检索结果-南通市图书馆

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

自适应随机共振降噪下的结构模态参数识别

福州大学学报（自然科学版） 2017年第4期45卷 472-480页

作者：俞波刘展鹏姜绍飞福州大学土木工程学院福建福州350116 福州市城乡建设委员会福建福州350005

针对强背景噪声下结构模态参数难识别以及传统自适应随机共振单参数优化的不足,提出一种基于改进多粒子群协同优化算法的多参数同步优化的自适应随机共振方法,结合利希尔伯特变换来识别出结构的模态参数.该算法能够更快得到最佳随机共... 详细信息

针对强背景噪声下结构模态参数难识别以及传统自适应随机共振单参数优化的不足,提出一种基于改进多粒子群协同优化算法的多参数同步优化的自适应随机共振方法,结合利希尔伯特变换来识别出结构的模态参数.该算法能够更快得到最佳随机共振系统结构参数,自适应地实现非线性系统、输入信号和噪声之间的最佳匹配,削弱强背景噪声响应中的噪声,提高响应的输出信噪比.数值仿真和试验均表明,该方法参数寻优效率高,简单易行,能够成功识别出强背景噪声下结构的模态参数.

关键词：自适应随机共振粒子群算法强噪声模态参数识别

在线全文

学校读者我要写书评

暂无评论

自适应随机共振二进制基带信号处理

浙江大学学报（工学版） 2010年第4期44卷 692-695页

作者：于淼李式巨杨志敏浙江大学信息与电子工程学系浙江杭州310027 南京电讯技术研究所江苏南京210007

在二进制基带数字信号处理系统中引入随机共振作为非线性处理模块,可以有效地提高系统的输出信噪比.从误码率和输入输出互信息角度对随机共振进行研究,提出一种基于互信息的自适应随机共振信号处理方法,增强了二进制基带数字信号处理系... 详细信息

在二进制基带数字信号处理系统中引入随机共振作为非线性处理模块,可以有效地提高系统的输出信噪比.从误码率和输入输出互信息角度对随机共振进行研究,提出一种基于互信息的自适应随机共振信号处理方法,增强了二进制基带数字信号处理系统的鲁棒性.系统运行前先使用一很短的训练序列,随机共振模块根据输入输出互信息按照梯度方向自动调整系统参数,经有限步迭代后自动收敛到最佳共振点,并保持此状态对未知信息序列进行处理,使系统输出端误码率达到最低.仿真结果表明,新算法迅速收敛到最大互信息值,与直接判决方法相比具有更大的信噪比增益.

关键词：自适应随机共振互信息信号处理

自适应随机共振形态学在液压泵振动信号特征提取中的应用

在线全文

学校读者我要写书评

暂无评论

仪表技术与传感器 2015年第8期 92-95,99页

作者：经哲郭利军械工程学院导弹工程系河北石家庄050003

液压泵振动信号常湮没在强噪声背景中,为准确提取其特征频率,提出自适应随机共振形态学方法。首先采用以广义相关系数为目标函数的量子遗传算法对随机共振系统参数进行优化,再将优化后的参数代入随机共振系统对液压泵振动信号进行降噪... 详细信息

液压泵振动信号常湮没在强噪声背景中,为准确提取其特征频率,提出自适应随机共振形态学方法。首先采用以广义相关系数为目标函数的量子遗传算法对随机共振系统参数进行优化,再将优化后的参数代入随机共振系统对液压泵振动信号进行降噪预处理,最后利用形态学差值滤波器提取振动信号的特征频率。仿真实验和液压泵故障模拟实验结果表明,该方法能够准确地提取出振动信号的各种频率特征,优于其他特征提取方法。

关键词：自适应随机共振形态学特征频率液压泵振动信号

在线全文

学校读者我要写书评

暂无评论

自适应随机共振在微弱信号检测中的应用

机械强度 2012年第6期34卷 798-802页

作者：杨宁张培林马乔王江涛军械工程学院一系 75610部队装备部

在变步长随机共振原理的基础上,提出一种自适应随机共振微弱信号检测技术。该技术以粒子群算法(particle swarm optimization,PSO)作为优化算法,利用随机共振系统输出信号的奇异熵合理构造适应度函数,同时外加可控信号,以更好地激励出... 详细信息

在变步长随机共振原理的基础上,提出一种自适应随机共振微弱信号检测技术。该技术以粒子群算法(particle swarm optimization,PSO)作为优化算法,利用随机共振系统输出信号的奇异熵合理构造适应度函数,同时外加可控信号,以更好地激励出随机共振现象。该技术实现了随机共振系统结构参数、外加信号强度以及算法数值计算步长的自适应选取,能够最优地检测出大参数条件下信号中的微弱周期成分。仿真信号和滚动轴承故障信号的应用表明,该方法在短数据条件下可以取得较好的检测结果,具有良好的工程应用前景。

关键词：自适应随机共振奇异熵粒子群算法变步长随机共振弱信号检测

基于自适应随机共振理论的太赫兹雷达信号检测方法

在线全文

学校读者我要写书评

暂无评论

物理学报 2018年第16期67卷 226-232页

作者：王珊王辅忠天津工业大学理学院天津300378

太赫兹雷达系统在差频信号频谱分析过程中,干扰噪声影响其测距能力.针对上述问题,提出基于自适应随机共振理论的太赫兹雷达信号检测方法,通过对含噪差频信号进行二次采样,利用自适应随机共振系统提取信号,进行尺度恢复完成测距计算.实... 详细信息

太赫兹雷达系统在差频信号频谱分析过程中,干扰噪声影响其测距能力.针对上述问题,提出基于自适应随机共振理论的太赫兹雷达信号检测方法,通过对含噪差频信号进行二次采样,利用自适应随机共振系统提取信号,进行尺度恢复完成测距计算.实验数据显示,不同测量距离时,相较于快速傅里叶变换法,输出信噪比的平均增益为9.684 d B,其中测量距离为1000 mm处,差频信号初始频谱值提高了64.1倍,系统信噪比增益为11.761 d B;相较于滤波法,在测量距离为1000 mm处信噪比增益最大,提高了70.56%;输入噪声强度为1—5 V之间时,输出信噪比曲线的曲率相对于滤波法降低了86.5%,其中噪声强度为5 V时信噪比增益最大,为14.018 d B.实验表明太赫兹雷达系统的测距能力大幅提高.

关键词：太赫兹雷达测距差频信号自适应随机共振

基于自适应随机共振理论强噪声背景下的弱语音信号检测

在线全文

学校读者我要写书评

暂无评论

生物医学工程学杂志 2016年第2期33卷 357-361页

作者：卢欢欢王辅忠张慧春天津工业大学理学院天津300387

传统语音信号检测方法是将噪声作为干扰信号来线性滤除,而在强噪声背景下,这些方法在去除噪声的同时也丢失了部分原始语音信号。随机共振能够利用噪声能量放大弱信号而抑制噪声,基于此原理,提出一种基于自适应随机共振提取弱语音信号的... 详细信息

传统语音信号检测方法是将噪声作为干扰信号来线性滤除,而在强噪声背景下,这些方法在去除噪声的同时也丢失了部分原始语音信号。随机共振能够利用噪声能量放大弱信号而抑制噪声,基于此原理,提出一种基于自适应随机共振提取弱语音信号的方法,并与二次采样相结合,实现强噪声背景下弱语音信号的检测。该方法通过评价系统输出信号的信噪比,自适应调节系统参数a、b,从而最优地检测出弱语音信号。实验仿真分析表明,强噪声背景下,输出信号的信噪比由初始信噪比-7dB提高到0.86dB,信噪比增益为7.86dB。该方法明显提高了输出语音信号的信噪比,为弱语音信号的检测提供了新的思路。

关键词：自适应随机共振语音检测二次采样弱信号检测

在线全文

学校读者我要写书评

暂无评论

基于自适应随机共振的信号估计与滤波研究

基于自适应随机共振的信号估计与滤波研究

作者：李菲青岛大学

学位级别：硕士

在信号处理领域,经常面临带宽占用、成本节约等实际的约束问题,我们可将信号量化来减小带宽的占用并简化硬件的设计,量化传感器也具有采样速率高、成本低等优势。然而,对信号进行量化处理也带来一些问题,比如导致数据信息损失、降低系... 详细信息

在信号处理领域,经常面临带宽占用、成本节约等实际的约束问题,我们可将信号量化来减小带宽的占用并简化硬件的设计,量化传感器也具有采样速率高、成本低等优势。然而,对信号进行量化处理也带来一些问题,比如导致数据信息损失、降低系统估计性能、降低分辨率、将非线性效应引入系统等。这些问题使得信号参数估计和检测等信号处理任务面临新的挑战。近年来,在非线性系统中加入适量的随机噪声为信号参数估计提供了新方法和新思路。这种方法在一定程度上能够优化系统的性能,成为现代统计信号处理的热点问题。其中,如何寻找添加噪声的最优水平或最优噪声类型成为一个有意义且亟需解决的问题。本文提出了一种寻找最优噪声的自适应随机共振算法,研究了二进制量化器求和网络和非线性滤波中的噪声有益性。这种学习算法不仅能自适应地调整权重,还可以自适应地更新人工添加到量化器中的噪声水平或噪声类型。但是,在一些实际问题中,梯度的求解过于复杂甚至无法求解,因此,我们进一步利用差分估计梯度发展得到基于差分的自适应随机共振方法来解决上述问题。该方法不仅能够避免导数的求解,降低计算复杂度,也能提高算法的优化效率。通过上述方法,本文实现了一种随机共振或噪声辅助信号处理的形式,也扩展了自适应随机共振在一些复杂的非线性信号处理任务中的应用。本文主要研究内容和创新点如下:(i)本文首先研究了二进制量化器求和网络中的单参数估计问题,理论推导出基于梯度下降和差分的自适应学习算法,利用该算法自动调整估计器求和网络中的权重、人工加性噪声水平以及量化器阈值,以减少估计器的均方误差(Mean-Square Error,MSE),从而提高估计器的性能。研究结果表明,通过上述自适应随机共振学习算法能够找到加性噪声水平的最优非零值,该噪声水平能够最小化估计器的均方误差,达到优化估计器性能的目的,证实了求和网络中人工加性噪声的有益性。(ii)对于贝叶斯随机参数向量估计,本文通过基于差分的自适应学习算法对低精度观测向量进行估计。在假设向量估计器的传感器数目足够多时,理论推导得到贝叶斯参数向量估计量的均方误差矩阵并以该矩阵的迹作为目标函数,利用差分自适应学习规则自动地寻找向量估计器中能够显著降低MSE的最优加性噪声水平。研究结果表明通过差分自适应调整加性噪声水平,该贝叶斯估计器也能从最优加性噪声中获益,优化后的估计器性能非常接近同等条件下的基于全精度观测数据的线性最小方差估计器的性能。(iii)对于非线性滤波问题,基于二进制量化器求和网络模型及其低精度观测值,本文设计了由单参数估计器扩展而来的横向滤波器。在求和网络中量化器数目足够多的情况下,分别利用基于梯度下降和差分的自适应学习算法调整滤波器中的加性噪声水平,分析该滤波器的滤波能力。研究表明,利用两种方法得到的最优加性噪声水平,能够有效降低所设计滤波器的MSE,体现了非线性滤波器中人工加性噪声有益性。(iv)对于二进制量化器求和网络中的单参数信号估计,本文进一步利用序列二次规划算法,自适应地优化权系数和加性噪声概率密度分布函数。研究结果表明,利用该方法自适应地求解出一类近似最优噪声概率密度分布函数,以进一步地降低所设计估计器的MSE。

关键词：自适应随机共振噪声有益性梯度下降最优加性噪声参数估计非线性滤波

基于FHN神经元和自适应随机共振的信号增强研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于FHN神经元和自适应随机共振的信号增强研究

作者：王栋诚青岛大学

学位级别：硕士

噪声的存在通常被人们认为会阻碍原始信息的获取,因此信号的增强研究都是基于抑制噪声理论实现。随机共振(Stochastic Resonance,SR)理论的出现颠覆了人们对于噪声的认知,噪声对于信号的获取并非只起到干扰作用,适量的噪声存在可以转换... 详细信息

噪声的存在通常被人们认为会阻碍原始信息的获取,因此信号的增强研究都是基于抑制噪声理论实现。随机共振(Stochastic Resonance,SR)理论的出现颠覆了人们对于噪声的认知,噪声对于信号的获取并非只起到干扰作用,适量的噪声存在可以转换为有用的信息,使原始的输入信号得到增强。随机共振效应被应用到很多领域,尤其是在神经元中应用广泛,本文将Fitzhugh-Nagumo(FHN)神经元非线性系统与随机共振效应相结合,设计了一种自适应算法,针对弱信号增强和低亮度图像对比度增强问题,提出了基于自适应随机共振的FHN神经元模型,本文的主要工作如下:(1)本文提出了一种基于自适应随机共振的FHN神经元随机汇池网络模型,采用不同规模的FHN神经元节点对弱周期信号和非周期信号增强。通过改变FHN神经元节点数目和噪声强度,分析FHN神经元节点数目和噪声强度对弱周期信号和非周期信号的影响。实验结果表明,本文提出的方法对弱周期信号和非周期信号都有显著的增强效果,且FHN神经元节点数目越多增强效果越好。(2)本文提出一种求解非线性系统最优参数的新方法,通过自适应算法消除原始低亮度图像的噪声扰动并获取FHN神经元系统的最优参数。本文中将基于自适应随机共振的FHN随机汇池网络模型扩展到二维图像处理中,通过本文设计的卡尔曼和最小均方(Kalman and Least Mean Square,Kalman-LMS)自适应算法消除输入低对比度图像中的噪声扰动,并通过最小二乘估计(Least Square Estimation,LSE)自适应算法获取FHN非线性系统的最优参数值。实验结果表明,通过该模型处理后的图像,有效地消除了图像中的噪声扰动干扰。同时该模型也为非线性系统最优参数值的求解提供了新的方法。(3)本文提出了一种基于自适应随机共振的FHN神经元迭代模型,通过自适应迭代非线性方程对彩色低对比度图像增强。改变原始低对比度图像的尺寸,分析图像尺寸对增强效果的影响。图像的增强效果通过相对对比度增强因子和感知质量指标进行衡量。实验结果表明,图像的尺寸越大,增强效果越显著。将FHN神经元迭代模型扩展到自突触FHN神经元和耦合FHN神经元非线性系统中,分析相同尺寸下本文提出的三种神经元迭代模型与现有方法的对比。与现有方法相比,本文提出的模型显著增强了图像的对比度和视觉感知。

关键词：自适应随机共振 Fitzhugh-Nagumo神经元自适应算法图像增强弱信号增强

基于广义相关系数自适应随机共振的液压泵振动信号预处理方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

振动与冲击 2016年第16期35卷 72-78,85页

作者：经哲郭利军械工程学院导弹工程系石家庄050003

针对液压泵故障振动信号信噪比低,故障特征难以提取的问题,对液压泵振动信号预处理方法进行研究。针对现有自适应随机共振优化算法及其目标函数存在的问题,将量子遗传算法(Quantum Genetic Algorithm,QGA)引入自适应随机共振中,提出一... 详细信息

针对液压泵故障振动信号信噪比低,故障特征难以提取的问题,对液压泵振动信号预处理方法进行研究。针对现有自适应随机共振优化算法及其目标函数存在的问题,将量子遗传算法(Quantum Genetic Algorithm,QGA)引入自适应随机共振中,提出一种改进的自适应随机共振的信号预处理方法。该方法以广义相关系数为目标函数,采用QGA算法对随机共振系统的结构参数进行优化,从而实现对信号的降噪预处理。仿真及实验结果表明,该方法能够有效提取强噪声背景下的液压泵振动信号频率特征,是液压泵故障特征提取及故障诊断中信号预处理的有效方法,可进一步发展至实际工程应用。

关键词：广义相关系数自适应随机共振量子遗传算法液压泵振动信号 general correlation function (GCF) adaptive stochastic resonance (ASR) quantum genetic algorithm (QGA)