[發明專利]基于EDA的級聯三穩態隨機共振微弱信號檢測方法

在審

• 申請號: 202210415222.4
• 申請日: 2022-04-20
• 公開（公告）號: CN114812795A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 鄢志丹;鹿術超;杜芳云
• 申請（專利權）人: 山東巖芯能源技術有限公司
• 主分類號: G01H17/00
• 分類號: G01H17/00;G06F17/18;G06N3/12;G06K9/62
• 代理公司: 青島清泰聯信知識產權代理有限公司 37256
• 代理人: 徐艷艷

本發明涉及一種基于EDA的級聯三穩態隨機共振微弱信號檢測方法，該方法將二階三穩態隨機共振系統輸出信噪比作為尋優問題的目標函數，利用分布估計算法對二階三穩態隨機共振系統進行參數尋優，將搜尋的全局最優參數代入到二級級聯三穩態系統中，實現隨機共振，輸出最大信噪比，檢測出微弱信號。本發明將分布估計算法運用到隨機共振系統的參數尋優問題上，與傳統遺傳算法相比，分布估計算法采用概率模型隨機采樣產生新種群，具有更強的全局搜索能力和更快的收斂速度，同時采用二級級聯三穩態系統的級聯結構，進一步提升強噪聲背景下微弱信號的檢測能力。

技術領域

本發明屬于信號檢測技術領域，涉及微弱信號檢測技術，具體地說，涉及一種基于EDA(全稱：分布估計算法，英文：Estimation of Distribution Algorithm)的級聯三穩態隨機共振微弱信號檢測方法。

背景技術

微弱信號檢測是一項將噪聲中微弱信號提取出來的技術，其采取抑制或者利用噪聲的手段，提高輸出信號的信噪比，已經廣泛應用于通信、物理、機械、生物學等領域。在實際工程中，強噪聲背景下的微弱信號檢測是當前研究的熱點。傳統的信號檢測方法大都利用抑制噪聲的方式進行微弱信號的識別，例如小波閾值、經驗模態分解等方法，上述方法雖然在一定程度上提高了信噪比，但在強噪聲背景下檢測效果不佳。隨機共振作為一種非線性系統檢測方法，當信號、噪聲和非線性系統三者之間產生協同作用時，噪聲能量會向信號轉移，可以大幅度提高信噪比，實現強背景噪聲下微弱信號的檢測。同時隨著現場環境的復雜多變，干擾噪聲不斷增加，對隨機共振檢測方法進行改進，進一步提升對微弱信號的檢測性能，便顯得尤為重要。

公開號為CN 105701544 A的中國專利申請公開了一種基于遺傳算法和頻率調制的隨機共振微弱信號檢測方法，該專利申請以Duffing振子隨機共振系統作為研究對象，利用遺傳算法尋找最優系統參數，對微弱信號進行提取。該專利申請以系統輸出信噪比作為適應度函數進行三個系統參數的尋優，并利用頻率調制實現未知大頻率信號的檢測，擴展了隨機共振的應用范圍，但是該方法中的高頻信號處理方式還是略顯復雜且遺傳算法全局尋優能力較差。此外，該方法的真實檢測性能并未公開，無法預見。

公開號為CN 109489711 A的中國專利申請公開了一種色噪聲下的自適應級聯多穩態隨機共振微弱信號檢測方法，該專利申請以級聯三穩態隨機共振系統作為模型，利用自適應尋優算法選取系統最優參數值，實現高低頻微弱信號的檢測。該專利申請利用龍格庫塔法對參數進行數值仿真，以輸出信噪比增益為性能指標，通過自適應算法進行參數a、b的尋優，采取二次采樣法處理高頻信號，并使用級聯方法獲得了更好的輸出結果，但是該方法將參數c固定，然后對其余兩個參數進行單純的線性搜索，尋優算法局限性較大，并且得到的僅是相對參數最優值，而非全局參數最優值。

公開號為CN 113324647 A的中國專利申請公開了一種基于分數階三穩態隨機共振的微弱信號檢測方法，該專利申請通過蟻群粒子群混合優化算法尋找分數階三穩態隨機共振系統的結構最優參數，實現隨機共振，檢測出噪聲背景下的微弱信號。該專利申請將蟻群算法與粒子群算法結合，改善了兩者的缺陷，并以系統輸出信噪比作為適應度評價函數，可以更精確地尋找最優系統結構參數，但不可避免地增加了算法的復雜度。

綜上可知，現有方法運用優化算法尋優、改變系統模型與級聯等方式對隨機共振進行改進，進一步提升了其信號檢測性能，但存在方法復雜及尋優算法尋優效果不佳等問題，因此，信號檢測性能低。

發明內容

本發明針對現有技術存在的檢測方法復雜、檢測性能低等上述問題，提供一種基于EDA的級聯三穩態隨機共振微弱信號檢測方法，將二階三穩態隨機共振系統輸出信噪比作為尋優問題的目標函數，采用分布估計算法將統計學與進化學相結合，提高輸出信噪比，最終檢測出隨機噪聲背景下的微弱信號，檢測步驟簡單，信號檢測性能高。

為了達到上述目的，本發明提供了一種級聯三穩態隨機共振微弱信號檢測方法，其具體步驟為：