专利名称：基于粒子群优化算法的自适应随机共振微弱信号检测方法
技术领域：
本发明涉及一种微弱信号检测方法。特别是涉及一种可以自适应地选取最优的变步长随机共振系统结构参数和计算步长，并能有效地检测出大参数条件下的微弱信号的基于粒子群优化算法的自适应随机共振微弱信号检测方法。
背景技术：
自从1981年Benzi等研究古气象冰川问题提出随机共振(stochasticresonance，SR)概念以来，SR现象受到了广泛的关注。随机共振现象是一种非线性现象，它在一定条件下，将部分噪声能量转移到信号上，在降低噪声的同时能够使淹没于噪声中的弱信号得到共振加强，极大地提高输出的信噪比，从而实现从强烈噪声干扰中检测微弱信号的目的。传统的随机共振受到绝热近似理论的限制，只适用于小参数信号(信号幅值、信号频率、噪声强度远小于I)，这极大地制约了随机共振在工程实际中的应用。
目前，针对绝热近似理论大参数条件下的随机共振研究很多，取得了不少阶段性研究成果，大大拓宽了随机共振在工程实测信号处理中的应用，例如，具有代表性有二次采样随机共振(TSSR)方法、移频变尺度随机共振(FRSR)方法等。以上方法为随机共振应用于工程信号提供了理论基础，但在实际应用中，如何实现参数的自适应选取是一个难题。针对自适应随机共振的问题，现有的一些方法虽能在一定程度上实现参数的自适应选取，但这些方法要么是在固定某一结构参数的条件下实现对另一结构参数的优化，要么就是在事先设定好尺度变换等参数的前提下对结构参数进行优化，往往无法达到真正意义上的共振状态。而对于某一确定的含噪信号，需要对随机共振系统进行多参数同步调节，当且仅当双稳系统参数、信号频率与噪声相互之间达到最佳协同时，才能达到最佳的共振状态。针对强噪声背景下、大参数条件下的微弱信号检测，变步长随机共振能突绝热近似理论对小参数的限制，从而应用于大参数条件下的工程实际信号，但如何对结构参数a、b和计算步长h进行自适应选取仍是一个难题，这限制了随机共振在工程实际中的进一步应用。

发明内容
本发明所要解决的技术问题是，提供一种将粒子群优化算法应用于变步长随机共振系统，为大参数条件特别是强噪声背景下高频微弱信号的检测提供了一种简单、快速、有效解决方案的基于粒子群优化算法的自适应随机共振微弱信号检测方法。本发明所采用的技术方案是一种基于粒子群优化算法的自适应随机共振微弱信号检测方法，包括如下阶段I)粒子种群的初始化，包括如下步骤(I)设置种群维数、种群数量、双稳系统结构参数a、b和计算步长h的搜索范围以及最大迭代次数Tmax ；(2)设置最大搜索速度为最大调整步长的10% 20% ；
(3)搜索点的初始位置Xi (0)和初始速度U i (0)在设定的范围内随机产生；(4)将矩阵Pbest的各列依次设置为该列所对应粒子的当前位置Xi(0)，并计算出各粒子的个体极值，记录整个粒子群中个体极值最大的粒子序号，将向量Gbest设置为该最大粒子的当前位置。2)变步长随机共振将待测数据作为双稳系统输入S (t)，依次将当前各 个粒子所对应的一组双稳系统结构参数a、b和计算步长h的具体值代入如下公式
权利要求
1.一种基于粒子群优化算法的自适应随机共振微弱信号检测方法，其特征在于，包括如下阶段 1)粒子种群的初始化，包括如下步骤 (1)设置种群维数、种群数量、双稳系统结构参数a、b和计算步长h的搜索范围以及最大迭代次数Tmax ； (2)设置最大搜索速度为最大调整步长的10% 20%； (3)搜索点的初始位置Xi(0)和初始速度u i (0)在设定的范围内随机产生； (4)将矩阵Pbest的各列依次设置为该列所对应粒子的当前位置Xi(0)，并计算出各粒子的个体极值，记录整个粒子群中个体极值最大的粒子序号，将向量Gbest设置为该最大粒子的当前位置； 2)变步长随机共振 将待测数据作为双稳系统输入S (t)，依次将当前各个粒子所对应的一组双稳系统结构参数a、b和计算步长h的具体值代入如下公式
2.根据权利要求I所述的基于粒子群优化算法的自适应随机共振微弱信号检测方法，其特征在于，由于优化参数有分别是双稳系统结构参数a、b和计算步长h，故种群维数固定为3 ;所述的双稳系统结构参数a、b和计算步长h依次对应于粒子位置向量的三个元素。
3.根据权利要求I所述的基于粒子群优化算法的自适应随机共振微弱信号检测方法，其特征在于，第I)阶段中所述的设置种群数量和参数a、b、h的搜索范围时，需要根据优化要求以及待测数据的特点进行设置。
4.根据权利要求I所述的基于粒子群优化算法的自适应随机共振微弱信号检测方法，其特征在于，第I)阶段中所述的最大调整步长指的是设定的粒子位置范围的上限值减去粒子位置范围的下限值所得的差值。
5.根据权利要求I所述的基于粒子群优化算法的自适应随机共振微弱信号检测方法，其特征在于，第I)阶段中所述的矩阵Pbest为一 DXm矩阵，Pbest的每一列依次存放第I个粒子至第m个粒子各自个体极值的位置，列向量Gbest为一 D维列向量，Gbest存放整个种群全局极值的位置，其中，D是种群维数，m是种群数量。
6.根据权利要求I所述的基于粒子群优化算法的自适应随机共振微弱信号检测方法，其特征在于，第3)阶段中是以随机共振输出的信噪比为适应度函数，此处采用的适应度函数即为目标优化函数——随机共振输出信噪比，适应度函数具体为 F(a, b, h) =SNRout (sr (a, b, h)) 式中sr(a, b, h)为变步长随机共振的输出结果；SNROTt (sr (a, b, h))表不随机共振输出的信噪比； 已知随机共振输出信噪比定义如下
全文摘要
一种基于粒子群优化算法的自适应随机共振微弱信号检测方法1)粒子种群的初始化；2)变步长随机共振；3)个体适应度评价；4)更新粒子的速度和位置；5)终止条件判定；6)输出检测结果。本发明简单易行，适用范围广，收敛速度快，能有效地检测出强噪声背景下的高频微弱信号，为随机共振参数的自适应选取和在工程中的实际应用提供了一种新的方法。
文档编号G01H17/00GK102735330SQ20121019992
公开日2012年10月17日 申请日期2012年6月15日 优先权日2012年6月15日
发明者张仲海, 林锦州, 王多, 王太勇, 耿博 申请人:天津大学