[发明专利]一种基于多尺度噪声调节的随机共振方法

摘要

本发明提供一种基于多尺度噪声调节的随机共振方法，针对强噪声背景下微弱信号检测问题，仅通过调节信号的多尺度噪声模式，来平衡非线性系统、信号和噪声的关系，实现对固定非线性系统和固定输入噪声情况下的随机共振效应。本发明方法把待处理信号在多个尺度上的噪声调节为其强度在信号特征频率所在尺度处最大，然后随尺度频率增加而逐步减小的模式，通过最优参数调节使非线性系统、信号和噪声三者达到最佳的匹配，实现对固定非线性系统和固定输入噪声情况下的随机共振效应。该技术方法至少具有以下优点调节参数少，对信号所含的噪声强度不敏感，可直接检测高频，可获得更高的信噪比等。

主权项

一种基于多尺度噪声调节的随机共振方法，其特征在于，针对强噪声背景下微弱信号检测问题，仅通过调节信号的多尺度噪声模式，来平衡非线性系统、信号和噪声的关系，实现对固定非线性系统和固定输入噪声情况下的随机共振效应，实现步骤如下：步骤(1)、获取待处理时间序列信号，确定可能包含的信号特征频率；步骤(2)、对所述待处理时间序列信号按照给定信号分解方法和噪声调节模型进行多尺度噪声调节，获得多尺度调节信号；步骤(3)、把所述多尺度调节信号作为非线性随机共振系统的输入信号，获得所述非线性随机共振系统的输出信号；步骤(4)、对所述输出信号进行频谱分析，计算其信噪比，并以此作为评价函数自适应地选取所述噪声调节模型中的最优调节参数；步骤(5)、根据所述最优调节参数对所述待处理时间序列信号进行多尺度噪声调节，并将调节后的信号输入所述非线性随机共振系统中，对其输出信号进行频谱分析，完成对所述信号特征频率的检测；所述步骤(1)中所述信号特征频率是根据监测对象通过理论计算或者先验知识确定的；所述步骤(2)中所述多尺度噪声调节的具体步骤如下：步骤(21)、对所述待处理时间序列信号按照给定信号分解方法进行分解，获得L个频率尺度上的分解系数，所述L个频率尺度包含的频率内容由低向高排序；步骤(22)、对所述L个频率尺度上的分解系数按照给定噪声调节模型进行调节；步骤(23)、对调节后的分解系数按照所述给定信号分解方法的逆变换公式重构时间序列信号，获得所述多尺度调节信号；所述步骤(21)中，所述给定信号分解方法包括但不限于离散小波变换、连续小波变换、小波包变换、傅里叶变换、经验模态分解能够将信号分解为多个尺度信息的数学变换方法；所述步骤(22)中，所述给定噪声调节模型包括但不限于指数模型、幂模型能够使调节后的分解系数的方差在所述信号特征频率所在的尺度上最大，然后随尺度频率增加逐步减小的转换模型；上述的指数模型可以用如下公式描述：其中，Ci为调节前的分解系数向量，C′i为调节后的分解系数向量，i为尺度编号，k对应的尺度包含了信号特征频率，var(·)表示求数据的方差，α和β是调节参数，满足k>1,α>0,β>0，上述的幂模型可以用如下公式描述：其中,α、β和γ为调节参数，满足β>0,γ>0,α‑βi>0，或者满足β<0,γ<0,α‑βi>0；所述步骤(3)中，所述非线性随机共振系统包括但不限于单稳、双稳或多稳能实现随机共振效应的非线性模型；该基于多尺度噪声调节的随机共振方法把待处理时间序列信号在多个尺度上的噪声调节为其强度在信号特征频率所在尺度处最大，然后随尺度频率增加而逐步减小的模式，通过最优参数调节使非线性系统、信号和噪声三者达到最佳的匹配，实现对固定非线性系统和固定输入噪声情况下的随机共振效应，该方法至少具有以下优点：调节参数少，对信号所含的噪声强度不敏感，可直接检测高频，可获得更高的信噪比。