一种基于微弱周期信号的自适应处理算法

在传感器,特别是分布式光纤传感器领域,原始信号通常具有微弱性、周期性等特点,在经过接收电路后会出现不可避免的失真,对后续的信号处理带来极大的影响。在对微弱周期信号接收电路进行理论分析的基础上,提出一种基于微弱周期信号的自适应处理算法,采用该算法对接收信号进行数据处理可以显著降低输出信号的失真度,实现了对输出信号进行优化、补偿的一种通用处理方法。

随机共振微弱周期信号检测方法

强噪声背景下的微弱特征信号检测是实际生产活动中经常遇到的一个问题。相比于传统的通过抑制或者消除噪声来提取微弱信号的方法,随机共振微弱特征信号检测理论提出了利用噪声能量增强输出信噪比从而检测弱信号的新思想。信噪比低不利于信号的检测,而由于随机共振原理,对噪声、信号和非线性系统的作用使得输出端的信号能量增强,信噪比提高。通过仿真,调节随机共振系统的各参数,观察对比系统输入输出的时频图,验证了在强噪声背景下利用随机共振效应可以有效地检测出微弱特征信号。

混沌振子系统周期解几何特征量分析与微弱周期信号的定量检测

提出了一种对微弱周期信号的定量检测方法.分析混沌振子系统在大尺度周期状态下的相对稳定输出时,发现了混沌振子系统输出周期解的平均面积是一个比较稳定的几何特征量.该几何特征量与待测信号幅值之间存在比较稳定的单调递增关系.在一定的参数条件下,几何特征量精度可达到10-6V2.利用混沌系统对随机噪声信号的免疫性和对微弱周期信号的敏感性,进一步建立了微弱周期信号的定量检测方法.仿真实验表明,随着待检测幅度的增加,在保证检测精度的同时,抗噪性能也随之增强.

微弱周期脉冲信号的取样积分-混沌系统联合检测方法

为提高混沌系统检测微弱周期脉冲信号的能力,提出把取样积分与混沌系统相结合的检测方案.仿真结果表明在相同系统实验背景下,相结合的检测方案优于不加取样积分的检测方法;周期脉冲信号占空比变小,使检测到的最小脉冲幅度变大;输入噪声强度的降低可使检测系统临界相态简化.

基于混沌振子探测微弱动态周期测量信号

介绍了Duffing振子检测微弱信号的原理和过程以及利用混沌振子来检测淹没在强噪声背景中的微弱动态周期测量信号的方法.理论分析和仿真实验均表明混沌振子能有效地检测微弱动态周期信号.该检测方法既能形成一种独立的检测理论,也可以作为现行微弱信号检测理论的有效补充.

大参数条件下弱周期信号的三种随机共振检测方法

小参数弱周期信号的随机共振虽易于发生,但实现大参数条件下弱周期信号的随机共振在机械故障诊断领域更具有实际意义,在一定条件下可通过选用有关文献给出的二次采样法或调制法等随机共振方法来实现.为了掌握上述随机共振方法的应用特点,更好地达到大参数条件下弱周期信号的周期特征检测目的,以某大参数弱周期仿真信号作为对象,分别应用二次采样法、解调法以及作者提出的结构参数自寻优法等3种随机共振方法进行计算分析和提取周期特征,并从应用过程和效果两方面对3种方法进行比较.结果表明,相对于其他两种方法,通过结构参数自寻优法构建的随机共振模型能够较好的检测出大参数弱周期信号的周期特征,具有更好的实用性.

检测强噪声背景下周期信号的混沌系统

用混沌系统实现了对强噪声背景下周期信号的检测.仿真实验表明,由修正的Duffing-Holmes方程所构成的混沌系统对被噪声覆盖的微弱周期信号非常敏感,对噪声具有一定的“免疫力”,其信噪比工作下限可达到约-91dB.

随机共振模型结构参数自寻优方法与应用

在随机共振微弱周期信号检测过程中,如何确定结构参数值非常关键.已有的结构参数选择方法在应用上存在着局限性,如由于模型输入信号的干扰噪声未知,通常定义的信噪比无法获得.针对该问题,首先改写了随机共振模型的数学表达式;然后定义了一种随机共振模型输出信噪比,并给出了计算方法;最后在此基础上,以输出信噪比为评价指标,提出了一种结构参数自寻优方法,用于构建性能优良的随机共振模型.仿真信号分析表明该方法能较好地解决输入信号背景噪声未知的问题,所构建的随机共振模型可有效检测出低频率和高频率的微弱周期信号.通过对转子试验装置上的转子系统早期不平衡故障分析的应用,验证了所提出方法的有效性和实用性.

频谱监测中的多频随机共振检测

基于频段分离思想设计能够完成频谱监测中多频微弱信号的双稳态随机共振检测方案。使用归一化尺度变换对高频段范围内周期信号进行随机共振检测仿真实验;针对随机共振方法对多频信号检测的局限性,利用小波变换频段分离的特性,将小波变换与归一化随机共振相结合,进行多频微弱信号检测仿真实验。仿真结果表明,结合了小波变换的归一化随机共振的方案能够检测出待测频段内的多频微弱周期信号。