江波[1]2003年在《自适应随机共振系统及小信号检测方法的研究》文中进行了进一步梳理随机共振是目前非线性学术领域的一个新兴的重要的分支。随机共振系统是一个非线性系统，在一个小的周期性调制信号作用下同时输入噪声和信号，当噪声增强到某一强度的时候，信噪比不仅不会降低，相反系统会产生随机共振从而使输出信号得到显着的增强。随机共振技术跟传统的信号检测方法相比具有很明显的优越性，它的最大的特点是利用噪声来增强系统对微弱信号的检测能力，并且不会损害信号量。 本课题从工程实际需要出发，在深入研究随机共振机理的基础上，将其拓展到工程应用性研究中去。从理论到仿真，从工程测量背景分析到自适应随机共振算法，进行系统的研究，并建立自适应随机共振信号检测系统。 本文的主要内容包括： 1．介绍了随机共振研究的历史、现状和发展；阐述了随机共振的理论。 2．研究了噪声、信号和非线性系统之间的关系，以及产生随机共振的系统条件。 3．研究了非线性系统特征，构建实用于检测强噪声背景下弱信号的特征信息的自适应随机共振算法。 4．建立应用于工业现场的自适应随机共振信号检测系统的设计方案，完成系统界面以及上位机软件的实现，并进行了相应的调试和测试。 5．将该系统应用于中频开关电源的故障信号检测项目中，并取得了很好的效果。 随着人们对随机共振机理及其自适应算法研究的进一步深入，自适应随机共振技术将成为强噪声控制下的弱信号检测的一种新的技术。因此，系统地研究自适应随机共振技术并应用到实际测量中去，将是一项十分有意义的工作。
蒋芳芳[2]2011年在《体震信息监测系统中的微弱信号检测与分析方法研究》文中指出随着家庭日常监护需求的不断提高,多功能生理参数的同步检测成为研究的热点。人们希望可以在无感觉的状态下,通过便捷的检测手段,获得更多能够表征人体生理状态的信息,进而达到健康监测与疾病预警的目的。体震(Ballistocardiogram, BCG)信息监测系统可以在受试者无感觉的状态下,提取反映受试者心血管系统功能、呼吸状况等多生理信息的BCG信号,符合当前对日常监护设备开发的要求。通过对BCG信号研究现状的综述,本文以坐姿BCG信号为研究对象,开展了从BCG信号中检测微弱生理信息,并对其进行分析的研究,主要工作如下：在分析BCG信号产生原理阶段,建立了一种基于体内搏动力产生、体内血流传导、体外检测叁者相结合的BCG信号数学模型,模拟了该模型的多周期时域仿真波形,并与实测BCG信号波形进行对比,验证了模型的表征性能及准确性。在BCG信号预处理阶段,分析了BCG信号的属性,对其进行有针对性的消除趋势项、平滑滤波、计算自相关函数等时域预处理。同时,建立了一种基于频域分析的BCG信号简化数学模型,模拟了理论BCG信号的频谱分布,确定了BCG信号的主频率,并进行了有效的频域滤波与小波去噪。在由BCG信号检测心率阶段,提出了一种基于混沌理论的检测方法。首先,在受试者常规心率已知的条件下,采用Duffing混沌振子检测低信噪比BCG信号中的微弱周期成分,并针对其输出相空间轨迹,提出了一种基于脉冲耦合神经网络的混沌判据,从而有效检测到BCG信号中的异常心率；而后,在受试者常规心率未知的条件下,提出一种基于线性随机搜索算法的自适应随机共振方法,将输入噪声的能量转化为BCG信号中微弱周期成分的能量,突出心动周期波形,从而达到自动获取心率的目的。该阶段实验均通过同步采集的受试者心电信号作为评价准则,以验证算法的准确性。在由BCG信号检测呼吸率阶段,提出了叁种从BCG信号中提取呼吸率的方法。第一种,基于自适应干扰对消算法,通过抵消两通道BCG信号中的心动周期成分,获取输出中的呼吸成分；第二种,基于变频复解调算法,将BCG信号视为心动周期成分对呼吸成分的调制信号,从解调的角度,将调制信号—呼吸成分解调出来；第叁种,基于S变换的包络解调算法,从调幅信号解调的角度,提取BCG信号的呼吸成分包络。最后,对以上所获取的呼吸成分进行峰值检测,以计算呼吸率。该阶段实验均以同步采集的受试者鼻热敏信号作为参考,并与小波变换提取BCG信号呼吸成分方法作对比,给出了各算法的性能评价。在对BCG信号进行特征提取阶段,提出了一种基于BCG信号诊断特征的盲分帧算法。在无心电信号参考的条件下,实现了对BCG信号的分帧,并以此为基础,提取了BCG信号的时域特征、频域特征、时频奇异值特征及长短期重复性统计特征。最后,从特征诊断的角度,提出了基于常规特征点确定性BCG信号诊断方法和基于云模型的模糊性BCG信号诊断方法。该阶段采用心律不齐受试者对所提特征和诊断方法进行实验,以验证方法的优越性。论文最后设计并实现了一套体震信息监测系统。该系统以本实验室开发的坐姿BCG信号检测座椅为硬件装置,提供以上实验所需的实测BCG数据；同时,以基于LabVIEW的BCG信号自动分析平台为软件环境,并通过对一位心律不齐受试者的实际检测过程,测试了本文所提算法的正确性及系统的实用性。
刘鎏[3]2016年在《强噪声下结构振动特征提取与损伤检测研究》文中研究指明在各类基于振动响应的工程结构损伤检测过程当中,由于外在自然环境或者人为因素的影响,所测得的振动响应信号不仅包含了结构的损伤信息,同时还存在着大量的噪声干扰。噪声的存在严重影响了结构有效振动响应数据的提取,特别是对于结构初期小损伤状态,此时结构损伤响应特征相对微弱,如果不采用合理的降噪办法就难以得到较好损伤识别结果。因此,本文主要研究的是强噪声背景下基于振动响应信号的特征提取及损伤定位。论文针对振动响应信号的特征提取及损伤定位主要完成了以下工作:针对旋转机械转子碰摩故障检测中存在的噪声干扰问题,提出了基于二次采样的大参数自适应随机共振算法。该算法很好地解决了传统随机共振算法仅适用于小参数检测的局限性,仿真和试验数据分析表明该方法能够显着提高测试数据信噪比指标。本文基于Duffing混沌振子的结构损伤检测,提出了一种新的基于Duffing混沌振子和响应灵敏度结合的结构损伤检测方法。通过一组特定的参数选择对响应信号进行提取,从而避免了繁琐的传统Duffing振子参数的选择方法。把该方法应用于叁个维度的梁模型和桥梁模型,结果表明该方法可以很好的强噪声背景下实现结构的损伤定位,这可以为结构损伤识别提供一个更好的思路。为了实现对试验参数的精确识别,在气动噪声条件下进行了超声速飞行试验数据的相空间重构和奇异谱分析相结合的方法。首先,通过数值模拟的方法证明了该方法的可行性。然后,通过对某型超声无人机的声振动试验,对试验数据进行相空间重构,实现了对信号子空间和噪声子空间的奇异值分解。通过定义奇异值差分谱来确定真实信号子空间维数,并对现有的最大差分谱理论,提出了一种优化差分谱峰值的方法。重构结果表明,该方法适用于飞机在超音速飞行条件下的声振动试验的数据处理。针对薄板结构(铝板)损伤检测过程中存在的噪声干扰问题,提出了建立在奇异谱分析上的最大似然性原理分析的损伤检测方法。将Lamb波激励响应信号进行奇异谱分析,通过优选差分谱理论选择最优重构信号进行重构,基于最大相似性原则,通过采用遗传算法(Genetic Algorithms,GA)对重构信号参数进行优化以实现对于测量信号构成部分的分析。铝板试验结果有效证明了该方法的实用性和有效性。考虑强噪声背景环境下的非线性结构损伤检测问题,针对具体的非线性质量-弹簧系统设计了对应的物理等效模型,通过增加结构自由度的方式将原有非线性系统等效为增强的线性系统进行分析,建立了系统非线性项的动力平衡方程。通过奇异谱分析、直接参数识别方法以及矩阵最小秩扰动理论实现了对于非线性系统强噪声背景下的损伤定位及损伤程度判定。
梁博[4]2017年在《基于随机共振方法的微弱信号检测技术研究》文中认为随机共振是一种检测微弱信号的新技术,论文主要讨论随机共振的背景和研究意义,分析随机共振的理论模型,并采用随机共振方法来实现微弱信号检测。以双稳态系统的数学模型作为研究对象,对经典的随机共振的方法加以补充和改进,使微弱信号的检测性能提高。将自适应系统输出的信噪比作为适应度函数,通过调节噪声和双稳态系统的参数,得到最优的微弱信号检测结果。随机共振的方法简单易行,收敛速度快,能够在较短的数据集下实现信号的快速检测。在双稳态模型的特殊构造中,随机共振能把噪声的部分能量转换成信号的激励,从而使信号特征更加凸显。与其他的检测方法相比,这种方法主要手段不是抑制噪声而是利用噪声,能够克服在抑制噪声时对有用信号损失的缺点,为信号检测提供一种新途径。随机共振能缩短微弱信号检测的时间,通过比较少的数据集获得更好的输出效果。经典随机共振理论无法检测未知频率的信号,无法准确测量信号的幅值,信噪比增益有限,针对这些不足之处提出改进方法使随机共振理论更加完善。本文的主要内容如下:(1)讨论随机共振方法的信号检测的选题背景和研究意义,在国内外研究成果中讨论随机共振理论提出过程,列举各种实验中发现的随机共振现象,分别讨论随机共振在机械故障、医学以及生物科学领域的应用。(2)通过Langevin方程、绝热近似理论、线性响应理论来分析随机共振的理论基础,分析信号检测的衡量指标。讨论随机共振双稳态模型的建立,定性的分析Langevin方程的非线性特征。讨论基于双稳态系统的随机共振信号检测方法,分析双稳态检测模型对随机共振的影响。(3)主要研究用随机共振方法实现微弱周期信号的频率检测方法,采用粒子群算法自适应的调整外界噪声强度和随机共振的系统参数。分别验证调节噪声强度和调节系统参数对检测结果的影响。最后提出级联随机共振的模型以及级联自适应的随机共振方法。(4)对于周期信号幅值的检测,输入信噪比在一定范围内,随机共振能根据输出信噪比和信噪比的增益反推出被检测信号的幅值。然而这种方法并不能实现精确的检测信号幅度,针对这一问题提出随机共振与混沌振子相结合的检测方法。首先描述混沌振子微弱信号检测的原理,包括混沌振子在临界点相位的突变性,噪声和异频信号对duffing振子的影响。最后通过仿真验证基于随机共振与混沌振子的检测信号的方法。(5)主要研究基于随机共振的非周期信号检测的理论与模型,通过仿真验证通过随机共振实现脉冲信号的检测,并分析脉冲信号的峰值高度对检测结果的影响。
吴志涛[5]2014年在《基于随机共振的弱信号识别》文中提出微弱信号检测技术一直是学者们热衷研究的课题,强背景噪声下微弱特征信号的快速检测,在保证大型机电设备安全运行,避免重大事故发生在工程项目中,具有广泛的应用价值。任何一个系统中都必然存在噪声,当所测信号相对于背景噪声比较微弱时,造成信号信噪比偏低,使微弱特征信号检测成为难点。随机共振与传统的信号检测方法(如：小波变换法、Kalman滤波法等)不同,它不需要滤除或抑制噪声能量,且可以将部分噪声能量转移成待测信号能量,从而提高系统输出信噪比,实现检测微弱信号的目标。对于给定的输入信号和噪声强度,系统的随机共振效果主要取决于系统结构参数。因此,设计一种能够高效的自适应系统结构参数的方法,能获得良好的随机共振效果。通常的自适应结构参数方法是以信噪比作为衡量标准,且信噪比基本是在绝热近似理论下推导出的近似值,存在一定的误差。在输入信号不满足绝热近似条件时,得到的信噪比表达式误差较大甚至可能是错误的。为避开信噪比的缺点,本文提出了一种新的基于双稳态系统的自适应随机共振结构参数的系统。综合考虑随机共振系统特性、输入/输出信号特征,选取最优的系统结构参数。在此基础上,进一步提出了基于自适应随机共振系统的小波变换法,首先通过随机共振系统,提高信号的能量；然后用小波变换阈值法去除信号中的噪声,加强信号在时域中的波形轮廓,识别出信号的周期。通过分析仿真实验的结果,发现输入信号为单频、双频或多频周期信号时,该方法都能得到使系统发生明显共振现象的优秀系统结构参数,证明了该方法的有效性和可靠性。
谯自健[6]2015年在《基于随机共振理论的微弱信号检测方法研究及应用》文中研究表明随机共振是微弱有用信号利用噪声来增强非线性系统输出的现象。在此采用研究成熟的双稳态系统作为研究对象,主要完成了以下几项工作:首先,学习随机共振依据的绝热近似理论和线性响应理论,分析绝热近似假设下随机共振只能检测小信号的原因,并对现存的几种随机共振系统输出性能指标进行总结和说明;针对现有指标存在需要先验知识,同时比较复杂等缺点,提出基于符号序列熵的自适应随机共振微弱信号检测方法,详细讲解了序列划分的方法和熵值的计算原理,说明此检测方法的整个流程,并通过仿真实验和工程实验验证了它的合理性和有效性;其次,传统随机共振受绝热理论的限制,不能检测大参数信号,于是本文分析了目前几种常用的随机共振任意大频率信号检测方法,并采用模拟信号进行了仿真实验,从理论分析到仿真实验全面说明了几种方法的检测机理,总结了各自的优缺点和实用性;最后,针对机械设备中滚动轴承振动信号的特点,即强背景噪声、冲击和调制特性,传统的基于线性理论的方法难于检测,而基于非线性理论的总体经验模态分解能将调制信号进行解调,而且使其中隐藏的冲击特征暴露出来。于是本文采用总体经验模态分解结合随机共振来增强特征信号。但是振动信号经过总体经验模态分解后,在众多内禀模态分量中存在虚假模态,同时传统自适应随机共振参数选择存在人为主观性,于是提出了一种基于总体经验模态分解的敏感内禀模态分量变尺度自适应随机共振多故障检测方法。利用加权峭度指标作为系统输出的衡量指标,不仅能保持系统输出信号与原始信号的相似性,而且对冲击特征敏感,克服了传统峭度指标的漏检或者误检,并将其作为人工鱼群算法的食物浓度函数进行系统参数优化。最后,所提方法的有效性和可行性通过采用美国凯斯西储大学滚动轴承数据中心的实验数据被验证,并与传统单参数优化结果进行了对比分析,表明多参数优化自适应随机共振能取得比单参数优化更好的结果,不仅最大程度上增强了系统输出,而且也最大程度地削弱了信号中的噪声成分。通过搭建双稳态系统的仿真模型,对上述方法和实验进行了分析,验证了所提方法的合理性和有效性。
热依扎·海然[7]2014年在《基于PSO算法的自适应随机共振信号检测研究》文中研究指明当满足随机共振现象的发生条件时，随机共振在信号处理中展现出自己的独特优势。例如，在弱信号检测和处理领域中，与传统的各种信号检测方法相比，随机共振不是降低噪声，而是利用无用的噪声来增强微弱信号。所以，使用随机共振理论与优化算法相结合来实现的自适应随机共振研究，在信号处理、检测等各种自然科研究领域中都起到重要作用。本文在信号检测中用同步进化多个参数的随机共振而得到更好的改善输出信号。PSO算法是典型的智能优化算法，即模拟鸟类群体寻找食物的行为而构思出来的算法。它具有算法简单、实现容易，适应性强等特性。更重要的是它的全局同步多目标搜索能力，在随机共振中可以快速、有效实现随机共振的自适应特性。首先简述了随机共振理论和相关理论知识以及几种类型，并通过仿真分析系统的输出信噪比和噪声强度D的变化关系。其次，针对传统随机共振方法以系统的参数和噪声强度的匹配为研究背景的局限性，为解决双稳系统参数合理选取的问题，并克服传统的自适应随机共振单一参数优化的不足，给出了两种参数选取算法。把基本粒子群算法运用于实现自适应(同时优化系统结构参数)随机共振，并对输出信号进行了仿真实验。最后，提出了改进的PSO算法，即多层自适应随机共振的信号检测方法。该方法以系统的输出信噪比为优化目标函数，改进粒子群算法有较强的全局搜索能力并能保持粒子（待优化参数）的多样性。将改进的PSO算法应用到多层双稳态随机共振中优化参数，使随机共振系统的最佳工作状态。仿真结果表明，该方法可以提高输出信噪比、算法收敛快，检测效果良好。
蔡志全[8]2014年在《强噪声背景下微弱信号检测与处理方法研究》文中研究指明“微弱信号”不仅意味着信号的幅度很小，而且主要指的是被噪声淹没的信号，“微弱”是相对于噪声而言的。强噪声背景下微弱信号检测一直是工程应用领域的难题之一。微弱信号检测的首要任务是提高信噪比，以便从强噪声背景中检测出有用的微弱信号，从而满足现代科学研究和技术应用的需要。所以，对微弱信号检测技术进行研究具有重要的理论和现实意义。本课题来源于内蒙古自治区自然科学基金项目“强噪声背景下微弱信号检测与提取技术研究”，以强噪声背景下微弱信号的检测为出发点，系统地研究了随机共振的理论和方法。在基于调制随机共振的微弱信号检测与处理硬件电路设计中，本课题采用Analog Devices公司生产的AD734四象限模拟乘法器芯片来设计调制电路，以实现信号的混频和系统的随机共振，从而实现了对大频率信号的检测。本论文的内容包括以下几个方面：①介绍了微弱信号的检测和处理方法以及国内外的研究现状，重点阐述了随机共振非线性理论的历史、现状和发展；②深入研究了非线性系统的随机共振现象，详细研究了系统结构参数与势垒及随机共振的关系，并分析了噪声、信号和非线性随机共振系统之间的关系以及随机共振产生的条件；③通过对随机共振系统的分析，提出了调制随机共振方法，使用信号调制的方法可实现对大频率信号的检测。结合随机共振方法与混沌理论方法的各自优缺点，将两种方法结合起来用于微弱信号的检测；④根据仿真结果设计了调制随机共振系统电路，介绍了调制电路和随机共振电路的结构及原理，根据设计方案搭建了调制随机共振检测电路。本课题以随机共振理论为基础，研究了强噪声背景下的微弱信号检测与处理方法，根据随机共振的理论模型搭建了硬件电路，并对电路进行了分析测试，实验表明该系统达到了预期目标，为随机共振理论应用于工程实际提供了实现方案。
孙振源[9]2017年在《基于随机共振的毫米波辐射计信号检测方法研究》文中进行了进一步梳理随着单片微波集成电路(MMIC)技术的发展和武器系统的小型化,具有体积小、质量轻、隐蔽性好等诸多优势的毫米波辐射计开始在军事应用中受到重视。但是由于工作环境复杂、自身的噪声抖动和测量精度等原因,具有准实时性工作要求的毫米波辐射计输出信号常常处在强噪声背景中,信噪比较低,从而影响系统探测性能。基于随机共振在微弱信号检测中利用噪声增强信号传输的独特优势,本文通过采用随机共振的方法对毫米波辐射计输出信号进行检测和处理,提高输出信噪比,从而提升系统探测性能。本文的主要工作有以下几个方面:(1)介绍了随机共振的动力学模型、基础理论和常用度量方法。(2)分析了随机共振各参数对周期信号检测的影响,介绍了结构参数的归一化和最佳匹配原则,提出了一种基于最佳匹配原则的自适应随机共振微弱周期信号检测方法并通过仿真实验对该方法进行了验证。(3)分析了随机共振各参数对非周期信号检测的影响,研究了迭代初值的选择对检测结果的影响。在此基础上改进了在处理非周期信号时各结构参数和迭代初值的选择方法,并对不同类型的非周期信号进行了仿真验证。(4)利用改进后的随机共振微弱非周期信号检测方法对强噪声背景下的毫米波辐射计输出信号进行处理和DSP硬件平台实现,并在外场试验中得到验证。
郑仕谱[10]2014年在《基于随机共振的弱信号提取方法研究》文中指出本文结合国家自然科学基金项目“微弱冲击信号的识别和提取技术研究”(编号：51175466),针对微弱周期信号和微弱冲击信号提取问题,研究了基于随机共振原理的自适应信号提取方法。第一章分析论文的研究背景和意义,阐述常用的弱信号检测理论及其应用,探讨基于随机共振的弱信号检测方法与研究现状,给出论文的章节安排和主要研究内容。第二章阐述随机共振系统理论模型,包括绝热近似条件下的朗之万方程和福克-普朗克方程,研究模型数值求解算法,分析了几种常用的测度指标。第叁章提出基于随机共振的弱周期信号提取方法。采用变步长随机共振算法,消除传统随机共振存在对低频信号的局限,分析级联随机共振系统的降噪和整形功能,选取零点间距方差作为模型测度指标,建立针对弱周期信号提取的变步长级联随机共振系统,并通过对比输出信号的峭度值,来识别可能存在的信号类型,最后通过仿真实验验证该方法的有效性。第四章构建基于单稳态随机共振的弱冲击信号提取模型。分析单稳态随机共振的理论模型,构造冲击信号特征系数作为模型测度指标,提出自适应单稳态随机共振提取模型,实现冲击信号提取与识别,并通过仿真实验验证该模型的有效性。第五章利用MATLAB的GUI模块开发基于随机共振的弱信号提取原型系统,并通过仿真实验验证有效性。第六章总结全文所做的研究工作,对随机共振的后续研究进行展望。
参考文献：
[1]. 自适应随机共振系统及小信号检测方法的研究[D]. 江波. 浙江大学. 2003
[2]. 体震信息监测系统中的微弱信号检测与分析方法研究[D]. 蒋芳芳. 东北大学. 2011
[3]. 强噪声下结构振动特征提取与损伤检测研究[D]. 刘鎏. 西北工业大学. 2016
[4]. 基于随机共振方法的微弱信号检测技术研究[D]. 梁博. 兰州交通大学. 2017
[5]. 基于随机共振的弱信号识别[D]. 吴志涛. 北京邮电大学. 2014
[6]. 基于随机共振理论的微弱信号检测方法研究及应用[D]. 谯自健. 兰州理工大学. 2015
[7]. 基于PSO算法的自适应随机共振信号检测研究[D]. 热依扎·海然. 新疆大学. 2014
[8]. 强噪声背景下微弱信号检测与处理方法研究[D]. 蔡志全. 内蒙古科技大学. 2014
[9]. 基于随机共振的毫米波辐射计信号检测方法研究[D]. 孙振源. 南京理工大学. 2017
[10]. 基于随机共振的弱信号提取方法研究[D]. 郑仕谱. 浙江大学. 2014
标签：力学论文; 机械工业论文; 信噪比论文; 自适应论文; 仿真软件论文; 共振结构论文; 随机算法论文; 成分检测论文; 共振频率论文;