CN111189445B - 一种基于随机共振的脉冲星辨识方法 - Google Patents

Abstract

本发明公开了一种基于随机共振的脉冲星辨识方法。步骤1：对脉冲星光子信号进行高通滤波；步骤2：对脉冲星光子信号使用二重自相关进行一步去噪处理；步骤3：利用变尺度频率变换对信号进行频率压缩，使其能满足随机共振的所需的小参数条件；步骤4：利用遗传算法对随机共振中双稳态系统的参数a，b进行实时调节；步骤5：利用随机共振对信号进行周期搜索，选择信噪比最大所对应的频率与脉冲星的频率进行对比，频率相等即完成脉冲星信号的辨识。本发明在利用脉冲星进行深空探测导航的过程中，能够实现在短时，低信噪比的条件下辨识出脉冲星的任务。

Description

一种基于随机共振的脉冲星辨识方法

技术领域

本发明属于的技术领域；具体涉及一种基于随机共振的脉冲星辨识方法。

背景技术

脉冲星是一种中子星，广泛分布在银道面两旁，凭借着自转轴和磁轴的角度差向外辐射宽频带、稳周期的光子信号，被称为“宇宙灯塔”。尤其对于自转供能的毫秒级X射线脉冲星，具有更加稳定的长期计时特性被誉为自然界最精准的天文时钟，这种特性使得脉冲星成为研究大尺度时空，建立计时标准，实现深空导航、引力波探测的有力工具，但受限于脉冲星自身的物理特性、X射线光子的特殊性以及空间背景噪声的复杂性，星载X射线探测极为复杂。但受到上述观测条件的限制和背景噪声的影响，探测器接收到的脉冲星信号能量非常微弱，其周期信息通常被淹没在噪声中，因此，目前对在轨脉冲星观测信号的分析与处理更是研究热点，即如何在有限观测时长内更好地表达X射线脉冲星信号的周期特征，准确识别脉冲星，提取有用的脉冲星信号信息。

目前广泛使用的方法如傅里叶变换，但在观测时间和数据长度有限时，很难通过FFT来获得脉冲星周期达到辨识的效果。

脉冲星信号淹没在宇宙的噪声干扰中，信噪比极低，且探测器的探测面积、探测效率、时间分辨率、能量分辨率、制造工艺等条件有限制，导致接收到的信号能量较低，在观测时间和数据长度有限时，能够快速、准确的辨识出脉冲星。

发明内容

本发明公开了一种基于随机共振的脉冲星辨识方法，在深空探测中，脉冲星信号可以通过安装在航天器上的小型X射线检测器进行检测，但若想利用脉冲星实现深空导航，首先需要做的工作就是对脉冲星进行辨识，辨识时需要利用脉冲星独有的特征信息，最常用的就是脉冲星稳定的周期。如何实时的辨识出脉冲星对确定航天器的位置、姿态等定位信息有着重要的作用。

本发明通过以下技术方案实现：

一种基于随机共振的脉冲星辨识方法，所述辨识方法包括以下步骤：

步骤1：针对脉冲星光子信号所携带低频噪声和直流分量利用高通滤波进行滤波；

步骤2：使用二重自相关对滤波后的脉冲星光子信号进行进一步去噪处理，突出脉冲星光子信号的周期信息成分；

步骤3：利用变尺度频率变换对信号进行频率压缩满足小参数条件，使其能满足随机共振的条件；

步骤4：利用遗传算法对随机共振中的双稳态系统的参数进行在线调节；

步骤5：利用随机共振对信号进行周期搜索，选择信噪比最大所对应的频率与脉冲星的频率进行对比，并完成脉冲星的信号的辨识。

进一步的，所述步骤1经过滤波后的脉冲星信号y(k)为：

其中A_i为滤波器系数，y_a(k)为探测器接收到的原始脉冲星信号。

进一步的，所述步骤2具体为，

步骤2.1：设经过高通滤波后的脉冲星信号y(k)由噪声信号n(k)和有效信号s(k)两部分组成，y(k)满足：

y(k)＝s(k)+n(k)；

则脉冲星信号y(k)的自相关函数为：

将y(k)带入至自相关函数中得到：

R_y(τ)＝R_s(τ)+E[s(k+τ)n(k)]+E[s(k)n(k+τ)]+R_n(τ)；

其中R_s(τ)是脉冲星有用信号的自相关函数，脉冲星信号的周期信息保留在R_s(τ)中，E[s(k)n(k+τ)]，E[s(k+τ)n(t)]为脉冲星有用信号与噪声的互相关函数，R_n(τ)为噪声的自相关函数，可以将上述三项视为新的噪声R′(τ)，则R_y(τ)变为：

R_y(k)＝R_s(k)+R′(k)；

步骤2.2：对序列R_y(k)进行第二次自相关处理，得到：

R′_y(τ)＝R′_s(τ)+E[R_s(k)R′(k+τ)]+E(R_s(k+τ)R′(k)]+R″(τ)；

保留了脉冲星的周期信息，噪声项再次被削弱，设脉冲星经过二次自相关后的信号为R_y′(k)，有效的周期信号为R_s′(k)，噪声为n″(k)，则满足：

R′_y(k)＝R′_s(k)+n′′(k)。

进一步的，所述步骤3具体为，采用线性频率压缩方法对R_y′(k)进行处理，设R_y′(k)的采样频率为f_s，R为压缩比例，则压缩后的采样频率为：

达到随机共振状态时，经过小参数变换后的系统输出信号需要进行频率还原，设随机共振系统输出信号频谱峰值的频率为fa，则还原的频率满足式：

f＝R*fa。

进一步的，所述步骤4具体为，利用遗传算法对双稳态模型中的参数进行调节，选择输出信号的信噪比作为代价函数，定义如下:

其中Ss(f0)为信号在频率

范围内的输出信号功率谱，Sn(f0)为除频率

范围以外的输出信号功率谱。

进一步的，所述步骤5中，时间序列、噪声、双稳态系统三者发生协同作用达到随机共振状态，找出输出的最大信噪比所对应的频率，与脉冲星的频率进行对比，频率相等即完成对脉冲星的辨识。

本发明的有益效果是：

本发明在利用脉冲星进行深空探测导航的过程中，能够实现在短时，低信噪比的条件下实现辨识出脉冲星的任务。

附图说明

图1是本发明是脉冲星信号检测与辨识流程图。

图2是本发明PSR B0531+21搜索的频率-信噪比图。

图3是本发明PSR B1509-58搜索的频率-信噪比图。

图4是本发明PSR B0540-69搜索的频率-信噪比图。

具体实施方式

下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

一种基于随机共振的脉冲星辨识方法，所述辨识方法包括以下步骤：

步骤1：针对脉冲星光子信号所携带低频噪声和直流分量利用高通滤波进行滤波；

步骤2：使用二重自相关对滤波后的脉冲星光子信号进行进一步去噪处理，突出脉冲星光子信号的周期信息成分；

步骤3：利用变尺度频率变换对信号进行频率压缩满足小参数条件，使其能满足随机共振的条件；

步骤4：利用遗传算法对随机共振中的双稳态系统的参数进行在线调节；

步骤5：利用随机共振对信号进行周期搜索，选择信噪比最大所对应的频率与脉冲星的频率进行对比，并完成脉冲星的信号的辨识。

进一步的，所述步骤1首先采取高通滤波器对信号进行预处理，滤掉其低频耦合成分以及较大的直流分量，设计的32阶高通滤波器阻带截止频率及通带截止频率分别为0.1Hz和4.5Hz，经过滤波后的脉冲星信号y(k)为：

其中A_i为滤波器系数，y_a(k)为探测器接收到的原始脉冲星信号。

进一步的，所述步骤2具体为，

步骤2.1：设经过高通滤波后的脉冲星信号y(k)由噪声信号n(k)和有效信号s(k)两部分组成，y(k)满足：

y(k)＝s(k)+n(k)；

则脉冲星信号y(k)的自相关函数为：

将y(k)带入至自相关函数中得到：

R_y(τ)=R_s(τ)+E[s(k+τ)n(k)]+E[s(k)n(k+τ)]+R_n(τ)；

其中R_s(τ)是脉冲星有用信号的自相关函数，脉冲星信号的周期信息保留在R_s(τ)中，E[s(k)n(k+τ)]，E[s(k+τ)n(t)]为脉冲星有用信号与噪声的互相关函数，R_n(τ)为噪声的自相关函数，可以将上述三项视为新的噪声R′(τ)，则R_y(τ)变为：

R_y(k)＝R_s(k)+R′(k)；

步骤2.2：对序列R_y(k)进行第二次自相关处理，得到：

R′_y(τ)＝R′_s(τ)+E[R_s(k)R′(k+τ)]+E[R_s(k+τ)R′(k)]+R″(τ)；

保留了脉冲星的周期信息，噪声项再次被削弱，设脉冲星经过二次自相关后的信号为R_y′(k)，有效的周期信号为R_s′(k)，噪声为n″(k)，则满足：

R′_y(k)＝R′_s(k)+n″(k)。

进一步的，所述步骤3具体为，采用线性频率压缩方法对R_y′(k)进行处理，设R_y′(k)的采样频率为fs，R为压缩比例，则压缩后的采样频率为：

达到随机共振状态时，经过小参数变换后的系统输出信号需要进行频率还原，设随机共振系统输出信号频谱峰值的频率为fa，则还原的频率满足式：

f＝R*fa。

进一步的，所述步骤4具体为，利用遗传算法对双稳态模型中的参数进行调节，选择输出信号的信噪比作为代价函数，定义如下:

其中Ss(f0)为信号在频率

范围内的输出信号功率谱，Sn(f0)为除频率

范围以外的输出信号功率谱。

进一步的，所述步骤5中，时间序列、噪声、双稳态系统三者发生协同作用达到随机共振状态，找出输出的最大信噪比所对应的频率，与脉冲星的频率进行对比，频率相等即完成对脉冲星的辨识。

实施例2

下面采用PSRB0531+21、PSRB1509-58、PSRB0540-69信号进行周期搜索为例，结合附图说明本发明的具体实施方式。

进行周期搜索，设置周期搜索的频率范围为：5Hz-50Hz，频率采样间隔hs为：0.2Hz，设R＝200，则经过变尺度频率压缩，搜索频率变为：0.025Hz-0.25Hz，频率采样间隔hs变为0.001Hz。选择PSR B0531+21的75(0.375s)个数据，PSR B1509-58的2000(10s)个数据，PSR B0540-69的6000(30s)个数据进行验证。

三颗星的频率经过变尺度压缩后的变化如表1所示。

表1频率变换后的频率变化

PSR B0531+21，PSR B1509-58和PSR B0540-69在搜索过程中的频率-信噪比图如图2、3和4所示，选搜索过程中10％的点在图中标出，搜索过程中信噪比最大值均用红色圆圈标出，在搜索过程中

的取值分别包含PSR B0531+21，PSR B1509-58，PSR B0540-69的特征频率时，此时输出的信噪比分别为：29.39，23.12，16.6，为这三颗脉冲星在搜索过程中最大的信噪比，且分别对应的频率点与表1中变换后的频率相对应，三颗星均能够完成辨识。

Claims (5)

1.一种基于随机共振的脉冲星辨识方法，其特征在于，所述辨识方法包括以下步骤：

步骤1：针对脉冲星光子信号所携带低频噪声和直流分量利用高通滤波进行滤波；

步骤2：使用二重自相关对滤波后的脉冲星光子信号进行进一步去噪处理，突出脉冲星光子信号的周期信息成分；

步骤3：利用变尺度频率变换对信号进行频率压缩满足小参数条件，使其能满足随机共振的条件；

步骤4：利用遗传算法对随机共振中的双稳态系统的参数进行在线调节；

步骤5：利用随机共振对信号进行周期搜索，选择信噪比最大所对应的频率与脉冲星的频率进行对比，并完成脉冲星的信号的辨识；

所述步骤2具体为，

步骤2.1：设经过高通滤波后的脉冲星信号y(k)由噪声信号n(k)和有效信号s(k)两部分组成，y(k)满足：

y(k)＝s(k)+n(k)；

则脉冲星信号y(k)的自相关函数为：

将y(k)带入至自相关函数中得到：

R_y(τ)＝R_s(τ)+E[s(k+τ)n(k)]+E[s(k)n(k+τ)]+R_n(τ)；

其中R_s(τ)是脉冲星有用信号的自相关函数，脉冲星信号的周期信息保留在R_s(τ)中，E[s(k)n(k+τ)]，E[s(k+τ)n(k)]为脉冲星有用信号与噪声的互相关函数，R_n(τ)为噪声的自相关函数，可以将上述三项视为新的噪声R′(τ)，则R_y(τ)变为：

R_y(k)＝R_s(k)+R′(k)；

步骤2.2：对序列R_y(k)进行第二次自相关处理，得到：

R′_y(τ)＝R′_s(τ)+E[R_s(k)R′(k+τ)]+E[R_s(k+τ)R′(k)]+R″(τ)；

保留了脉冲星的周期信息，噪声项再次被削弱，设脉冲星经过二次自相关后的信号为R_y′(k)，有效的周期信号为R_s′(k)，噪声为n″(k)，则满足：

R′_y(k)＝R′_s(k)+n″(k)。

2.根据权利要求1所述辨识方法，其特征在于，所述步骤1经过滤波后的脉冲星信号y(k)为：

其中A_i为滤波器系数，y_a(k)为探测器接收到的原始脉冲星信号。

3.根据权利要求1所述辨识方法，其特征在于，所述步骤3具体为，采用线性频率压缩方法对R_y′(k)进行处理，设R_y′(k)的采样频率为f_s，R为压缩比例，则压缩后的采样频率为：

达到随机共振状态时，经过小参数变换后的系统输出信号需要进行频率还原，设随机共振系统输出信号频谱峰值的频率为fa，则还原的频率满足式：

f＝R*f_a。

4.根据权利要求1所述辨识方法，其特征在于，所述步骤4具体为，利用遗传算法对双稳态模型中的参数进行调节，选择输出信号的信噪比作为代价函数，定义如下：

其中Ss(f0)为信号在频率

范围内的输出信号功率谱，Sn(f0)为除频率

范围以外的输出信号功率谱。

5.根据权利要求1所述辨识方法，其特征在于，所述步骤5中，时间序列、噪声、双稳态系统三者发生协同作用达到随机共振状态，找出输出的最大信噪比所对应的频率，与脉冲星的频率进行对比，频率相等即完成对脉冲星的辨识。

Images