基于NBS模型的混沌控制及其在信号检测中的应用研究

基于NBS模型的混沌控制及其在信号检测中的应用研究

论文摘要

微弱信号检测是一门新兴的学科,从噪声背景中提取微弱有效信号是近代信息论中的一个重要内容,也历来是信号处理领域的核心问题和前沿课题之一。利用传统的功率谱,线性滤波等检测方法在某些理想情况下可以检测出被噪声掩盖了的信号,而对于强噪声背景下的微弱信号有些时候检测效率极低。基于混沌系统对小信号的敏感性与对噪声的免疫力,使其在弱信号检测方面具有常规方法所不具备的优势,已经成为一个新的研究热点。本文以新混沌系统NBS模型为研究对象,开展了基于混沌理论的弱信号检测研究。具体做了以下工作:1、对新模型NBS混沌系统进行理论分析,研究了其特征值,平衡点的稳定性,确定其处于各个周期态及混沌态时的参数范围,采用我们前期研究所提出的分段周期微扰方法,研究对NBS模型的控制,实现了将NBS模型控制到所期望的周期轨道上。此方法不需要计算周期激励信号幅值的精确解,大大简化计算的步骤,提高计算效率,控制结构简单,.易于实现。这些工作为将新模型NBS混沌系统应用到微弱信号检测中提供了技术途径。2、建立了基于新模型NBS混沌系统的微弱正弦信号检测系统,成功实现了对被噪声淹没的弱正弦信号的检测,从而证明了此检测系统对微弱周期信号的敏感性和对噪声的免疫特性。在对弱周期矩形波信号的频率检测研究中,发现在一定范围内,待测信号的频率与输出信号的频率存在固定比例关系,与内置周期激励信号的频率无关,可以利用这一特性,判断待测信号的存在性及其频率。仿真研究表明利用NBS混沌系统检测微弱周期信号是可行的。3、基于已经建立的微弱信号检测系统,对三种较为典型的工程信号进行了检测研究。首先分别用内置不同种类的周期激励信号检测周期矩形波信号,仿真结果证实了这两种方法的有效性。其次将系统运用于微弱的,被噪声淹没的二值非周期信号的检测,实验表明可成功检测出二值非周期信号所代表的0、1序列,这为非周期信号的检测和恢复提供了新的思路。最后使用该系统对生物呼吸信号和机械振子信号进行了检测研究,在基于混沌振子的弱生物信号检测方面进行了有意义的探索。

论文目录

  • 摘要
  • ABSTRACT
  • 目录
  • 第一章 绪论
  • 1.1 课题研究背景
  • 1.1.1 混沌理论的产生背景
  • 1.1.2 微弱信号检测及其发展
  • 1.2 国内外研究现状
  • 1.2.1 国外研究状况
  • 1.2.2 国内研究状况
  • 1.3 提出问题
  • 1.4 本文主要工作与内容安排
  • 第二章 基于混沌振子的微弱信号检测基本理论
  • 2.1 引言
  • 2.2 混沌的基本理论
  • 2.2.1 混沌的概念
  • 2.2.2 混沌的基本特征
  • 2.2.3 混沌的判据
  • 2.3 混沌的控制
  • 2.4 基于混沌的微弱信号检测原理
  • 2.5 基于混沌理论微弱信号检测模型
  • 2.5.1 Duffing-Holmes方程
  • 2.5.2 Lorenz系统
  • 2.6 本章小结
  • 第三章 NBS混沌系统基本动力学特性及其判别方法的研究
  • 3.1 引言
  • 3.2 NBS混沌系统
  • 3.3 NBS混沌系统吸引子的基本动力学特性
  • 3.4 NBS混沌系统吸引子两个数学特征的研究
  • 3.5 本章小结
  • 第四章 基于NBS模型的混沌控制及其微弱信号的检测研究
  • 4.1 引言
  • 4.2 基于NBS模型的分段周期微扰法
  • 4.3 微弱正弦信号检测系统及检测原理
  • 4.3.1 单一频率的弱正弦信号的检测
  • 4.3.2 微弱正弦信号对NBS系统混沌态的影响
  • 4.3.3 多频混合弱正弦信号的检测
  • 4.4 基于NBS混沌系统的周期矩形波信号的检测
  • 4.4.1 内置正弦周期激励信号的周期矩形波信号检测
  • 4.4.2 内置矩形波周期激励信号的周期矩形波信号检测
  • 4.6 本章小结
  • 第五章 基于NBS混沌系统的其他微弱信号的检测研究
  • 5.1 引言
  • 5.2 基于NBS混沌系统的二值非周期信号的检测
  • 5.2.1 二值非周期信号
  • 5.2.2 二值非周期信号的检测
  • 5.3 基于NBS混沌系统的微弱呼吸信号的检测
  • 5.4 基于NBS混沌系统的微弱机械振子信号的检测
  • 5.5 本章小结
  • 第六章 总结与展望
  • 参考文献
  • 致谢
  • 附录
  • 详细摘要
  • 相关论文文献

    • [1].信号检测与估计的混合教学模式研究[J]. 高师理科学刊 2020(10)
    • [2].基于网络教学平台的信号检测与估值课程教学改革[J]. 中国管理信息化 2017(01)
    • [3].信号检测与估计课程教学中统计观念的培养[J]. 教育教学论坛 2017(21)
    • [4].论心电信号检测中的噪声与干扰及其消除方法[J]. 黑龙江科技信息 2015(17)
    • [5].对《信号检测与估计》课程设置的构想[J]. 实验科学与技术 2013(06)
    • [6].基于谱图和深度卷积网络的超短波特定信号检测和识别方法[J]. 信息工程大学学报 2019(02)
    • [7].L波段宽动态范围信号检测与处理[J]. 自动化技术与应用 2017(01)
    • [8].《信号检测与估计》特色教材探讨[J]. 才智 2013(01)
    • [9].药品不良反应信号检测研究现状[J]. 中国药房 2013(02)
    • [10].高职《工业信号检测与控制》课程改革探索[J]. 职业教育研究 2013(04)
    • [11].心理学研究中信号检测论实验综述[J]. 教育教学论坛 2013(44)
    • [12].信号检测与估计课程教学讨论之最小二乘估计问题[J]. 中国教育技术装备 2017(04)
    • [13].加性乘性噪声改善多元信号检测[J]. 计算机技术与发展 2016(10)
    • [14].信号检测中干扰的排除方法[J]. 自动化技术与应用 2013(10)
    • [15].信号检测、处理及实现系列教材建设[J]. 电气电子教学学报 2014(04)
    • [16].信号检测论在招聘和甄选中的应用探析[J]. 中国人力资源开发 2013(13)
    • [17].一种低复杂度的联合信号检测算法[J]. 辽宁师范大学学报(自然科学版) 2020(01)
    • [18].基于大数据技术的信号检测算法[J]. 科技创新与应用 2020(31)
    • [19].无线网络信号检测中计算机通讯的应用[J]. 电脑知识与技术 2015(29)
    • [20].高校监考的信号检测论分析[J]. 科教导刊(上旬刊) 2012(05)
    • [21].随机共振在生命信号检测中的应用[J]. 通信技术 2012(10)
    • [22].利用虚拟仪器构建生理信号检测实验教学平台[J]. 实验技术与管理 2011(07)
    • [23].复杂电磁环境下的弱干扰信号检测算法[J]. 无线电通信技术 2020(04)
    • [24].穿戴式生理信号检测与分析系统的实现[J]. 电子科技 2017(09)
    • [25].基于检测与处理技术的信号检测控制优化应用[J]. 现代信息科技 2018(02)
    • [26].基于区域生长的宽带多信号检测与定位算法[J]. 信息工程大学学报 2017(02)
    • [27].噪声背景下周期信号检测[J]. 中国新通信 2017(23)
    • [28].信号检测与估计仿真软件设计与开发[J]. 实验科学与技术 2018(04)
    • [29].基于时频联合的信号检测算法性能分析及应用[J]. 舰船电子工程 2018(10)
    • [30].浅谈专业课程文化建设——以“工业信号检测与控制”为例[J]. 电子技术 2014(08)

    标签:;  ;  ;  

    基于NBS模型的混沌控制及其在信号检测中的应用研究
    下载Doc文档

    猜你喜欢