利用随机共振技术的微弱信号方位估计.docVIP

利用随机共振技术的微弱信号方位估计 叶青华 黄海宁 何心怡 张春华 （中国科学院声学研究所 北京 100080） 摘要 为了估计淹没在强噪声中微弱目标的方位，本文结合随机共振系统的特点，提出了基于随机共振技术的微弱目标方位估计方法。此方法通过自适应调节系统参数，使系统进入随机共振状态，从而接收到的阵元信号经随机共振器输出后信噪比大大增加。通过对波束形成的仿真和实验研究，发现这种方法在低信噪比下具有很好的估计性能。 DOA estimation of weak signals via stochastic resonance YE Qinghua HUANG Haining HE Xinyi ZHANG Chunhua (Institute of Acoustics, Chinese Academy of Sciences Beijing 100080) Abstract Noise can amplify a weak signal in some nonlinear systems even though the signal is embedded in too much noise. To estimate the DOA of the weak signals in noisy backgrounds, we put forward a method based on stochastic resonance. Adding an optimal amount of noise to the received array signals, the signal-to-noise ratio can be greatly improved through the resonators. The simulation and trial results of beamforming show that this method has good performance under low signal-to-noise ratio. 引言 在阵列信号处理中，对低信噪比条件下目标方位进行有效估计具有重要意义。噪声的存在严重影响了对有用信号的正确测量。传统的做法都是尽可能地抑制看似无用的噪声，但是，在一些非线性现象中，噪声的存在却能够提高系统对有用信号的响应。这些现象中，随机共振（SR）[1-3]得到了广泛的研究，它提供了解决问题的另一种途径。非线性的随机共振系统与线性系统不同的是[4]：（1）系统输入端噪声增加时，非线性系统会发生随机共振，而线性系统不存在这种现象；（2）非线性系统发生随机共振时，部分噪声能量会被转化为信号能量，使系统输出信噪比大大提高。而线性系统却随着噪声的增加，导致系统输出信噪比变差。 随机共振系统的这些优越性，引发了我们对其在低信噪比下提高方位估计算法性能的研究。本文探讨了随机共振技术在阵列信号处理一些算法中的适用性，并且给出处理方法，自适应调节系统参数，将阵列信号通过多路随机共振器后输出。对波束形成的仿真和实验结果表明，低信噪比下常规波束形成方法已经很难正常工作，而应用随机共振技术后，方位估计性能有了很大的提高。 1 随机共振模型与阵列信号处理中使用随机共振系统 原始信号通过信道传输，在传输前和传输中受到加性噪声污染，受污染程度由输出信噪比SNR定义。在线性信道中，输出SNR随噪声强度加大而减小；但是，在非线性信道中，输出SNR与噪声不是一个简单的函数关系。在某些情况下，输出SNR可以随加性噪声的加大而加大，直至达到一个最大值。这种现象称为随机共振，噪声的作用可以提高信号的检测。 我们使用一种已经被深入研究的随机共振系统，基于下面的双稳态模型。 设想一个质点在周期力和噪声作用下在双阱势能场中运动，如图1所示。模型可以用下面的非线性Langevin方程[5,6]来表示： （1） 其中，是输出信号，a，b是实系数，c是信号幅度，是调制频率，是 图1 双阱势能场，a=b=1 势能场，势垒高度为，势能场最低点位于。这里，我们假定噪声是零