CN104833850A - 基于Duffing混沌系统的微弱信号检测装置的微弱信号检测方法 - Google Patents
基于Duffing混沌系统的微弱信号检测装置的微弱信号检测方法 Download PDFInfo
- Publication number
- CN104833850A CN104833850A CN201510309266.9A CN201510309266A CN104833850A CN 104833850 A CN104833850 A CN 104833850A CN 201510309266 A CN201510309266 A CN 201510309266A CN 104833850 A CN104833850 A CN 104833850A
- Authority
- CN
- China
- Prior art keywords
- signal
- fpga
- frequency
- array
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Complex Calculations (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
基于Duffing混沌系统的微弱信号检测装置的微弱信号检测方法,属于微弱信号检测领域,本发明为解决现有微弱信号检测的方法没有在硬件上验证在现实应用中的可行性,现有的微弱信号检测算法不适合在硬件上实现的问题。本发明所述微弱信号检测方法的具体过程为:信号发生器产生微弱信号并将此微弱信号发送至ADC;ADC采样后将数据发送至FPGA;FPGA将接收的数据作为Duffing方程的输入,利用波峰差值检测算法计算Duffing方程的数值解;FPGA根据数值解判断当前状态,进而获取输入信号的频率;FPGA将检测结果通过USB芯片发送至上位机。本发明用于信息通信中。
Description
技术领域
本发明属于微弱信号检测领域。
背景技术
在信息通信的过程中,信号很容易淹没在噪声中,这就使得我们在检测这些信号的过程时变得很困难,为了很好的抵消强噪声对淹没在噪声中信号的干扰,人们一直在研究信号检测方法。微弱信号检测是一门新兴的学科,主要研究将微弱信号从强噪声背景下检测出来的原理和检测方法,在很多学科都有应用,如:物理、化学、电化学、机械、生物医学、地质勘探、水声探测、雷达、通信等各个领域。由于微弱信号检测主要是将淹没在强噪声下的微弱信号检测出来,是现代通信领域重要的研究方向。尤其是在通信过程中,收发双发都使用的是高频信号,为了防止非合作方窃取、拦截合作方信息,都会将信号隐藏在强噪声中,这就要求接收方要有很好的微弱信号检测的能力,因此微弱信号检测技术应运而生。微弱信号检测技术的关键是抑制噪声,增强有用信号,提高信噪比。微弱信号检测技术在基于线性理论和平稳噪声的基础上形成了最佳的检测原理和方法,在不同情况下,通过对信号和噪声的统计特性,参照最佳检测原理,寻找适当的检测方法。限制传统经典信号检测理论广泛应用的主要原因是在实际信号和噪声处理过程中,如在通信、雷达、声纳、故障检测等实际问题中,背景噪声非常复杂,与理论存在着很大的差距。
非线性科学正处在科学前沿,在自然界和社会现象中很多涉及到非线性问题,而用非线性模型来研究客观世界是现在科学发展的趋势,非线性理论已深入到很多门类学科中。混沌理论是非线性科学的一个重要分支,从上世纪70年初,混沌理论逐渐被科学界熟知,由于其对噪声的免疫性和对信号的敏感性,吸引了广大科研工作者的注意。从90年代起,混沌理论被用来微弱信号检测,其对噪声的免疫性,使检测方法不涉及噪声的分布特性,在各种噪声背景下都可以应用,这为混论理论的应用开辟了新的领域,同时开辟了微弱信号检测的新途径。
现在的大多数微弱信号检测的理论和方法都是在理论层次上提出,在软件上仿真验证其理论的正确性,却很少有人在硬件上验证微弱信号检测理论在现实应用中的可行性,除此之外,大多数微弱信号频率检测算法并不适合在硬件上实现。
发明内容
本发明目的是为了解决现有微弱信号检测的方法没有在硬件上验证在现实应用中的可行性,现有的微弱信号检测算法不适合在硬件上实现的问题,提供了一种基于Duffing混沌系统的微弱信号检测装置的微弱信号检测方法。
本发明所述基于Duffing混沌系统的微弱信号检测装置的微弱信号检测方法,该微弱信号检测方法基于Duffing混沌系统的微弱信号检测装置实现,该微弱信号检测装置包括信号发生器、ADC、FPGA、USB芯片和上位机,信号发生器的微弱信号输出端连接ADC的微弱信号输入端,ADC的采样信号输出端连接FPGA的采样信号输入端,FPGA的检测信号输出端通过USB芯片连接至上位机;
微弱信号检测方法的具体过程为:
步骤1、信号发生器产生微弱信号并将此微弱信号发送至ADC;步骤2、ADC采样后将数据发送至FPGA;
步骤3、FPGA将接收的数据作为Duffing方程的输入,利用波峰差值检测算法计算Duffing方程的数值解;
步骤4、FPGA根据步骤3获取的数值解判断当前状态,进而获取输入信号的频率;
步骤5、FPGA将步骤4获取的检测结果通过USB芯片发送至上位机。
本发明的优点:(1)本发明采用Duffing方程为理论基础。Duffing混沌系统具有对噪声免疫性和对初值敏感性,将系统调到混沌向周期跳变的临界状态,只要输入的弱信号的频率与周期策动力频率相同,就会使系统从周期态变为混沌态。在周期策动力频率扫频时,只有该频率与信号频率相同时系统进入周期态,其它情况都是混沌态,这样提出了一种适合硬件实现的频率点识别算法——波峰差值检测法,通过该方法在硬件上实现微弱信号的频率点识别。(2)硬件实现部分信号发生器使用Agilent公司生产的型号为E4438C的信号发生器,ADC芯片型号为AD9280,FPGA芯片选择了Xilinx公司的Virtex 2芯片,USB芯片是Cypress公司的FX2系列的CY7C68013。整个实验系统如图1所示。工作过程是信号发生器产生一微弱信号;通过ADC采样后将数据传给FPGA,作为FPGA内部Duffing方程的输入,用波峰差值检测算法计算Duffing方程的数值解,来判断系统的状态,一次扫频过后判断出输入信号的频率;将检测结果通过USB2.0传送到电脑中,给出一个明确可视的检测结果。
与现有技术相比,本发明的有益效果是该系统有效的利用了现有的硬件设备,可以适应系统演示验证的需要。并且该系统基于FPGA实现了微弱正弦信号、微弱BPSK信号检测、微弱正弦信号频率点识别的硬件实现,并提出了一种适合硬件实现的微弱信号频点识别的算法,该算法只涉及到了比较、加减运算,计算量很小,对器件资源的要求也很小,适合在硬件上实现。
附图说明
图1是本发明所述基于Duffing混沌系统的微弱信号检测装置的原理图;
图2是硬件仿真验证步长为1k时、输入频率129kHz的结果示意图;
图3是硬件仿真验证步长为1k时、输入频率130kHz的结果示意图;
图4是硬件仿真验证步长为1k时、输入频率132kHz的结果示意图;
图5是不加信号时Duffing系统数值解X的示意图形;
图6是加微弱信号后Duffing系统数值解X的示意图形;
图7和图8是波峰检测的结果示意图;
图9是和图10是波峰最大值的检测结果示意图;
图11和图12是波峰最小值的检测结果示意图;
图13和图14是波峰最大值和波峰最小值的差值的检测结果示意图;
图15是频率为125kHz的输入信号的检测结果示意图;
图16是Matlab中对频率为125kHz的输入信号的数据处理结果;
图17是Matlab中对频率为126kHz的输入信号的数据处理结果;
图18是无信号输入的检测结果。
具体实施方式
具体实施方式一:下面结合图1说明本实施方式,本实施方式所述基于Duffing混沌系统的微弱信号检测装置的微弱信号检测方法,该微弱信号检测方法基于Duffing混沌系统的微弱信号检测装置实现,该微弱信号检测装置包括信号发生器1、ADC2、FPGA3、USB芯片4和上位机5,信号发生器1的微弱信号输出端连接ADC2的微弱信号输入端,ADC2的采样信号输出端连接FPGA3的采样信号输入端,FPGA3的检测信号输出端通过USB芯片4连接至上位机5;
微弱信号检测方法的具体过程为:
步骤1、信号发生器1产生微弱信号并将此微弱信号发送至ADC2;步骤2、ADC2采样后将数据发送至FPGA3;
步骤3、FPGA3将接收的数据作为Duffing方程的输入,利用波峰差值检测算法计算Duffing方程的数值解;
步骤4、FPGA3根据步骤3获取的数值解判断当前状态,进而获取输入信号的频率;
步骤5、FPGA3将步骤4获取的检测结果通过USB芯片4发送至上位机5。
具体实施方式二:下面结合图2说明本实施方式,本实施方式对实施方式一作进一步说明,步骤3所述利用波峰差值检测算法计算Duffing方程的数值解的具体过程为:
步骤3-1、设数组为a;
步骤3-2、对数组a做逐差,获得数组b;
步骤3-3、取数组b中每个数的符号,获得数组c;
步骤3-4、对数组c做逐差,获得数组d;
步骤3-5、取数组d中小于0的数,获取小于0的数在数组d中位置的数值;
步骤3-6、将步骤5获取的数值均加1,即为数组a中波峰值所在的位置;
步骤3-7、根据步骤6中获取的波峰值所在的位置获取数组a的波峰值,获得Duffing方程的数值解。
本实施方式中,设数组a=[2,4,-1,5,6,2,3],获得数组a的峰值为4和6;对数组a做逐差,获得数组b=[2,-5,6,1,-4,1];取数组b的每个数的符号,获得数组c=[1,-1,1,1,-1,1];对数组c做逐差,获得数组d=[-2,2,0,-2,2];获得数组d中小于0的数,获取小于0的数在数组d中位置的数值:数组d中小于0的-2分别为第一位和第四位,即取1和4;将步骤5获取的数值均加1即为数组a中波峰值所在的位置:数组a中波峰值所在的位置为第二位和第四位。验证了本实施方式所提出的方法是正确的。
具体实施方式三:下面结合图2说明本实施方式,本实施方式对实施方式二作进一步说明,FPGA3根据步骤3获取的数值解判断当前状态,进而获取输入信号的频率的具体过程为:
步骤4-1、根据步骤3-7获取的数组a波峰值获得数组a波峰值的最大值和最小值,并将最大值和最小值做差,获得最小波峰值差值;
步骤4-2、根据最小波峰值差值判断周期态所在的频率点;
步骤4-3、查询周期态对应的周期策动力频率;
步骤4-4、根据周期策动力频率获取该状态下的输入信号频率:输入信号频率与周期策动力频率相等。
本实施方式中,由于混沌态时的最小波峰差值远远大于周期态时的最小波峰差值,在周期策动力扫频过程中,只有周期策动力频率与输入信号频率相同时,系统变为周期态,因此,获得最小波峰差值,就能够获得该状态下对应的周期策动力频率。
下面结合图1-图18说明本发明的工作原理:
本发明所述基于Duffing混沌系统的微弱信号检测装置包括信号发生器1、ADC2、FPGA3、USB芯片4和上位机5,主要目的是对从信号发生器1输出的微弱正弦信号,在输入FPGA3中编写的Duffing混沌系统后,经过波峰差值检测算法后判断何时系统处在周期态,进而识别出微弱正弦信号的频率,该系统的结构原理图如图1所示。
Xilinx公司和Mathworks合作开发的System Generator是一款FPGA的设计工具。可用此工具表示一高度抽象的模块,并且映射为FPGA内部一个工程的模块,SystemGenerator是内嵌在matlab的Simulink中进行工作的。使用时只需要在Simulink中完成模型的搭建,启动运行,System Generator会把Simulink中的参数对应成硬件时HDL语言中的实现、构造体、输入输出口、信号和属性,这样在FPGA调用System Generator映射时才不会出现像延迟、位数等错误。用Matlab编写波峰差值检测算法后,将Getway out输出X值进行计算,进而判断出一次扫频后最小的波峰差值,得到输入信号的频率。由于硬件实现过程中延迟以及采样步长的影响,发现采样点数越小,延迟越大,仿真结果越不准确,并且因为要进行周期策动力频率扫频,w的变化影响采样步长,进而影响周期策动力幅值,外加信号发生器只能产生100kHz以上的信号,FPGA由于时钟影响只能处理的最大频率为200kHz左右,所以仿真以及硬件实现只验证信号频率在125kHz到135kHz之间。图2、图3、图4分别为为输入为幅值0.01,频率129kHz、130kHz、132kHz,信噪比为-20dB的正弦信号在扫频步长为1kHz时的结果。
当基于System Generator搭建的Duffing系统编译为HDL语言,并在ISE工程中成功调用“.sgp”文件后,将该系统和用verilog编写的波峰差值检测算法下到FPGA开发板中后,可以准备传输数据,下载成功后可以使用一基于VC++编的一个数据传输上位机软件,首先点击检测USB按钮,在下面白色框内会显示检测到的USB芯片的型号,检测到芯片后点击开始信号按钮,告知USB芯片准备开始传输数据,点击数据传输按钮开始从FPGA内向电脑传输数据,当再次点击数据传输按钮后结束传输过程。
在不加信号时开始传输信号,如图5所示为无信号时数值解X的波形,由于没有信号加入,所以系统仍处在开始的临界混沌状态,即X的波形是杂乱无章的。当加入与周期策动力频率相同的微弱信号后,系统状态变为周期态,如图6所示,并且此时X的波形非常有规律。
在实现FPGA频率识别前,首先需要验证FPGA内所写的测频算法是否正确,第一步是检验能否将混沌态和周期态的波峰检测出来。先将策动力频率设置为125kHz,在不加入信号时,系统处于混沌态,此时波峰值是不规律的;加信号后系统变为周期态波峰值相差不大,图7和图8为检测结果。从图7和图8可以看出,混沌态时d值处在每一个位置的时间是不相同的,这是因为在程序设计时令每检测出一个d值,就在每一次时钟上升沿时输出该值,直到下一个波峰被检测出来时d值发生改变,由于混沌态波形是不规则的,所以从一个波峰到另一个波峰之间的时间间隔也是不确定的,所以可以认为混沌态的波峰检测为正确。周期态时的波峰值在1.81附近,图形中出现突然上升或者下降的现象实际上是周期态时图形中出现的毛刺,这是因为即使Duffing系统对噪声是免疫的,但是在数据传输过程中还是会由于环境的影响引入误差,但对本系统影响不大。图8中的竖线是每隔一段时间将d复位,以此来观察波峰值检测过程是一直在进行的。
在混沌态时,波峰值中的最大值e在两次复位间隔内是上升的,但不一定是一直上升,也有可能是复位后检测到的第一个波峰值是复位间隔内的最大值,所以e会保持一直不变;加入信号后,系统进入周期态,由于周期态X值很稳定,所以e值变化很小。图9和图10为实验检测结果,从图中可以看出,e值在一次复位内是一个逐渐增高的过程,并且看到每一次跳变都不是有规律的,这是因为混沌态本身无规律所致;周期态的e值比较稳定,出现上升的过程是因为在周期态时X波形中也会有一些毛刺,但这些对实验结果影响不大。
在混沌态时,波峰值中的最小值f在两次复位间隔内是下降的,从混沌态X波形图可以看出,最小波峰值能达到-0.9附近,而在f值检测过程中,不是将其重置为0,而是重置成很大的一个数,所以在下面的图中会看到向上的蓝色线超过2。图11和图12为实验结果,从图中可以看出实验得到的f值与理论相同,其中周期态时出现的f值波动是器件周围环境引入的误差,但是对实验结果影响不大。
e值在两次复位间隔内是增大的,f是减小的,所以e与f做差得到的g在两次复位间隔内是增大的,并且混沌态g能达到2.4左右,而周期态时无论是e还是f,都只在1.8左右波动,所以g值很小,因此在验证d、e、f时认为周期态的波动对结果影响很小。图13和图14为实验结果,从图13和图14中可以看出,即使周期态有一些波动,但是在两次复位间隔内波动引起的波峰差仍旧远远小于混沌态的波峰差,所以说波动对结果影响很小。
实现波峰差值计算之后,需要在FPGA内部实现ω值变化来达到频率点识别的效果。使用硬件实现频率点识别过程中,取ω值为125kHz和126kHz,以此一是验证测频算法可用性,二是验证硬件对信号频率识别的可行性。
在FPGA内部先令ω=2*π*125,经过一段时间所有变量复位;再令ω=2*π*126,经过同样的时间所有变量复位,此时重新令ω=2*π*125,程序下到FPGA板子后一直重复这样的过程,图15为扫频显示结果,图中显示系统状态是在混沌与周期之间等时间间距的变化,并且这种变化是与BPSK信号有很大差别的。
实现ω变化使Duffing系统输出X的状态改变后,可以通过比较每一次ω对应的g值的大小来判断此时输入的信号的频率。由于USB2.0向电脑内只能传输8位的数据,不足以表示ω值的大小,所以人为的令不同的ω值代表不同的标号,如105kHz用01代表,126kHz用02代表,当检测出输入信号频率为125kHz时向电脑输入01,若为126kHz,向电脑输入02。当既不是125kHz,也不是126kHz时,向电脑等时间间隔的输入01和02。由于从FPGA输入到电脑中的数据存入“.txt”中,软件UltraEdit可直接阅读文本文件中的数据并且以16进制形式表示,则每一次检测的结果可以直接观察,但是需要给出一个明确的可是结果,使用matlab编写一数据处理的程序,将接收到的数据从30000到500000每隔1000判断一下数值,当数据值等于01时count1加1,当数据值等于02时count2加1,循环一次后,判断count1和count2与预订阈值的大小,进而判断输入的信号频率是125k、126k,还是两者都不是或者没有信号输入,给出一个明确的可视结果。
当输入125kHz信号时,检测结果应该是125kHz对应的标号01,如图16所示;Matlab处理结果是测到弱信号频率为125kHz,该结果与实际输入相同;当将输入信号频率改为126kHz,文本中数值应该改为02,如图17所示;通过matlab数据处理,给出的结果同样是测到弱信号频率为126kHz;当有信号输入并且频率在可测频点上时,使用UltraEdit软件可以看出检测结果,但是当没有输入信号或者输入信号的频率在可测范围之外时,需要给出一个明确的结果来说明当前的状态,所以使用matlab处理接收到的数据,经多次实验观察可知,在没有信号输入或者输入信号频率在可测范围之外时,FPGA内部的运算结果是01和02交替的过程,从传输到的电脑的数据可以看到如图18所示的情况;图18中显示有01到02的变化,实际上是每经过一段时间01和02是交替的,在输入信号频率不在可测频点时结果与上图相似,现用Matlab处理没有输入信号时的数据;当输入信号频率分别为125.5kHz、140kHz和180kHz的信号,经过Matlab处理后同样显示没有输入信号或输入信号频率既不是125kHz,也不是126kHz。
通过以上本发明工作原理,验证了本发明提出的测频算法的可行性,以及微弱信号频率点识别在硬件上的可行性。
Claims (3)
1.基于Duffing混沌系统的微弱信号检测装置的微弱信号检测方法,该微弱信号检测方法基于Duffing混沌系统的微弱信号检测装置实现,该微弱信号检测装置包括信号发生器(1)、ADC(2)、FPGA(3)、USB芯片(4)和上位机(5),信号发生器(1)的微弱信号输出端连接ADC(2)的微弱信号输入端,ADC(2)的采样信号输出端连接FPGA(3)的采样信号输入端,FPGA(3)的检测信号输出端通过USB芯片(4)连接至上位机(5);
其特征在于,微弱信号检测方法的具体过程为:
步骤1、信号发生器(1)产生微弱信号并将此微弱信号发送至ADC(2);步骤2、ADC(2)采样后将数据发送至FPGA(3);
步骤3、FPGA(3)将接收的数据作为Duffing方程的输入,利用波峰差值检测算法计算Duffing方程的数值解;
步骤4、FPGA(3)根据步骤3获取的数值解判断当前状态,进而获取输入信号的频率;
步骤5、FPGA(3)将步骤4获取的检测结果通过USB芯片(4)发送至上位机(5)。
2.根据权利要求1所述的基于Duffing混沌系统的微弱信号检测装置的微弱信号检测方法,其特征在于,步骤3所述利用波峰差值检测算法计算Duffing方程的数值解的具体过程为:
步骤3-1、设数组为a;
步骤3-2、对数组a做逐差,获得数组b;
步骤3-3、取数组b中每个数的符号,获得数组c;
步骤3-4、对数组c做逐差,获得数组d;
步骤3-5、取数组d中小于0的数,获取小于0的数在数组d中位置的数值;
步骤3-6、将步骤5获取的数值均加1,即为数组a中波峰值所在的位置;
步骤3-7、根据步骤6中获取的波峰值所在的位置获取数组a的波峰值,获得Duffing方程的数值解。
3.根据权利要求2所述的基于Duffing混沌系统的微弱信号检测装置的微弱信号检测方法,其特征在于,FPGA(3)根据步骤3获取的数值解判断当前状态,进而获取输入信号的频率的具体过程为:
步骤4-1、根据步骤3-7获取的数组a波峰值获得数组a波峰值的最大值和最小值,并将最大值和最小值做差,获得最小波峰值差值;
步骤4-2、根据最小波峰值差值判断周期态所在的频率点;
步骤4-3、查询周期态对应的周期策动力频率;
步骤4-4、根据周期策动力频率获取该状态下的输入信号频率:输入信号频率与周期策动力频率相等。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510309266.9A CN104833850B (zh) | 2015-06-08 | 2015-06-08 | 基于Duffing混沌系统的微弱信号检测装置的微弱信号检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510309266.9A CN104833850B (zh) | 2015-06-08 | 2015-06-08 | 基于Duffing混沌系统的微弱信号检测装置的微弱信号检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104833850A true CN104833850A (zh) | 2015-08-12 |
CN104833850B CN104833850B (zh) | 2017-11-03 |
Family
ID=53811859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510309266.9A Active CN104833850B (zh) | 2015-06-08 | 2015-06-08 | 基于Duffing混沌系统的微弱信号检测装置的微弱信号检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104833850B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105517008A (zh) * | 2015-12-06 | 2016-04-20 | 桂林电子科技大学 | 基于微弱信号检测的物理层安全通信方法 |
CN106996825A (zh) * | 2017-04-10 | 2017-08-01 | 南京信息职业技术学院 | 一种基于强耦合Duffing振子的非周期脉冲信号检测方法 |
CN111464268A (zh) * | 2020-06-18 | 2020-07-28 | 中国人民解放军国防科技大学 | 一种微弱二进制相移键控信号盲检测的方法及装置 |
CN113158907A (zh) * | 2021-04-25 | 2021-07-23 | 东莞理工学院 | 基于小波和混沌理论的微弱舰船辐射特征信号检测方法 |
CN113255261A (zh) * | 2021-05-08 | 2021-08-13 | 黑龙江大学 | 一种基于fpga的伪随机序列周期检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101038304A (zh) * | 2007-03-16 | 2007-09-19 | 哈尔滨工程大学 | Duffing振子相图图案域分割检测方法及检测设备 |
US20140176203A1 (en) * | 2012-10-26 | 2014-06-26 | California Institute Of Technology | Synchronization of nanomechanical oscillators |
CN104462695A (zh) * | 2014-12-12 | 2015-03-25 | 燕山大学 | 双耦合Duffing振子与变尺度相结合的微弱信号检测方法 |
CN104573342A (zh) * | 2014-12-26 | 2015-04-29 | 燕山大学 | 一种基于Duffing-Chen混沌系统的弱信号并联通信的方法 |
-
2015
- 2015-06-08 CN CN201510309266.9A patent/CN104833850B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101038304A (zh) * | 2007-03-16 | 2007-09-19 | 哈尔滨工程大学 | Duffing振子相图图案域分割检测方法及检测设备 |
US20140176203A1 (en) * | 2012-10-26 | 2014-06-26 | California Institute Of Technology | Synchronization of nanomechanical oscillators |
CN104462695A (zh) * | 2014-12-12 | 2015-03-25 | 燕山大学 | 双耦合Duffing振子与变尺度相结合的微弱信号检测方法 |
CN104573342A (zh) * | 2014-12-26 | 2015-04-29 | 燕山大学 | 一种基于Duffing-Chen混沌系统的弱信号并联通信的方法 |
Non-Patent Citations (2)
Title |
---|
VAHID RASHTCHI ETC.: "A MULTIPROCESSOR Nios II IMPLEMENTATION OF DUFFING OSCILLATOR ARRAY FOR WEAK SIGNAL DETECTION", 《JOURNAL OF CIRCUITS, SYSTEMS AND COMPUTERS》 * |
张晨: "基于FPGA的微弱信号检测的算法研究与实现", 《中国优秀硕士学位论文全文数据库(电子期刊)信息科技辑2015年》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105517008A (zh) * | 2015-12-06 | 2016-04-20 | 桂林电子科技大学 | 基于微弱信号检测的物理层安全通信方法 |
CN106996825A (zh) * | 2017-04-10 | 2017-08-01 | 南京信息职业技术学院 | 一种基于强耦合Duffing振子的非周期脉冲信号检测方法 |
CN106996825B (zh) * | 2017-04-10 | 2019-03-08 | 南京信息职业技术学院 | 一种基于强耦合Duffing振子的非周期脉冲信号检测方法 |
CN111464268A (zh) * | 2020-06-18 | 2020-07-28 | 中国人民解放军国防科技大学 | 一种微弱二进制相移键控信号盲检测的方法及装置 |
CN113158907A (zh) * | 2021-04-25 | 2021-07-23 | 东莞理工学院 | 基于小波和混沌理论的微弱舰船辐射特征信号检测方法 |
CN113255261A (zh) * | 2021-05-08 | 2021-08-13 | 黑龙江大学 | 一种基于fpga的伪随机序列周期检测方法 |
CN113255261B (zh) * | 2021-05-08 | 2023-03-14 | 黑龙江大学 | 一种基于fpga的伪随机序列周期检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104833850B (zh) | 2017-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104833850A (zh) | 基于Duffing混沌系统的微弱信号检测装置的微弱信号检测方法 | |
CN106199185B (zh) | 一种基于连续对数扫频的线性脉冲响应测量方法及系统 | |
CN102914325B (zh) | 一种基于消散型同步的混沌背景下微弱信号检测方法 | |
CN104143024A (zh) | 一种并行高速链路系统的快速时域仿真方法 | |
CN106771456A (zh) | 基于功率谱熵的数字示波器触发方法及系统 | |
CN113341296B (zh) | 一种基于ate的soc芯片测试方法 | |
Carr Agnew | Realistic simulations of geodetic network data: The Fakenet package | |
US20110169480A1 (en) | Low voltage differential signaling test system and method | |
US6816242B2 (en) | System and method for performing time domain reflectometry using Gaussian pulses | |
CN114330221B (zh) | 计分板实现方法、计分板、电子设备及存储介质 | |
CN107861033B (zh) | 振荡波局部放电检测系统定位误差的检定方法和系统 | |
CN102081122B (zh) | 低压差分信号时序测试系统及方法 | |
WO2015124047A1 (zh) | 一种解析波形的方法和装置 | |
CN109787716A (zh) | 数据的传输方法及装置 | |
CN109412901B (zh) | 基于时域处理的采集数据连续性检测方法及检测系统 | |
Mohd Zaki et al. | Short-term distribution of the extreme values of offshore structural response by modified finite-memory nonlinear system modeling | |
CN101944236A (zh) | 基于采样值分布特性的具有压缩感知过程的信号检测方法 | |
US20150172943A1 (en) | Unit Testing and Analysis of Multiple UUTs | |
US6697766B2 (en) | System and method for detecting and characterizing gaussian pulses | |
Mohd Zaki et al. | Finite-memory nonlinear system modelling of offshore structural response accounting for extreme values residues | |
CN117871920B (zh) | 眼图采集方法、装置、系统及存储介质 | |
CN116400200B (zh) | 车规级安全芯片的电磁侧信道信息的交叉验证方法 | |
CN110501610B (zh) | 一种多逆变器并网振荡特征实时提取方法及装置 | |
Rana et al. | A novel technique for acquisition and presentation of complex vibration waveforms | |
CN209014658U (zh) | 基于fpga的脉冲信号测量仪 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |