[发明专利]一种水下弱光信号检测方法在审

专利信息
申请号: 202111019163.0 申请日: 2021-09-01
公开(公告)号: CN113722915A 公开(公告)日: 2021-11-30
发明(设计)人: 张建磊;兰香;田雨欣;杨祎;贺锋涛;张斌 申请(专利权)人: 西安邮电大学
主分类号: G06F30/20 分类号: G06F30/20;G06N3/00
代理公司: 西安亚信智佳知识产权代理事务所(普通合伙) 61241 代理人: 骆怡洁
地址: 710061 *** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 水下 弱光 信号 检测 方法
【权利要求书】:

1.一种水下弱光信号检测方法,其特征在于,包括:

对获取的带噪弱光信号进行预处理,得到小参数信号;

建立自适应随机共振系统模型,将所述小参数信号作为所述自适应随机共振系统模型的系统输入信号;

对蚁群算法进行改进,利用改进后的所述蚁群算法对所述自适应随机共振系统模型中的系统参数进行寻优;

根据改进后的所述蚁群算法迭代是否终止,判断是否输出最优系统参数,若停止迭代,则输出所述最优系统参数;

根据输出的所述最优系统参数输入所述自适应随机共振系统模型,利用四阶龙格库塔算法求解输出随机共振检测信号。

2.根据权利要求1所述水下弱光信号检测方法,其特征在于,所述对获取的带噪弱光信号进行预处理,得到小参数信号,包括:

利用二次采样对所述带噪弱光信号的传输频率和采样频率进行预处理,得到所述小参数信号,使所述小参数信号满足所述自适应随机共振系统模型只能处理频率小于1的所述小参数信号要求。

3.根据权利要求1所述水下弱光信号检测方法,其特征在于,所述建立自适应随机共振系统模型,将所述小参数信号作为所述自适应随机共振系统模型的系统输入信号,包括:

所述自适应随机共振系统模型为:

其中,x表示系统输出,a、b表示随机共振系统的系统参数,s(t)表示系统输入信号,n(t)表示噪声。

4.根据权利要求1所述水下弱光信号检测方法,其特征在于,所述对蚁群算法进行改进,利用改进后的所述蚁群算法对所述自适应随机共振系统模型中的系统参数进行寻优改进后的蚁群算法,包括:

引入拥挤度和拥挤度因子,对蚁群算法进行改进,对改进后的蚁群算法的参数进行初始化,设置种群数量N,最大迭代次数iter_max,信息素挥发因子ρ。

5.根据权利要求4所述水下弱光信号检测方法,其特征在于,所述对蚁群算法进行改进,利用改进后的所述蚁群算法对所述自适应随机共振系统模型中的系统参数进行寻优改进后的蚁群算法,包括:

在对所述改进后的蚁群算法的参数进行初始化后,设定系统参数a和b的取值范围,根据步长划分网格,并随机在网格节点处放置蚂蚁,每个节点对应一组自适应随机共振系统模型中的所述系统参数a和b,形成蚂蚁访问列表。

6.根据权利要求5所述水下弱光信号检测方法,其特征在于,所述对蚁群算法进行改进,利用改进后的所述蚁群算法对所述自适应随机共振系统模型中的系统参数进行寻优改进后的蚁群算法,包括:

根据每个所述节点对应的信息素浓度计算相应的状态转移概率,根据计算出的状态转移概率值大小选择蚂蚁下一个移动的所述节点;

其中,所述状态转移概率的计算公式为:

式中,k表示第k只蚂蚁,τij(t)表示t时刻蚂蚁从节点i到节点j两个位置之间的信息素浓度,ηij(t)表示t时刻蚂蚁从节点i到节点j两个位置之间的启发信息,α和β为常数,分别表示所述信息素浓度和启发信息的影响程度,allowedk(k∈1,2,…,N)表示未访问过的节点的集合,即第k只蚂蚁紧接着可以选择的节点;

其中,信息素更新的公式为:

式中:Δτij(t)表示t时刻蚂蚁从节点i到节点j路径上留下的信息素总和,τ(t+1)表示t+1时刻蚂蚁从节点i到节点j两个位置之间的信息素浓度。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安邮电大学,未经西安邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111019163.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top