一种基于多尺度噪声调节的随机共振方法
【专利摘要】本发明提供一种基于多尺度噪声调节的随机共振方法，针对强噪声背景下微弱信号检测问题，仅通过调节信号的多尺度噪声模式，来平衡非线性系统、信号和噪声的关系，实现对固定非线性系统和固定输入噪声情况下的随机共振效应。本发明方法把待处理信号在多个尺度上的噪声调节为其强度在信号特征频率所在尺度处最大，然后随尺度频率增加而逐步减小的模式，通过最优参数调节使非线性系统、信号和噪声三者达到最佳的匹配，实现对固定非线性系统和固定输入噪声情况下的随机共振效应。该技术方法至少具有以下优点：调节参数少，对信号所含的噪声强度不敏感，可直接检测高频，可获得更高的信噪比等。
【专利说明】一种基于多尺度噪声调节的随机共振方法【技术领域】
[0001]本发明属于信号处理【技术领域】，具体涉及一种基于多尺度噪声调节的随机共振方法，可用于强噪声背景下的微弱信号检测。
【背景技术】
[0002]在工业及医疗等领域，由于现场状况的复杂多变，测量所得的监测信号往往含有较大程度的噪声，使得有用信息显得十分微弱，为信号分析和特征提取带来了一定的困难。因此，信号去噪在测量信号处理中是一种最基本也是具有重要意义的技术。
[0003]传统的去噪方法通常采用滤波技术，它将含噪信号中的噪声视为无用信息而滤除，从而提高信噪比。然而，淹没在噪声中的微弱特征信号在滤波之后仍然受通带内窄带噪声的污染。一味地滤除噪声也会在一定程度上削弱特征信号，这对信号分析非常不利。
[0004]随机共振技术则反其道而行，它把噪声视为可利用信息，通过把噪声能量向低频转移来增强微弱信号，从而达到既消除噪声又增强信号的目的，获得较高的信噪比，实现强噪声背景下的微弱信号检测。经典随机共振描述了这样一种现象:在非线性系统中，随着噪声强度的增加，输出信噪比先逐渐增大，达到极值之后再逐渐减小。因此，要获得最高的信噪比，非线性系统、信号和噪声需要达到最佳匹配。这就增加了实际操作的复杂性:既要调节非线性系统的参数，又要限制信号的频率(<〈1Ηζ)和幅值，还要控制噪声的强度。但是实际的待检测信号的频率有时很高(>>1Ηζ)，而且测量信号中的噪声也已固定不变，这就使得经典随机共振技术无法实现。为了实现大频率微弱信号的检测，也有一些大参数随机共振技术相继提出。它们的主要思想是先把高频信号转换到低频再输入到随机共振系统中。但是这些技术实现起来依然比较复杂，而且对噪声模式已确定的待测信号效果不佳。
【发明内容】
[0005]本发明的目的在于克服 上述现有技术的不足，提供一种基于多尺度噪声调节的随机共振方法，针对强噪声背景下微弱信号检测问题，仅通过调节信号的多尺度噪声模式，来平衡非线性系统、信号和噪声的关系，实现对固定非线性系统和固定输入噪声情况下的随机共振效应。
[0006]本发明的技术方案:一种基于多尺度噪声调节的随机共振方法，实现步骤如下:
[0007]步骤(1)、获取待处理时间序列信号，确定可能包含的信号特征频率；
[0008]步骤(2)、对所述待处理信号按照给定信号分解方法和噪声调节模型进行多尺度噪声调节，获得多尺度调节信号；
[0009]步骤(3)、把所述多尺度调节信号作为非线性随机共振系统的输入信号，获得所述随机共振系统的输出信号；
[0010]步骤(4)、对所述输出信号进行频谱分析，计算其信噪比，并以此作为评价函数自适应地选取所述噪声调节模型中的最优调节参数；
[0011]步骤(5)、根据所述最优调节参数对所述待处理信号进行多尺度噪声调节，并将调节后的信号输入所述随机共振系统中，对其输出信号进行频谱分析，完成对所述信号特征频率的检测。
[0012]所述步骤(I)中所述信号特征频率是根据监测对象通过理论计算或者先验知识确定的。
[0013]所述步骤(2)中所述多尺度噪声调节的具体步骤如下:
[0014]步骤(21)、对所述待处理信号按照给定信号分解方法进行分解，获得L个频率尺度上的分解系数，所述L个频率尺度包含的频率内容由低向高排序；
[0015]步骤(22)、对所述L个频率尺度上的分解系数按照给定噪声调节模型进行调节；
[0016]步骤(23)、对调节后的分解系数按照所述给定信号分解方法的逆变换公式重构时间序列信号，获得所述多尺度调节信号。
[0017]所述步骤(21)中，所述给定信号分解方法包括但不限于离散小波变换、连续小波变换、小波包变换、傅里叶变换、经验模态分解等能够将信号分解为多个尺度信息的数学变换方法。
[0018]所述步骤(22)中，所述给定噪声调节模型包括但不限于指数模型、幂模型等能够使调节后的分解系数的方差在所述特征频率所在的尺度上最大，然后随尺度频率增加逐步减小的转换模型。
[0019]所述步骤(3)中，所述非线性随机共振系统包括但不限于单稳、双稳或多稳等能实现随机共振效应的非线性模型。
[0020]本发明的优点和积极效果为:
[0021]与现有技术相比，本发明公开了一种基于多尺度噪声调节的随机共振方法。本发明方法把待处理信号在多个尺度上的噪声调节为其强度在信号特征频率所在尺度处最大，然后随尺度频率增加而逐步减小的模式，通过最优参数调节使非线性系统、信号和噪声三者达到最佳的匹配，实现对固定非线性系统和固定输入噪声情况下的随机共振效应。该技术方法至少具有以下优点:调节参数少，对信号所含的噪声强度不敏感，可直接检测高频，可获得更高的信噪比等。
【专利附图】
【附图说明】
[0022]为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]图1为本发明实施例公开的一种基于多尺度噪声调节的随机共振方法流程图；
[0024]图2为本发明实施例公开的对待处理信号进行多尺度噪声调节的流程图；
[0025]图3为本发明实施例提供的轴承振动信号的时域波形及其频谱图；
[0026]图4为图3所述信号的包络信号的时域波形及其频谱图；
[0027]图5为对图4中的信号进行多尺度噪声调节前后的噪声模式对比示意图；
[0028]图6为采用本发明公开的技术对图4中的信号进行轴承外圈故障检测所得的时域波形及其频谱图；
[0029]图7为采用参数调节随机共振技术对图4中的信号进行轴承外圈故障检测所得的时域波形及其频谱图；
[0030]图8为采用小波包单节点重构的方法对图4中的信号进行轴承外圈故障检测所得的时域波形及其频谱图。
【具体实施方式】
[0031]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0032]由【背景技术】可知，现有的随机共振技术需要首先把高频待检测信号转换到低频，还需要调节非线性随机共振系统的参数以及噪声强度，所以实现起来比较复杂，而且对噪声模式已确定的待测信号效果不佳。
[0033]因此，本发明公开了一种基于多尺度噪声调节的随机共振方法。该方法仅通过调节信号的多尺度噪声模式，使其强度在信号特征频率所在尺度处最大，然后随尺度频率增加而逐步减小，使非线性系统、信号和噪声三者达到最佳的匹配，便可实现在特征频率处的随机共振效应，并获得较高的信噪比。
[0034]根据上述
【发明内容】
和附图1的一种基于多尺度噪声调节的随机共振方法流程图，该技术具体包括:
[0035]步骤101:获取待处理时间序列信号，确定其可能包含的信号特征频率；
[0036]所述待处理时间序列信号是幅值随时间变化的信号，其中的待检测信号为周期信号。如果信号中存在待检测信号调制其他高频成分的现象，需要对信号先作解调处理，即以信号包络作为待处理时间序列信号。信号特征频率是根据监测对象通过理论计算或者先验知识确定的。
[0037]步骤102:对待处理信号按照给定信号分解方法和噪声调节模型进行多尺度噪声调节，获得多尺度调节信号；
[0038]所述待处理信号中的噪声强度已经确定，若对其进行调节，增加容易减小难。为了实现确定噪声强度的随机共振效应，需要对噪声模式进行调节。研究表明，噪声强度随尺度频率增加而逐步减小的噪声模式在实现随机共振效应方面具有更好的效果。因此，步骤102以此为目标对所述待处理信号中的噪声进行多尺度调节，获得具有所述噪声模式的多尺度调节信号。
[0039]步骤103:把多尺度调节信号作为非线性随机共振系统的输入信号，获得系统的输出信号；
[0040]所述非线性随机共振系统由势阱函数表示，是一种单稳、双稳或多稳模型。其中的参数为势阱参数，影响势阱函数的形状，在本发明中可固定为常数，无需作任何调节。
[0041]步骤104:对输出信号进行频谱分析，计算其信噪比，并以此作为评价函数自适应地选取噪声调节模型中的最优调节参数；
[0042]所述噪声调节模型中的参数影响多尺度调节信号中的噪声模式，进一步影响随机共振系统的输出信噪比。所述最优调节参数是最高输出信噪比所对应的调节参数。所述输出信噪比的公式为:[0043]
【权利要求】
1.一种基于多尺度噪声调节的随机共振方法，其特征在于，实现步骤如下: 步骤(I)、获取待处理时间序列信号，确定可能包含的信号特征频率； 步骤(2)、对所述待处理信号按照给定信号分解方法和噪声调节模型进行多尺度噪声调节，获得多尺度调节信号； 步骤(3)、把所述多尺度调节信号作为非线性随机共振系统的输入信号，获得所述随机共振系统的输出信号； 步骤(4)、对所述输出信号进行频谱分析，计算其信噪比，并以此作为评价函数自适应地选取所述噪声调节模型中的最优调节参数； 步骤(5)、根据所述最优调节参数对所述待处理信号进行多尺度噪声调节，并将调节后的信号输入所述随机共振系统中，对其输出信号进行频谱分析，完成对所述信号特征频率的检测。
2.根据权利要求1所述的一种基于多尺度噪声调节的随机共振方法，其特征在于，所述步骤(I)中所述信号特征频率是根据监测对象通过理论计算或者先验知识确定的。
3.根据权利要求1所述的一种基于多尺度噪声调节的随机共振方法，其特征在于，所述步骤(2)中所述多尺度噪声调节的具体步骤如下: 步骤(21)、对所述待处理信号按照给定信号分解方法进行分解，获得L个频率尺度上的分解系数,所述L个频率尺度包含的频率内容由低向高排序； 步骤(22)、对所述L个频率尺度上的分解系数按照给定噪声调节模型进行调节； 步骤(23)、对调节后的分解系数按照所述给定信号分解方法的逆变换公式重构时间序列信号，获得所述多尺度调节信号。
4.根据权利要求3所述的一种基于多尺度噪声调节的随机共振方法，其特征在于，所述步骤(21)中，所述给定信号分解方法包括但不限于离散小波变换、连续小波变换、小波包变换、傅里叶变换、经验模态分解等能够将信号分解为多个尺度信息的数学变换方法。
5.根据权利要求3所述的一种基于多尺度噪声调节的随机共振方法，其特征在于，所述步骤(22)中，所述给定噪声调节模型包括但不限于指数模型、幂模型等能够使调节后的分解系数的方差在所述特征频率所在的尺度上最大，然后随尺度频率增加逐步减小的转换模型。
6.根据权利要求1所述的一种基于多尺度噪声调节的随机共振方法，其特征在于，所述步骤(3)中，所述非线性随机共振系统包括但不限于单稳、双稳或多稳等能实现随机共振效应的非线性模型。
【文档编号】G06F17/00GK103699513SQ201310723637
【公开日】2014年4月2日 申请日期:2013年12月20日 优先权日:2013年12月20日
【发明者】何清波, 王俊, 潘媛媛 申请人:中国科学技术大学