项目名称: 基于双稳随机共振系统的反馈自适应微弱信号提取理论及技术

项目编号: No.61271011

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 无线电电子学、电信技术

项目作者: 付卫红

作者单位: 天津工业大学

项目金额: 46万元

中文摘要: 本项目提出基于双稳态系统的参数自适应随机共振理论及技术,用于智能化检测微弱信号。此课题正成为弱信号检测的重要发展方向之一,但此方向存在只针对噪声,未形成完整参数自适应系统的问题。我们利用已建立多信号并行处理技术可以数倍的提高处理信号的效率;级联系统信号处理技术,可以显著提高提取信号的质量,明显降低误码率。融合自适应理论与随机共振理论,设计随机共振弱信号自动检测系统。重点着重于整个系统的自适应理论与设计,特别是系统参数的自适应配合以前置滤波器的自适应。前者可以针对被测信号自动调整参数建立通道,后者实现信号处理前的前置过滤,形成完整反馈。这样既降低系统处理信号的负担,又进一步提高了提取信号的质量,这是本系统中一个实用创新点。我们将此技术用于已有的多信号级联系统,实现弱信号的高效、优质和智能化的检测提取。课题组具备扎实的工作基础和良好的工作条件,课题具有广阔的应用前景,我们有信心出色的完成课题。

中文关键词: 随机共振;参数自适应;信号处理;反馈系统;微弱信号

英文摘要: This project, based on the theory and technology of stochastic resonance parameter self-adaption in bistable system, is used for intelligentized detection of weak signal. This subject has become one of the most important weak signal developing direction, and now the problem in this direction is that the stochastic resonance fails to form sound parameter adaptive system. We improve the signal processing efficiency by several times, using multiple signals prarallel processing technology we built. The cascaded-bistable stochastic resonance system in signal processing can enhance signal quality dramatically, decrease error rate obviously. We combine adaptive theory with stochastic resonance theory to design the stochastic resonance weak signal automatic detection system. The key point focus on the adaptive theory and design for the entire system, especially on the cooperation between system parameter adaptive and lead filter adaptive. They are the whole feedback system. The former, according to measured signal, adjusts the system parameter, sets up signal channel automatically. While the latter achieves pre-filtering before signal processing. It is a valuable innovation point in our sytem that the feedback not only reduces the system burden when we process signal, but also increases the reliability of the signal qu

英文关键词: stochastic resonance;Parameter self-adaption;signal processing;feedback system;weak signal

成为VIP会员查看完整内容
0

相关内容

【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
面向任务型的对话系统研究进展
专知会员服务
57+阅读 · 2021年11月17日
【干货书】概率与信息,一种集成方法,291页pdf
专知会员服务
60+阅读 · 2021年9月1日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
103+阅读 · 2020年11月27日
深度学习模型终端环境自适应方法研究
专知会员服务
33+阅读 · 2020年11月13日
专知会员服务
45+阅读 · 2020年11月13日
KDD20 | AM-GCN:自适应多通道图卷积网络
专知会员服务
39+阅读 · 2020年8月26日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
【反馈循环自编码器】FEEDBACK RECURRENT AUTOENCODER
专知会员服务
22+阅读 · 2020年1月28日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
WWW2022 | 推荐系统中的特征自动提取
图与推荐
1+阅读 · 2022年2月24日
一文带你了解语音信号处理技术
PaperWeekly
9+阅读 · 2022年1月26日
一种关键字提取新方法
1号机器人网
21+阅读 · 2018年11月15日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
论文动态 | 基于知识图谱的问答系统关键技术研究 #01
开放知识图谱
16+阅读 · 2017年8月3日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
31+阅读 · 2020年9月21日
Arxiv
11+阅读 · 2018年5月13日
小贴士
相关VIP内容
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
面向任务型的对话系统研究进展
专知会员服务
57+阅读 · 2021年11月17日
【干货书】概率与信息,一种集成方法,291页pdf
专知会员服务
60+阅读 · 2021年9月1日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
103+阅读 · 2020年11月27日
深度学习模型终端环境自适应方法研究
专知会员服务
33+阅读 · 2020年11月13日
专知会员服务
45+阅读 · 2020年11月13日
KDD20 | AM-GCN:自适应多通道图卷积网络
专知会员服务
39+阅读 · 2020年8月26日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
【反馈循环自编码器】FEEDBACK RECURRENT AUTOENCODER
专知会员服务
22+阅读 · 2020年1月28日
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
WWW2022 | 推荐系统中的特征自动提取
图与推荐
1+阅读 · 2022年2月24日
一文带你了解语音信号处理技术
PaperWeekly
9+阅读 · 2022年1月26日
一种关键字提取新方法
1号机器人网
21+阅读 · 2018年11月15日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
论文动态 | 基于知识图谱的问答系统关键技术研究 #01
开放知识图谱
16+阅读 · 2017年8月3日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员