检测混沌背景中微弱正弦信号的神经网络方法  

The Neural Networks Method for Detecting Weak Sinusoidal Signal Embedded in Chaotic Noise

作　　者：林红波[1] 李月[1] 杨宝俊[2] 

机构地区：[1]吉林大学通信工程学院,长春130012 [2]吉林大学地球探测科学与技术学院,长春130026

出　　处：《仪器仪表学报》2005年第1期36-40,共5页Chinese Journal of Scientific Instrument

基　　金：国家自然科学基金资助项目 (4 0 3 740 45 )

摘　　要：提出了一种提取混沌背景中微弱正弦信号的神经网络方法。该方法利用 RBF神经网络对被噪声污染的混沌背景建立最优一步预测模型 ,结合频域处理的方法从预测误差中提取微弱正弦信号。改善了信噪比 ,在混沌背景中存在白噪声和任意色噪声情况下 ,均能检测出微弱正弦信号 ,微弱正弦信号与混沌背景的检测信噪比门限最低可以达到 - 37d B。It presented a new method to detect weak sinusoidal signal embedded in noisy chaotic background signal. This method uses the radial basis function neural networks (RBFNN) to build one-step predictive model for chaotic background signal contaminated by observed noise, and combines the frequency way to process predictive error to detect the weak sinusoidal signal. This method can improve the signal-to-noise radio of output, and detect weak sinusoidal signal from background signal which includes white or any colored noise. The lowest signal-to-noise radio (snr) of sinusoidal signal to chaotic signal can get -37dB.

关 键 词：正弦信号 频域处理 信噪比 混沌 色噪声 白噪声 门限 神经网络方法 背景 RBF神经网络 

分 类 号：TH741.6[机械工程—光学工程] TN911[机械工程—仪器科学与技术]