[发明专利]基于自适应混沌粒子群算法的随机共振微弱信号检测方法

说明书

本发明公开了一种基于自适应混沌粒子群算法的随机共振微弱信号检测方法，首先，将随机共振问题转化为二阶Duffing系统多参数同步寻优问题，利用自适应混沌粒子群算法完成系统的多参数寻优。将二阶Duffing系统转化为二阶混沌系统，根据混沌的遍历性对所有粒子进行寻优。在寻优过程中，根据粒子寻优能力自适应调节惯性权重，更新粒子速度和位置，判断更新后粒子适应度的最大值，准确寻找出二阶Duffing系统最优参数，将寻找到的最优系统结构参数代入二阶Duffing振子随机共振系统中，实现随机共振，此时，输入微弱信号、高斯白噪声、二阶Duffing非线性系统产生协同效应时，在低频处将噪声的部分能量转移到微弱周期信号中，输出最大信噪比，检测出高斯白噪声背景下的微弱信号。

技术领域

本发明涉及一种随机共振微弱信号检测的方法，尤其涉及一种基于自适应混沌粒子群算法的随机共振微弱信号检测方法，属于微弱信号检测与处理领域。

背景技术

实际工程应用领域中，强噪声背景下的微弱信号检测向来是国内外研究者的研究热点，所谓微弱信号检测，就是通过一系列信号处理方法有效滤除或抑制噪声，其目的是提高输出信号信噪比，检测出强噪声背景下的弱特征信号的技术，在通信、物理、化学、生物医学、遥感和材料学等领域，都存在处理微弱信号和噪声的问题。传统方法是利用滤除噪声手段检测出微弱信号，造成输出信号的信噪比降低，但是随机共振方法使信噪比大幅度增加，所以，随机共振在信号处理领域用途广泛。

对于实现随机共振完成微弱信号检测，可通过调节系统参数方法实现随机共振，系统参数最优寻找可通过粒子群优化算法(PSO)、遗传算法(GA)等实现。PSO算法相对于GA算法拥有简单、易于理解的优点，但是GA和PSO算法易出现早熟收敛、全局寻优能力差以及收敛速度慢等问题。

发明内容：

发明目的：本发明专利的目的在于解决现有的PSO算法相对于GA算法拥有简单、易于理解的优点，但是GA和PSO算法易出现早熟收敛、全局寻优能力差以及收敛速度慢等问题。

技术方案：为解决上述问题，本发明提供以下技术方案：一种基于自适应混沌粒子群算法的随机共振微弱信号检测方法，其特征在于，包括以下步骤：

步骤1)ACPSO算法参数初始化；

步骤2)混沌初始化粒子速度、位置及最优适应度值计算；

步骤3)进行粒子位置、速度和最优适应度值更新；

步骤4)输出最优随机共振。

进一步地，所述步骤1)中，初始化ACPSO算法具体为，设置ACPSO算法的预设适应度精度、维度D与粒子种群规模N，学习因子c1、c2；在搜索空间内随机产生初始的粒子位置向量和速度向量：

x_i＝(x_i1,x_i2,...,x_iD)(i＝1,2,...,N) (1)

v_i＝(v_i1,v_i2,...,v_iD)(i＝1,2,...,N) (2)

式(1)中：x_i是萤火虫种群内第i只萤火虫所在的位置。

进一步地，所述步骤2)中，选用二维混沌方程(3)作为本发明的混沌系统；对方程(1)(2)中产生的各个粒子位置与速度按照二维混沌公式：

z_n+1＝tan(αZ_n)exp(-βZ_n) (3)

x_i+1＝tan(αx_i)exp(-βx_i) (4)