论文部分内容阅读
强背景噪声下提取信号特征一直是信号处理领域主要解决的问题。过去几十年,人们一直在努力地消除噪声,以达到提取微弱信号特征的目的。随机共振作为一种新的提取微弱信号的方法被提出,它有着比传统方法更加优越的性能。 随机共振与线性方法不同,有效地利用了系统的非线性性质,在信号特征提取过程中,它不仅去除部分噪声,而且还可以把噪声的部分能量转换成信号能量,从而在一定程度上提高信噪比。 本文以微弱信号为研究对象,利用随机共振系统进行微弱信号提取算法的研究及仿真实现。论文主要成果概括如下: 1、根据绝热近似理论和线性响应理论,随机共振只能检测频率小于1的信号。为了检测大频率信号,采用变尺度随机共振,它可以将大频率信号变成适合随机共振处理的小频率信号。为了解决噪声强度超过最佳值(最佳值时信号频率处峰值最大),信号频率的提取会出错这一问题,我们采用了变参数随机共振,它通过改变系统参数来实现对大噪声条件下信号频率的提取。 2、由于变尺度随机共振不能解决噪声太大的情况,而变参数随机共振每次都要手动改变参数,为了弥补两者的不足,将它们结合起来形成了自适应随机共振。在低信噪比下,以信噪比或信噪比增益作为自适应随机共振检测单频正弦信号的度量,会遇到提取不到信号频率的情况,为了稳定地检测信号频率,提出了峰值检测作为度量。仿真结果表明:信噪比为33dB的正弦信号能够被更快更准确地检测出。 3、在低信噪比下,输入到阵列的信号的方位估计会出现角度偏差。为了解决这一问题,引入自适应随机共振到方位估计算法中。我们主要利用语音信号作为目标信号,对其进行方位估计,加入的噪声分别为高斯白噪声和alpha噪声。仿真结果表明:无论对于哪种噪声,自适应随机共振的应用,都能有效地提高信噪比和方位估计的准确度。