CN110376575A - 一种基于阻尼参数匹配随机共振的低频线谱检测方法 - Google Patents
一种基于阻尼参数匹配随机共振的低频线谱检测方法 Download PDFInfo
- Publication number
- CN110376575A CN110376575A CN201910762311.4A CN201910762311A CN110376575A CN 110376575 A CN110376575 A CN 110376575A CN 201910762311 A CN201910762311 A CN 201910762311A CN 110376575 A CN110376575 A CN 110376575A
- Authority
- CN
- China
- Prior art keywords
- signal
- noise
- damping
- damping parameter
- accidental resonance
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/52001—Auxiliary means for detecting or identifying sonar signals or the like, e.g. sonar jamming signals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种基于阻尼参数匹配随机共振的低频线谱检测方法,利用声呐采集海洋中的声信号,构造一阶阻尼非线性系统,采用最大似然估计的方法进行噪声强度估计,分别对各重构信号进行噪声方差估计,通过匹配势参数计算与设定,匹配随机共振数值求解,搜索最大信噪比值所对应的输出作为最优输出,将最优输出输入能量检测器,给出检测结果。本发明的有益效果在于给在一阶阻尼非线性系统下,给出了一种阻尼参数匹配随机共振的低频线谱检测方法,相比传统能量检测方法其检测性能得到了极大的提升,在高斯背景下可逼近最优的匹配滤波器。
Description
技术领域
本发明涉及信号检测领域,尤其是一种微弱信号的检测方法。
背景技术
21世纪以来,世界各国在政治、经济、军事方面围绕海洋领域的竞争愈演愈烈,世界各国均提出了相应的海洋发展战略,对海洋资源的保护、开发、利用已成为世界共同关注的焦点。当前,我国的国家核心利益主要体现在经济发展和安全权益两个方面,经济建设是改革开放以来的中心任务,而维护海洋权益是新时期实现海洋强国的根本保证。因此,研究先进的微弱信号检测方法对远距离水中目标探测和识别具有巨大的研究价值和现实意义。
远距离舰船的检测主要是通过检测舰船辐射噪声来实现,舰船辐射噪声具有特殊的线谱和连续谱组成的频谱,通过提取线谱和连续谱的特征可实现舰船辐射噪声的检测。基本思路之一为检测舰船辐射噪声中的线谱分量频率峰值来实现目标的检测。其中常用的自相关检测方法、快速傅里叶变换方法、自适应线谱增强方法需要对线谱频率峰值进行搜索,得到线谱先验信息。然而,实际海洋环境中低信噪比条件下的检测一直是一个巨大的挑战,接收信号往往是缺少先验信息的未知信号,无先验信息时,传统方法的结果会受到很大的影响,这种搜索过程很大程度上依赖于经验,因此常规方法很难实现远距离下舰船目标的有效检测。
在信号检测领域,随机共振的弱信号检测方法因其对弱信号的增强特性而被国内外研究机构所关注。随机共振并非像传统的弱信号检测方法(高阶谱分析、小波分析和经验模态分解分析等)那样通过滤除噪声的方式降噪,而是设法利用噪声。通过将强背景噪声信号输入特殊的非线性系统(共振系统),从而将噪声的部分能量转化为噪声的能量,使得削弱小噪声能量的同时增强了信号的输出,从而可以有效地检测待测微弱小信号,但是一阶系统往往忽略阻尼的影响,难以达到理想的效果。
发明内容
为了克服现有技术的不足,本发明提供一种基于阻尼参数匹配随机共振的低频线谱检测方法,针对常规一阶非线性系统,建立一阶阻尼非线性模型,推导非线性参数的匹配关系,建立单阻尼参数的优化模型,提升对低频线谱的检测性能。
本发明解决其技术问题所采用的技术方案的具体步骤如下:
第一步:利用声呐采集海洋中的声信号,记为g(t),即为输入信号;输入信号同时含有单频线谱信号s(t)与噪声信号n(t)的混合,即:
g(t)=s(t)+n(t) (1)
其中s(t)=Acos(ω0t),A为输入信号幅值,ω0为信号角频率,t为时间,n(t)为非高斯噪声信号;
第二步:构造一阶阻尼非线性系统
其中,式中x为系统输出,为x的导数,γ为阻尼系数,-αx+βx3为非线性恢复力,α、β为非线性恢复力系数,g(t)为输入信号;
第三步:,采用最大似然估计的方法进行噪声强度估计,分别对各重构信号进行噪声方差估计,计算公式如下:
其中,D为噪声的强度,N为信号点数,T(x)为检验统计量;
第四步:阻尼参数初始化设定,设定阻尼参数搜索步长γstep以及阻尼搜索范围[γstart,γend];
第五步:匹配势参数计算与设定,对于给定的阻尼系数γ,按照公式计算匹配势参数α与β,公式如下:
其中e为自然常数;
第六步:匹配随机共振数值求解,利用改进的阻尼四阶龙格库塔方法对公式(2)进行输出求解,初值定为(0,0),步长h=1/fs,fs为采样频率,改进的阻尼四阶龙格库塔方法如下:
其中x[n]和x[n+1]分别为系统输出序列的第n项与第n+1项,g[n]为输入信号的序列表示,k1、k2、k3、k4为数值求解的中间变量;
第七步:信噪比计算;
对输出序列x[n]进行N点离散傅里叶变换DFT,获得各频率对应的功率Si,i表示1到N之间的任意值,则信噪比SNR的计算公式如下:
其中为信号s(t)的频率ω0所对应的功率值;
改变阻尼参数值,重复第五步到第七步,直到阻尼参数达到最大值,记录不同阻尼参数对应的信噪比值;
第八步:搜索最大信噪比值所对应的输出作为最优输出,用xopt表示;
第九步:将xopt输入能量检测器,给出检测结果。
本发明的有益效果在于给在一阶阻尼非线性系统下,给出了一种阻尼参数匹配随机共振的低频线谱检测方法,相比传统能量检测方法其检测性能得到了极大的提升,在高斯背景下可逼近最优的匹配滤波器。
附图说明
图1是本发明的阻尼随机共振检测原理框图
图2是本发明的检测性能随信噪比变化曲线,SNR为信噪比,单位dB(分贝),PD为检测概率;
图3是本发明的检测效果接收机性能(ROC)曲线,PFA为虚惊概率,PD为检测概率。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
本发明解决其技术问题所采用的技术方案的具体步骤如下:
第一步:利用声呐采集海洋中的声信号,记为g(t),即为输入信号;输入信号同时含有单频线谱信号s(t)与噪声信号n(t)的混合,即:
g(t)=s(t)+n(t) (1)
其中s(t)=Acos(ω0t),A为输入信号幅值,ω0为信号角频率,t为时间,n(t)为非高斯噪声信号;
第二步:构造一阶阻尼非线性系统
其中,式中x为系统输出,为x的导数,γ为阻尼系数,-αx+βx3为非线性恢复力,α、β为非线性恢复力系数,g(t)为输入信号;
第三步:,采用最大似然估计的方法进行噪声强度估计,分别对各重构信号进行噪声方差估计,计算公式如下:
其中,D为噪声的强度,N为信号点数,T(x)为检验统计量;
第四步:阻尼参数初始化设定,设定阻尼参数搜索步长γstep以及阻尼搜索范围[γstart,γend],本发明步长选择0.01,搜索范围选择[0.8,2.8];
一阶阻尼非线性系统的输出信噪比表示为:
其中exp(·)表示指数函数。
令公式(4)的噪声的强度D求一阶偏微分导数等于0,得到最大信噪比输出所对应的噪声强度与非线性系统参数之间的数学关系:
对于匹配随机共振,满足:
rK=ω0 (9)
其中为克莱姆逃逸率。
将公式(5)代入(6)可得:
其中e为自然常数,其值为2.71828。
进一步采用归一化尺度变换可得:
因此按照公式(8)设计阻尼参数范围[0.8,2.8],设定阻尼参数搜索步长0.01。
第五步:匹配势参数计算与设定,对于给定的阻尼系数γ,按照公式计算匹配势参数α与β,公式如下:
其中e为自然常数,其值为2.71828;
第六步:匹配随机共振数值求解,利用改进的阻尼四阶龙格库塔方法对公式(2)进行输出求解,初值定为(0,0),步长h=1/fs,fs为采样频率,改进的阻尼四阶龙格库塔方法如下:
其中x[n]和x[n+1]分别为系统输出序列的第n项与第n+1项,g[n]为输入信号的序列表示,k1、k2、k3、k4为数值求解的中间变量;
第七步:信噪比计算;
对输出序列x[n]进行N点离散傅里叶变换DFT,获得各频率对应的功率Si,i表示1到N之间的任意值,则信噪比SNR的计算公式如下:
其中为信号s(t)的频率ω0所对应的功率值;
改变阻尼参数值,重复第五步到第七步,直到阻尼参数达到最大值,记录不同阻尼参数对应的信噪比值;
第八步:搜索最大信噪比值所对应的输出作为最优输出,用xopt表示;
第九步:将xopt输入能量检测器,给出检测结果。
Claims (1)
1.一种基于阻尼参数匹配随机共振的低频线谱检测方法,其特征在于包括下述步骤:
第一步:利用声呐采集海洋中的声信号,记为g(t),即为输入信号;输入信号同时含有单频线谱信号s(t)与噪声信号n(t)的混合,即:
g(t)=s(t)+n(t) (1)
其中s(t)=Acos(ω0t),A为输入信号幅值,ω0为信号角频率,t为时间,n(t)为非高斯噪声信号;
第二步:构造一阶阻尼非线性系统
其中,式中x为系统输出,为x的导数,γ为阻尼系数,-αx+βx3为非线性恢复力,α、β为非线性恢复力系数,g(t)为输入信号;
第三步:,采用最大似然估计的方法进行噪声强度估计,分别对各重构信号进行噪声方差估计,计算公式如下:
其中,D为噪声的强度,N为信号点数,T(x)为检验统计量;
第四步:阻尼参数初始化设定,设定阻尼参数搜索步长γstep以及阻尼搜索范围[γstart,γend];
第五步:匹配势参数计算与设定,对于给定的阻尼系数γ,按照公式计算匹配势参数α与β,公式如下:
其中e为自然常数;
第六步:匹配随机共振数值求解,利用改进的阻尼四阶龙格库塔方法对公式(2)进行输出求解,初值定为(0,0),步长h=1/fs,fs为采样频率,改进的阻尼四阶龙格库塔方法如下:
其中x[n]和x[n+1]分别为系统输出序列的第n项与第n+1项,g[n]为输入信号的序列表示,k1、k2、k3、k4为数值求解的中间变量;
第七步:信噪比计算;
对输出序列x[n]进行N点离散傅里叶变换DFT,获得各频率对应的功率Si,i表示1到N之间的任意值,则信噪比SNR的计算公式如下:
其中为信号s(t)的频率ω0所对应的功率值;
改变阻尼参数值,重复第五步到第七步,直到阻尼参数达到最大值,记录不同阻尼参数对应的信噪比值;
第八步:搜索最大信噪比值所对应的输出作为最优输出,用xopt表示;
第九步:将xopt输入能量检测器,给出检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910762311.4A CN110376575B (zh) | 2019-08-19 | 2019-08-19 | 一种基于阻尼参数匹配随机共振的低频线谱检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910762311.4A CN110376575B (zh) | 2019-08-19 | 2019-08-19 | 一种基于阻尼参数匹配随机共振的低频线谱检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110376575A true CN110376575A (zh) | 2019-10-25 |
CN110376575B CN110376575B (zh) | 2022-09-02 |
Family
ID=68259785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910762311.4A Active CN110376575B (zh) | 2019-08-19 | 2019-08-19 | 一种基于阻尼参数匹配随机共振的低频线谱检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110376575B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111628750A (zh) * | 2020-05-17 | 2020-09-04 | 西北工业大学 | 一种阱内匹配随机共振的非线性滤波方法 |
CN111638501A (zh) * | 2020-05-17 | 2020-09-08 | 西北工业大学 | 一种自适应匹配随机共振的谱线增强方法 |
CN111898476A (zh) * | 2020-07-12 | 2020-11-06 | 西北工业大学 | 一种耦合随机共振的自适应线谱增强方法 |
CN113221714A (zh) * | 2021-04-29 | 2021-08-06 | 西北工业大学 | 一种自适应线谱增强器和随机共振联合的线谱检测方法 |
CN115730198A (zh) * | 2022-11-10 | 2023-03-03 | 浙江衡玖医疗器械有限责任公司 | 一种超声信号tof自动提取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105067025A (zh) * | 2015-07-31 | 2015-11-18 | 西南科技大学 | 一种利用单稳系统随机共振效应检测微弱信号的方法 |
CN106441889A (zh) * | 2016-09-14 | 2017-02-22 | 安徽大学 | 一种基于自适应随机共振滤波器的微弱信号检测方法 |
CN108645505A (zh) * | 2018-03-21 | 2018-10-12 | 南京信息工程大学 | 一种随机共振微弱信号检测方法 |
CN109799532A (zh) * | 2018-07-02 | 2019-05-24 | 西北工业大学 | 一种自适应随机共振的地震波特征提取方法 |
-
2019
- 2019-08-19 CN CN201910762311.4A patent/CN110376575B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105067025A (zh) * | 2015-07-31 | 2015-11-18 | 西南科技大学 | 一种利用单稳系统随机共振效应检测微弱信号的方法 |
CN106441889A (zh) * | 2016-09-14 | 2017-02-22 | 安徽大学 | 一种基于自适应随机共振滤波器的微弱信号检测方法 |
CN108645505A (zh) * | 2018-03-21 | 2018-10-12 | 南京信息工程大学 | 一种随机共振微弱信号检测方法 |
CN109799532A (zh) * | 2018-07-02 | 2019-05-24 | 西北工业大学 | 一种自适应随机共振的地震波特征提取方法 |
Non-Patent Citations (2)
Title |
---|
HAITAO DONG ET AL.: "Effects of Second-Order Matched Stochastic Resonance for Weak Signal Detection", 《IEEE ACCESS》 * |
范剑: "随机共振和混沌理论在微弱信号检测中的应用研究", 《中国优秀博士学位论文全文数据库》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111628750A (zh) * | 2020-05-17 | 2020-09-04 | 西北工业大学 | 一种阱内匹配随机共振的非线性滤波方法 |
CN111638501A (zh) * | 2020-05-17 | 2020-09-08 | 西北工业大学 | 一种自适应匹配随机共振的谱线增强方法 |
CN111628750B (zh) * | 2020-05-17 | 2023-04-18 | 西北工业大学 | 一种阱内匹配随机共振的非线性滤波方法 |
CN111638501B (zh) * | 2020-05-17 | 2023-06-16 | 西北工业大学 | 一种自适应匹配随机共振的谱线增强方法 |
CN111898476A (zh) * | 2020-07-12 | 2020-11-06 | 西北工业大学 | 一种耦合随机共振的自适应线谱增强方法 |
CN111898476B (zh) * | 2020-07-12 | 2022-04-26 | 西北工业大学 | 一种耦合随机共振的自适应线谱增强方法 |
CN113221714A (zh) * | 2021-04-29 | 2021-08-06 | 西北工业大学 | 一种自适应线谱增强器和随机共振联合的线谱检测方法 |
CN115730198A (zh) * | 2022-11-10 | 2023-03-03 | 浙江衡玖医疗器械有限责任公司 | 一种超声信号tof自动提取方法 |
CN115730198B (zh) * | 2022-11-10 | 2024-03-19 | 浙江衡玖医疗器械有限责任公司 | 一种超声信号tof自动提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110376575B (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110376575A (zh) | 一种基于阻尼参数匹配随机共振的低频线谱检测方法 | |
CN107340055B (zh) | 一种基于多测度融合的随机共振微弱信号检测方法 | |
CN109799532B (zh) | 一种自适应随机共振的地震波特征提取方法 | |
CN107461611B (zh) | 基于小波和emd重构相结合的泄漏检测方法及泄漏检测装置 | |
CN108875685B (zh) | 一种自适应匹配随机共振的水下auv检测方法 | |
CN106772646B (zh) | 一种地面核磁共振信号提取方法 | |
RU2010120713A (ru) | Способ обнаружения и автоматической идентификации повреждения подшипников качения | |
CN103063253A (zh) | 一种多发多收式声学测量海洋内波方法 | |
CN106503336B (zh) | 一种海豚嘀嗒声信号建模与合成的方法 | |
CN103278810B (zh) | 基于空间相似度的水下目标尺度特性提取方法 | |
CN104849590B (zh) | 一种混合噪声干扰下微弱脉冲信号检测方法 | |
CN108548957A (zh) | 基于循环调制频谱和分段互相关相结合的双谱分析方法 | |
CN105785346B (zh) | 一种基于相位方差加权的未知目标线谱检测方法及系统 | |
CN104898103A (zh) | 基于多通道杂波图的低速目标检测方法 | |
CN104180891B (zh) | 一种基于声阵的海洋声传播损失实时测量方法 | |
CN108919241A (zh) | 一种基于恒虚警检测的水下信号时频端点参数估计方法 | |
CN112435692B (zh) | 一种基于多脉冲相干累加的信标信号高增益检测方法 | |
CN110780340B (zh) | 一种浅海弹性软沉积层横波声速或厚度的反演方法 | |
CN112462321A (zh) | 基于脉冲匹配累加的声信标信号截获处理方法 | |
CN106595835B (zh) | 一种基于错位叠加算法的声信标信号提取方法及系统 | |
CN112684437A (zh) | 一种基于时域warping变换的被动测距方法 | |
CN206498409U (zh) | 一种基于相关辨识的噪声处理系统 | |
Li et al. | Propeller feature extraction of UUVs study based on CEEMD combined with symmetric correlation | |
CN108646296A (zh) | 基于自适应谱峭度滤波器的沙漠地震信号噪声消减方法 | |
CN114325722B (zh) | 基于水下声信标信号多脉冲累积的高增益检测方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |