基于tspso算法的阵列自适应随机共振方法研究

《基于tspso算法的阵列自适应随机共振方法研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于tsPSO算法的阵列自适应随机共振方法研究张勇亮李国林尹洪伟海军航空工程学院91079部队摘要：针对传统随机共振方法存在的单级自适应随机共振方法输出响应信噪比低、参数自适应时间长且阵列随机共振方法参数设置困难等不足，提出了一种基于带极值扰动的简化粒子群(ExtremumDisturbedandSimpleParticleSwarmOptimization,tsPSO)算法的阵列自适应随机共振方法，实现了强噪声背景下大参数微弱信号的有效、快速检测。首先，采用并联随机共振系统，通过对各子系统的输出响应进行自相关分析并合成提高最终输出响应的信噪比;其次，在每个并

2、联子系统中，通过随机共振系统级联的方式进一步提高输出响应的信噪比；最后，以信噪比为适应度函数，对每个子系统的参数进行自适应选择，并通过变换尺度分段搜索和采用tsPSO算法缩短参数自适应的时间。仿真实验和工程应用结果验证了该方法的有效性。关键词：随机共振;阵列;自相关分析;自适应;tsPSO算法;作者简介：张勇亮，男，1986年4月生，河北沧州人，汉族，海军航空工程学院博上研究生，研究方向为故障诊断、预测与健康管理。作者简介：李国林，男，1955年10月生，吉林省吉林市人，汉族，海军航空工程学院教授，博士，研究方向为目标中近程探测、识别与信息处理。收稿日期:20

3、16-02-25RESEARCHONARRAY-ENHANCEDSELF-ADAPTIVESTOCHASTICRESONANCEBASEDONPARTICLESWARMOPTIMIZATIONZHANGYongLiangLIGuoLinYINHongWeiNavalAeronauticalandAstronauticalUniversity;Regiment91079th;Abstract：Aimingatthedisadvantagesoftraditionalmethodofstochasticresonance(SR),forexample,theSNR

4、ofoutputresponseislowandtheself-adaptivetimeofparametersislongforsingleself-adaptiveSR,andtheparametersarehardtosetforarray-enhaneedSR,aarray-enhancedseif-adaptiveSRbasedonextrcmumdisturbedandsimpleparticlcswarmoptimization(tsPSO)algorithmwasproposed,whichhasrealizedaneffectiveandfa

5、stdetectionoftheweaksignalsunderconditionsoflargeparametersunderhighstrongnoisebackground.Firstly,theparallelSRsystemwasadoptedtoenhancetheSNRofthefinaloutputresponsebyanalyzingtheoutputresponsesofsub-systemswiththethcoryofautocorrelationanalysiseindcomposingthem.Secondly,ineachsub-

6、systeminparallel,thecascadedSRsystemwasadoptedtoenhancetheSNRofoutputresponsesfurther.Finally,theparametersineachsub-systemsinparallelwereoptimizedwiththeSNRofoutputresponseasthefitnessfunction,andthesectioningsearchandtsPSOalgorithmwereusedtoshortenthesclf-adaptivctimeoftheparamete

7、rsatthesametime.TheeffectivenessofthemethodinthepaperwereprovedbytheresuItsofsimulationexperimentandengineeringapplication.Keyword：SR;Airay-cnhanccd;Autocorrelationanalysis;Sclf-adaptivc;Extrcmumdisturbedandsimpleparticleswarmoptimization(tsPSO);Received：2016-02-25引言强噪声背景下的微弱信号检测，是信

8、号检测与处理领域的研究热点，也是机械故