1.一种基于线性搜索策略的随机共振电流弱信息识别方法,其特征在于,包括以下步骤:
1)根据采样频率和采样点数,检测被测信号;
2)对被测信号加入随机噪声,计算噪声强度D,并设定双稳态随机共振系统朗之万方程其中U(x)是双稳态随机共振系统的势能函数,ξ(t)为被测信号,noise为噪声;势能函数中结构参数为a与b,初始设置a=1、b=1;
在计算机求解中,利用四阶Runge-Kutta算法计算势能函数U(x)的微分解U’(x)
其中,x(t)为输入信号随时间的变化量,y为势能函数的四阶微分解x0和y0分别是输入信号x(t)的初始值和信号的输出值;K为系统变量,设置其中初始采样步长h=1;
3)计算随机共振系统初始结构参数a=1、b=1时输出信噪比的SNR,按照非线性动力学中的信噪比检测方法,随机共振以输出信号信噪比的大小来衡量,SNR为双稳态随机共振系统在某参数状态下的输出信噪比,MSN为最大信噪比,
MSN=max(SNR)=max(10lg(Po/Pi))
其中,Po是输出信号的功率与噪声功率之比,Pi是输入信号的功率与噪声功率之比;利用随机搜索算法对MSN进行优化,以max(SNR)为迭代目标,寻找max(SNR)所对应的结构参数amax与bmax,作为系统产生随机共振的结构参数;
4)设定结构参数amax,继续利用线性搜索寻找最大SNR所对应的噪声强度Dmax,以amax和Dmax为基准初始参数,当输出SNR输出达到最大值时,对应的的结构参数abest与噪声强度Dbest即为最佳系统参数,这时结构参数abest和噪声强度Dbest能够控制双稳态随机共振系统的跃迁频率;
5)按照步骤2)和步骤4)中获得结构参数abest、结构参数b、噪声强度Dbest和采样步长h,再次重新构建从步骤1)中的双稳态随机共振系统,并利用SNR为搜索目标重新对双稳态随机共振系统的各个参数进行优化;并对输入信号频率压缩率R进行优化,其中R的初始值设置为100,以此获取系统达到跃迁效应的频率压缩率Rbest;并利用高斯分布求解,得最佳噪声的均方差,
式中,ΔU为系统的阀值,输入信号S的幅值为A,则σbest的最佳取值范围为:
当随机共振系统达到频率跃迁条件时,结构参数bbest,势阱参数abest、噪声强度Dbest与跃迁激发频率f三者之间的关系能被描述为:
6)当双稳态随机共振系统性噪比输出达到最大,目标参数达到稳定,这时结构参数b、势阱参数a、噪声强度D多次迭代不再发生变化,双稳态随机共振系统能够产生共振现象;
7)对经过双稳态随机共振系统输出的时域信号进行傅里叶变换,结合信号频率压缩率Rbest值进行重构获得被检测输入信号的微弱信号的特征频谱,其中特征频率即为所需要的微弱信号特征频率。