调参随机共振在超高频微弱信号检测中的应用

摘要：

针对经典随机共振（SR）理论只适用于小参数，在提取高频微弱信号失效而无法使用的问题，提出一种调参随机共振检测高频率微弱信号的方法。首先，推导出双稳系统中阻尼系数与信号频率的关系，并以Kramers逃逸速率为分析手段，讨论阻尼系数变化对系统发生随机共振的影响；然后，分析了系统形状参数对系统产生随机共振现象的影响，通过联合调整阻尼系数和系统参数实现了大频率微弱信号的检测，并讨论了不同采样频率与调参系统输出频谱特性的影响，验证了该方法在低采样率下仍具有较强的稳定性；最后，以通用软件无线电设备（USRP）接收的无线电带噪信号作为系统的输入进行仿真。实验结果表明，利用该调参随机共振策略能够稳定有效地检测出强噪声背景下的超高频微弱信号，信号频率可达到MHz、GHz，拓展了随机共振原理的微弱信号检测的应用领域。

关键词：

随机共振；吸引子曲线；微弱信号检测；参数调节；Kramers逃逸速率

中图分类号：

TN911.7

文献标志码：A

Abstract：

Aiming at the problem that common nonlinear Stochastic Resonance （SR） system is subject to the restriction of small parameter and is failure to detect the high frequency weak signal， a new detection method of parametertuning SR for weak signal with high frequency was proposed. Firstly， the relationship between the damping coefficient and the signal frequency was derived in a bistable system， and by using Kramers rate for analysis， the influence of changing damping coefficient on the SR of the system was verified. Then， the influence of SR phenomenon produced by system shape parameters was deduced， the SR of high frequency weak signal was realized through adjusting the damping coefficient and the system shape parameters， and the effect of output spectrum characteristics of the system and different sampling frequency was discussed， the stability of the algorithm was verified by the results. Finally， using the received actual signals with noise as experimental research data， the experimental results show that ultrahigh frequency weak signal under strong noise background can be extracted effectively and steadily using the strategy even when the signal frequency reaches MHz and GHz. The proposed method extends the application field of SR principle of weak signal detection.

英文关键词Key words：

Stochastic Resonance （SR）； attractor curve； weak signal detection； parametertuning； Kramers rate

0引言

随着通信技术的发展，无线电电磁环境日益拥挤与复杂，无线电频率资源检测和管理工作变得尤为重要。由于无线电信号的特点，从强噪声背景中提取有用信号成为无线电检测领域重要的研究范畴[1]。

微弱信号检测的常规方法有时域相关法、窄带滤波、取样积分、相关检测、三重相关匹配和频域的谱分析方法等。这些方法主要通过去除和抑制噪声来实现信号检测，但在去除噪声的同时对信号本身也造成了损失[2-4]。

随机共振（Stochastic Resonance， SR）最早是在1981年由意大利的Benzi等 [5]在研究古气象冰川问题时提出的，该方法将噪声转废为宝，由消噪变为用噪，使得系统中的微弱信号在噪声的“助推”作用下能量得到增强。方法一经提出，便引起了国内外学者们的兴趣，其在信号处理方面的应用成果很多[6-9]，但随机共振的研究成果大多源于随机共振的绝热近

似理论[10]或线性响应理论[11]，这就使得该方法只能处理小参数信号，即信号的幅度、频率以及噪声的强度远远小于1。

在工程的应用中，大参数信号的处理有着现实且重要的意义，针对经典随机共振理论对大参数信号失效而无法使用的问题，对于大参数随机共振的研究引起了学者的重视。文献[12]通过采用粒子群算法的自适应步长随机共振突破经典随机共振对小参数的限制，但如何对系统形状参数和计算步长进行自适应全局优化，仍是一个难题。文献[13-14]采用二次采样的方法来检测高频信号，但采样频率不能严格大于信号频率的50倍，则二次采样随机共振就有可能失效。文献[15]提出了移频变尺度随机共振技术，可以将有用大参数信号从强噪声背景中分离出来，但当信号的信噪比低于-30dB时，该方法将不能识别强噪声中的有用特征信息，而在实际对无线电进行检测时，无线电信号的频带相当宽，采样选取过大，对硬件的要求较高，而且信噪比低于-30dB的信号也极为常见，这就限制了随机共振方法在高频无线电微弱信号检测中的应用，如何将随机共振方法应用于无线电号检测领域是一个意义重大的研究课题。

推荐访问:共振 微弱 信号 随机 检测