一、基于级联双稳系统的信息检测（论文文献综述）
信雅芯[1]（2020）在《强噪声背景下基于级联随机共振系统中相移键控信号的分析研究》文中认为本文针对相移键控信号在Levy噪声背景下相干解调传输信号质量较低的问题,提出了基于级联双稳随机共振系统对2PSK和2DPSK信号接收的新方法。首先从理论上对2PSK信号和2DPSK信号与非线性系统模型相结合进行了推导,然后利用MATLAB软件建立仿真模型,将级联双稳随机共振系统模型分别与双稳随机共振系统模型和传统模型的输出信号进行仿真对比,通过大量的数值仿真实验发现在Levy噪声背景下基于级联双稳随机共振非线性系统模型解调的2PSK信号和2DPSK信号分别相较于各自的非线性双稳随机共振系统模型和传统模型提高了信噪比并降低了误码率。分析得出:往级联双稳随机共振系统中加入具有较强冲击性的Levy噪声进行2PSK信号的相干解调,当输入信号进入非线性级联随机共振系统模型后,发生了随机共振现象,此时时域波形近似成周期信号,能在噪声中凸显出来。通过级联双稳随机共振系统相干解调后的频谱峰值是通过一次系统相干解调后频谱峰值的1.42倍,是传统模型的2.87倍,表明在强噪声背景下级联双稳随机共振系统相干解调模型可以更加准确输出2PSK信号的有用信息。新方法较传统模型其信噪比提高了19.6d B,误码率降低了4.3%。信号分别通过两种模型的带通滤波器、乘法器以及低通滤波器等元件更加完整的表述了2PSK信号相干解调过程。在级联双稳随机共振系统中加入具有较强冲击性的Levy噪声进行2DPSK信号的相干解调,通过级联双稳随机共振系统模型相干解调后的频谱峰值是通过一次系统相干解调后频谱峰值的1.45倍,是传统模型的4.13倍,表明在强噪声背景下级联双稳随机共振系统相干解调模型可以更加准确输出2DPSK信号的有用信息。新方法较传统模型其信噪比提高了25.3d B,误码率降低了6.5%。并且相较于2PSK信号,2DPSK信号的输出信噪比更高,传输效果更准确。通过模拟仿真并与传统方式比较证明级联双稳随机共振相干解调方法有效提高了2PSK信号和2DPSK信号的传输质量,预示着其可能的应用价值。
杨玉蕾[2]（2020）在《基于级联三稳和改进型势函数的随机共振系统研究及应用》文中认为微弱信号检测技术是一门近现代的新兴技术学科,是一种将弱信号从噪声中提取出来的信号处理方法。此技术的应用领域非常广泛,涉及到航天技术、生物医学、图像处理、电子科学、工业检测等。传统信号检测法大多都是通过消除或抑制噪声来提升系统的输出信噪比（Signal-to-Noise Ratio,SNR）,但这种方式可能将待测信号也一同消除。而新兴的随机共振（Stochastic Resonance,SR）检测法是对噪声加以利用,通过非线性系统、信号和噪声产生协同作用将部分噪声的能量转移给信号,从而达到检测信号的目的。随机共振检测法弥补了传统信号检测法的不足,这种独特的信号处理方式使其在信号检测的领域得到了快速发展。论文对微弱信号检测的背景以及随机共振的发展历程和现状作了详细的介绍,在已有的理论基础上,重点针对级联三稳态系统和两种改进型势函数展开研究。论文的主要工作及创新点如下:1.研究Levy噪声驱动下级联三稳系统的随机共振特性。讨论Levy噪声的特征指数、对称参数以及噪声强度与级联三稳随机共振系统输出的关系,研究自适应寻优下系统参数对级联三稳随机共振现象的影响。并采用级联三稳系统对高频和低频信号进行检测,对比两级系统的检测效果发现,通过级联可以增强系统的随机共振性能。2.将New Woods-Saxon模型与Gaussian模型进行高效有机结合,组合成一种新的势函数模型——NWSG系统模型。首先研究三值噪声驱动下的NWSG系统的随机共振现象,发现在不同的参数条件下NWSG系统可以在三种稳态间转换;然后将该系统应用到信号检测中并与传统的三种稳态随机共振系统进行对比;最后,使用NWSG系统对轴承故障信号进行诊断并与经典双稳态系统进行对比,仿真结果均表明NWSG系统比传统的随机共振系统有更好的检测效果。3.以时延反馈生态植被生长（Ecological Vegetation Growth,EVG）系统为模型,对其随机共振现象展开了详细的分析。通过福克普朗克（Fokker-Planck）方程推算出该系统的等效势函数,观察不同参数条件下的等效势函数的曲线图,并分析了各参数与势函数之间的关系;然后用卡尔达诺（Cardano）公式法计算出势函数稳定点和不稳定点的值,进一步推导出系统稳态概率密度（Steady-State Probability Density,SPD）和SNR的表达式,并从理论仿真层面分析了噪声强度和各系统参数对势函数、SPD、SNR的影响。最后,选用合适的参数,将时延EVG系统随机共振方法成功应用到弱信号检测和轴承故障诊断中。
曹维维[3]（2019）在《α噪声下大参数信号双稳随机共振检测方法研究》文中认为微弱信号处理检测中传统的方法基本都是以抑制噪声来实现微弱信号检测的,这是因为以往的观念认定噪声是一种不利因素,妨碍了信号的传输及检测。而非线性随机共振的出现打破了人们固有的思想,利用噪声、信号和非线性系统三个的协调匹配将噪声的部分能量转移到有用信号上面,使其增强有用信号。由于α稳态噪声的脉冲特性,能准确地反映无线通信中的多用户干扰、低频大气噪声和其它人为或自然电磁脉冲噪声特性,满足广义中心定理,因此本文将α稳态噪声与双稳系统相结合来研究单载波及多载波高低频率的特性。本文的主要内容包括:（1）在α稳态噪声与双稳态随机共振系统结合的前提下,建立了α稳态噪声下微弱单载波非线性双稳模型,并给出了α稳态噪声下单载波双稳态随机共振系统模型的数值解法。研究了极低频率的单载波随机共振现象以及较高频率的单载波随机共振现象。研究结果表明在信号频率极低时,即满足绝热近似理论选择合适的系统参数,能使系统产生随机共振,当信号频率较高时,给出合适的补偿参数,系统也能产生随机共振的现象。（2）讨论了二次采样对输入信号频谱和Langevin方程模型的影响;分析了双稳随机共振系统对不同频率分量的增益特性,给出了参数补偿方法;对Langevin方程的四阶Runge-Kutta递推算法进行了改进,建立了基于二次采样和参数补偿的Langevin方程数值递推模型;讨论了计算步长对Langevin方程求解精度和双稳系统输出状态的影响;α稳态噪声下的仿真结果和数值分析表明:针对大参数输入信号,在双稳随机共振系统中通过选择适合的计算步长和补偿参数能够有效地增强微弱多载波信号。（3）针对复杂环境下微弱多载波信号检测困难的问题,提出了一种级联非线性双稳系统模型。α稳态噪声下的仿真结果和数值分析表明:大参数输入信号在级联的双稳随机共振作用下,输出信号被加强,但如果第一级双稳随机共振没有产生共振现象,最终双稳随机共振系统输出的结果也不会出现共振现象。研究结果表明:在α稳态噪声环境下双稳态随机共振无论是单载波还是多载波,无论是小参数信号还是大参数信号,通过调节系统参数或进行二次采样或进行参数补偿的方式,使噪声、信号和非线性双稳态随机共振系统协调匹配时,噪声能量转移到信号能量,从而实现微弱信号的检测。
闫大芹[4]（2018）在《基于级联随机共振对2DPSK信号传输误码率的研究》文中研究说明本文就强噪声背景下,数字信号接收端误码率较高的问题,分别在只存在加性噪声以及加性和乘性噪声同时存在时提出了一种基于级联随机共振理论降低二进制差分相移键控信号（简记为:2DPSK）传输误码率的新方法。首先理论推导了在两种噪声背景下的2DPSK信号通过非线性系统的稳态误码率,并利用MATLAB中的Simulink模块库建立了仿真模型。将2DPSK信号随机共振系统与传统2DPSK信号相干解调系统进行对比,仿真实验结果表明当只有加性噪声时,在接收端增加一个非线性接收器后,输出的2DPSK信号的时域波形相较于传统模型有明显的周期性,单级随机共振系统输出信号的频谱峰值是传统模型的4.77倍。且输入信噪比在-15dB至5dB时,单级双稳随机共振系统模型输出误码率相较于传统模型输出误码率有很大幅度的下降,其中在-7dB时,误码率可下降86.15%。2DPSK信号通过级联双稳随机共振系统输出误码率较单级双稳随机共振系统输出误码率又可下降约17.88%。当乘性和加性高斯白噪声共同存在时,乘性噪声与加性噪声共同作用的系统输出误码率低于只有加性噪声的系统。在参数a1取值为0.2-0.6范围时,乘性和加性噪声共同激励的2DPSK级联随机共振系统的输出误码率较只有加性噪声时2DPSK级联随机共振系统的输出误码率降低约50.5%。通过模拟仿真并与传统方法比较发现,级联随机共振在小信噪比下的作用效果明显,预示着可能的潜在应用。
郝静,杜太行,江春冬,陈通海[5]（2017）在《调参级联随机共振系统加强策略》文中研究指明为了更好地实现微弱信号的检测,提高输出信号的信噪比,提出三级级联随机共振加强系统.研究阻尼系数和系统形状参数对级联系统发生随机共振现象的影响,通过分别调节每级主控参数（阻尼系数、跃迁宽度和跃迁阈值）,使得级联随机共振系统的输出性能明显优于传统方法,证实了选取合适的系统参数,能够实现大参数微弱信号的检测;有针对性地对参数进行设置,可以控制系统输出,提高输出信噪比.仿真数据与实际应用表明,该方法简单可行,根据需求设置参数能够实现强噪声背景下微弱信号的检测.
周玉飞,王红军,左云波[6]（2016）在《基于级联随机共振系统的微弱故障信息特征获取》文中提出针对轴承故障中微弱信号难以获取的问题,提出了一种基于级联双稳随机共振的故障诊断方法。为了合理选取系统参数,利用蚁群算法进化搜索在信噪比（signal noise ratio,SNR）取得最大值时最优的参数值。仿真实验和轴承故障数据的分析表明,采用蚁群算法优化的级联随机共振系统能成功用于轴承内圈的故障诊断,并且输出信噪比明显提高。
孙虎儿,王志武[7]（2014）在《级联分段线性随机共振的微弱信号检测》文中研究说明针对强背景噪声下微弱信号检测困难的问题,提出了一种级联分段线性随机共振的微弱信号增强检测方法。该方法采用分段线性随机共振模型,避免了经典双稳系统对强噪声下弱信号提取时存在的饱和现象,同时,选用的分段线性系统的级联方式可使高频噪声被有效滤掉,低频信号能量不断增强。仿真信号和滚动轴承故障信号的检测结果表明,该方法可以适应更低信噪比信号的检测,参数调节方便,检测结果优于级联双稳系统,具有良好的工程应用前景。
房京祥[8]（2014）在《基于随机共振和LMD的微弱信号检测技术研究》文中认为随着企业管理水平的提高,设备健康管理理念应运而生,并逐渐得到了重视。要保证设备的健康,状态监测与故障诊断技术必不可少。及时发现并排除重大装备的早期微弱故障,阻止故障的进一步发展,可以避免出现重大事故。因此,状态监测与故障诊断技术对整个工业生产来说意义非凡、影响深远。本文引入随机共振降噪方法和LMD分解方法,重点对机械设备早期故障中的微弱信号检测技术展开研究。随机共振在降噪方面独具特色,它非但不抑制噪声,而是利用高频噪声使低频微弱信号能量增强。但是在工程应用中,双稳系统结构参数的选取过于依赖人工,计算步长的选取非常困难。针对这些问题,通过总结前人研究成果,本文提出基于GAPSO的自适应随机共振理论。GAPSO是混合了遗传思想的粒子群优化算法,它整合了粒子群算法快速收敛的优点和遗传算法局部搜索的优点,可以实现对结构参数a、b和计算步长h的同步优化。仿真分析和工程应用证明该方法的收敛速度快,简单易行,在早期故障微弱信号提取方面有良好的应用前景。当待检测信号中噪声很强时,经过一次随机共振降噪很难达到所要的效果,这时需要利用级联双稳随机共振方法。但在处理实际工程信号时,级联双稳随机共振同样存在参数无法自适应选取的问题,为解决这一问题,本文将GAPSO应用到级联双稳随机共振中。针对LMD的分解效果受噪声影响的问题,本文提出了级联双稳自适应随机共振降噪下的LMD分解方法。该方法充分发挥级联双稳自适应随机共振独特的降噪优势,在降噪的同时增强微弱信号,从而显着提高LMD的分解质量。仿真实验和工程应用均证明该方法可以有效的提取早期故障中的微弱信号。本文在成功地完成理论研究后,以本团队自主研发的6轴联动数控加工中心的关键部件为研究对象,构建了基于网络的独立式监测单元和嵌入式在机、在线监测单元。
王志武[9]（2014）在《强噪声背景下机械故障微弱信号特征提取方法研究》文中研究表明由于生产设备恶劣的现场环境、变化的工况和自身的非线性等特点，使得所测得的振动信号往往具有强噪声背景、非线性和早期微弱故障信息的特征。这些特征严重影响了设备状态信息的准确获取，因此，论文以强噪声背景中微弱的故障特征为对象，研究机械设备微弱的早期故障特征信息提取方法。主要围绕奇异值分解和随机共振技术展开的。作为一种非线性降噪方法，奇异值分解技术已广泛应用到信号的降噪和检测中，但是，当检测强噪声背景中的微弱故障信息时，奇异值分解技术表现欠佳。针对此问题，论文设计了一种基于局部均值分解和奇异值分解差分谱理论的微弱信息提取方法，该方法首先通过局部均值分解将非线性非平稳的原始信号分解为若干个PF分量，由于强噪声的影响，难以从PF分量准确得到特征信息，对PF分量进行Hankel矩阵重构和奇异值分解，根据奇异值分解差分谱理论确定有用奇异值的个数，进而得到奇异值分解降噪后的信号，求该信号的包络谱，由此进行强噪声背景下微弱特征信息的提取。仿真分析和滚动轴承内圈故障实例分析均较好地验证了设计的改进方法的有效性。随机共振对强噪声背景下微弱特征信息提取是一种有效的方法。通过调节系统结构参数和噪声强度可以使随机共振达到最优。论文设计了基于奇异值分解调节噪声强度的随机共振方法。该方法首先利用奇异值分解对含噪信号降噪，当降噪后的信号中噪声强度和有用信息达到最佳匹配，输入双稳随机共振系统中，则输出响应可以达到最佳随机共振。工程实际采集到的信号通常为大参数、多频率含有直流分量的信号，利用随机共振方法进行检测时，干扰频率、直流分量等对有用信息的检测影响较多。为了减少这些影响，论文设计了基于EEMD高通滤波和级联双稳随机共振结合的微弱信号检测方法。该方法利用了EEMD的高通滤波特性，对分解得到的IMF去除掉小于特征频率的IMF，对剩余的每个IMF分量进行Elliptic高通滤波后重新合成信号，再对合成信号进行级联双稳随机共振处理，得到原始信号的特征频率。仿真和轴承内圈故障信号分析表明，该方法可以减少直流分量和干扰频率对有用信息提取的影响。对于信噪比极低的微弱信号的检测，论文提出了一种级联分段线性随机共振的微弱信号增强检测方法。该方法采用分段线性随机共振模型，避免了连续双稳模型对强噪声下弱信号提取时存在的饱和现象。同时选用分段线性系统的级联方式，使高频噪声被有效滤掉，低频信号能量不断增强。仿真和滚动轴承故障信号的检测表明，该方法可以适应更低信噪比信号，参数调节方便，检测结果优于级联双稳系统。
张仲海[10]（2012）在《基于随机共振的滚动轴承微弱特征检测技术应用研究》文中提出双稳随机共振是一种非线性现象，它只有在噪声、双稳系统和输入信号三者之间达到一定的协同关系时才会发生。具体针对某一确定的大参数含噪信号，需要对随机共振的多个参数进行联合调节，才能产生随机共振。但是，目前关于系统参数、信号频率以及噪声强度三者之间的耦合性的研究很少，随机共振的联合调参缺乏指导，只能依赖于人为经验。因此，本文将围绕随机共振多参数联合调节实现困难的问题，对自适应随机共振展开研究。针对随机共振系统参数选取依赖于人为经验和变步长随机共振计算步长选取困难的缺陷，提出一种采用粒子群算法的自适应变步长随机共振方法，该方法以随机共振输出信噪比作为粒子群算法的适应度函数，通过对系统参数和计算步长的同步优化，实现变步长随机共振最优输出的自适应求解。利用仿真数据和工程实际数据对该方法进行实验验证，分析结果表明该方法简单易行，适用范围广，收敛速度快，能有效的检测出强噪声背景下的高频微弱信号，具有良好的工程应用前景。把采用粒子群算法的自适应变步长随机共振融入到级联双稳随机共振中，提出了级联双稳随机共振自适应降噪方法，通过对各级随机共振参数的自适应求解，实现了级联随机共振各级系统的自适应输出，最终达到对大参数条件下的工程信号进行自适应降噪的目的。将该方法应用于仿真数据和工程实测数据，分析结果表明该方法能快速、有效的消除大参数信号里的高频噪声干扰，并突出低频有用信号成分，降噪效果显着。将级联双稳随机共振自适应降噪方法与经验模式分解相结合，提出了基于级联双稳随机共振自适应降噪的经验模式分解方法，该方法可以消除经验模式分解的边界效应并有效提高分解效率。在实验研究中，分别对原始输入信号和级联双稳各级输出信号进行了经验模式分解，通过对这些分解结果进行比较分析，可以发现该方法能在提高信号信噪比的同时，减少IMF分量的数量，并提高经验模式分解的质量。
二、基于级联双稳系统的信息检测（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于级联双稳系统的信息检测（论文提纲范文）
（1）强噪声背景下基于级联随机共振系统中相移键控信号的分析研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 随机共振研究背景和现状 |
| 1.3 课题的仿真工具 |
| 1.4 论文研究的主要内容及结构 |
| 第二章 随机共振的基本理论 |
| 2.1 随机共振理论 |
| 2.1.1 绝热近似理论 |
| 2.1.2 线性响应理论 |
| 2.1.3 驻留时间分布理论 |
| 2.1.4 非周期随机共振理论 |
| 2.2 随机共振系统的模型 |
| 2.2.1 非线性朗之万方程 |
| 2.2.2 普朗克(Fokker-Planck)方程 |
| 2.3 随机共振信号质量改善指标 |
| 2.3.1 输出信号功率谱 |
| 2.3.2 信噪比及信噪比增益 |
| 2.3.3 互相关系数 |
| 2.3.4 误码率与信道容量 |
| 2.4 本章小结 |
| 第三章 Levy噪声下2PSK信号的随机共振过程 |
| 3.1 背景噪声 |
| 3.1.1 Levy噪声的分布 |
| 3.1.2 Levy噪声的产生方法 |
| 3.2 二进制相移键控信号简介 |
| 3.2.1 2PSK信号的调制解调原理 |
| 3.2.2 Levy噪声下的2PSK信号 |
| 3.3 2PSK信号的级联随机共振系统模型 |
| 3.4 系统输出的数值试验及分析 |
| 3.4.1 数值计算方法 |
| 3.4.2 2PSK信号经过随机共振的数值分析 |
| 3.4.3 2PSK信号经过两种模型带通滤波器后的数值分析 |
| 3.4.4 2PSK信号经过两种模型乘法器后的数值分析 |
| 3.4.5 2PSK信号经过两种模型低通滤波器后的数值分析 |
| 3.4.6 2PSK信号经过两种模型抽样判决器后的数值分析 |
| 3.5 本章小结 |
| 第四章 Levy噪声下2DPSK信号的随机共振过程 |
| 4.1 二进制差分相移键控信号简介 |
| 4.1.1 2DPSK信号的调制解调原理 |
| 4.1.2 Levy噪声下的2DPSK信号 |
| 4.2 系统输出的数值试验及分析 |
| 4.2.1 2DPSK信号通过随机共振的数值分析 |
| 4.2.2 2DPSK信号通过两种模型抽样判决器后的数值分析 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 发表论文和参加科研情况 |
| 致谢 |
（2）基于级联三稳和改进型势函数的随机共振系统研究及应用（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 微弱信号检测方法 |
| 1.2.1 传统微弱信号检测方法 |
| 1.2.2 新兴微弱信号检测方法 |
| 1.3 随机共振发展历程及研究现状 |
| 1.3.1 随机共振的发展历程 |
| 1.3.2 随机共振的研究现状 |
| 1.4 论文章节安排 |
| 第2章 双稳随机共振理论基础 |
| 2.1 引言 |
| 2.2 随机共振经典理论 |
| 2.2.1 Langevin方程 |
| 2.2.2 Fokker-Planck方程 |
| 2.2.3 绝热近似理论 |
| 2.3 随机共振性能指标 |
| 2.3.1 驻留时间分布 |
| 2.3.2 平均首次穿越时间 |
| 2.3.3 峭度与加权峭度 |
| 2.3.4 信噪比与信噪比增益 |
| 2.4 本章小结 |
| 第3章 Levy噪声下自适应级联三稳随机共振系统研究 |
| 3.1 引言 |
| 3.2 Levy噪声下级联三稳态随机共振模型 |
| 3.2.1 级联三稳随机共振原理 |
| 3.2.2 Levy噪声特征函数及其产生方法 |
| 3.2.3 输入信噪比分析 |
| 3.3 相关算法及性能测量指标 |
| 3.3.1 数值仿真算法 |
| 3.3.2 系统的性能指标 |
| 3.3.3 自适应算法 |
| 3.4 Levy噪声下级联三稳随机共振随机共振现象 |
| 3.4.1 低频信号检测 |
| 3.4.2 高频信号检测 |
| 3.5 本章小结 |
| 第4章 三值噪声背景下NWSG系统的随机共振研究 |
| 4.1 引言 |
| 4.2 新型势函数模型 |
| 4.2.1 New Woods-Saxon模型 |
| 4.2.2 Gaussian模型 |
| 4.2.3 新型势函数模型 |
| 4.3 三值噪声特性 |
| 4.4 仿真实验验证 |
| 4.4.1 单稳态系统研究及对比 |
| 4.4.2 双稳态系统研究及对比 |
| 4.4.3 三稳态系统研究及对比 |
| 4.5 轴承故障检测 |
| 4.5.1 轴承内圈故障检测 |
| 4.5.2 轴承外圈故障检测 |
| 4.6 本章总结 |
| 第5章 随机共振在时延反馈EVG模型中的应用研究 |
| 5.1 引言 |
| 5.2 时延反馈EVG系统随机共振特性 |
| 5.2.1 时延反馈EVG系统模型 |
| 5.2.2 时延反馈EVG系统势函数特性 |
| 5.3 系统稳态概率密度和信噪比 |
| 5.3.1 稳态概率密度 |
| 5.3.2 信噪比 |
| 5.4 仿真实验和轴承故障诊断 |
| 5.4.1 微弱信号检测 |
| 5.4.2 ID-25/30型轴承故障检测 |
| 5.5 本章小结 |
| 第6章 结束语 |
| 6.1 论文主要研究工作及创新点 |
| 6.2 后续研究工作 |
| 参考文献 |
| 附录 A |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（3）α噪声下大参数信号双稳随机共振检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状与进展 |
| 1.2.1 信号检测的研究现状与进展 |
| 1.2.2 随机共振系统的发展历程与进展 |
| 1.2.3 α稳定噪声下随机共振的现状 |
| 1.3 本文的主要工作和章节安排 |
| 1.4 本章小结 |
| 2 随机共振理论和α稳定分布 |
| 2.1 经典的随机共振理论 |
| 2.2 双稳随机共振模型 |
| 2.2.1 郎之万方程 |
| 2.2.2 势函数和系统参数 |
| 2.2.3 随机共振的测度指标 |
| 2.3 α稳定分布模型 |
| 2.3.1 α稳定分布的定义 |
| 2.3.2 α稳定分布的产生 |
| 2.4 本章小结 |
| 3 α噪声下双稳随机共振检测 |
| 3.1 α稳定噪声下的单载波双稳系统模型 |
| 3.2 α稳定噪声下的单载波双稳系统数值解法 |
| 3.3 数值仿真分析 |
| 3.4 本章小结 |
| 4 基于二次采样和参数补偿的大参数信号双稳随机共振模型 |
| 4.1 多载波信号检测的非线性双稳态系统数学模型 |
| 4.2 Langevin方程的二次采样模型 |
| 4.3 对大参数信号做参数补偿处理 |
| 4.4 改进的 Runge-Kutta 数值算法及双稳态系统数值递推模型 |
| 4.5 计算步长对双稳系统求解过程的理论分析 |
| 4.5.1 计算步长对 Runge-Kutta 法求解精度的分析 |
| 4.5.2 计算步长对双稳态系统状态的影响 |
| 4.6 仿真分析 |
| 4.6.1 基带信号处理过程的仿真分析 |
| 4.6.2 中频信号处理过程仿真分析 |
| 4.7 本章小结 |
| 5 级联双稳随机共振的大参数信号检测 |
| 5.1 大参数多载波信号双稳随机共振检测模型 |
| 5.1.1 非线性双稳系统数学模型 |
| 5.1.2 级联双稳系统模型 |
| 5.2 级联双稳态处理过程仿真分析 |
| 5.3 本章小结 |
| 6 结论 |
| 致谢 |
| 参考文献 |
| 附录 |
（4）基于级联随机共振对2DPSK信号传输误码率的研究（论文提纲范文）
| 学位论文的主要创新点 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 随机共振发展动态 |
| 1.3 课题的仿真和开发工具 |
| 1.4 论文研究的主要内容及结构 |
| 第二章 随机共振的基本理论 |
| 2.1 随机共振理论 |
| 2.1.1 绝热近似理论 |
| 2.1.2 线性响应理论 |
| 2.1.3 驻留时间分布理论 |
| 2.2 随机共振系统的经典模型 |
| 2.2.1 朗之万方程 |
| 2.2.2 普朗克(Fokker-Planck)方程 |
| 2.3 随机共振测度指标 |
| 2.3.1 输出信号功率谱 |
| 2.3.2 信噪比及信噪比增益 |
| 2.3.3 互相关系数 |
| 2.3.4 误码率及信道容量 |
| 2.4 本章小结 |
| 第三章 只有加性噪声时2DPSK信号的随机共振 |
| 3.1 二进制差分相移键控信号简介 |
| 3.2 2DPSK随机共振系统模型及输出误码率 |
| 3.2.1 系统模型 |
| 3.2.2 稳态输出误码率 |
| 3.2.3 2DPSK随机共振仿真模型 |
| 3.3 输出信号时域及频域分析 |
| 3.4 2DPSK随机共振系统输出误码率 |
| 3.5 本章小结 |
| 第四章 存在乘性噪声时2DPSK信号的级联随机共振 |
| 4.1 2DPSK级联双稳随机共振系统模型及误码率 |
| 4.1.1 系统模型 |
| 4.1.2 稳态输出误码率 |
| 4.2 加性噪声背景下的2DPSK级联双稳随机共振 |
| 4.2.1 加性噪声背景下级联双稳随机共振仿真模型 |
| 4.2.2 加性噪声背景下2DPSK级联随机共振系统输出误码率 |
| 4.3 存在乘性噪声时2DPSK级联双稳随机共振 |
| 4.3.1 存在乘性噪声时级联双稳随机共振仿真模型 |
| 4.3.2 存在乘性噪声时2DPSK级联随机共振系统输出误码率 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 发表论文和参加科研情况 |
| 致谢 |
（6）基于级联随机共振系统的微弱故障信息特征获取（论文提纲范文）
| 0 引言 |
| 1 方法简介 |
| 1.1 随机共振理论 |
| 1.2 级联随机共振 |
| 2 基于蚁群算法的参数调节 |
| 3 仿真分析 |
| 4 工程应用 |
| 5 结束语 |
（7）级联分段线性随机共振的微弱信号检测（论文提纲范文）
| 0 引言 |
| 1 随机共振理论 |
| 1.1 双稳系统随机共振模型 |
| 1.2 分段线性随机共振模型 |
| 1.3 级联分段线性随机共振 |
| 2 仿真信号分析 |
| 3 应用实例 |
| 4 结论 |
（8）基于随机共振和LMD的微弱信号检测技术研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 字母注释表 |
| 第一章 绪论 |
| 1.1 课题研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.3 机械故障诊断技术的发展趋势 |
| 1.4 滚动轴承的振动分析 |
| 1.5 论文主要研究内容 |
| 第二章 基于GAPSO的自适应随机共振理论及其应用 |
| 2.1 双稳随机共振的基本理论 |
| 2.2 二次采样随机共振 |
| 2.3 基于GAPSO的自适应随机共振 |
| 2.4 仿真分析 |
| 2.5 实验分析 |
| 2.6 本章小结 |
| 第三章 级联双稳自适应随机共振 |
| 3.1 级联双稳随机共振理论及仿真分析 |
| 3.2 级联双稳自适应随机共振算法 |
| 3.3 仿真分析 |
| 3.4 实验分析 |
| 3.5 本章小结 |
| 第四章 级联双稳自适应随机共振降噪下的LMD分解 |
| 4.1 局域均值分解方法的基本原理 |
| 4.2 基于级联双稳自适应随机共振降噪的LMD分解 |
| 4.3 实验分析 |
| 4.4 本章小结 |
| 第五章 数控机床关键部件状态监测系统研究与开发 |
| 5.1 系统总体方案设计 |
| 5.2 系统功能的实现 |
| 5.3 本章小结 |
| 第六章 总结展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（9）强噪声背景下机械故障微弱信号特征提取方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 机械故障微弱信号特征提取方法 |
| 1.2.1 时频分析方法的研究进展 |
| 1.2.2 奇异值分解研究进展 |
| 1.2.3 随机共振的研究进展 |
| 1.3 本文研究主要内容及结构安排 |
| 1.4 本章小结 |
| 2 奇异值分解及奇异值差分谱的基本理论 |
| 2.1 引言 |
| 2.2 奇异值分解基本理论 |
| 2.2.1 奇异值分解定义 |
| 2.2.2 奇异值分解的性质和意义 |
| 2.3 奇异值差分谱理论及有效奇异值选择方法 |
| 2.3.1 奇异值差分谱基本理论 |
| 2.3.2 基于奇异值差分谱的奇异值选择方法仿真分析 |
| 2.4 本章小结 |
| 3 基于 LMD 和奇异值差分谱的故障特征提取方法研究 |
| 3.1 引言 |
| 3.2 LMD 基本原理及方法 |
| 3.3 基于 LMD 分解和奇异值差分谱的故障特征提取方法 |
| 3.4 轴承故障特征提取应用 |
| 3.5 本章小结 |
| 4 基于奇异值分解噪声调节的双稳随机共振检测方法 |
| 4.1 引言 |
| 4.2 连续双稳随机共振原理 |
| 4.2.1 朗之万方程 |
| 4.2.2 福克—普朗克方程 |
| 4.2.3 双稳系统随机共振模型 |
| 4.2.4 周期信号驱动的双稳随机共振 |
| 4.2.5 输出信噪比与参数的关系 |
| 4.3 基于 SVD 噪声调谐的随机共振信号检测方法研究 |
| 4.3.1 双稳系统随机共振仿真分析 |
| 4.3.2 基于 SVD 噪声调节的随机共振信号检测方法研究 |
| 4.4 本章小结 |
| 5 EEMD 和级联双稳随机共振的机械故障提取方法研究 |
| 5.1 引言 |
| 5.2 EEMD 高通滤波原理 |
| 5.3 仿真信号分析及不足 |
| 5.4 基于 EEMD 和 CBSR 的微弱信号增强检测方法 |
| 5.5 机械故障特征提取验证 |
| 5.6 结论 |
| 6 级联分段线性随机共振的微弱信号检测方法研究 |
| 6.1 引言 |
| 6.2 分段线性随机共振原理 |
| 6.2.1 分段线性系统模型 |
| 6.2.2 分段线性系统求解 |
| 6.2.3 分段线性系统参数调节 |
| 6.3 分段线性随机共振仿真分析 |
| 6.3.1 强噪声背景下仿真信号分析 |
| 6.3.2 级联分段线性模型仿真分析 |
| 6.4 机械故障特征提取实例 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 |
| 致谢 |
（10）基于随机共振的滚动轴承微弱特征检测技术应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 相关技术的研究现状 |
| 1.2.1 随机共振的研究现状 |
| 1.2.2 粒子群算法的研究现状 |
| 1.2.3 经验模式分解的研究现状 |
| 1.3 本文主要研究内容 |
| 第二章 双稳随机共振的基本理论 |
| 2.1 噪声、双稳系统与朗之万方程 |
| 2.1.1 噪声的描述 |
| 2.1.2 朗之万方程 |
| 2.1.3 双稳系统与噪声 |
| 2.2 噪声背景下周期驱动的双稳随机共振 |
| 2.3 绝热近似的随机共振理论 |
| 2.4 本章小结 |
| 第三章 采用粒子群算法的自适应变步长随机共振 |
| 3.1 变步长随机共振 |
| 3.1.1 大参数f 0对随机共振的影响 |
| 3.1.2 变步长随机共振理论 |
| 3.2 基于粒子群算法的自适应变步长随机共振 |
| 3.2.1 粒子群算法简介 |
| 3.2.2 目标优化函数 |
| 3.2.3 自适应变步长随机共振算法及流程 |
| 3.3 仿真数据分析 |
| 3.3.1 小参数信号分析 |
| 3.3.2 大参数信号分析 |
| 3.4 工程应用 |
| 3.5 本章小结 |
| 第四章 级联双稳随机共振自适应降噪 |
| 4.1 级联双稳随机共振系统 |
| 4.2 级联双稳随机共振的降噪滤波特性 |
| 4.3 级联双稳随机共振自适应降噪算法 |
| 4.3.1 级联双稳随机共振自适应降噪流程 |
| 4.3.2 仿真数据分析 |
| 4.4 工程应用 |
| 4.5 本章小结 |
| 第五章 级联双稳随机共振自适应降噪下的经验模式分解 |
| 5.1 经验模式分解基本原理 |
| 5.1.1 瞬时频率定义 |
| 5.1.2 瞬时频率定义分析 |
| 5.1.3 基本模式分量 |
| 5.1.4 经验模式分解实现步骤 |
| 5.2 噪声背景下的经验模式分解 |
| 5.3 基于级联双稳随机共振自适应降噪的经验模式分解 |
| 5.3.1 方法的提出与仿真实验 |
| 5.3.2 仿真实验结果分析 |
| 5.4 工程应用 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
四、基于级联双稳系统的信息检测（论文参考文献）
- [1]强噪声背景下基于级联随机共振系统中相移键控信号的分析研究[D]. 信雅芯. 天津工业大学, 2020(01)
- [2]基于级联三稳和改进型势函数的随机共振系统研究及应用[D]. 杨玉蕾. 重庆邮电大学, 2020(02)
- [3]α噪声下大参数信号双稳随机共振检测方法研究[D]. 曹维维. 西安理工大学, 2019(08)
- [4]基于级联随机共振对2DPSK信号传输误码率的研究[D]. 闫大芹. 天津工业大学, 2018(12)
- [5]调参级联随机共振系统加强策略[J]. 郝静,杜太行,江春冬,陈通海. 浙江大学学报(工学版), 2017(10)
- [6]基于级联随机共振系统的微弱故障信息特征获取[J]. 周玉飞,王红军,左云波. 北京信息科技大学学报(自然科学版), 2016(03)
- [7]级联分段线性随机共振的微弱信号检测[J]. 孙虎儿,王志武. 中国机械工程, 2014(24)
- [8]基于随机共振和LMD的微弱信号检测技术研究[D]. 房京祥. 天津大学, 2014(03)
- [9]强噪声背景下机械故障微弱信号特征提取方法研究[D]. 王志武. 中北大学, 2014(08)
- [10]基于随机共振的滚动轴承微弱特征检测技术应用研究[D]. 张仲海. 天津大学, 2012(08)