一种分数阶三稳态随机共振微弱信号检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113324647A(43)申请公布日2021.08.31(21)申请号202110584651.X(22)申请日2021.05.27(71)申请人中国计量大学地址310018浙江省杭州市学源街258号中国计量大学(72)发明人李啸天郑永军罗哉(51)Int.Cl.G01H17/00(2006.01)G06N3/00(2006.01)权利要求书3页说明书7页附图1页(54)发明名称一种分数阶三稳态随机共振微弱信号检测方法(57)摘要本发明公开了一种基于分数阶三稳态随机共振的微弱信号检测方法，该分数阶三稳态随机共振微弱信号检测方法通过蚁群粒子群混合优化算法寻找分数阶三稳态随机共振系统的结构最优参数，代入含噪声的微弱信号，实现随机共振，检测出噪声背景下的微弱信号。本发明采用了蚁群粒子群混合算法寻找分数阶三稳态随机共振系统的结构参数，克服了纯蚁群算法具有盲目搜索的缺陷，改善了纯粒子群算法后期靠近最优解而导致的算法迭代停滞现象，减小了算法搜索空间，可以在较短时间内快速收敛到全局最优解，具有搜索效率高，寻优能力强，收敛精度高等优点。CN113324647ACN113324647A权利要求书1/3页1.一种分数阶三稳态随机共振微弱信号检测方法，其特征在于通过蚁群粒子群混合的改进算法寻找该分数阶三稳态随机共振系统的最佳结构参数，代入含高斯白噪声的待检测信号中，实现随机共振，检测出待检测信号中的微弱周期信号，输出最大信噪比，检测出高斯白噪声背景下的周期微弱信号。2.根据权利要求1所述的分数阶三稳态随机共振微弱信号检测方法，其特征在于：所述的检测方法包括以下步骤：(1)初始化粒子群算法相关参数；(2)初始化粒子群，依照上一步的种群的粒子规模初始化粒子群，初始化每个粒子在求解空间的初始速度以及初始位置，同时选择需要求解的适应度函数，将粒子属性代入求解得到相关的评价值；(3)判断是否到达迭代条件，若没有达到最大迭代次数则继续执行步骤(4)，否则跳出迭代，输出全局次优解；(4)更新个体最佳适应度以及本次迭代的种群最佳适应度；(5)根据粒子群算法中的粒子更新公式，更新种群中各个粒子位置，返回步骤(2)继续迭代计算粒子适应度直到满足步骤(3)的算法停止条件；(6)输出粒子群算法的全局次优解，同时根据次优解初始化蚁群信息分布，并对蚁群相关参数进行初始化；(7)用基于网格划分式的蚁群算法对该分数阶随机共振系统进行寻优，最后得到的就是全局最优解(即该分数阶随机共振系统的最优系统参数)，步骤(7)的具体步骤如下所示：1)根据初始化的蚁群参数，计算各网格节点的信息浓度，计算网格各列中各节点的概率，并让次列蚂蚁按该计算概率寻找下一个移动节点位置；2)更新蚂蚁位置，将新位置的各参数代入求解得到新的评价函数值，同时更新各节点的信息素浓度；3)判断各列蚂蚁所选节点是否收敛于同一处节点，如果收敛为同一节点，则找出最高节点，反之则跳到步骤1)重新计算各节点概率，寻找新的移动节点位置；4)在收敛的节点出缩小寻优范围然后跳到步骤1)重新执行，直到区间范围满足精度要求，即可输出全局最佳适应度值(该分数阶三稳态随机共振系统的最大输出信噪比)以及其对应的随机共振系统参数的寻优结果。3.根据权利要求2所述的分数阶三稳态随机共振微弱信号检测方法，其特征在于：分数阶三稳态随机共振的系统模型为：式(8)中F(t)＝Acos(2πft)表示微弱周期信号；ξ(t)为系统噪声，本发明中为自相关函数<ξ(t)ξ(0)>＝2Dδ(t)，噪声强度D＝0.5的高斯白噪声信号；V(x)是一个三稳态势函数，a,b,c是大于0的分线性系统结构参数；当系统处于平衡稳定状态时，系统势函数V(x)有三个稳态解(极小值点)和两个不稳态解(极大值点)分别如式(9)和式(10)所示：2CN113324647A权利要求书2/3页此时对应的中间的势阱深度ΔUM及两侧势阱深度ΔUL，R分别为：另外α是分数阶的求导次数。4.根据权利要求2所述的分数阶多稳态随机共振微弱信号检测方法，其特征在于：所示步骤(2)中评价函数的公式由下式获得：F(a,b,c)＝SNRout(sr(a,b,c))(1)式(1)中：sr(a,b,c)是粒子群的随机共振输出结果，SNRout(sr(a,b,c))是随机共振的输出信噪比，同时也做为评价函数，式(3)中：X(f0)是输出信号的功率谱；N是背景的噪声谱。5.根据权利要求3所述的分数阶多稳态随机共振微弱信号检测方法，其特征在于粒子群根据下式(4)，式(5)更新：公式(4)为粒子在没一个维度上的速度分量更新公式，ω是惯性权重，在算法迭代初期一般定为0.9保证粒子群算法的全局寻优能力，随着迭代次数增加，ω按一定规律减小；c1和c2是