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。     

基于混沌振子的微弱信号检测

分析了Duffing振子的混沌运动,利用振子相变对与参考信号频差较小的周期小信号具有敏感性和对噪声的免疫力检测微弱周期信号,检测不同频率的信号需要不同频率的参考信号,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.将传感器周期性干扰信号作为对内驱动信号的摄动加入混沌检测中,通过观察混沌振子的状态变量的时间历程图,发现混沌检测系统处于间歇混沌状态,证明了采用Duffing混沌振子检测微弱周期小信号的可行性.     

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。     

Duffing振子的微弱信号检测

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。     

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Duffing振子的DSSS信号载波检测方法

基于Duffing混沌振子检测微弱信号方法,提出一种DSSS/BPSK信号载波检测的新方法.该方法先介绍了Duffing振子检测微弱信号的技术.接着利用Duffing振子对小周期信号的敏感性和对噪声的免疫力,对DSSS/BPSK信号进行非线性平方变换能够检测出淹没在强噪声背景中的正弦信号.仿真结果表明.该方法能够在信噪比很低的情况下检测出DSSS/BPSK信号.而且性能良好.     

基于一种改进混沌振子模型的弱信号检测

介绍了Duffing振子的混沌运动特征以及应用Duffing振子检测微弱信号的方法.提出了一种改进的Duffing振子模型,仿真实验表明该模型可以有效地检测微弱正弦信号,可检信噪比范围可达到,灵敏度达到.     

一种新型频率测量方法的研究

研究了一种带摄动的Duffing振子混沌数学模型,详细的分析了其间歇混沌特性.根据Duffing振子对噪声的免疫力,提出了一种新型的频率测量方法,并给出了具体的算法.仿真结果表明,在强噪声背景下,该方法可以准确的测出微弱正弦信号的频率.     

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。     

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。     

混沌振子在滚动轴承故障特征提取中的应用

滚动轴承的故障信号往往是微弱的周期信号,而混沌振子对特定频率的微弱周期信号十分敏感,可以有效地检测出故障信号.介绍了混沌振子的数学模型和基本检测原理,以及策动力临界阈值的确定方法.将混沌振子检测法应用于滚动轴承外圈、内圈和滚动体故障信号的检测中,通过输出相图的变化来判断故障信号是否存在,有效地实现了对滚动轴承故障信号的检测.     

利用混沌系统检测2FSK信号的方法

简单介绍了混沌系统检测微弱信号的原理,并根据混沌振子对特定微弱信号敏感的特点以及2FSK信号的特点,提出利用duffing振子构建混沌系统检测2FSK信号的方法.     

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。     

一种新的微弱未知信号混沌振子检测法*

混沌振子无法检测与其策动力频率相差较大的微弱信号,为此,提出了混沌阵检测法,但其不易工程实现。针对这种现状提出了一种循环混沌检测方法,该方法不但易于工程实现,而且有很好的普适性。实验表明,该方法能有效、精确地检测微弱信号。     

混沌振子弱信号检测系统构成及响应速度研究

针对混沌振子微弱信号检测系统中初值影响检测系统输出状态的问题,利用广义胞映射方法对检测系统分岔点附近的全局性态进行分析,根据所获得的数值分析结果,给出一种构成无误判性检测系统的方法,并进一步定义了响应步长作为衡量检测速度的指标,利用该指标对无误判性检测系统响应微弱信号的速度进行了分析,所得的结论可为混沌振子检测系统的工程实施提供有效的理论支撑。     

基于非线性微分方程的混沌产生和辨识方法研究

利用非线性微分方程的数值解法,得到典型非线性微分方程所产生的混沌信号,详细研究该信号的特征,进而提出基于"相关平面"混沌和噪声的辨识方法.可以看出基于非线性微分方程可以得到不含噪声的混沌信号,所提出的辨识方法简单、直观、且具有较强的抗噪声能力.     

Functional link artificial neural network applied to active noise control of a mixture of tonal and chaotic noise

Many practical noises emanating from rotating machines with blades generate a mixture of tonal and the chaotic noise. The tonal component is related to the rotational speed of the machine and the chaotic component is related to the interaction of the blades with air. An active noise controller (ANC) with either linear algorithm like filtered-X least mean square (FXLMS) or nonlinear control algorithm like functional link artificial neural network (FLANN) or Volterra filtered-X LMS (VFXLMS) algorithm shows sub-optimal performance when the complete noise is used as reference signal to a single controller. However, if the tonal and the chaotic noise components are separated and separately sent to individual controller with tonal to a linear controller and chaotic to a nonlinear controller, the noise canceling performance is improved. This type of controller is termed as hybrid controller. In this paper, the separation of tonal and the chaotic signal is done by an adaptive waveform synthesis method and the antinoise of tonal component is produced by another waveform synthesizer. The adaptively separated chaotic signal is fed to a nonlinear controller using FLANN or Volterra filter to generate the antinoise of the chaotic part of the noise. Since chaotic noise is a nonlinear deterministic noise, the proposed hybrid algorithm with FLANN based controller shows better performance compared to the recently proposed linear hybrid controller. A number of computer simulation results with single and multitone frequencies and different types of chaotic noise such as logistic and Henon map are presented in the paper. The proposed FLANN based hybrid algorithm was shown to be performing the best among many previously proposed algorithms for all these noise cases including recorded noise signal.