一种基于改进人工兔优化算法的随机共振系统优化的方法

本申请涉及微弱信号检测，特别是涉及一种基于改进人工兔优化算法的随机共振系统优化方法。

背景技术：

1、微弱信号检测问题一直是信号检测中的难点和热点，而目前一些非线性方法表现出比常规线性方法更优异的性能，已经引起了国内外学者的广泛关注。随机共振信号增强方法是借助非线性振动理论,将信号中的随机噪声能量转化为特定信号的能量,从而达到增强该信号强度、进行有效检测的目的。在随机共振系统中，参数寻优对于提高系统对微弱信号的检测能力至关重要。然而，传统的参数寻优方法，如网格搜索法，通常需要进行大量的计算，这不仅耗时而且效率较低。为了克服这些限制，近年来，研究者们开始探索使用群智能优化算法来提高参数寻优的效率和准确性。群智能优化算法是一类模拟自然界群体行为的算法，它们以其强大的搜索能力和适应性在解决复杂优化问题中显示出巨大的潜力。在随机共振系统的参数寻优中，这些算法能够自适应地调整参数，以期达到最优的信号检测性能。群智能优化算法又存在易陷入局部最优、结果不稳定等问题。故此,对如何精确有效的寻找到合适系统参数,是本领域技术人员迫切需要解决的问题。

技术实现思路

1、本发明是旨在解决在收敛过程中陷入局部最优解的问题,以寻求全局最优解,当微弱信号经过随机共振系统信号的信噪比得到提升,从而实现检测目标。

2、本发明的发明目的通过以下技术方案来实现：

3、一种基于改进人工兔优化算法的随机共振系统优化方法，包含以下步骤：

4、步骤1)、采集微弱雷达信号一维时间序列，得到样本数据，然后经过二次采样把信号转换成符合随机共振条件的信号；

5、步骤2)、将二次采样完成信号输入到改进人工兔优化算法中，算法搜索最佳参数a,b；

6、步骤3)、将寻到最佳参数a,b代入随机共振模型，随机共振系统对二次采样完成信号进行处理，完成后进行尺度恢复；

7、步骤4)、使用尺度恢复的输出信号进行fft频谱分析判断原信号中是否存在微弱信号，以实现目标检测；

8、本发明的特征还在于，

9、步骤1通过现有雷达发射机发射雷达信号，然后通过雷达接收机采集雷达回波，作为系统后续输入一维时间序列雷达信号。

10、步骤2中其样本的固定长度为1024个数据点，2048个数据点或者4096个数据点选择任意一个即可。

11、进一步的，所述步骤2中，改进人工兔优化算法，分为三个部分。

12、a.针对aro存在不行使初始种群均匀分布，易于导致种群的多样性缺乏，进而导致陷入局部搜索。circle混沌映射有着随机性，均匀性和有序性等特点其公式如下

13、

14、a＝0.5and b＝0.2

15、b.在随机选择出三个个体进行适应度和距离并重的个体选择，与原算法不同点在于是随机选择的个体并不是与当前个体最远，所有多选择三个个体，从三个个体再选择离当前个体最远的。这种单一指标选出的最优粒子还容易使种群陷入局部最优，如此引入fdb策略，使用fdb策略构建一个评分函数。

16、

17、fdbscorei＝α(1-normfi)+(1-α)normdgi

18、式中，tmax是最大迭代次数，α是平衡因子，α越小表明normdg；对fdbscore；的影响越大，越有利于种群进行全局探索；α越大表明normf对fdbscore的影响越大，越有利干种群讲行局部开发。

19、c.绕道觅食中如果一直使用该策略引导种群探索，将会使种群的收敛速度大大降低。因此，在迭代过程。三个个体适应度优于当前个体，则接受新解，否则根据sa算法的metropolis准则去选择是否接受迭代计算后的较差解.这种更新方式不仅可以降低种群陷入局部最优的概率，还可以保留算法快速收敛的特性。

20、

21、其中e为自然对数，e(i)和e(j)分别表示固体在状态i和状态j下的内能，,表示内能的增量，k是玻尔兹曼常数。在某个温度t下，系统处于某种状态，由于粒子的运动，系统的状态会发生变化，并且导致系统能量的变化。如果变化是朝着减少系统能量的方向进行的，那么就接受该变化，否则以一定的概率接受这种变化。另一方面，从的公式可以看到，在同一温度下，导致能量增加的增加量越大，接受的概率越小；而且随着温度t的降低，接受系统能量增大的变化的概率将会越小。

22、步骤3提及的随机共振模型的函数如下列公式1所示：

23、u(x)＝-(a/2)x2+(b/4)x4                         (1)

24、

25、其中,u(x)为描述多稳态势场的多稳态势函数；a,b,为势函数结构参数；x(t)为布朗粒子在势场中受信号噪声为驱动力作用时的运动行为,即势阱函数的输出信号；s(t)为输入信号；ξ(t)为噪声。

26、步骤3中基于随机共振的微弱信号检测方法,其特征在于,步骤3中所述求解得到输出信号的算法包括四阶龙格库塔法

27、步骤3中基于随机共振的微弱信号检测方法,其特征在于,所述随机共振是否引发通过特征频率处输出信号与输入信号的信噪比增益或优化算法是否收敛判断；所述特征频率处输出信号与输入信号的信噪比增益具体如下列公式2所示:

28、

29、具体计算方法为:对输出信号x(t)进行n点傅里叶变换，得到x(k)，k＝0，1，2……，n－1，取(fs为采样频率)，则待测信号功率为x(k0)，背景噪声功率为除去k0处的平均功率。

30、步骤4中基于随机共振的微弱信号检测方法,其特征在于,所述步骤4中是否存在微弱信号具体采用快速傅里叶变换或小波时频分析对原信号中是否存在微弱信号进行判断

31、本发明的有益效果是,本发明基于随机共振的微弱信号检测方法将噪声能量转化至信号,不仅增强的微弱信号同时弱化了噪声,更有益于提升信噪比以提升检测准确度,克服了传统滤波降噪方法对雷达信号目标检测不足的局限性,能够在不过滤原信号有用信息的基础上实现了目标的有效检测。同时仅需要设计势阱函数并选择优化算法优化参数引发随机共振即可实现检测,便于目标的有效检测。

技术特征：

1.一种基于改进人工兔优化算法的随机共振系统优化的方法，其特征在于：所述方法包含以下步骤：

2.根据权利要求1所述的基于改进人工兔优化算法的随机共振系统优化的方法，其特征在于：所述步骤一中，输入信号作为该系统输入；二次采样把输入信号转换成满足随机共振的信号；完成二次采样的信号输入到步骤二的改进人工兔优化算法，以适应度函数作为衡量标准，经过多次迭代得到a和b；将a，b代入到步骤三中随机共振系统模型，其公式如下；尺度恢复把经过随机共振系统模型的信号进行恢复，然后送入步骤四fft频谱分析，检验目标信号有无，

3.根据权利要求1所述的基于改进人工兔优化算法的随机共振系统优化的方法，其特征在于：所述步骤二中，改进人工兔优化算法，分为三个部分：

4.根据权利要求1所述的基于改进人工兔优化算法的随机共振系统优化的方法，其特征在于：所述步骤三中,将改进的人工兔优化算法应用到随机共振系统参数优化，其本质是算法通过迭代产生最优的一组a,b参数值,输入到随机共振系统,使系统达到最优控制性能，具体步骤为:

5.根据权利要求4所述的基于改进人工兔优化算法的随机共振系统优化的方法，其特征在于：所述贪婪选择策略包括：若兔子个体的新位置的适应度比当前的适应度好,则将放弃当前位置并更新为新位置。

技术总结
本发明提出了一种利用改进的人工兔优化算法来优化随机共振系统的新方法。该方法首先建立包含输入信号、二次采样、改进人工兔算法、随机共振系统模型、尺度恢复和FFT频谱分析的系统模型。接着，通过Circle混沌映射初始化种群，引入适应度和距离并重策略(FDB)以及模拟退火算法的Metropolis准则，增强种群多样性，扩大搜索范围，避免局部最优，并保持快速收敛。最后，通过MATLAB仿真验证，该方法能有效探索全局最优解，实现快速精准的参数优化，使得随机共振系统有良好共振效果。

技术研发人员：叶金才,伍光泉,王小红,王国富,刘庆华,欧阳缮
受保护的技术使用者：桂林电子科技大学
技术研发日：
技术公布日：2024/9/26