导读:本文包含了非周期信号检测论文开题报告文献综述及选题提纲参考文献，主要关键词:随机共振,MWS型双稳系统,非线性噪声,时延
非周期信号检测论文文献综述
石佳蓓[1]（2019）在《基于随机共振的微弱周期信号检测及应用》一文中研究指出微弱信号检测技术的应用领域主要有计算机图像识别、故障诊断、生物医学等,它针对的对象多是被强噪声背景淹没的弱信号。传统的微弱信号检测方法旨在抑制或削弱噪声,但不可避免地也会削弱有用信号,从而使检测结果不理想。随机共振技术最早由Benzi在研究冰川气候问题时提出,其基本原理是利用系统、噪声和信号叁者之间共同作用,使部分噪声能量转移到低频信号处以增强微弱信号,从而使噪声变废为宝。随机共振独特的信号处理方式使其在理论研究和工程应用中都得到快速发展。论文在详细介绍已提出的理论和取得的研究成果上,分别从故障诊断和肿瘤细胞抑制两个不同应用场景出发,研究随机共振技术在这两个领域的应用。论文的主要工作及创新点如下:(1)研究了新型双稳随机共振系统在轴承故障检测中的应用。针对传统双稳随机共振系统在检测低输入信噪比信号时,参数难以调到最佳的问题,将单势阱和Woods-Saxon势阱相结合形成形式更为一般的势阱模型,得到MWS型双稳随机共振系统。首先,采用信噪比增益作为衡量指标,并分析了其与系统参数之间的变化关系;然后,采用MWS型双稳系统对高频和低频信号进行检测,并与传统双稳系统检测效果相对比;最后,将MWS型双稳系统应用到轴承故障检测中。仿真结果均表明MWS型双稳系统能有效检测微弱信号,并且检测效果优于传统双稳随机共振系统。(2)研究了二阶欠阻尼线性系统受非线性噪声驱动时的随机共振行为。利用Shapiro-Loginov公式和Laplace变换推导出系统的输出平均幅值增益表达式,分析了平均幅值增益的共振行为,并且通过数值仿真验证了理论分析的有效性。仿真结果表明:引入非线性噪声使得系统具有更为复杂的非线性行为,出现了仅由线性噪声驱动时未有的多共振现象。在这些现象中,非线性噪声的性质起着关键的作用,因此,将非线性噪声引入线性系统,可在一定范围内实现对线性系统随机共振的控制,在实际工程应用中具有一定参考价值。(3)研究了时延肿瘤细胞增长系统中的随机共振现象。根据小延迟理论和绝热近似理论,推导出系统的平均首次穿越时间和信噪比的解析表达式,并从理论层面仿真和分析了信噪比与噪声参数和系统各参数之间的关系。最后通过分析各类随机共振现象得出肿瘤细胞增长的一般内在规律,并从物理层面给出治疗肿瘤细胞的方法。(本文来源于《重庆邮电大学》期刊2019-06-02）
贾睿哲,陈英,孙鲁喆,贺翔,尚栋[2]（2018）在《随机共振微弱周期信号检测方法》一文中研究指出强噪声背景下的微弱特征信号检测是实际生产活动中经常遇到的一个问题。相比于传统的通过抑制或者消除噪声来提取微弱信号的方法,随机共振微弱特征信号检测理论提出了利用噪声能量增强输出信噪比从而检测弱信号的新思想。信噪比低不利于信号的检测,而由于随机共振原理,对噪声、信号和非线性系统的作用使得输出端的信号能量增强,信噪比提高。通过仿真,调节随机共振系统的各参数,观察对比系统输入输出的时频图,验证了在强噪声背景下利用随机共振效应可以有效地检测出微弱特征信号。(本文来源于《电子世界》期刊2018年11期）
王润泽[3]（2017）在《噪声背景下周期信号检测》一文中研究指出噪声背景下的信号处理研究是通信工程中的一个重要课题,可以说正是因为有了噪声才有了信号分析处理的学科分支。本文主要研究如何在加性白噪声环境中检测到信号,将以自相关函数法检测周期性为主,并介绍其他几种周期信号检测的方法,最后利用MATLAB仿真分析自相关函数法的周期信号识别能力。(本文来源于《中国新通信》期刊2017年23期）
张晓晨[4]（2017）在《非周期直扩信号检测及PN序列盲估计》一文中研究指出直接序列扩频(Direct Sequence Spread Spectrum,DSSS;简称直扩)通信由于其抗干扰性强、截获率低、信号隐蔽性好、可以实现码分多址等特点,被广泛应用于军事对抗和民用通信当中。军事通信中电子对抗和民用通信中的3G技术是直扩通信最具代表性的两个应用。本文以非周期直扩信号为对象,以实现低信噪比下的非周期直扩信号检测与参数估计及伪随机(pseudo noise,PN)码估计为目标,以研究并论证适用于非合作下非周期直扩信号检测与参数及PN码盲估计算法为研究内容。首先建立了直扩信号通信模型,然后研究了非周期PN码序列的选取和非周期直扩信号的两种分段数据处理方式。接着研究了结合集平均的循环谱的DSSS/BPSK信号的检测与参数估计。该方法结合了集平均算法有效地抑制了噪声,可以更准确地提取载波信息和码速率信息,为PN码的估计奠定了良好的基础。其次,针对非周期直扩信号PN码盲估计问题,着重研究了分段特征分解算法。将特征分解分别与两种数据预处理方式相结合。两种信息数据预处理方式分别为单倍信息码分段和两倍信息码分段即宽窗口划分。对于非同步下延迟值的估计,本文主要采用了滑动窗技术,且对扩频调制比大于3的情况,首先对延迟值作统计计算,将最大概率出现的延迟值最为最终延迟值,统一对向量进行剪切最后进行拼接。再次,针对非周期直扩信号PN码盲估计问题,又着重研究了分段子空间跟踪算法。并以此为基础提出了一种基于可变遗忘因子的分段子空间跟踪算法的码序列估计算法,该算法兼顾了收敛性和跟踪误差,且计算复杂度小,算法存储量小,实时性好,易于硬件实现,且能在较低信噪比下实现非周期DSSS信号PN码的盲估计。最后,对分段特征分解算法、分段子空间跟踪算法和基于可变遗忘因子的分段子空间跟踪算法在同步和非同步下进行仿真并作出对比。着重研究了改进算法的性能,从仿真结果看出改进算法降低了信噪比容限,且具有较好的收敛性。(本文来源于《哈尔滨工程大学》期刊2017-01-01）
张刚,胡韬,张天骐[5]（2015）在《基于随机共振大参数微弱周期信号检测》一文中研究指出研究了非线性双稳系统的动力学机理,根据非线性系统产生随机共振的同步条件,提出了不满足绝热近似理论的大参数微弱信号实现随机共振的方法。通过对系统参数的适当调整,实现了大频率信号和大强度噪声淹没的微弱周期信号的检测。理论分析和仿真实验表明,该方法有效地实现了大参数微弱信号随机共振,使得利用随机共振法检测大参数微弱周期信号不再局限于尺度变换法。(本文来源于《科学技术与工程》期刊2015年35期）
余发军,周凤星[6]（2014）在《基于混沌振子和EEMD的周期信号检测方法》一文中研究指出针对含强噪声周期信号的检测,提出基于混沌振子结合集合经验模式分解降噪的检测新方法;针对相位差对检测结果的影响,提出正反导入的检测方法,该方法能有效克服由相位差造成的漏检现象。对仿真信号和故障轴承振动信号的检测效果表明,混沌振子结合集合经验模式分解降噪的方法能有效检测含在强噪声中周期信号,进一步提高了混沌振子对周期信号的检测能力和对噪声的免疫力。(本文来源于《电子技术应用》期刊2014年04期）
郑舒晨,尉烨[7]（2013）在《噪声背景下的周期信号检测》一文中研究指出噪声背景下检测信号是一项复杂而又重要的任务,在通信领域和雷达信号检测领域都是十分重要的课题.文章通过测量信号的自相关函数来探测噪声背景下的周期信号,并利用MATLAB进行了仿真并对仿真结果进行了分析.(本文来源于《渭南师范学院学报》期刊2013年09期）
行鸿彦,龚平,徐伟[8]（2014）在《消散型同步的微弱周期信号检测及噪声影响分析》一文中研究指出在混沌预测模型基础上,提出了消散型同步的混沌背景下微弱信号检测算法。采用径向基函数神经网络(RBFNN)拟合混沌模型,结合消散型同步实现混沌时间序列与混沌系统的同步,利用同步误差实现微弱信号的检测。以Rossler混沌系统为研究对象,验证了算法的可行性,研究了噪声对微弱信号检测的影响。仿真研究表明,该算法能检测各种频率的微弱信号,在一定条件下可检测到信杂比大于-110dB的微弱周期信号;若信噪比SNR≥0dB,噪声对微弱信号检测的影响很小;但若SNR<-10dB,将检测不出微弱信号。在理论研究基础上,由MKS-CEC-Ⅲ新型混沌演化控制实验仪获取Coullet混沌时间序列,添加不同频率的微弱信号,利用该算法实现了不同频率微弱信号的检测,说明该算法适用于其他混沌系统。(本文来源于《吉林大学学报(工学版)》期刊2014年04期）
邓宏贵,曹文晖,杨兵初,梅卫平,敖邦乾[9]（2012）在《基于混沌理论和小波变换的微弱周期信号检测方法》一文中研究指出根据小波变换具有多分辨率,混沌系统对噪声的强免疫力和对周期微弱信号的敏感性等特性,通过对小波阈值去噪方法和混沌Duffing振子方程的改进,提出小波阈值去噪和混沌系统相结合的微弱周期信号检测新方法。该方法利用小波变换的平滑作用对包含噪声的信号进行有限离散处理,并根据小波分解尺度确定阈值去噪深度,然后把重构的信号作为周期策动力的摄动并入混沌系统,采用混沌振子阵列实现在噪声背景下微弱信号的检测,并采用梅尔尼科夫方法作为混沌判据。该检测方法克服了以往小波分解对尺度确定的盲目性和阈值选择的不合理性以及对混沌临界状态与周期态区别的模糊性;同时能检测多种频率的信号。仿真测试表明:该方法直观、高效,检测精度高,检测的最低信噪比达到-100 dB,频率误差为0.04%左右,改善了湮没在强噪声下的微弱信号检测技术。(本文来源于《中南大学学报(自然科学版)》期刊2012年05期）
喻树龙,袁玉江,魏文寿,张同文,尚华明[10]（2012）在《川西马尔康7月平均气温的重建及其气候周期信号检测》一文中研究指出利用阿依拉山采样点的树木年轮标准化年表与川西高原的马尔康和红原前一年10月至当年9月的气候资料进行相关分析。结果表明,马尔康7月平均气温与阿依拉山采样点的树木年轮生长有较好的相关性,相关系数达0.644。利用树轮年表重建了1597-2005年马尔康7月平均气温序列,方差解释量为41.5%,经过检验,转换方程稳定可靠。检测409年重建气温序列的周期信号,发现重建序列存在3～4年、5～9年、21～28年和56～76年的周期振荡,其中较短的年际周期的强振荡期均出现在21世纪,中周期的强振荡期主要出现在最后一次小冰期,而长周期则在工业革命之前能量最强。(本文来源于《高原气象》期刊2012年01期）
非周期信号检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
强噪声背景下的微弱特征信号检测是实际生产活动中经常遇到的一个问题。相比于传统的通过抑制或者消除噪声来提取微弱信号的方法,随机共振微弱特征信号检测理论提出了利用噪声能量增强输出信噪比从而检测弱信号的新思想。信噪比低不利于信号的检测,而由于随机共振原理,对噪声、信号和非线性系统的作用使得输出端的信号能量增强,信噪比提高。通过仿真,调节随机共振系统的各参数,观察对比系统输入输出的时频图,验证了在强噪声背景下利用随机共振效应可以有效地检测出微弱特征信号。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
非周期信号检测论文参考文献
[1].石佳蓓.基于随机共振的微弱周期信号检测及应用[D].重庆邮电大学.2019
[2].贾睿哲,陈英,孙鲁喆,贺翔,尚栋.随机共振微弱周期信号检测方法[J].电子世界.2018
[3].王润泽.噪声背景下周期信号检测[J].中国新通信.2017
[4].张晓晨.非周期直扩信号检测及PN序列盲估计[D].哈尔滨工程大学.2017
[5].张刚,胡韬,张天骐.基于随机共振大参数微弱周期信号检测[J].科学技术与工程.2015
[6].余发军,周凤星.基于混沌振子和EEMD的周期信号检测方法[J].电子技术应用.2014
[7].郑舒晨,尉烨.噪声背景下的周期信号检测[J].渭南师范学院学报.2013
[8].行鸿彦,龚平,徐伟.消散型同步的微弱周期信号检测及噪声影响分析[J].吉林大学学报(工学版).2014
[9].邓宏贵,曹文晖,杨兵初,梅卫平,敖邦乾.基于混沌理论和小波变换的微弱周期信号检测方法[J].中南大学学报(自然科学版).2012
[10].喻树龙,袁玉江,魏文寿,张同文,尚华明.川西马尔康7月平均气温的重建及其气候周期信号检测[J].高原气象.2012