韩焱[1]2004年在《分形理论及信号检测技术研究》文中认为分形在信号检测中的应用是当前雷达技术领域的研究热点。本文对分形的产生技术、维数估计技术、粗糙面的分形模拟技术及分形在信号检测中的应用进行了研究，论文的主要研究如下： 1、根据分数布朗运动(fbm)的基本性质，对该模型进行了仿真；研究了分形维数的估计方法，并对各种估计方法进行了比较，分析了产生估计误差的原因； 2、利用二维带限分形函数对粗糙面进行了模拟，分析了该分形函数模拟粗糙面的可行性；在此基础上，利用克希霍夫近似法研究了分形粗糙面的散射特性； 3、研究了基于分形维数的信号检测技术；根据多重分形理论，研究了反映信号局域特性的广义维数谱，采用实测数据论证了将其应用于信号检测的可行性及优越性。
聂新华[2]2014年在《GMI磁传感器及磁异信号检测技术研究》文中研究说明与目前常用的基于磁通门(Fluxgate)、霍尔效应(Hall)和磁电阻效应等的磁传感器相比较,基于巨磁阻抗效应(Giant Magneto-Impedance,简称GMI)的GMI磁传感器还具有灵敏度高、体积小、响应速度快、磁滞小以及功耗低等优点,在微弱磁场测量等领域具有广阔的应用前景。与此同时,以地球磁场为背景的磁异检测(Magnetic Anomaly Detection,简称MAD)技术,具有无源被动检测、隐蔽性能好以及抗干扰能力强等特点,可广泛应用于资源勘探、交通运输和军事目标探测与跟踪等领域。因此,开展GMI磁传感器及磁异信号检测技术方面的研究具有重要的理论意义和工程应用价值。本文围绕着GMI磁传感器的设计以及铁磁性目标所引起的磁异信号的检测问题等内容展开深入的研究,其主要包括:(1)简要介绍了GMI效应及其与驱动电流频率之间的关系等内容,研究了所选用非晶丝材料的频率特性,并据此选取了敏感探头的驱动电流频率和线性工作区间;同时,利用直流线圈提供偏置磁场的方式,设计了一个差分式结构的敏感探头,提出了利用具有强噪声抑制能力的正交锁定差分电路代替峰值检测电路作为GMI磁探头的信号调理电路,并详细分析了该信号调理电路的工作原理以及该GMI磁传感器的各项性能;另外,根据第二代电流传输器(second generation Current Conveyor,简称CCII)和跨导运算放大器(Operational Trans-conductance Amplifier,简称OTA)等有源模块的工作原理,利用现有商业芯片AD844,提出了一个振荡条件和谐振频率独立可调节的双输出正交正弦振荡器,并详细介绍了该振荡器的工作原理以及进行了非理想条件分析。(2)建立了磁异检测的数学模型,详细推导了基于叁个正交基函数的磁异信号的表达式,并针对目标信号的特征时间已知的条件下,根据正交匹配滤波器组理论,提出并详细阐述了适用于白噪声情形下的基于正交基函数匹配滤波器组的磁异检测系统,并以此为基础,构建并详尽分析了可应用于有色噪声情形下的基于LMS自适应AR模型的白化滤波器和正交基函数匹配滤波器组相结合的磁异检测系统。同时,针对1/f分形噪声为外界磁场环境和电路等噪声的主要来源之一的情形,通过利用仿真验证的方式,详细分析了文中所设计的自适应白化滤波器的预白化效果和磁异检测系统的性能,同时利用实测数据进一步验证了该检测系统的可行性和优越性。(3)以自回归-滑动平均ARMA模型理论为基础,简要介绍了可应用于不平稳时间序列情形下的求和自回归-滑动平均(Auto-Regressive Integrated Moving Average,简称为ARIMA)模型及其建立流程,并针对磁异目标信号的特征时间未知且背景噪声为非平稳时间序列的情形,根据ARMA模型的L步预测公式,提出了基于ARIMA模型预测的磁异检测算法,且利用实测数据和仿真分析相结合的手段,详细分析了该检测算法的性能并指出其存在的局限性。同时,以灰色关联度理论为基础,进一步提出了基于ARIMA模型残差与灰色关联度相结合的磁异检测算法,并通过仿真验证的方式对其性能进行了详细分析。(4)简要介绍了离散小波变换与逆变换等理论,针对快速离散小波变换的分解过程中存在数据逐级减少等问题,引出了非抽样离散小波变换的概念;利用小波变换具有时域-频域空间局部化特性,根据小波阈值消噪的原理,通过分析传统硬阈值法和软阈值法中存在的不足之处,提出了基于加权模糊函数的小波阈值消噪的磁异检测算法,并分别通过仿真验证和实测数据分析的方式,详细分析了该检测算法的性能并指出该算法的优越性;此外,利用小波变换对1/f噪声具有预白化作用的特性,提出了基于非抽样离散小波变换的小波系数能量的磁异检测算法,不但详细推导了该检测算法的检测概率、虚警概率等理论表达式,而且通过一系列仿真验证实验,详尽分析了该检测器的性能。
张斐[3]2009年在《基于分形理论的直接序列扩频信号检测研究》文中进行了进一步梳理直接序列扩频(DSSS)信号由于具有频谱密度低、隐蔽性好、抗干扰能力强、低截获和低检测概率等优点,在现代军事和通信等领域已经得到了很广泛的应用。因此,开展对DS通信对抗技术的研究,寻求有效的对抗方法是当前对抗领域的一项紧迫而艰巨的任务。直扩通信对抗包括直扩信号的盲检测、参数估计和扩频码序列恢复等内容。一般而言,在此情况下的信号检测属于非合作式检测,通常缺少一定的先验信息,因此也被归于盲检测或是近似盲检测的范畴。随着近年来非线性科学的发展,小波、混沌、分形理论在各个领域中的应用变得日益重要。而分形理论也由于其分析问题角度的独特性在雷达目标检测、数字图像处理、微弱信号检测等领域得到长足的发展。这使得将该理论应用到低信噪比条件下的直接序列扩频(以下简称直扩)信号的检测中成为可能。而且,将分形理论应用于直扩信号的盲检测,既是分形理论应用领域中的一个创新,也为直扩信号的盲检测工作提供了崭新的思路,在改善检测性能方面极具潜力。本文正是针对上述问题,以BPSK调制的直扩信号为研究对象,应用分形理论对其盲检测方法作了创新性研究,核心工作和创新点主要体现在以下几个方面:1.深入探讨了分形理论的发展史、分形的基本性质和分形维数的基本计算方法,并且重点分析了多重分形的概念。2.根据多重分形理论,通过验证直扩信号的非高斯性和长程相关性,证明了直扩信号具有多重分形特性,为应用分形理论进行直扩信号的盲检测提供了理论基础。3.根据方差分形维理论,采用滑窗的方法,以二进制相移键控的直接序列扩频(DSSS/BPSK)信号为例,提出了针对直扩信号的方差分形维轨迹(VFDT)检测法,实现了-25dB的低信噪比条件下的信号的盲检测。通过计算机仿真验证了算法的有效性,新方法在一定程度上改善了检测性能,并且极大降低了运算量。4.研究了DSSS/BPSK信号盲检测和参数估计的典型算法,建立了对DSSS/BPSK信号进行检测、参数估计和码序列恢复的联合处理系统,并对系统进行仿真和分析。
刘桐桐[4]2013年在《基于混沌弱信号检测技术的轴承异常微弱信号辨识》文中研究指明滚动轴承是现如今应用最多的机械部件之一，现场大型设备基本都是旋转机械，几乎每台旋转机械上都能看到轴承的身影。每年因为旋转机械故障而造成的经济损失高达数百亿，而因为轴承问题导致的故障几乎占到所有旋转机械故障的1/3以上。任何故障都是从轻微开始，直到造成严重事故。因此在轴承出现故障之初就将其检测出来非常重要。作为非线性科学的分支——混沌理论，现如今已经在很多工程领域都得到了广泛应用。把混沌理论应用到微弱信号检测中去是目前研究的轴承故障问题的主要方法之一。本文基于国内外混沌理论的研究基础上，广泛吸取了各领域对混沌理论的深刻理解和研究成果，利用混沌理论来识别滚动轴承微弱故障信号中所包含的轴承故障信息，判断出轴承故障位置。本文主要做了如下几个方面的内容：首先，本文介绍了混沌的基本概念、发展历程、主要成就，以及常见故障诊断的判别方法，叙述了混沌理论对现代科学的主要影响和意义。并且对弱信号进行了简单的介绍，给出了简单的处理方法，并且对信号的性能进行了综述。其次，建立了检测混沌微弱周期信号的模型。利用Duffing混沌系统的动力学行为特点来检测微弱周期信号，向处在临界周期状态的系统中加入微弱周期信号，观察Duffing方程的相轨迹图是否发生突变。从而可以反映出是否存在信噪比较大的微弱周期信号。最后，对传统Duffing方程做了进一步的改进，并利用改进方程来检测轴承点蚀故障微弱振动信号。轴承故障信号是多种不同信号混合在一起所形成的非常复杂的复合信号。轴承故障信号具有一定的混沌特性。每一种不同型号的轴承或者是同一轴承不同位置的特征信号都不相同。根据轴承的这一特性提出了基于混沌理论的检测轴承故障的方法。该方法只对特征信号敏感，而对噪声信号具有很好的抑制作用。对于初期采集到的信号由于存在许多无用信号，为了减小计算量，需要在利用Duffing方程进行分析之前，事先利用小波包降噪将原始信号进行初步降噪。通过最终的结果表明利用小波理论和混沌理论能够很好的将滚动轴承外圈早期故障信息反映出来，从而说明该方法是判断滚动轴承故障问题的有效方法。
谢红梅[5]2003年在《基于混沌理论的信号处理方法研究》文中研究表明非线性动力学电路与系统中的混沌是非线性科学研究的前沿课题之一，其中混沌的产生机理、解析预测以及混沌的应用是当前混沌研究的叁大热点。本文研究属于基于混沌的应用研究，主要从雷达信号检测、参数估计、波形设计和图像处理的数字水印四个方面较全面地讨论了混沌理论及相关技术在信号处理系统中应用的可能性，探讨了相应的信号处理算法和实现过程。本文研究属于结合实际信号处理应用需求进行的基础理论研究。 混沌信号是由非线性系统产生的对初值极端敏感的类随机信号。混沌的应用研究首先是基于对混沌信号的深入分析和理解。本文首先对混沌信号的数学模型进行了深入的讨论，并分别从数学映射、统计学角度对其数学模型进行了全面的研究，特别是全面总结了混沌系统的统计学模型的研究成果，讨论并给出了混沌与噪声的区别与相似之处； 雷达信号处理的重要一步是杂波中的信号检测问题。针对混沌杂波背景中的信号检测问题，本文把神经网络应用于海杂波中的雷达信号检测问题中。提出了一种基于神经网络的信号检测方案； 信号检测解决了信号的有无判断问题，而参数估计则是要解决信号参量的确定问题。混沌背景中的有用信号的参数估计问题是在雷达应用(如波达方向估计)和混沌调制的通信系统中窄带干涉抵消中经常遇到的重要问题之一。本文先后研究了最小二乘-自回归谱估计(LS-AR)、基于遗传算法的最小相空间体积法(GA-MPSV)和混沌噪声的神经网络建模预测和谱估计叁种算法。理论分析表明用MPSV方法估计比LS方法估计更准确。但MPSV算法实现比较复杂，本文引入了遗传算法来解决该问题，为了克服遗传算法实现上的困难(参数初始值和参数有效区间的选择问题)，本文首次提出先用LS-AR算法确定参数的初始和有效区间问题，并讨论了具体实现过程，给出了仿真试验对比； 针对“低截获概率”雷达波形设计问题，在理论分析和数值实验的基础上，着重研究了混沌信号在雷达波形设计中的应用。提出了混沌雷达信号概念，对模糊函数进行了大量的研究，着重研究了两种情形下的混沌雷达波形分辨率特点，做了大量的理论推导和数值实验，证明混沌雷达波形具有极佳的分辨率；摘要 将混沌理论引入数字水印初始序列的创建中，实现了混沌序列水印在原始图像小波域中的自适应嵌入，从而兼顾了数字水印的不可见性和鲁棒性。 总结本文的主要贡献主要有以下几点:圣首先对混沌理论的研究现状和基本数学结论进行了总结和分析，特别是对混沌信号进行了深入地分析，研究了其相关特性(谱特性)、最大Ly即unov指数，对这两个方面进行了大量的理论推导和数值模拟。本文同时从自相关和互相关角度比较全面的揭示了混沌信号的理想相关特性，从数值模拟的结果表明该结论具有一定的普适性，实际上这种相关特性正是后面研究混沌雷达信号的重要基础。全针对混沌杂波中的信号检测问题，基于神经网络具有的拟和任意非线性函数的能力，建立了混沌系统的神经网络模型。基于混沌噪声的预测值，提出了混沌噪声中的信号检测方案，并进行了相应的仿真试验。本文提出了用林基函数 (RBF)神经网络进行混沌信号预测的方案，用理论分析和实验结果说明了所提方案的有效性。并分析指出了所提的RBF网络相对于常用即神经网络的优越性。全先后研究了叁种混沌背景中有用信号的参数估计算法，研究了LS一AR估计算法和MPSV~AR算法的实现，进行了仿真实验和估计性能分析，并将两种方法的实验结果进行比较。考虑到MPSV.AR.方法实现的复杂性和LS一AR方法的性能不能令人满意，首次提出了神经网络建模预测混沌序列和谱分析技术相结合(即NN一AR)作参数估计的方法，对此进行了必要的理论分析，得到了较好的仿真结果，可以在性能和复杂度方面取得较好的平衡。全提出了混沌雷达信号概念，对模糊函数进行了大量的研究，着重研究了两种情形下的混沌雷达波形分辨率特点，做了大量的理论推导和数值实验，证明混沌雷达波形具有极佳的分辨率。本文针对混沌序列的产生技术讨论了非线性滤波和分段线性映射两种实现方案。蚕提出了将混沌理论引入数字水印初始序列的创建中，实现了混沌序列水印在原始图像小波域中的自适应嵌入，从而兼顾了数字水印的不可见性和鲁棒性。混沌序列相对于其他如M序列、Gold码等伪随机码具有实现简单方便的优点。 最后，对全文的研究工作进行了总结，得出了一些基本的结论，指出了需要进一步研究和讨论的课题。
曹伟青[6]2015年在《机械早期故障弱信号提取及智能诊断研究》文中研究说明在机械设备早期故障诊断中,最重要也是最困难的就是故障信号的特征提取。受到现场环境的影响,所测得的信号包含大量的噪声干扰,信号的特征很微弱,往往被噪声淹没,很难获得准确的设备状态信息。如何从含噪的混合信号中检测出微弱故障特征信号是当前研究的一个热点问题。对于单一的旋转机械,论文在研究形态滤波、奇异值分解(SVD)降噪的基础上提出了经验模态分解(EMD)微弱信号检测方法和随机共振微弱信号检测方法,并通过轴承故障得以验证所提方法的有效性；对于复杂的旋转机械,由传感器采集的信号源比较复杂,所以论文研究了基于独立分量分析(ICA)的微弱信号检测方法,并成功应用于齿轮箱的故障诊断中；对于有些机械设备出现故障时,由于其工作过程不具有周期性,所以无法直接从故障频率来判断故障模式,如刀具的磨损监测。鉴于此,论文提出了微弱特征提取与遗传算法优化的B样条模糊神经网络相结合的智能诊断方法,最后准确实现了刀具磨损的故障诊断。具体的研究内容如下：利用联合降噪结合经验模式分解的方法实现了轴承的故障诊断。经验模式分解是一种自适应的时频分析方法。在强噪声背景下利用经验模式分解提取故障特征时,噪声的存在会加重分解的边界效应,影响分解的质量和效果。因此,论文提出一种将形态滤波和奇异值分解消噪及EMD结合起来的新的弱故障特征提取方法。首先对原始振动信号进行形态滤波,然后进行SVD降噪,最后把消噪的信号进行EMD分解,获得本征模态分量提取故障特征信息。仿真信号和轴承故障分析结果均表明,该方法可以提高EMD分解的质量,能提取到有效的微弱故障特征。由于随机共振能够利用噪声来增强信号,所以它在强噪声背景下检测微弱故障特征有着独特的优势。将该方法应用于轴承故障诊中,可以看出,当故障频率与噪声频带比较接近时,经该方法处理后的信号,信噪比更高,故障识别更明显。针对实际工程上采集的信号难以满足小参数随机共振的条件,论文研究移频-变尺度随机共振方法实现了大参数信号的微弱故障检测。同时,为了实现与输入信号最佳匹配的随机共振参数,提出基于遗传算法的多参数同步优化的自适应随机共振算法,以双稳系统输出的信噪比为适应度函数,对随机共振系统中的多个参数进行同步优化,克服了传统随机共振系统只实现单参数优化的缺点。对于复杂的旋转机械,独立分量分析可以从源信号中分离出各个独立分量,是一种很有效的微弱信号检测方法。对于含噪的单通道ICA分离方法,提出将噪声作为虚拟观测信号引入,与传感器采集的信号一起构成二维观测向量,通过Fast ICA分离,即可以解决盲分离中的欠定问题,又可以将信号中的噪声去除,从而增强信号的有效特征；另一方面,对于多通道盲分离,研究了基于频域的盲解卷算法,并将这种方法应用于齿轮箱的故障监测中,实验结果表明了该方法能成功应用于机械故障诊断中。刀具的磨损监测过程不具有周期性,所以无法直接从故障频率来判断故障模式,采用B样条模糊神经网络则可以实现刀具磨损的故障诊断。以B样条为基函数的模糊神经网络,传统的学习算法是采用自适应学习算法,网络参数需要根据经验标定,容易陷入局部最小,论文采用遗传算法优化网络参数进行全局寻优,得到了比较好的诊断效果。同时通过对比发现,利用经验模式分解,随机共振以及Fast ICA实现多参数故障特征提取,可以提高设备的故障诊断率。实验表明了所提方法的有效性。论文最后对本文工作进行了总结,并对故障特征提取技术的研究进行了展望。
孙自强[7]2013年在《基于混沌分形理论的大型风电机械故障诊断研究》文中研究说明风能作为一种清洁能源受到普遍重视，我国风电制造和风场建设都持续占据世界第一大国的地位，但同时风电设备面临着提高运行稳定性和降低故障发生率的问题，这已经成为制约风电行业进一步发展的瓶颈。我国风电建设正从重视规模和速度化向重视质量和效益化的稳定发展模式转变，因而风电设备早期故障诊断和状态监测技术是一项非常重要的研究内容。风电机组工作环境十分恶劣，叶轮转速随风速变化而波动，将交变载荷传递给整个风电传动链上，各个部件在刚性连接下受到复杂的交变冲击，会出现各种故障。研究表明风电机组传动系统的振动故障在常见故障中占有较高的比重，因此对传动系统进行状态监测是至关重要的。目前，一些商业系统已经能够对风电设备运行数据进行实时获取，具有预警和报警功能，但缺乏对传动系统故障分析的能力。此外风电设备强噪声、不稳定和非线性的特征也使得一些传统故障诊断技术对于风电设备故障诊断率不高，特别是对一些早期故障。基于此本论文选择风力机传动系统为重点研究对象，利用混沌分形理论展开振动数据分析，对相关故障诊断和状态预测进行研究。论文的主要工作如下：论文分析了风电设备振动信号特征，在信噪比相对较低的情况下，基于混沌振子的早期故障振动方法充分利用了Duffing混沌振子对微弱周期信号敏感和对噪声免疫的特点，提高了故障特征信号的分辨率，并经过实验验证了该方法具有可行性。同时结合取样积分技术进一步提高了Duffing混沌振子对信号的提取门限，并利用最大Lyapunov指数定量判断故障是否产生。为了克服风电转速波动造成时域信号不稳定的现象，对时域信号进行了角域重采样，提出对角域信号进行Duffing振子特征信号提取的方法。对风电设备不同状态下的振动信号，提出用振动信号的分维数进行故障判断区分。分别采用了盒维数、关联维数和多重分形对风电设备进行了分维数提取和分析，并且采用双尺度和小波包变换进行了相关改进。通过对待测信号和已知状态之间进行维数距离的比较，发现分维数可以作为风电运行状态以及不同故障识别的一种有效手段。最后对于大型风力机的运行状态提出了基于最大Lyapunov指数局部混沌预测法。作为识别系统混沌行为的工具，用重构相空间和非线性函数逼近法来产生动态模型。这种预测手段依据的是信号自身演化规律属性，在很大程度上减少主观错误，所以对于工作状态的预报精度和可靠性上都有极大提升。
李毅[8]2017年在《基于非线性动力学的电力暂态信号研究》文中进行了进一步梳理随着社会经济的快速发展和用电用户的增多,用户对电网稳定性提出了更高的要求。为进一步提高电网的稳定性和可靠性,迫切要求提高电网保护的快速性和灵敏性。传统工频保护,受工频振荡及过渡电阻的影响,响应速度慢、检测精度低,不能实现对线路小电流故障以及电力设备内部潜伏性暂态故障的有效识别。基于故障暂态量信息的暂态保护,因能很好地解决上述问题,使得其成为电力系统继电保护研究的新方向。电力暂态信号蕴藏的信息量大,包含故障类型、故障位置、持续时间等信息数据,可以实现电网故障测距、选相等功能。有效提取电力暂态信号的特征信息,是实现暂态保护的前提,然而电力暂态信号的检测、识别,也是目前制约电力暂态保护发展的难题,研究发现,其根源在于缺乏完备的电力暂态信号研究的相关理论,尤其是暂态信号的检测、去噪、识别等理论尚未构成体系,且缺乏实践应用。本文围绕电网暂态保护目前存在的关键问题,对暂态信号的特征分析、检测提取、故障识别等关键技术展开了深入研究,提出了利用非线性动力学进行信号研究的相关理论,验证了动力学研究电力暂态信号的可行性和有效性。基于非线性动力学理论,提出了利用Duffing混沌振子检测暂态信号的新方法,提出了联合动力学及Huang变换研究暂态行波的新方法,提出了应用改进型EEMD-HHT方法进行行波定位的新技术,提出了利用动力学方法研究雷击暂态信号及变电站防雷策略的新思路。最后,本文提出了系列基于非线性动力学研究暂态信号的新理论、新方法。论文的主要研究内容和创新如下:(1)在基于小波能量识别输电线路故障跳闸方式的基础上,提出了利用非线性动力学研究电力暂态信号的新思路;深入研究了不同接地故障类型下,接地暂态信号的动力学特征同接地距离、接地电阻、相角差之间的对应关系,分析了不同接地模式下暂态信号的动力学特征,得出了暂态信号动力学特征的变化规律。(2)提出了利用Duffing混沌振子联合小波边缘检测技术识别接地故障类型的新方法,该方法简洁直观、精确度高,仿真及现场验证结果一致;分析了雷击暂态信号的非线性动力学特征及分布规律,提出了基于非线性动力学进行变电站防雷方案选择的新策略,为变电站防雷策略研究提供了新思路。(3)提出了利用非线性动力学研究暂态行波信号特征的新方法,揭示了暂态行波非线性动力学特征指数在电网中的分布规律;针对行波在电网传输中存在的畸变问题,通过仿真分析了行波的传输特性及衰变规律,分析了不同站点行波信号的时频域特性;研究了行波到达测量点时间与传播路径的关系,并利用EMD-HHT求解出行波到达时间;基于非线性动力学理论,计算了行波头的Kolmogorov熵及分形维数F,研究得出,行波信号的K熵及分维数F随传播距离增加呈减少趋势,且邻近线路或环网节点的动力学指数相近,该规律可定性识别出行波源的大致位置。(4)研究了弱行波信号的相关检测技术,针对定位精度问题提出了改进方法。针对强噪声背景下可能存在的白噪声、脉冲干扰、窄带干扰信号,提出了利用中值滤波器滤除白噪声、数学形态学滤波器滤除脉冲干扰、Duffing混沌振子滤除窄带干扰的联合降噪法。针对传统EMD-HHT方法存在混频的局限性,提出了利用改进型EEMD-HHT方法进行行波定位的新方法,经现场对比,验证EEMD-HHT方法提高了行波定位精度。本文以电力系统常见的接地暂态信号和雷击暂态信号为例展开研究,提出了系列基于非线性动力学理论研究电力暂态信号的新方法和新技术,为今后电力暂态信号的分析研究提供了新思路,进一步丰富了基于暂态信息量的电网暂态保护研究。本文的理论研究、仿真分析和现场测试结果均表明,基于非线性动力学的电力暂态信号研究及其应用方法,具有广阔的发展空间和极其光明的应用前景。
聂春燕[9]2006年在《混沌理论及基于特定混沌系统的微弱信号检测方法研究》文中研究说明对于传统的微弱信号时域检测方法,输入信噪比门限受到一定限制,很难进一步降低,基于混沌的检测方法弥补了传统方法的不足,检测性能达到了很低的信噪比。本文针对此内容展开分析和研究。在分析混沌的基本特点基础上,给出了常用的混沌系统数学模型并且作了详细分析。同时研究了特定混沌系统Duffing系统的高斯化特性。利用此特点可以将混沌系统作为信号处理系统中预滤波环节,提高信号输出信噪比性能。混沌信号在已往的应用中常被当作平稳信号处理,大大影响了测量结果。本文从摄动法和时频分析方法出发对混沌信号进行详细分析,论证了混沌信号的非平稳特性,为混沌信号更好在其它领域的应用中奠定理论基础。在以往常用的混沌判别方法基础上,提出了基于Melnicov方法测量任意周期信号混沌判据的一般表达式,同时讨论了含有初相位角的混沌判据的应用问题。在以上混沌理论研究的基础上,着重研究了已知频率信号幅值的检测问题,基于特定混沌系统Duffing振子的相轨迹变化对参数的敏感性,提出了将传统的互(自)相关方法与混沌系统相结合构成混合测量系统的方案,探讨了多种噪声背景下的检测性能,其输入信噪比检测门限明显优于以往时域检测方法以及单独采用混沌的检测方法。对于未知频率信号的检测问题,文中基于混沌Duffing振子系统,分别提出了优化理论搜寻方差方法、滑模控制混沌相轨迹方法以及基于Duffing混沌系统的随机共振叁种检测方法,并分析了检测性能。至此,全文以分析混沌系统的特性到混沌现象的判据为理论研究基础,最后完成了已知和未知频率信号幅值的检测工作。本文的主要研究工作不仅可以直接应用于雷达、水声信号等实际信号的检测中,而且对今后的信号检测和处理的硬件工作的实现具有一定的理论与实际意义。
王青红[10]2012年在《共信道多信号的检测与调制分析技术研究》文中研究说明随着无线通信技术的迅速发展，无线电频谱资源日益紧张，同一通信频段上的已调制信号越来越密集，在通信接收中出现了共信道多信号(Co-Channel Multi-Signal)。由于受时频重迭的影响，传统的针对单信号的处理方法通常不适用于共信道多信号，这给通信侦察中的信号盲分析、盲解调等处理带来了很大的挑战。本文在对共信道多信号的特性进行分析的基础上，实现了由BPSK、QPSK、8PSK、8QAM和16QAM混合的共信道多信号的盲检测及调制分析。主要内容包括信号检测及信号源个数估计、调制参数估计和调制识别。本文的主要工作及创新点如下：1、结合共信道多信号的概念和数学模型对共信道多信号的特性进行了分析，包括时域瞬时特性、频域特性、高阶统计特性和循环平稳特性。并简要给出了共信道多信号盲检测和调制分析的处理流程。2、针对共信道多信号的存在性检测问题，对基于分形盒维数的方法进行了改进。推导得出了检测门限的理论值，提升了算法的检测性能。还分析了算法的计算复杂度，比能量检测的计算复杂度还小，便于实际应用。3、针对单通道接收的共信道多信号，提出了一种基于循环累积量的信号源个数估计算法。单载波信号载频不相等时载频的个数即为信号源的个数，利用循环频率和信号载频之间的对应关系，通过搜索循环频率的方法进行信号源个数的估计。着重解决了循环频率估计时判决门限难以设定的问题，提高了应用的灵活性。并且算法不受码率及滚降系数的影响，实际应用范围更广。4、提出了一种循环累积量和循环谱相结合的共信道多信号调制参数估计算法，算法先用循环累积量的循环频率估计各个信号的载频，再用循环谱谱频率等于载频的截面上的循环频率估计码元速率。算法不仅可以在较低信噪比下实现各独立信号载频和码元速率的精确估计，而且可以解决载频和码元速率的配对问题。5、提出了一种基于高阶累积量的共信道多信号调制识别算法，首先分析得出当各个独立信号的载频不相等时可以在累积量域实现分离；然后研究了共信道多信号的定时同步问题，证明了当各个独立信号的过采样倍数不相等且不可约时可用最大平均功率定时算法对每个独立信号进行定时同步；随后可以对已同步的各独立信号逐个进行高阶累积量估计，根据累积量的估计值提取特征参数进行调制识别。算法提取的特征可识别的调制方式种类较多，应用范围更广。
参考文献：
[1]. 分形理论及信号检测技术研究[D]. 韩焱. 南京理工大学. 2004
[2]. GMI磁传感器及磁异信号检测技术研究[D]. 聂新华. 国防科学技术大学. 2014
[3]. 基于分形理论的直接序列扩频信号检测研究[D]. 张斐. 电子科技大学. 2009
[4]. 基于混沌弱信号检测技术的轴承异常微弱信号辨识[D]. 刘桐桐. 内蒙古科技大学. 2013
[5]. 基于混沌理论的信号处理方法研究[D]. 谢红梅. 西北工业大学. 2003
[6]. 机械早期故障弱信号提取及智能诊断研究[D]. 曹伟青. 西南交通大学. 2015
[7]. 基于混沌分形理论的大型风电机械故障诊断研究[D]. 孙自强. 沈阳工业大学. 2013
[8]. 基于非线性动力学的电力暂态信号研究[D]. 李毅. 湖南大学. 2017
[9]. 混沌理论及基于特定混沌系统的微弱信号检测方法研究[D]. 聂春燕. 吉林大学. 2006
[10]. 共信道多信号的检测与调制分析技术研究[D]. 王青红. 解放军信息工程大学. 2012
标签：武器工业与军事技术论文; 电信技术论文; 分形理论论文; 非线性动力学论文; 混沌理论论文; 混沌现象论文; 信道估计论文; 信号频率论文;