首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 78 毫秒
1.
基于随机共振的微弱信号检测   总被引:1,自引:0,他引:1  
在强噪声背景下,基于WV和Hough变换的正弦和线性调频信号检测方法的性能严重下降,为克服这种不足,该文在深入分析FHN随机共振系统参数对滤波能力影响的基础上,提出一种基于随机共振系统检测微弱正弦和线性调频信号的方法。首先借助FHN随机共振模型进行滤波,在此基础上进行WV和Hough变换,将信号的检测问题转换为时频图中的直线检测问题。实验证实,该方法具有较好的效果。  相似文献   

2.
介绍随机共振(SR)方法的基本思想,并建立数学模型。随机共振系统是非线性双稳态系统,存在某一最佳输入噪声强度,使系统产生最高信噪比输出,达到抑制噪声,放大微弱信号的目的。针对传统系统随机共振只适用于极低频信号的局限,本文引入尺度变换,消除了对待检信号频率的限制,通过Matlab仿真,验证了其对微弱信号检测的有效性。  相似文献   

3.
微弱信号是淹没在噪声中的小信号,且一般其信噪比比较低。微弱信号的检测在物理、电子和生物医学方面都具有重要的意义。依据随机共振理论,噪声在一定的条件下有利于微弱信号的检测。研究了随机共振的原理、双稳态系统中的随机共振现象及随机共振的应用研究现状。  相似文献   

4.
随机共振理论在微弱信号检测中的应用研究   总被引:11,自引:0,他引:11  
本文介绍了随机共振的基本原理,通过数值仿真研究了对称双稳系统的随机共振现象,并将其用于微弱信号的检测。为了进一步提高检测信噪比,采用了系统参数寻优的方法。仿真结果证明了基于随机共振的微弱信号检测方法的有效性。最后,提出了几个需要解决的问题。  相似文献   

5.
用于微弱信号检测的随机共振系统设计   总被引:8,自引:3,他引:8       下载免费PDF全文
 随机共振(SR)作为一种能够利用噪声来提高系统输出信噪比的工具,近来得到越来越多的关注和研究.一个很大的问题是如何设计一个简单高效的SR系统.针对常见的微弱信号检测问题,我们分析了二值量化器和二值量化器阵列,推导出最优二值量化检测器和渐近最优阵列SR检测器,给出渐近最优阵列SR检测器的设计准则.根据理论分析结果,给出了鲁棒阵列SR检测器及基于噪声样本集合的参数选择算法,能够在未知背景噪声情形中获得较好的检测性能.  相似文献   

6.
阵列双稳随机共振(stochastic resonance, SR)系统可利用噪声在单个双稳SR系统基础上进一步增强微弱信号检测的能力,为强噪声背景下微弱信号的检测开创了新方法。本文应用阵列双稳SR原理进行微弱信号检测的研究,采用理论和数值仿真相结合,通过稳态自协方差函数,分析了阵列双稳SR系统输出信噪比(signal-to-noise ratio, SNR)增益。在此基础上,分别讨论了阵列噪声、外部噪声及阵列单元数对检测性能的影响。并与单个双稳SR检测弱信号进行性能比较,分析和仿真结果都表明,在相同条件下,采用阵列双稳SR比采用单个双稳SR检测微弱信号性能有较大改善。这些研究结果对于阵列双稳SR的进一步发展及应用具有重要意义。   相似文献   

7.
本文基于Duffing振子检测微弱信号的检测原理,介绍了参数测量法、双耦合振子,利用随机共振、阻尼比扰动和Duffing振子与传统检测法结合的五种检测方法及研究进展,并对后四种检测方法从待测信号信噪比、检测系统抗噪性、可检单或多频信号、适合检测信号类型四方面进行分析比较.结果表明,双耦合和随机共振检测法在四种检测法中稍具优势.  相似文献   

8.
基于欠采样随机共振的单频微弱信号检测新方法   总被引:1,自引:0,他引:1  
由于随机共振具有在特定条件下增强微弱信号信噪比的特性,近年来成为一种全新的微弱信号检测手段。为了克服随机共振绝热近似理论小参数条件的限制,提出一种基于欠采样随机共振的微弱信号检测方法。通过欠采样尺度变换与还原技术,实现了大参数信号的随机共振处理,突破了二次采样变尺度随机共振算法要求采样频率必须大于信号频率的50倍的限制。构建了基于欠采样随机共振的微弱信号检测模型,从理论上证明了方法的可行性。最后利用该方法对信噪比为-27 dB条件下的微弱单频信号检测进行了仿真,结果进一步验证了所提微弱信号检测方案的正确性。所提方法大大降低了信号的采样速率,为将随机共振应用于科斯塔斯(Costas)环的改进奠定了基础。  相似文献   

9.
传统的微弱信号检测方法在检测信噪比很低的信号时效果很差,而Duffing振子混沌系统由于具备对初值敏感、对噪声具有较好的抵抗力等优点,因此在检测微弱信号能够表现出良好的检测效果。分析了Duffing方程的基本形式和动力学演化过程,阐述了基于相平面变化进行微弱信号检测的工作原理。提出了一种准确确定相变阈值的方法,讨论了高斯白噪声对阈值的影响。按照提出的检测步骤,应用MATLAB软件进行仿真,仿真结果表明可以检测出的微弱信号的信噪比能达到-130 dB。  相似文献   

10.
基于Duffing振子的微弱信号检测方法及其电路的实现   总被引:3,自引:0,他引:3  
在介绍了Duffing振子用于微弱信号检测原理和方法的基础上,根据系统的状态方程,设计制作了基于Duffing振子的微弱信号检测电路,并且分别用20HZ和60HZ频率的正弦信号对电路进行了控制试验.利用混沌系统相变对周期小信号的敏感性和对噪声具有免疫力的特点,用此电路实现了在强噪声背景下的微弱正弦信号的检测.研究工作对...  相似文献   

11.
随机共振(SR)是指在一定的非线性条件下,由弱周期信号和噪声(随机干扰)合作而导致的系统强周期输出的现象.介绍了随机共振的起源和绝热近似理论、本征值理论、非周期理论、自适应理论等随机共振理论;提出了实验研究中常用的测度方法及指标,并介绍了近年来国内外各个领域利用随机共振检测弱信号的应用研究实例.最后对随机共振的研究进展做了概括分析.  相似文献   

12.
基于阈上随机共振的弱信号双色中波红外图像融合   总被引:1,自引:0,他引:1       下载免费PDF全文
提出了基于阈上随机共振的弱信号双色中波红外图像融合方法.利用阈上随机共振分别增强两幅图像的弱信号,通过中值滤波对图像降噪,然后对降噪图像进行支持度变换融合,得到信息丰富、细节明显的融合图像.实验结果表明,融合图像的局部标准差提高了247.7%、局部熵提高了45.52%、峰值信噪比分别提高了6.71%和6.65%,证明了...  相似文献   

13.
付华  代巍 《激光技术》2016,40(2):213-218
为了解决检测煤矿复杂环境中的瓦斯信号时易受周围噪声干扰以至微弱信号被掩埋或产生异常数据的问题,提出一种基于随机共振的微弱瓦斯信号检测方法。采用欠采样原理对大频率信号尺度变换及粒子群算法优化系统结构参量,对大参量微弱信号在随机共振系统中的共振效果进行了理论分析和研究。结果表明,该方法可以以较低的采样频率,自适应地达到较好的共振效果;可有效地滤除噪声并增强系统辨识微弱信号的灵敏度以及信号检测的动态范围。该研究为瓦斯突出信息的早期辨识提供了一定的理论依据。  相似文献   

14.
针对随机共振(SR)以高斯噪声为研究背景的局限性,为了分析非高斯噪声对级联随机共振的影响且验证在双模非高斯噪声中级联随机共振的降噪及波形整形特性的可靠性,提出了级联双稳随机共振系统在双模非高斯情况下的微弱信号检测方法。输入信号在进行信号检测过程中,首先把概率密度函数作为随机共振现象的衡量指标,然后当系统处于最佳随机共振状态时,分析了非高斯参数、相关时间及噪声强度之间的关系。最后通过仿真证实,与一级SR相比,二级SR的噪声强度和相关时间的可用范围随着非高斯参数的减少不仅会得到增大,而且滤波特性、信号检测效果得到明显提高。  相似文献   

15.
基于一种新的分段混合随机共振模型,设计实现了信号检测硬件电路;对不同噪声强度背景下的微弱周期信号进行了随机共振信号检测实验研究和分析;在相同参数和相同输入信号条件下,将该电路和连续双稳系统电路进行了信号检测效果对比实验。结果表明,该电路可以实现噪声背景下的微弱信号检测,在强噪声背景下,检测效果优于连续双稳系统。  相似文献   

16.
基于级联随机共振的窄带信号宽带化接收   总被引:1,自引:0,他引:1  
侯成郭  罗柏文  李地 《通信学报》2015,36(7):138-143
为提高传统窄带接收机的解调增益,提出了基于级联随机共振的窄带信号宽带化接收方法。该方法一方面对接收信号进行随机共振运算,将信号中的噪声转化为信号能量;另一方面通过级联方式将接收信号转化为方波信号,并利用其先验信息构造本地序列进行宽带化相关运算,最终提高了信号处理增益。理论分析与仿真结果表明,该方法相比于传统的处理方式,其信噪比增益提高大于3 dB,并且对于接收信噪比为?7~1 dB的QPSK信号,其增益提高约为20 dB。  相似文献   

17.
潘辉 《黑龙江电子技术》2012,(1):159-162,166
介绍了一种压阻式高灵敏加速度传感器微弱信号提取电路。该信号提取电路采用两级信号放大设计,两级之间设计有二阶巴特沃兹低通滤波器。本设计电路通过电路仿真软件进行仿真和外接加速度计测试。测试结果表明,该微弱信号检测提取电路可以很好地对高灵敏MEMS加速度计输出的信号进行放大,具体表现为可将传感器输出信号从毫伏级放大到伏级。采用这种电路设计的MEMS高灵敏加速度计输出信号具有良好的低频特性,可以满足高灵敏传感器宽频带测试的需要。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号