（1.91388部隊 湛江 524022）（2.南昌大學科技學院 南昌 330029）

1 引言

傳統(tǒng)的微弱信號檢測方法都是盡可能地抑制噪聲來提取微弱信號，但是，在一些非線性現(xiàn)象中，噪聲的存在卻能夠提高系統(tǒng)對有用信號的響應，會發(fā)生噪聲能量向信號能量的轉(zhuǎn)移，使得輸出信噪比增強并達到極值點。這些現(xiàn)象中，隨機共振［1～4］（SR）得到了廣泛的研究，因此利用隨機共振技術(shù)檢測微弱信號不需要抑制噪聲。這一理論為弱信號檢測與處理提供了一條嶄新的思路。

本文針對以海洋環(huán)境噪聲為背景的水聲微弱信號檢測進行研究，探討了隨機共振技術(shù)在陣列信號處理一些算法中的適用性，并且給出處理方法，自適應調(diào)節(jié)系統(tǒng)參數(shù)，將陣列信號通過多路隨機共振器后輸出，從原理上保證了系統(tǒng)的可行性。再搭建采集系統(tǒng)，采用NI公司的LabVIEW 8.5圖形化軟件設(shè)計［5］，實現(xiàn)了微弱信號的采集與分析，為強海洋環(huán)境噪聲下水聲微弱信號采集與分析提供了一定的理論與應用基礎(chǔ)。

2 隨機共振的基本原理

隨機共振（Stochastic Resonance，SR）理論最初是由意大利學者Benzi等提出，用來解釋氣象中每隔10萬年左右冰期和暖氣候期周期交替出現(xiàn)的現(xiàn)象。當時及隨后一段時間并未引起人們廣泛的關(guān)注，直到在一次雙穩(wěn)環(huán)激光器的關(guān)鍵實驗中展示了隨機共振現(xiàn)象，才迎來了隨機共振的現(xiàn)代發(fā)展時期。隨機共振系統(tǒng)一般包含三個不可缺少的因素：1）環(huán)境穩(wěn)態(tài)系統(tǒng)；2）低于勢壘的輸入信號（如周期信號）；3）系統(tǒng)固有的或追加到相干輸入中的噪聲源。通常用于研究的隨機共振系統(tǒng)都是由非線性朗之萬（Langevin）方程描述的非線性雙穩(wěn)態(tài)系統(tǒng)所定義的：

方程（1）中s（t）＝Asin（Ωt＋φ）＋ζ（t）為該非線性雙穩(wěn)系統(tǒng)的輸入信號，其中Asin（Ωt＋φ）為待測微弱周期信號，a、b是大于零的實數(shù)；A為信號幅值；Ω為調(diào)制頻率；ζ（t）為噪聲，且滿足統(tǒng)計平均E［ζ（t）］＝0，E［ζ（t）ζ（t＋τ）］＝2Dδ（t-τ）。其中D為噪聲強度，噪聲方差為2D，τ為時間延遲。當A＝0，ζ（t）＝0時，系統(tǒng)、x＝0處的兩個勢阱點和一個勢壘點分別對應勢函數(shù)曲線中的兩個極小值和一個極大值，此時質(zhì)點位于兩個勢阱中的任意一個，視系統(tǒng)的初始狀態(tài)而定。當A≠0時，整個系統(tǒng)的平衡被打破，勢阱在信號的驅(qū)動下發(fā)生傾斜。在靜態(tài)條件下，當A＜Ac（Ac為系統(tǒng)雙穩(wěn)態(tài)臨界值）時，系統(tǒng)的輸出狀態(tài)將在處的勢阱內(nèi)作局部的周期運動，當A≥Ac時，系統(tǒng)的輸出狀態(tài)將能克服勢壘在勢阱間周期運動。然而，當系統(tǒng)噪聲D≠0 時，在噪聲的協(xié)同作用下，即使A＜Ac時系統(tǒng)也能在勢阱間按信號的頻率作周期運動。由于雙穩(wěn)態(tài)之間的電壓差遠遠大于輸入信號的幅值，使得輸出信號幅值大于輸入信號的幅值，同時因為系統(tǒng)輸出狀態(tài)的有規(guī)則變化，有效地抑制了系統(tǒng)輸出狀態(tài)中的噪聲強度，因此系統(tǒng)的輸出信噪比得到了提高，即輸出信號得到了增強，這種現(xiàn)象從本質(zhì)上講是信號、噪聲和非線性系統(tǒng)之間的協(xié)同作用，稱之為隨機共振。

3 隨機共振模型與陣列信號處理中使用隨機共振系統(tǒng)

圖1 雙阱勢能場，a＝b＝1

我們使用一種已經(jīng)被深入研究的隨機共振系統(tǒng)，基于下面的雙穩(wěn)態(tài)模型。設(shè)想一個質(zhì)點在周期力和噪聲作用下在雙阱勢能場中運動，如圖1所示。模型可以用方程（1）［6］來 表 示：其 中，x（t）是輸出信號，U（x）＝-ax2／2＋bx4／4是勢能場，勢壘高度為ΔU＝a2／4b，勢能場最低點位于這里，我們假定噪聲ξ（t）是零均值高斯白噪聲，自相關(guān)函數(shù)為E［ξ（t）ξ（t＋τ）］＝2Dδ（t-τ）。

在信號不存在的情況下，質(zhì)點在兩個勢阱間來回翻轉(zhuǎn)，由噪聲驅(qū)動的阱間翻轉(zhuǎn)率由Kramers公式［7］給出：

當引入一個微弱的周期力后，噪聲驅(qū)動的阱間翻轉(zhuǎn)可以與周期力同步。這種統(tǒng)計意義上的同步在噪聲驅(qū)動的阱間翻轉(zhuǎn)平均等待時間T（D）＝1／R滿足時間匹配條件時發(fā)生［8］，即

這里TΩ是周期力的周期。由式（3）可以近似估計出噪聲強度的最優(yōu)值。

為方便，令初始相位φ＝0。在小輸入信號幅度的情況下，系統(tǒng)響應可以表示為式（4）：

為幅度為相位。和的近似表達式為

圖2 輸出SNR 隨信號頻率和噪聲強度變化關(guān)系，a＝b＝1

從以上分析中可以看出，有規(guī)律的信號的引入，導致了質(zhì)點翻越勢壘概率的有規(guī)律性。并且，通過時不變隨機共振系統(tǒng)后，輸出信號與輸入信號之間保持了相位的一致性，但有一定延時（另可見文獻［9～10］）。在陣列信號中，每路信號的延時是相等的。這保證了隨機共振技術(shù)在陣列信號處理中的適用性。

隨機共振系統(tǒng)對不同頻率信號的響應是不同的。圖2是我們通過實驗得到的隨機共振器輸出信噪比SNR 隨信號頻率f和噪聲強度D的變化關(guān)系。隨著信號頻率的增大，隨機共振系統(tǒng)對微弱信號的“放大”作用逐漸減弱。因此，將隨機共振技術(shù)引入陣列信號處理后，低頻目標（或接收陣使用高采樣率）將得到更有效的處理。

需要特別指出的是，隨機共振技術(shù)對多種類型的信號和噪聲均有效。我們仿真了單頻信號、窄帶信號，高斯白噪聲、高斯色噪聲等在不同信噪比的情況，均有很好的效果。

4 基于LabVIEW FPGA的數(shù)值仿真及分析

4.1 高斯白噪聲數(shù)值仿真及分析

隨機共振離不開高斯噪聲的幫助，由于高斯分布是自然界中大多數(shù)隨機事件所遵循的一種分布形式，因此噪聲高斯分布的假設(shè)是與實際相當接近的。高斯白噪聲一般用均值和方差來描述，假設(shè)噪聲ζ（t）是均值為0，方差σ2＝2D的高斯白噪聲，則有：

其中〈·〉算符代表總體平均，相應的噪聲功率譜函數(shù)為

可見高斯噪聲的功率譜是與頻率無關(guān)的常量，稱作白噪聲。對于一般噪聲ζ（t），要全面掌握其統(tǒng)計性質(zhì)，還需要考慮其高階矩，而對于高斯分布的函數(shù)而言，其高階矩都可以表示為均值和方差的函數(shù)：

對于滿足式（7）、（9）及（10）的噪聲，即是具有高斯分布形式的白噪聲，簡稱為高斯白噪聲。在實際中，真正的白噪聲是不存在的，因為它需要無窮大的功率才能產(chǎn)生出來。噪聲總是有一定的相關(guān)時間，具有非零相關(guān)時間的噪聲稱為有色噪聲。當有色噪聲的相關(guān)時間遠小于系統(tǒng)的時間常數(shù)時，仍可將色噪聲當作白噪聲進行處理。其時域圖和功率譜圖如圖3和圖4所示。

圖3 高斯白噪聲時域圖

圖4 高斯白噪聲功率譜圖

4.2 強高斯白噪聲背景下的信號檢測

海洋環(huán)境噪聲是指聲吶工作時的背景噪聲。當利用聲吶方程推算自導作用距離的時候，要求對背景噪聲級NL做出估計。近年來，人們廣泛采用海底深水水聽器在低于1Hz～100kHz的頻段范圍內(nèi)對深海噪聲進行測量研究，大大擴展了人們對深海噪聲源及其特性的認識，深海環(huán)境噪聲是多種源的綜合效應，包括潮汐和波浪的海水靜壓力效應、地震擾動、海洋湍流、遠處行船、海面波浪和海洋分子熱噪聲等。海洋中的自然噪聲源除了上述提到的之外，還有一類被稱為間歇源，它們是一種暫時存在的噪聲源。實際測量結(jié)果表明，與其他許多水聲參量一樣，海洋環(huán)境噪聲有著明顯的易變性，這是由于噪聲源的易變性引起的。由于海洋環(huán)境噪聲是由大量的噪聲源輻射噪聲所組成的，根據(jù)統(tǒng)計學的中心極限定理指出的：在非常寬的條件下，N個統(tǒng)計獨立的隨機變量之和的分布，在N→∞的極限情況下，趨于高斯分布可知，它的振幅分布應該是高斯型的。嚴格的來說，海洋環(huán)境噪聲是各向異性的，在仿真過程中，對海洋環(huán)境噪聲進行了簡化處理，近似的將其看作是服從高斯分布的色噪聲［11］。在仿真實驗中，輸入的混合信號是s（t）＝Asin（Ωt＋φ）＋ζ（t），其中ζ（t）是仿真的高斯海洋環(huán)境噪聲信號。取參數(shù)A＝1，φ＝0，f＝100Hz，噪聲強度為0.6，得到混合信號：s（t）＝Asin（200πt）＋ζ（t）。對淹沒在強噪聲中的微弱空間信號，用一般的陣列信號處理方法已經(jīng)很難估計出其信號成分（如圖5、圖6所示）。如何提高在低信噪比情況下的處理能力，是陣列信號處理中一個很關(guān)鍵的問題。我們希望能用隨機共振技術(shù)來解決上述問題。

圖5 隨機共振系統(tǒng)輸入端信號時域波形圖

圖6 隨機共振系統(tǒng)輸入端信號頻譜圖

圖7 隨機共振器輸出端信號時域波形圖

圖8 隨機共振器輸出端信號頻譜圖

我們在仿真和實驗中采用了兩種使系統(tǒng)進入隨機共振狀態(tài)的方法：一種是自適應的調(diào)節(jié)式（1）中的參數(shù)a，b，即事先得到對應不同信號和噪聲特性時的最優(yōu)參數(shù)a，b，在實際應用中根據(jù)情況選用；一種是自適應的調(diào)節(jié)外加噪聲，在隨機共振器中，可以加入適量噪聲rn，使輸出信噪比最大?？梢圆捎米赃m應的方法來調(diào)節(jié)應加入的噪聲rn。對于雙穩(wěn)態(tài)隨機共振器，我們采用Euler-Maruyama方法［12～13］的離散形式來進行計算機仿真，實現(xiàn)式（1）。a＝1，b＝1時un是單個陣元接收到的被強噪聲污染的目標信號，xn是經(jīng)自適應隨機共振器后的輸出信號。初始條件為x0＝x（0）。其中wn為零均值高斯白噪聲，方差為1。系數(shù)乘以wn使得滿足維納增量過程［10］。自適應學習過程的采樣周期TS可以不同于仿真中的時間步長ΔT。對于雙穩(wěn)態(tài)系統(tǒng)，我們使用1∶20的降采樣率。輸出結(jié)果的SNR分析，及自適應調(diào)節(jié)算法參見文獻［13］。

5 仿真結(jié)果分析

信號場和噪聲場如果是時間平穩(wěn)的，那么參數(shù)σ的學習過程可以先于信號估計完成。如果信號場噪聲場時間不平穩(wěn)，那么σ的估計值隨時間緩慢變化。

圖6是隨機共振系統(tǒng)輸入端信號頻譜圖。從圖中可以看出，在強噪聲背景下，輸入端用常規(guī)的頻譜分析，已無法分辨出信號的頻率。圖8是隨機共振系統(tǒng)輸出端信號頻譜圖，通過隨機共振器后，系統(tǒng)輸出信噪比大大提高，信號頻率能夠很方便的檢測出來。

對比圖5～8我們可以清楚地看到，輸入信號、噪聲和隨機共振系統(tǒng)之間達到匹配了，發(fā)生噪聲能量向信號能量的轉(zhuǎn)移，使得輸出信噪比增強。這時，通過隨機共振模型檢測出來的信號顯得十分明顯。在頻率f＝100Hz處有明顯的增強譜線。說明在此頻率處有一個很強的周期成分存在，該頻率正好等于輸入信號頻率，即在海洋環(huán)境噪聲的背景下仍能檢測到微弱信號。

6 結(jié)語

隨機共振是80年代初發(fā)展起來的一個非線性科學分支，理論和實踐都沒有完全成熟。應用于陣列信號處理中，更是一種新的嘗試。本文探討了隨機共振技術(shù)應用于陣列信號處理中的合理性，給出了處理方法，并且基于Lab-VIEW FPGA 構(gòu)建了隨機共振檢測系統(tǒng)，進行了計算機仿真。在信噪比很低時，利用隨機共振器處理之后的陣列信號，很容易估計出目標信號。本文中的方法能有效檢測淹沒在強噪聲中的微弱信號，其優(yōu)越性是明顯的。但在實際工程中還有很多問題需要考慮。例如：1）在自適應隨機共振算法中，如何自動產(chǎn)生最優(yōu)參數(shù)；2）如何檢測含有多個頻率的微弱信號。隨著對聲納系統(tǒng)要求的提高和研究的深入，這些問題亟待解決。

［1］Roberto B，Alfonso S，Angelo V.The mechanism of stochastic resonance［J］.J.Phys.A：Math.Gen，1981（14）：453-L457.

［2］R Benzi，G Parisi，A Stuem.A theory of stoclmstic resonance in climatic change［J］.SIAM Journal on applied mathematics，1983，43（3）：565-578.

［3］Kurt W，F(xiàn)rank M.Stochastic resonance and the benefits of noise［C］.from ice ages to crayfish and SQUIDs：Nature，1995（373）：33-36.

［4］J.M.G.Vilar，J.M.Rubi.Noise suppression by noise［J］.Physical Review Letters，2001，86（6）：950-953.

［5］尹靜，賀良國，王洪波.基于LabVIEW 的三維靜磁場計微弱信號檢測系統(tǒng)［J］.儀表技術(shù)與傳感器，2011，33（6）：93-95.

［6］楊祥龍，江波，吳為麟，等.小信號檢測中的自適應隨機共振技術(shù)［J］.自動化儀表，2004，25（1）：8-10.

［7］A.S.Asdi，A.H.Tewfik.Detection of weak signals using adaptive stochastic resonance［C］.IEEE：ICASSP，1995：1332-1335.

［8］H.Risken.The Fokker Planck Equation［M］.Berlin：Springer-Verlag，1984：232-235.

［9］L.Gammaitoni，P.Hanggi，P.Jung，et al.Stochastic resonance［J］.Reviews of Modern Physics，1998，Vol.70（1）：223-287.

［10］A.K.Chattah，C.B.Briozzo，O.Osenda，et al.Signal-to-noise ratio in stochastic resonance［J］.Modern Physics Letters B，1996，10（22）：1085-1094.

［11］周關(guān)林，李鋼虎，成靜.海洋環(huán)境噪聲背景下水聲信號檢測的新方法［J］.聲學與電子工程，2009，92（2）：21-27.

［12］T.C.Gard.Introduction to Stochastic Differential Equations［M］.New York：Marcel Dekker，1988：138-145.

［13］Sanya M，Bart K.Adaptive stochastic resonance［J］.Proceedings of the IEEE，1998，86（11）：2152-2183.