．将频率远大于系统特征频率的脉冲信号作为系统内置激励信号，根据平均法和重整化方法得到受控Lorenz系统与原系统的参数等效关系，并确定使系统由混沌状态突变为周期状态的检测参数临界值．仿真结果表明此系统可以达到较低的信噪比工作下限．此方法可根据理论分析结果预测参数临界值范围，检测方式简便易行，适于在目标探测和故障诊断领域推广应用．     

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。     

基于混沌相平面变化的微弱信号检测

针对超低信噪比条件下信号难于检测这一问题,提出了一种基于Duffing振子的微弱信号检测新方法,采用梅尔尼科夫函数给出了系统出现混沌状态的阈值,分析了Duffing振子动力学系统随参数变化的特性,研究了系统在临界参数附近变化时会出现混沌到大周期相变的特征,并根据此特点设计了一种微弱信号检测模型;理论分析和仿真实验都表明,提出的检测方法对任何零均值噪声具有免疫力,对正弦信号参量变化极为敏感,且可以准确检测出信噪比低达-49.5dB的微弱正弦信号.     

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.     

奇异谱技术在混沌背景下微弱信号检测中的应用

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.     

微弱信号混沌检测的自跟踪扫频控制方法

当利用混沌理论进行微弱信号的检测时,针对不同频率的信号只能分别构建不同的检测系统进行检测,势必使其检测效率低下.本文阐述了一种分频段阈值变换的混沌检测方法,并基于该方法实现了自跟踪扫频检测.为此,首先分析了微弱信号混沌检测方法中的变阈值法和定阈值法,指出了这两种方法的优缺点,然后提出了分频段阈值变换的混沌检测方法,并基于该方法开展了微弱信号的自跟踪扫频检测控制的研究,设计制作了微弱信号自跟踪扫频检测控制电路,并进行了微弱信号自跟踪扫频混沌检测的实验研究.结果表明该检测控制系统可以实现在噪声背景下的中低频率微弱周期信号的自跟踪扫频检测.     

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。     

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。     

小波神经网络在微弱信号检测中的应用

因为噪声总是会影响检测的结果,所以低信噪比下的信号检测是目前检测领域的热点,而强噪声背景下微弱信号的提取又是信号检测的难点。小波神经网络比数字滤波器更加适合检测微弱信号。小波神经网络是一种时频分析的自适应系统,它能检测信号中的微小变化。该文提出了一种新的检测白噪声中微弱信号的方法。仿真结果表明,小波神经网络在检测微弱信号的特征和改善信噪比方面是一种十分有效的方法。     

光纤通信网络入侵干扰信号定位检测仿真

针对当前检测方法存在干扰信号定位效果较差、检测时间过长,提出了基于粒子群算法的光纤通信网络入侵干扰信号定位检测方法。对网络入侵信号进行分析,并以此构建网络入侵干扰信号采样和信号传输结构模型,结合时间序列分析法,对序列入侵干扰信号进行FIR滤波进行抗干扰滤波处理,根据模型给出的幅值参数,提取入侵干扰信号特征。将提取的入侵干扰信号特征与LSSVM参数编制为二进制粒子,利用网络入侵检测的正确率和特征子集维数权值构造粒子群目标函数,利用粒子群寻找到最优特征子集以及LSSVM参数,并且引入混沌机制保证粒子群的多样性,并在此基础上,构建最优网络入侵检测模型,将K-means算法引入到入侵检测模型中,将网络入侵干扰信号进行定位,实现光纤通信网络入侵干扰信号定位检测。实验结果表明,所提方法有效减少了检测时间,并且减少了干扰信号定位误差,提高定位精度。     

基于双耦合改进型混沌振子系统的弱信号检测

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。     

基于双稳随机共振的多频弱信号检测

针对利用非线性双稳系统随机共振逐一检测多个频率弱信号存在效率低、无法满足信号实时处理要求的问题,研究了基于随机共振的多频弱信号同时检测方法。首先建立了同时检测多频弱信号的仿真模型,通过调节双稳态随机共振系统参数、噪声强度,将在单个低频弱信号上产生的随机共振效应扩展到多个低频弱信号上,实现了多个低频弱信号的同时检测,分析了检测结果所呈现出的特点、原因。进一步研究了多频弱信号同时检测时不同频率信号之间的最小频带间隔问题。采用参数补偿的方法将其扩展应用到高频弱信号的检测中,实现了多个高频弱信号的检测。仿真结果表明该方法是可行的,能有效提高信号检测的速度及效率。     

基于高阶阈值函数与小波包的混沌信号降噪

针对混沌信号小波降噪法中,高频段频率分辨率较差,且对小波分解系数所广泛采用的硬、软阈值量化方法存在着局限等问题,给出一种基于新型高阶阈值函数的混沌信号小波包降噪法。该方法采用小波包方法能够对小波分析中没有细分的高频部分进一步分解,保留了有用的高频信息,从而具有更加精确的局部分析能力;且所采用的阈值函数连续光滑,在噪声小波系数和混沌信号小波系数之间存在一个平滑过渡区,更符合信号的连续特性。仿真对比实验表明：与软阈值降噪法以及半软阈值与小波包降噪法相比,该方法对混沌信号的降噪效果明显,信噪比(SNR)有3.7~7dB的显著提高。     

混沌系统在弱信号检测中的应用

首先提出了利用混沌系统检测弱信号方法,实验结果证明了此方法的可行性。在此基础上,又提出将自相关方法和互相关方法分别与混沌系统相结合形成混合测量系统。经大量仿真实验证明此系统比前一种方法信噪比门限更低。可见混沌系统在弱信号检测方面的应用有望成为降低信噪比门限的有效方法之一。