CN111189445B - 一种基于随机共振的脉冲星辨识方法 - Google Patents
一种基于随机共振的脉冲星辨识方法 Download PDFInfo
- Publication number
- CN111189445B CN111189445B CN202010037955.XA CN202010037955A CN111189445B CN 111189445 B CN111189445 B CN 111189445B CN 202010037955 A CN202010037955 A CN 202010037955A CN 111189445 B CN111189445 B CN 111189445B
- Authority
- CN
- China
- Prior art keywords
- pulsar
- frequency
- signal
- noise
- stochastic 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/02—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by astronomical means
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Astronomy & Astrophysics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
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
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Ai为滤波器系数,ya(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:
Ry(τ)=Rs(τ)+E[s(k+τ)n(k)]+E[s(k)n(k+τ)]+Rn(τ);
其中Rs(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Rs(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,Rn(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Ry(τ)变为:
Ry(k)=Rs(k)+R′(k);
步骤2.2:对序列Ry(k)进行第二次自相关处理,得到:
R′y(τ)=R′s(τ)+E[Rs(k)R′(k+τ)]+E(Rs(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Ry′(k),有效的周期信号为Rs′(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Ry′(k)进行处理,设Ry′(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:
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Ai为滤波器系数,ya(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:
Ry(τ)=Rs(τ)+E[s(k+τ)n(k)]+E[s(k)n(k+τ)]+Rn(τ);
其中Rs(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Rs(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,Rn(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Ry(τ)变为:
Ry(k)=Rs(k)+R′(k);
步骤2.2:对序列Ry(k)进行第二次自相关处理,得到:
R′y(τ)=R′s(τ)+E[Rs(k)R′(k+τ)]+E[Rs(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Ry′(k),有效的周期信号为Rs′(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Ry′(k)进行处理,设Ry′(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:
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
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:
Ry(τ)=Rs(τ)+E[s(k+τ)n(k)]+E[s(k)n(k+τ)]+Rn(τ);
其中Rs(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Rs(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,Rn(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Ry(τ)变为:
Ry(k)=Rs(k)+R′(k);
步骤2.2:对序列Ry(k)进行第二次自相关处理,得到:
R′y(τ)=R′s(τ)+E[Rs(k)R′(k+τ)]+E[Rs(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Ry′(k),有效的周期信号为Rs′(k),噪声为n″(k),则满足:
R′y(k)=R′s(k)+n″(k)。
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010037955.XA CN111189445B (zh) | 2020-01-14 | 2020-01-14 | 一种基于随机共振的脉冲星辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010037955.XA CN111189445B (zh) | 2020-01-14 | 2020-01-14 | 一种基于随机共振的脉冲星辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111189445A CN111189445A (zh) | 2020-05-22 |
CN111189445B true CN111189445B (zh) | 2023-05-05 |
Family
ID=70706242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010037955.XA Active CN111189445B (zh) | 2020-01-14 | 2020-01-14 | 一种基于随机共振的脉冲星辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111189445B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112797989B (zh) * | 2021-03-29 | 2021-06-29 | 中国人民解放军国防科技大学 | 一种脉冲星频率参数的快速搜索方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2229883B (en) * | 1986-05-09 | 1990-12-19 | Philips Electronic Associated | Radar signal analysis. |
US5386830A (en) * | 1993-10-25 | 1995-02-07 | Advanced Technology Laboratories, Inc. | Ultrasonic pulsed doppler flow measurement system with two dimensional autocorrelation processing |
FR2885468B1 (fr) * | 2005-05-04 | 2007-08-24 | St Microelectronics Rousset | Dispositif de reception adapte a un systeme de transmission utilisant un etalement de spectre a sequence directe |
JP5300188B2 (ja) * | 2006-09-11 | 2013-09-25 | 株式会社東芝 | 超音波診断装置及び超音波診断装置の制御プログラム |
CN102175248A (zh) * | 2011-01-25 | 2011-09-07 | 哈尔滨工业大学 | 基于单粒子效应的脉冲星信号探测器 |
CN107462901B (zh) * | 2011-06-28 | 2021-01-12 | 内克斯特纳夫有限公司 | 用于从发射器网络发射定位信号的方法和系统 |
CN104236555A (zh) * | 2014-09-17 | 2014-12-24 | 中国科学院空间科学与应用研究中心 | 一种脉冲星计时噪声估计与预报方法 |
CN106989742B (zh) * | 2017-03-01 | 2019-08-09 | 北京控制工程研究所 | 一种基于多场耦合分析的脉冲星探测器多目标优化方法 |
CN107894231A (zh) * | 2017-11-06 | 2018-04-10 | 哈尔滨工业大学 | 一种基于希尔伯特变换的x射线脉冲星辨识方法 |
CN110659629A (zh) * | 2019-10-09 | 2020-01-07 | 哈尔滨工业大学 | 一种基于双谱和深度卷积神经网络的微弱x射线脉冲星信号辨识方法 |
-
2020
- 2020-01-14 CN CN202010037955.XA patent/CN111189445B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111189445A (zh) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107122738B (zh) | 基于深度学习模型的无线电信号识别方法及其实现系统 | |
Loomis et al. | Detecting weak spectral lines in interferometric data through matched filtering | |
CN106887238B (zh) | 一种基于改进独立向量分析算法的声信号盲分离方法 | |
CN106441288A (zh) | 一种加速度计的自适应小波降噪方法 | |
CN109459745B (zh) | 一种利用辐射噪声估计运动声源速度的方法 | |
CN111189445B (zh) | 一种基于随机共振的脉冲星辨识方法 | |
CN106503336A (zh) | 一种海豚嘀嗒声信号建模与合成的方法 | |
CN105445801A (zh) | 一种消除二维地震资料随机噪音的处理方法 | |
CN104635264B (zh) | 叠前地震数据的处理方法及设备 | |
US20120162004A1 (en) | Apparatus and method for estimating direction of arrival of signal in communication system | |
Aeron et al. | Broadband dispersion extraction using simultaneous sparse penalization | |
WO2005045467A1 (fr) | Procede de localisation d'un ou de plusieurs emetteurs | |
CN102589551B (zh) | 一种基于小波变换的船用光纤陀螺信号实时滤波方法 | |
CN110244360A (zh) | 基于有效频率波数域去混叠的地震数据分离方法及系统 | |
CN109658944A (zh) | 直升机声信号增强方法及装置 | |
CN112649882A (zh) | 低频磁信号增强方法及使用其的航空磁测系统 | |
CN113095113A (zh) | 一种用于水下目标识别的小波线谱特征提取方法及系统 | |
CN104778342A (zh) | 一种基于小波奇异熵的心音特征提取方法 | |
CN106057211A (zh) | 一种信号匹配方法及装置 | |
CN106027454A (zh) | 基于频率补偿的qam信号的频偏估计方法 | |
CN101509774A (zh) | 一种基于光纤陀螺的arma时间序列的寻北方法 | |
CN104156578A (zh) | 录音时间识别方法 | |
CN110361090B (zh) | 基于光伏阵列传感器关联性的未来光照度预测方法 | |
CN113572711A (zh) | 一种基于cnn的多水下信标信号识别方法 | |
CN109886109B (zh) | 一种基于深度学习的行为识别方法 |
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 |