[發明專利]適用于微弱信號提取的RBF神經網絡改進UKF方法

有效

• 申請號: 202110600186.4
• 申請日: 2021-05-31
• 公開（公告）號: CN113269309B
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 周欣
• 申請（專利權）人: 長春市榣順科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 北京中理通專利代理事務所(普通合伙) 11633
• 代理人: 劉慧宇

適用于微弱信號提取的RBF神經網絡改進UKF方法，涉及微弱信號處理技術領域，解決現有技術中，針對微弱信號的消噪算法多是針對單一噪聲進行消噪處理，以及對于復雜噪聲無法有效應對的問題，本發明提供的基于RBF神經網絡改進的UKF方法能有效地在極低信噪比情況下提取微弱信號。RBF神經網絡建模方式相較于現有技術建模方式，容錯能力更為突出，個別有誤樣本數據也不會對結果造成影響，且具有結構規模小、泛化能力強、能夠逼近任意非線性函數的優勢。UKF方法打破傳統微弱信號提取方式，采用UKF方法進行濾波信號魯棒性更高。

技術領域

本發明涉及微弱信號處理技術領域，具體地來講為一種適用于微弱信號提取的RBF(Radial Basis Function)神經網絡改進UKF(Unscented Kalman Filter)方法。

背景技術

在信號處理領域，常出現復雜環境噪聲干擾嚴重導致微弱信號難以提取的現象，尤其是在人為噪聲干擾嚴重的區域，噪聲呈現多樣、復雜性，進而導致單一算法難以對微弱信號中的復雜噪聲進行消除。與此同時，針對噪聲的不同特性學者們分別提出了不同的消噪算法：

CN109446975A公開的《多尺度噪聲調節隨機共振的微弱信號檢測》，只針對微弱信號中隨機共振噪聲處理，消噪效果受限制于噪聲突變性。

CN102053280A公開的《帶有參考線圈的核磁共振地下水探測系統及探測方法》，只針對信號中工頻諧波噪聲處理，消噪效果受限制于線圈鋪設位置、結構。

CN111985093A公開的《一種帶噪聲估計器的自適應無跡卡爾曼濾波狀態估計方法》，此方法提供自適應UKF狀態估計方法減小噪聲對模型的影響,從另外一個角度考慮減小噪聲對系統影響。

目前，傳統針對微弱信號的消噪算法多是針對單一噪聲進行消噪處理，對于復雜噪聲無法有效應對。因此，研究具有在復雜噪聲環境中提取出有效的微弱信號的新方法具有重要意義。

發明內容

本發明為解決現有技術中，針對微弱信號的消噪算法多是針對單一噪聲進行消噪處理，以及對于復雜噪聲無法有效應對的問題，提供一種適用于微弱信號提取的RBF神經網絡改進UKF方法。

適用于微弱信號提取的RBF神經網絡改進UKF方法，該方法由以下步驟實現：

步驟一、采用RBF神經網絡建立含有復雜噪聲的微弱信號的狀態模型和觀測模型，通過計算相關性R²值和均方差判斷模型擬合程度是否滿足要求；如果是，執行步驟二，如果否，繼續執行步驟一；

步驟二、初始化UKF方法；

采用先驗知識獲取微弱信號初始值x₀以及方差P₀，采用等間距采樣方法，對微弱信號的k-1時刻的觀測值進行采樣，并對采樣點的均值和方差進行計算，獲取狀態預測值以及所述狀態預測值的方差值P_k/k-1；

步驟三、對所述狀態預測值進行采樣，將所述狀態預測值的采樣點代入步驟一的觀測模型，獲取觀測預測值觀測預測值的方差觀測預測值與狀態預測值之間的協方差以及增益值K_k；

步驟四、根據步驟二獲得的狀態預測值狀態預測值的方差值P_k/k-1以及步驟三獲得觀測預測值觀測預測值的方差以及增益值K_k計算更新后的方差P_k以及UKF濾除復雜噪聲后的估計值

步驟五、采用RBF神經網絡建立常系數模型；將部分微弱信號真實值x_true作為模型輸入，UKF估計值與真實值x_true之間的誤差值作為輸出，模擬出UKF估計值與真實值x_true之間的誤差值，采用該誤差值修正UKF濾波后估計值與真實值x_true之間的誤差；所述常系數模型用下式表示為：