[发明专利]一种基于人工鱼群算法的自适应随机共振系统和方法

说明书

本发明属于通信信号检测领域以及非线性领域，具体的涉及一种基于人工鱼群算法的自适应随机共振系统和方法，系统包括归一化随机共振模块、人工鱼群自适应模块、步长调整模块、噪声调节模块和迭代控制模块，本发明所提供的基于人工鱼群的自适应随机共振系统和方法中，不仅通过归一化随机共振解决了自适应系统寻优初值设定困难的问题，提高了适应性，并且考虑了由于参数选取造成的随机共振未发生、随机过共振和欠共振等情况，通过根据共振收敛情况调整的步长函数时刻保持较强的搜索能力，并且能够适当发现并跳出局部最优，加快最优值的收敛效率。通过噪声调节模块优化了输入信噪比，显著提升了系统信噪比增益。

技术领域

本发明属于通信信号检测领域，具体的涉及一种基于人工鱼群算法的自适应随机共振系统和方法。

背景技术

噪声背景下的微弱信号检测技术在通信、机械、医学、物理测量等领域得到了广泛研究和发展。与传统信号检测方法相比，随机共振能够有效利用噪声能量增强周期信号，同时噪声能量得到抑制，这将为低信噪比信号检测技术带来很大的帮助。因此随机共振的概念得以在信号处理领域研究中得到重视。然而随机共振的发生并不是无条件的，需要信号、噪声、非线性系统达到一定的匹配条件才能够增强随机共振效应，提高系统输出响应信噪比。因此，为了使随机共振能够更加方便快捷的应用于信号检测，有效控制系统参数和信号噪声的匹配获得最佳系统输出便是其中关键。一般情况下，输入信号无法改变，必须通过调节噪声和非线性系统参数使系统、信号、噪声匹配达到随机共振。针对参数的调节，形成了不同经典自适应随机共振方法，旨在自适应调整系统参数以加强随机共振，提高信号检测能力。一类是以单个参数为优化对象的自适应随机共振，分别对单个参数进行寻优，缺点是会忽略参数的相互作用，复杂度很高；一种是以遗传算法为代表的随机搜索算法，对于结构复杂的组合优化问题，搜索空间大，数据适用有效性高，易于实现，但涉及繁琐的编码过程，搜索时间长。随着人工智能研究的深入，不同群智能优化算法被提出，包括蚁群算法、粒子群算法、人工鱼群算法等。蚁群算法存在寻优时间久、收敛速度慢、易获得局部最优，参数选取对全局搜索能力影响巨大等缺陷；粒子群算法应用于随机共振在Duffing阵子系统上有良好性能提升，在双稳Langevin系统上仅有运算量的减小，输出信噪比提升微弱。而人工鱼群算法鲁棒性强、对初值敏感性相比其他群智能算法小，易于实现并且易于取得全局最优，被本文选择用于处理随机共振问题。初步将人工鱼群算法和随机共振相结合(Artificial-fish Swarm Stochastic Resonance,ASSR)，存在运算量大、初值范围要求高、收敛慢和收敛精度低等问题，但验证了随机共振和群智能算法结合的可能性。而改进的人工鱼群算法，主要针对视野和步长进行优化，一定程度上提高了全局收敛性和算法运行效率。

发明内容

本发明针对现有蚁群算法存在寻优时间久、收敛速度慢、参数选取对全局搜索能力影响巨大等缺陷，粒子群算法存在输出信噪比提升微弱等问题，提出一种基于人工鱼群算法的自适应随机共振系统和方法。

本发明的技术方案是：一种基于人工鱼群算法的自适应随机共振系统，包括归一化随机共振模块、人工鱼群自适应模块、步长调整模块、噪声调节模块和迭代控制模块，其中，

所述归一化随机共振模块：将原始信号结合随机共振归一化处理，发送到人工鱼群自适应模块；

所述人工鱼群模块：根据步长调整模块和噪声调节模块的反馈结果对随机共振参数行鱼群繁衍迭代，并将结果反馈至迭代控制模块；

所述步长调整模块：根据自适应参数寻优收敛状况调整鱼群迭代步长控制收敛速度，并将步长调整结果反馈至人工鱼群自适应模块加速自适应过程；

所述噪声调节模块：根据鱼群繁衍过程中随机共振输入需求以添加噪声的形式调节原始信号信噪比，提升信号检测性能，并将结果反馈至人工鱼群自适应模块；

迭代控制模块：通过跟踪人工鱼群自适应模块中目标参数最优值增长情况自适应判定迭代停止条件。