基于强耦合Duffing振子的微弱脉冲信号检测与参数估计

耦合Duffing振子在检测强噪声中的微弱脉冲信号时具有可检测信噪比低等优点,但目前检测模型还存在系统性能与初始状态有关、只能工作在倍周期分岔状态等缺陷.为此本文构建了一种能克服上述缺点的新的微弱脉冲信号检测模型,通过对两个Duffing振子同时施加较大的恢复力和阻尼力耦合,可使振子间产生广义的"阱内失同步"现象,基于这种现象可实现微弱脉冲信号的检测与恢复.以信噪比改善和波形相似度为衡量指标,研究了周期策动力幅值与周期、耦合系数、计算步长、阻尼系数等参量对模型信号检测与波形恢复效果的影响.对方波、双指数脉冲和高斯导数脉冲进行检测和恢复的实验结果表明,本文所构建的模型能够在较低信噪比条件下有效地检测并恢复出高斯白噪声背景中的微弱脉冲信号,进而改善了现有的Duffing振子对非周期脉冲信号的检测能力并扩展了其应用领域.     

基于扩展型Duffing振子的局部放电信号检测方法研究

目前, 小波阈值去噪法、数字滤波法、傅里叶频域变换法等常用的微弱信号检测方法所能达到的最低检测信噪比为-10 dB, 而双向环形耦合Duffing振子能达到的最低检测信噪比为-20 dB. 但是, 现场检测时常常会出现更低信噪比的放电脉冲信号, 因此现有检测方法就很难满足信号检测的实际需求. 为了有效解决该难题, 研究了一种扩展型Duffing振子的微弱脉冲信号检测的新方法. 该方法的主要思想是使用广义时间尺度变换, 将Duffing振子模型变换为扩展型Duffing振子模型, 有效扩展了微弱信号的频率检测范围. 仿真结果表明, 扩展型Duffing振子不仅具有良好的噪声免疫特性, 而且能有效检测到信噪比低至-40 dB的局部放电微弱脉冲信号, 进一步扩展了现有Duffing振子微弱信号检测方法的检测范围和应用领域.     

一种基于新型间歇混沌振子的舰船线谱检测方法

为了实现低信噪比下未知频率的舰船辐射线谱的检测,对常规型间歇混沌振子列检测方法进行了改进,提出了一种基于适应步长型间歇混沌振子的信号检测方法.该方法可以只用一个Duffing振子,通过设定一组能够覆盖待测信号所在频段的求解步长序列,实现对未知频率、具有任意初相位的微弱周期信号的搜索检测.为进一步提高系统的弱信号检测性能,分析了Holmes型Duffing方程在不同频率内置策动力下对弱信号灵敏度的差异.综合理论分析和仿真研究结果给出了Duffing振子在内置策动力角频率为0.4 rad/s时对弱信号检测性能最佳,并据此对所采用的Duffing振子进行了优化;仿真结果表明,改进后的Duffing振子的弱信号检测性能提高了12 dB.最后将此方法应用于一组含有舰船辐射线谱的实船数据,结果表明此方法可以实现低信噪比下的未知频率微弱线谱检测.     

脉冲激励下环形耦合Duffing振子间的瞬态同步突变现象

研究非周期信号激励下Duffing振子动力学行为变化特征时,发现处于倍周期分岔的环形耦合Duffing振子系统,在一定的参数条件下,脉冲信号能引起其中一个振子与其他振子运动轨迹间出现短暂失同步的现象即瞬态同步突变现象.利用这种现象可以快速检测出强噪声背景中的微弱脉冲信号,从而扩展了现有的Duffing振子对非周期信号的检测范围及应用领域. 关键词： 瞬态同步突变 微弱信号检测 脉冲信号 Duffing振子     

基于耦合Duffing振子的局部放电信号检测方法研究

以双向环形耦合Duffing振子系统为对象, 研究脉冲信号激励下耦合振子间动力学行为变化特征时, 发现其与单向环形耦合Duffing振子系统类似, 在一定的参数条件下, 脉冲信号能引起其中一个振子与其他振子运动轨迹间出现短暂失同步的现象即瞬态同步突变现象. 基于这种现象, 提出了一种微弱脉冲信号检测的新方法, 用于检测强噪声背景中的局部放电脉冲信号. 实验测试表明, 利用本文方法对不同放电电极的局部放电脉冲信号进行检测时, 在低信噪比条件下可取得良好的检测效果, 进而扩展了现有的Duffing振子对非周期信号的检测范围及应用领域. 关键词： 耦合Duffing 振子 微弱信号检测 瞬态同步突变 局部放电脉冲信号     

基于Hilbert变换及间歇混沌的水声微弱信号检测方法研究

利用Duffing振 子从混沌到间歇混沌的相变及其对策动力和待检测信号频差较小的周期信号的敏感性, 研究了强海洋背景噪声下微弱周期信号的检测. 通过构造混沌振子列的方法对频率未知信号进行扫频, 从而提取待检测信号的频率范围, 最后利用希尔伯特变换, 实现对间歇混沌的包络检测, 并计算出待检测信号的频率. 计算机仿真与实测水声信号处理结果表明, 利用基于希尔伯特变换的间歇混沌振子对水声微弱信号检测, 其检测信噪比比一般的间歇混沌振子提高了至少4.4 dB, 验证了所提方法的有效性.     

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。     

基于分数阶可停振动系统的周期未知微弱信号检测方法

本文建立了分数阶可停振动系统, 其可停振动状态的改变对周期策动力敏感, 对零均值随机微小扰动不敏感, 这事实上为周期未知微弱信号检测提供了一种新的高效检测方法和判别标准. 与现有的利用混沌系统的大尺度周期状态变化检测周期未知弱信号的方法 需逐一尝试设置不同频率内置信号以便期望与待检周期信号发生共振不同, 利用分数阶可停振动系统的可停振动状态变化检测周期未知微弱信号的方法, 除了同样具有因为状态变化对周期信号的敏感性而能够实现极低检测门限的特点外, 还具有混沌系统信号检测所不具有的优点: 1)无需预先估计待检信号的周期; 2)无需计算系统状态的临界阈值; 3)可停振动状态可由本文设计的指数波动函数可靠地进行判断; 4)通过系统微分阶数的变化, 将检测系统层次化, 从而可得到比整数阶检测系统更低的检测门限, 特别是在色噪声环境下, 通过选取合适的微分阶数, 基于分数阶可停振动系统的微弱周期信号检测法能够大幅度的降低检测门限, 在本文的仿真试验中, 检测门限可达-182 dB. 关键词： 分数阶非线性系统 Duffing振子 弱信号检测     

环形耦合Duffing振子间的同步突变

以环形耦合Duffing振子系统为研究对象,分析了耦合振子间的同步演化过程.发现在弱耦合条件下,如果所有振子受到同一周期策动力的驱动,那么系统在经历倍周期分岔、混沌态、大尺度周期态的相变时,各振子的运动轨迹之间将出现由同步到不同步再到同步的两次突变现象.利用其中任何一次同步突变现象可以实现系统相变的快速判别,并由此补充了利用倍周期分岔与混沌态的这一相变对微弱周期信号进行检测的方法. 关键词： Duffing振子 同步突变 相变 微弱信号检测     

混沌噪声背景下微弱脉冲信号的检测及恢复

构建了一种在混沌噪声背景下检测并恢复微弱脉冲信号的模型.首先,基于混沌信号的短期可预测性及其对微小扰动的敏感性,对观测信号进行相空间重构、建立局域线性自回归模型进行单步预测,得到预测误差,并利用假设检验方法从预测误差中检测观测信号中是否含有微弱脉冲信号.然后,对微弱脉冲信号建立单点跳跃模型,并融合局域线性自回归模型,构成双局域线性(DLL)模型,以极小化DLL模型的均方预测误差为目标进行优化,采用向后拟合算法估计模型的参数,并最终恢复出混沌噪声背景下的微弱脉冲信号.仿真实验结果表明本文所建的模型能够有效地检测并恢复出混沌噪声背景中的微弱脉冲信号.     

Duffing振子微弱信号检测盲区消除及检测统计量构造

针对Duffing振子进行同频微弱信号检测时存在的检测盲区, 提出了一种策动力移相法予以消除. 结合微弱信号特性对检测盲区表达式进行分析, 得出了策动力与待测信号的“相差”位于检测盲区时的角度范围, 通过使策动力相位产生相移量π后实现对同频信号的检测, 实验证明了方法的可行性. 为了克服定性分析的不足和有效区分振子系统信号检测过程中出现的不同状态, 构造了一个基于类Halmiton系统的检测统计量, 并设计了基于该统计量的任意频率信号检测方法步骤, 方法的核心是以检测统计量出现极大值处所在的连续两个频点作为待测信号的频率范围. 在不同检测过程的仿真实验基础上, 给出了混沌、间歇混沌和大周期的检测统计量数值范围, 进而利用该数值范围作为判据实现了对任意频率信号的检测. 实验结果表明, 该方法不仅为系统状态提供了定量的判据准则, 而且提高了信号检测性能, 进一步完善了现有利用Duffing振子进行微弱信号检测的方法.     

基于脉冲耦合神经网络的空中扩展目标检测

 对单位链接脉冲耦合神经网络模型中的线性调制、动态阈值衰减方式及步长、迭代次数控制等关键环节进行了改进，进一步简化了网络模型，使其更适合于图像处理。并针对低对比度、背景连续变化环境下的空中扩展目标检测问题，应用反色处理，并采用最大直线轮廓点数方法，确定其最佳迭代次数和分割结果，实现目标的自动检测。仿真实验结果表明，该方法能清晰完整地保留目标轮廓，有效检测出复杂背景下的空中扩展目标。     

基于Duffing振子的变尺度微弱特征信号检测方法研究

研究了Holmes型Duffing方程的混沌特性用于信号检测的方法,针对该方法只适用检测特定频率成分信号、方程参数选择不便以及噪声影响检测结果等情况,提出基于Duffing振子的变尺度微弱特征信号检测方法. 数值分析表明,该方法可以仅用一组确定的参数条件,检测任意频率、任意相位的特征信号.     

典型后门耦合目标回波信号特性分析

构建了典型后门耦合目标,从时域和频域两个维度对目标进行了回波特性仿真,发现目标的孔缝-腔体结构出现强耦合时回波频域波形可观察到幅度凹坑,且强耦合频率时的回波时域波形呈双峰状,与非强耦合回波存在明显差异。通过改变后门耦合目标尺寸和形态仿真验证了所发现的回波信号特征规律,利用发现的回波信号特征规律可从回波信号中提取出未知目标腔体后门强耦合微波参数。     

基于参数非共振激励混沌抑制原理的微弱方波信号检测

利用自治混沌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方波信号的检测. 将频率远大于系统特征频率的方波信号作为内置激励信号，经平均法处理后，得到受控系统与原系统之间的参数等效关系，并由此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. 数值仿真结果表明此系统可以达到极低的信噪比工作下限. 相比于利用参数共振微扰混沌抑制原理实现微弱信号检测的有关方法，此方案可根据严格的理论分析得到更准确的检测参数估计值，有利于在相关领域推广应用. 关键词： 自治混沌系统 参数激励 方波信号 检测     

赤道东太平洋SST的海-气振子模型

研究了一个海-气振子的非线性耦合系统的模型.利用变分迭代原理，首先构造了相应的一组泛函.其次选取其Lagrange乘子.再用广义变分迭代方法得到了海-气振子模型一组解的近似序列. 关键词： 海-气振子 非线性 耦合系统 厄尔尼诺模型     

调制与解调用于随机共振的微弱周期信号检测

提出了调制随机共振方法，实现了在大参数条件下从强噪声中检测微弱周期信号.将混于噪声中的较高频率的弱信号经调制变为一差频的低频信号作用于随机共振体系，该低频信号满足绝热近似理论，因而能产生随机共振；再经解调可获得埋于噪声中的原较高频率的弱信号.对埋于噪声中的未知频率，可采用连续改变调制振荡器的频率，以获得一个适当的差频信号输入到随机共振体系，根据输出信号共振谱峰的变化经解调而得待检弱信号的未知频率.该方法应具有较高的应用前景. 关键词： 调制与解调 非线性双稳系统 随机共振 微弱信号检测     

强耦合串联石墨烯纳米机械振子

与微米机械振子相比, 纳米机械振子使用纳米级材料制备, 尺寸更小, 质量更轻, 它作为探测器, 在探测力、质量等物理量时拥有更高的灵敏度. 石墨烯有高强度、 低密度等优良的机械特性, 被认为是制备纳米机械振子的理想材料. 基于其制备的石墨烯纳米机械振子有着高谐振频率、高品质因子和谐振频率可调性高等优势, 对于纳米力学的基础研究和应用都具有重要的意义. 本文利用微纳加工工艺(包括电子束曝光、 电子束蒸发镀膜、 反应离子刻蚀和微米级定点干法转移技术)制备了串联石墨烯纳米机械振子样品, 并在极低温下(10 mK) 测量了石墨烯机械振子的机械性质, 实现两个串联石墨烯纳米机械振子的强耦合, 耦合强度为1.34 MHz, 协同系数C = 399.     

二维Duffing振子的大参数随机共振及微弱信号检测研究

研究了二维Duffing振子在绝热近似条件下的随机共振特性,针对大参数条件,提出二维Duffing振子的大参数随机共振,并探讨二维Duffing振子变尺度随机共振和参数调节随机共振的关联性,揭示大参数条件下Duffing振子随机共振检测特征信号的机理,扩展其在微弱信号检测领域中的应用.     

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。