基于随机共振和维纳滤波的图像复原技术研究

随机共振不同于维纳滤波等传统信号处理方法,在非线性系统作用下,能利用噪声实现对强噪声背景下弱信号的处理。考虑到随机共振与维纳滤波算法的优势和不足,提出和实现了基于双稳态随机共振与维纳滤波的图像自适应复原增强算法;该算法在利用行列扫描对图像进行降维的基础上,引入拉伸变换提升图像质量;并经维纳滤波进行优化处理。仿真结果和实际应用表明:所提算法具有很好的鲁棒性,无论是复原低信噪比信号还是高信噪比信号,复原效果都优于维纳滤波和小波变换等传统复原算法和基于双稳态系统复原算法。在噪声滤除及提升图像对比度和清晰度上具有更好效果,特别是在复原被强噪声污染的信号,即信噪比很低的信号时,所提算法抑制噪声能力更强,复原效果更好。该算法克服了随机共振处理高信噪比信号效果不佳和鲁棒性差等问题,在弱信号提取,特别是强噪声和暗环境下的图像处理方面具有一定的应用前景。     

采用随机共振增强的混合扩频信号跳频参数估计

为解决强背景噪声下直扩/跳频(DS/FH)混合扩频信号的跳频参数估计精度低的问题,提出了一种基于随机共振的参数估计(SRPE)方法。首先对非线性预处理后的DS/FH信号进行信道化调制,将其转化为多个低频单分量信号,以满足随机共振的绝热近似条件;然后根据噪声强度自适应调整系统的参数,对每个单分量信号进行随机共振处理,使目标信号得到增强;最后采用Wigner-Villa变换来估计信号的跳频频率和跳速。仿真结果表明:SRPE方法能够提高目标信号的信噪比,实现强背景噪声下对DS/FH跳频参数的精确估计;在-10dB的低输入信噪比下,SRPE方法的频率估计误差低于10-3,与信道化谱增强方法相比,估计精度提高了70%以上。     

基于变步长随机共振的弱信号检测技术

针对绝热近似小参数随机共振难以满足工程实践中大参数下的弱信号检测，以及单一频率的共振分析在实际应用中的局限性问题，提出了一种变步长随机共振数值算法．该方法通过调整计算步长，使随机共振理论同时适用于犬、小参数条件下的弱信号特征提取．计算机仿真结果表明，对变步长随机共振后的信号作幅值谱和小波分析，均能准确得到低信噪比信号中的多个有用成分，充分证明该算法在大参数条件下可对弱信号中的多个特征频率产生共振输出．同时，变步长随机共振也可以有效抑制信号小波分解中由强噪声引起的边频干扰，提高小波分析在低信噪比信号检测中的可靠性．     

频移变尺度自适应随机共振在大信号检测中的应用

针对随机共振检测大信号的局限性和判断随机共振发生时刻的盲目性,提出了将基于频域信噪比的自适应算法引入频移变尺度随机共振中,自动调节双稳态系统结构参数和采样频率,自动获取随机共振状态,实现大参数信号检测.数值仿真实验结果表明,频移变尺度自适应随机共振可以从强噪声背景中提取较高频率的周期信号;能自适应地寻找到随机共振发生时刻,获得了较高的输出信噪比,在信号检测领域具有更好的应用前景.     

低信噪比下采用广义随机共振的能量检测算法

针对低信噪比下认知无线电中采用能量检测(ED)的频谱感知方法错误概率较大的问题,提出了一种采用广义随机共振的改进的能量检测(IED)算法。该算法首先对接收信号添加一个直流分量,并借助偏移系数确定直流分量的最优幅值,使其与信号中的直流产生广义随机共振;其次,对共振后的信号进行采样和能量累加得到检测统计量,然后根据最小平均错误概率准则确定最佳检测门限并与检测统计量进行比较从而做出判决;最后,从错误概率、样本检测点数和算法复杂度等几个方面给出算法的性能分析。理论推导和仿真结果表明:在信噪比为-15dB的低信噪比条件下,IED算法的错误概率性能比传统的ED算法提升了约3dB;在相同的错误概率条件下,IED算法所需的检测样本点数比ED算法显著减少。     

自适应移频变尺度随机共振在故障诊断中的应用

针对移频变尺度随机共振系统参数选择困难的问题,提出了一种基于时频指标的自适应移频变尺度随机共振算法.该算法选用了最高谱峰位置(频域)及过零间距方差(时域)作为优化目标函数,避开了以信噪比等为目标函数时需要预先知道目标信号确切频率的不足,能够自适应地获取最优系统参数,以最大信噪比检测出微弱周期信号.同时,由于移频变尺度随机共振的选用,该自适应算法突破了传统随机共振系统的限制,因此可以检测实际工程中的高频信号.仿真和故障诊断的工程应用结果表明,该自适应算法简单、易于理解,能有效地从强背景噪声中检测出高频微弱周期信号,具有较强的工程实用价值.     

关联高斯噪声激励下集合种群模型的随机共振

主要研究了关联高斯噪声作用下集合种群模型的随机共振现象,得到了信噪比的解析表达式,分析了关联高斯噪声及周期信号对系统随机共振的影响。研究结果表明:信噪比曲线在乘性噪声强度的影响下,出现了随机共振现象。同时噪声关联强度和信号强度能够增强随机共振现象,而加性噪声强度对随机共振现象有抑制作用。     

随机共振技术的水声微弱信号提取算法

随机共振技术作为一种新兴的弱信号检测算法,与传统线性滤波的方法相比,它可以检测到更低信噪比的信号.为此尝试将其应用到高频水声通信系统中,结合尺度变换和参数调节两种方法,在低信噪比下取得了一定的性能增益,并讨论了系统与信号达到最佳匹配时共振参数的变化情况.     

关联白噪声作用下双模激光增益模型的随机共振

运用线性近似方法,计算得到了关联白噪声和输入周期信号共同作用下双模激光增益模型输出信号光强的自关联函数、功率密度谱和信噪比.讨论了信噪比随系统参数的变化.研究发现:在噪声关联程度λ0时,信噪比随噪声强度的变化出现了传统的随机共振现象,系统双模参数都会影响信噪比大小和共振现象;在输入信号频率Ω较小、净增益系数a1较大时,信噪比随自饱和系数c2及双模交叉耦合系数b的变化均出现随机共振,且随着Ω的增大或a1的减小,共振现象逐渐减弱,直至消失.     

基于斜投影算子的混合信号DOA估计算法

为了提高混合信号的波达方向(direction of arrival, DOA)估计精度并降低其阵列孔径损失，提出一种基于斜投影算子的高精度DOA估计算法.所提算法将混合信号中独立信号与相干信号分两个阶段进行估计，首先利用ESPRIT(estimating signal parameter via rotational invariance techniques)算法处理阵元接收数据的协方差矩阵，得到混合信号中独立信号的DOA估计值；而后利用斜投影算子去除混合信号中独立信号的信息，得到新的协方差矩阵；利用新得到的协方差矩阵的信号子空间进行去相干处理；最后结合ESPRIT算法计算得到相干信号的DOA估计值.仿真结果表明，相较传统的混合信号DOA估计算法，所提算法在低信噪比情况下以及信号入射间隔较小的情况下有较高精度，有效地降低了阵列孔径的损失.在不同的采样快拍数下，本文算法也表现出更强的鲁棒性.     

基于盲信号分离的波达方向估计

为了将盲信号分离应用于波达方向估计,在基于四阶累积量的定点迭代快速独立分量分析(Independent Component Analysis,ICA)算法进行盲信号分离的基础上,利用分离矩阵得出混合矩阵的估计,并对混合矩阵的列向量在真实阵列流型上进行投影,通过角度扫描估计出信号的方位角.仿真结果表明,该算法在信噪比较高的条件下,具有跟MUSIC(Multiple Signal Classification Method)算法相似的分辨性能,但是在信噪比较低的情况下表现出较高的分辨率.     

基于多通道时频相干的诱发电位单次提取

针对信噪比低、频带宽的诱发电位信号单次提取问题，提出了一种在时间—频率域中的多通道相干成分分离算法．本算法采用头皮电板进行多通道同步观测和记录，在各通道的观测数据中诱发电位信号具有较高的相干性，而其他干扰信号的相干性较低，因此根据其相干性将诱发电位信号与其他信号分离，实现诱发电位的提取．为实现相干成分的分离，本算法首先应用于小波包分解将信号在时频域展开，然后通过计算相干系数确定相干的诱发电位信号在时频域中的分布区，并据此去除噪声的能量分布而得到诱发电位的时频域分布，再通过小波包重构就可以分别提取出各通道中高信噪比的诱发电位信号．本算法可以有效地提取各类宽频带信号，能够极大地提高低信噪比信号的辨识能力，具有良好的非重复信号捕捉性能，应用此算法已成功地实现了视觉诱发电位的单次提取．     

幅度调制信号驱动基因转录模型中关联噪声诱导的多重随机共振

本文研究加性幅度调制信号和关联噪声驱动下的基因转录调控模型中的随机共振现象.采用标准的两态方法,推导了绝热近似下信噪比精确的表达式.通过对信噪比的数值模拟,研究发现,信噪比随乘性噪声和加性噪声强度变化时会出现随机共振现象.此外,模拟结果还表明,随机共振的峰值高度可以通过驱动信号的幅度调制深度和幅度调制频率来实现对它的控制.更有趣的是,在信噪比随噪声关联强度变化曲线中观察到了多重随机共振现象.     

非高斯噪声激励的肿瘤增长系统的多重随机共振现象

本文研究了以捕食-食饵模型为基础的肿瘤增长系统在非高斯噪声及高斯噪声联合作用下的随机共振,根据路径积分法及绝热近似理论得到了信噪比的解析表达式,进而研究了关联非高斯噪声与高斯噪声及周期信号对系统随机共振的影响.研究结果表明:信噪比曲线在乘性噪声强度、加性噪声强度及非高斯参数q的影响下均出现了多重随机共振现象.此外,噪声关联强度和噪声自关联时间都能够增强随机共振现象.     

采用遗传算法的自适应随机共振系统弱信号检测方法研究

针对传统自适应随机共振系统只能实现单参数优化的缺点,提出了一种基于遗传算法的多参数同步优化自适应随机共振算法.该算法选用由双稳系统输出的信噪比作为遗传算法的适应度函数,能够实现随机共振系统中多个参数的自适应选取,从而最优地检测出原始信号中的微弱周期成分.同时,将该优化算法和移频变尺度随机共振相结合,可以实现大参数条件下的随机共振.仿真数据和滚动轴承外环故障数据的分析表明,该算法收敛速度快,简单易行,在采样点数较少的条件下能从强噪声背景中检测出微弱的高频周期成分,因此具有良好的工程应用前景.     

非协作通信中的信噪比估计算法

研究基于信号协方差矩阵分解的信噪比估计算法.该算法使用最小描述长度准则实现了信号空间维数的估计,进而实现信噪比估计.在此基础上,提出了基于信号功率谱的信噪比估计算法.由该方法计算出接收信号的功率谱,估计出有用信号的带宽,在有用信号频带外的噪声频带上估计出噪声的功率,从而估计出信噪比值.仿真实验表明,当信噪比小于3dB时,基于信号功率谱的信噪比估计算法优于基于信号协方差矩阵分解算法.     

单结管电路中的随机共振过程

为考察二阶非线性电路响应中是否存在随机共振过程 ,用噪声信号和周期信号同时激励二阶非线性单结管电路 ,并观察其响应和测量输出响应信号的信噪比。结果表明 :在一定的条件下 ,增大输入噪声的值不仅不降低输出响应信噪比 ;反而迅速增加输出响应的信噪比 ,使输出响应中周期信号的分量反而加强 ,而且输出响应的信噪比对于输入噪声的变化具有“共振”形状的曲线。从而证明了二阶非线性单结管电路不仅是混沌系统 ,也是随机共振系统 ,且随机共振响应是混沌系统一种响应模态     

直接序列扩频信号的信噪比估计

准确可靠地估计直接序列扩频信号的信噪比,对于辅助完成通信过程中扩频信号的同步捕获及在电子对抗中都具有很重要的意义.针对直接序列扩频信号工作中信噪比较低的特点,提出了一种通过求解接收信号相关矩阵的特征值来估计信号信噪比的方法.分析了在相同数据和随机数据扩频调制条件下接收信号信噪比估计的计算方法,并对于有频差情况下的计算方法进行了说明.计算机仿真结果表明,该方法在低信噪比的条件下具有较强的可靠性.     

混沌干扰下的随机共振研究

利用随机共振现象可以实现弱信号检测,目前大量的研究是在白噪声或色噪声背景下进行的,对于混沌干扰下的随机共振的研究却很少。研究了混沌背景干扰下的信号检测,发现在混沌干扰下双稳系统也会发生随机共振现象,因此可以检测出淹没在混沌干扰中的信号;在混沌与噪声同时存在的混合背景下,随机共振现象仍然存在,混合背景可以发生与单一噪声背景类似的随机共振现象。     

基于独立分量分析与二值掩膜的语音分离

针对欠定混合语音信号模型,提出一种基于独立分量分析和二值掩膜相结合的语音分离新算法.首先,由并列放置的两个全指向性麦克风采集混合声音信号,通过一阶差分麦克风阵列技术使得两路混合信号满足瞬时混合模型;然后,应用两输入两输出独立分量分析方法对两路信号进行分离并估计分离信号的二值掩膜,循环迭代进而提取目标语音信号;最后,合并同源语音信号,增强各独立声源.仿真结果表明:该方法不仅适用于瞬时混合模型,对卷积混合模型同样有效;在瞬时混合条件下信噪比增益平均达到12.41dB,在卷积混合条件下信噪比增益平均为5.28dB.试验结果表明:算法在半消音室环境下能准确分离来自不同方位的三个声源,提取的目标语音都具有较高的清晰度与可懂性.