本發(fā)明屬于通信信號(hào)檢測(cè)領(lǐng)域，具體的涉及一種基于人工魚(yú)群算法的自適應(yīng)隨機(jī)共振系統(tǒng)和方法。

背景技術(shù)：

噪聲背景下的微弱信號(hào)檢測(cè)技術(shù)在通信、機(jī)械、醫(yī)學(xué)、物理測(cè)量等領(lǐng)域得到了廣泛研究和發(fā)展。與傳統(tǒng)信號(hào)檢測(cè)方法相比，隨機(jī)共振能夠有效利用噪聲能量增強(qiáng)周期信號(hào)，同時(shí)噪聲能量得到抑制，這將為低信噪比信號(hào)檢測(cè)技術(shù)帶來(lái)很大的幫助。因此隨機(jī)共振的概念得以在信號(hào)處理領(lǐng)域研究中得到重視。然而隨機(jī)共振的發(fā)生并不是無(wú)條件的，需要信號(hào)、噪聲、非線性系統(tǒng)達(dá)到一定的匹配條件才能夠增強(qiáng)隨機(jī)共振效應(yīng)，提高系統(tǒng)輸出響應(yīng)信噪比。因此，為了使隨機(jī)共振能夠更加方便快捷的應(yīng)用于信號(hào)檢測(cè)，有效控制系統(tǒng)參數(shù)和信號(hào)噪聲的匹配獲得最佳系統(tǒng)輸出便是其中關(guān)鍵。一般情況下，輸入信號(hào)無(wú)法改變，必須通過(guò)調(diào)節(jié)噪聲和非線性系統(tǒng)參數(shù)使系統(tǒng)、信號(hào)、噪聲匹配達(dá)到隨機(jī)共振。針對(duì)參數(shù)的調(diào)節(jié)，形成了不同經(jīng)典自適應(yīng)隨機(jī)共振方法，旨在自適應(yīng)調(diào)整系統(tǒng)參數(shù)以加強(qiáng)隨機(jī)共振，提高信號(hào)檢測(cè)能力。一類是以單個(gè)參數(shù)為優(yōu)化對(duì)象的自適應(yīng)隨機(jī)共振，分別對(duì)單個(gè)參數(shù)進(jìn)行尋優(yōu)，缺點(diǎn)是會(huì)忽略參數(shù)的相互作用，復(fù)雜度很高；一種是以遺傳算法為代表的隨機(jī)搜索算法，對(duì)于結(jié)構(gòu)復(fù)雜的組合優(yōu)化問(wèn)題，搜索空間大，數(shù)據(jù)適用有效性高，易于實(shí)現(xiàn)，但涉及繁瑣的編碼過(guò)程，搜索時(shí)間長(zhǎng)。隨著人工智能研究的深入，不同群智能優(yōu)化算法被提出，包括蟻群算法、粒子群算法、人工魚(yú)群算法等。蟻群算法存在尋優(yōu)時(shí)間久、收斂速度慢、易獲得局部最優(yōu)，參數(shù)選取對(duì)全局搜索能力影響巨大等缺陷；粒子群算法應(yīng)用于隨機(jī)共振在duffing陣子系統(tǒng)上有良好性能提升，在雙穩(wěn)langevin系統(tǒng)上僅有運(yùn)算量的減小，輸出信噪比提升微弱。而人工魚(yú)群算法魯棒性強(qiáng)、對(duì)初值敏感性相比其他群智能算法小，易于實(shí)現(xiàn)并且易于取得全局最優(yōu)，被本文選擇用于處理隨機(jī)共振問(wèn)題。初步將人工魚(yú)群算法和隨機(jī)共振相結(jié)合(artificial-fishswarmstochasticresonance,assr)，存在運(yùn)算量大、初值范圍要求高、收斂慢和收斂精度低等問(wèn)題，但驗(yàn)證了隨機(jī)共振和群智能算法結(jié)合的可能性。而改進(jìn)的人工魚(yú)群算法，主要針對(duì)視野和步長(zhǎng)進(jìn)行優(yōu)化，一定程度上提高了全局收斂性和算法運(yùn)行效率。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明針對(duì)現(xiàn)有蟻群算法存在尋優(yōu)時(shí)間久、收斂速度慢、參數(shù)選取對(duì)全局搜索能力影響巨大等缺陷，粒子群算法存在輸出信噪比提升微弱等問(wèn)題，提出一種基于人工魚(yú)群算法的自適應(yīng)隨機(jī)共振系統(tǒng)和方法。

本發(fā)明的技術(shù)方案是：一種基于人工魚(yú)群算法的自適應(yīng)隨機(jī)共振系統(tǒng)，包括歸一化隨機(jī)共振模塊、人工魚(yú)群自適應(yīng)模塊、步長(zhǎng)調(diào)整模塊、噪聲調(diào)節(jié)模塊和迭代控制模塊，其中，

所述歸一化隨機(jī)共振模塊：將原始信號(hào)結(jié)合隨機(jī)共振歸一化處理，發(fā)送到人工魚(yú)群自適應(yīng)模塊；

所述人工魚(yú)群模塊：根據(jù)步長(zhǎng)調(diào)整模塊和噪聲調(diào)節(jié)模塊的反饋結(jié)果對(duì)隨機(jī)共振參數(shù)行魚(yú)群繁衍迭代，并將結(jié)果反饋至迭代控制模塊；

所述步長(zhǎng)調(diào)整模塊：根據(jù)自適應(yīng)參數(shù)尋優(yōu)收斂狀況調(diào)整魚(yú)群迭代步長(zhǎng)控制收斂速度，并將步長(zhǎng)調(diào)整結(jié)果反饋至人工魚(yú)群自適應(yīng)模塊加速自適應(yīng)過(guò)程；

所述噪聲調(diào)節(jié)模塊：根據(jù)魚(yú)群繁衍過(guò)程中隨機(jī)共振輸入需求以添加噪聲的形式調(diào)節(jié)原始信號(hào)信噪比，提升信號(hào)檢測(cè)性能，并將結(jié)果反饋至人工魚(yú)群自適應(yīng)模塊；

迭代控制模塊：通過(guò)跟蹤人工魚(yú)群自適應(yīng)模塊中目標(biāo)參數(shù)最優(yōu)值增長(zhǎng)情況自適應(yīng)判定迭代停止條件。

所述的基于人工魚(yú)群算法的自適應(yīng)隨機(jī)共振系統(tǒng)，所述歸一化隨機(jī)共振模塊包括信號(hào)尺度處理單元和隨機(jī)共振單元，其中，

信號(hào)尺度處理單元：用于將周期信號(hào)進(jìn)行尺度歸一化變換以滿足隨機(jī)共振單元的小參數(shù)條件限制；

隨機(jī)共振單元：用于將周期信號(hào)進(jìn)行隨機(jī)共振處理得到結(jié)果作為人工魚(yú)群模塊中的魚(yú)群食物濃度衡量指標(biāo)(原始周期信號(hào)的系統(tǒng)信噪比增益，對(duì)應(yīng)的人工魚(yú)當(dāng)前位置即尋優(yōu)目標(biāo)參數(shù))。所述的基于人工魚(yú)群算法的自適應(yīng)隨機(jī)共振系統(tǒng)，所述人工魚(yú)群模塊包括魚(yú)群聚群覓食單元、魚(yú)群追尾覓食單元和特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)，其中，

魚(yú)群聚群覓食單元：用于使人工魚(yú)向所述食物濃度較大并且同伴較小的地方移動(dòng)，未找到位置則隨機(jī)移動(dòng)一步執(zhí)行覓食行為；

魚(yú)群追尾覓單元：用于使人工魚(yú)向擁有最大食物濃度的同伴移動(dòng)一步，未找到位置則隨機(jī)移動(dòng)一步執(zhí)行覓食行為；

特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)：用于存放所述人工魚(yú)每一代繁衍之后的食物濃度最大值及對(duì)應(yīng)人工魚(yú)資源數(shù)據(jù)。

所述的基于人工魚(yú)群算法的自適應(yīng)隨機(jī)共振系統(tǒng)，所述步長(zhǎng)調(diào)整模塊包括策略決策單元和步長(zhǎng)計(jì)算單元，其中，

策略決策單元：用于根據(jù)特征譜峰值分布情況選定不同的步長(zhǎng)調(diào)整策略，反饋至步長(zhǎng)計(jì)算單元；

步長(zhǎng)計(jì)算單元：用于在特定步長(zhǎng)策略前提下對(duì)當(dāng)前人工魚(yú)移動(dòng)步長(zhǎng)進(jìn)行計(jì)算，反饋至人工魚(yú)群模塊。

一種基于人工魚(yú)群算法的自適應(yīng)隨機(jī)共振方法，所述該方法包括：

步驟a：對(duì)輸入周期信號(hào)進(jìn)行小波變換預(yù)處理，初步得到信號(hào)頻點(diǎn)所處范圍，作為歸一化隨機(jī)共振模塊的輸入?yún)?shù)；

步驟b：確定歸一化隨機(jī)共振模塊中隨機(jī)共振的非線性系統(tǒng)參數(shù)的自適應(yīng)尋優(yōu)范圍，將發(fā)生隨機(jī)共振現(xiàn)象作為人工魚(yú)群模塊的輸入?yún)?shù)；

步驟c:初始化人工魚(yú)群，包括魚(yú)群規(guī)模、視野、步長(zhǎng)、擁擠度因子以及缺省行為發(fā)生的條件參量、最大重復(fù)嘗試次數(shù)參量，根據(jù)歸一化隨機(jī)共振模塊輸出的結(jié)果確定視野步長(zhǎng)，生成第一代人工魚(yú)群體；

步驟d：進(jìn)行人工魚(yú)群繁衍，初始化特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)，將系統(tǒng)信噪比增益反饋至噪聲調(diào)節(jié)模塊，將食物濃度反饋至步長(zhǎng)調(diào)整模塊；

步驟e：根據(jù)當(dāng)代人工魚(yú)食物濃度對(duì)應(yīng)的輸出信號(hào)譜峰值進(jìn)行步長(zhǎng)調(diào)整，當(dāng)共振譜峰值一致的人工魚(yú)數(shù)量占全體數(shù)量比例小于一定門(mén)限值時(shí)，所有人工魚(yú)按照步長(zhǎng)調(diào)整策略調(diào)整，當(dāng)不小于門(mén)限值時(shí)，共振譜峰值一致的人工魚(yú)步長(zhǎng)按照調(diào)整策略調(diào)整，其余人工魚(yú)群步長(zhǎng)轉(zhuǎn)為固定值，將每條人工魚(yú)步長(zhǎng)反饋至步驟d的魚(yú)群繁衍過(guò)程；

步驟f：取步驟d經(jīng)過(guò)兩種魚(yú)群行為后食物濃度較大值更新特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)，并判斷繁衍一代的人工魚(yú)是否滿足：

①連續(xù)兩次特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)數(shù)據(jù)沒(méi)有更新，②兩次前特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)數(shù)據(jù)更新量大小小于一定歷史最優(yōu)增長(zhǎng)量均值的1/2；若是，進(jìn)入步驟g，若否，進(jìn)入步驟d；

步驟g：停止魚(yú)群繁衍，取特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)最優(yōu)食物濃度，將對(duì)應(yīng)的非線性系統(tǒng)參數(shù)帶入非線性系統(tǒng)對(duì)原始信號(hào)隨機(jī)共振，即得到處理恢復(fù)后的信號(hào)。

所述的基于人工魚(yú)群算法的自適應(yīng)隨機(jī)共振方法，所述步驟b包括：

步驟b1：考慮小參數(shù)條件限制，基于最大最小方法將輸入變量樣本進(jìn)行線性歸一化處理,將其規(guī)整到一個(gè)范圍區(qū)間，使得各變量之間具有相同地位，避免隨機(jī)共振的輸出發(fā)生震蕩或是發(fā)生過(guò)共振和欠共振；

步驟b2：判斷共振輸出值均方誤差是否達(dá)到要求精度范圍內(nèi)，如是，進(jìn)入步驟c，如否，進(jìn)入步驟b3；

步驟b3：利用基于標(biāo)準(zhǔn)差的歸一化方法進(jìn)一步歸一化處理。

所述的基于人工魚(yú)群的自適應(yīng)隨機(jī)共振方法，所述步驟d包括：

步驟d1：計(jì)算每條人工魚(yú)的食物濃度，即當(dāng)前確定的非線性系統(tǒng)參數(shù)帶入非線性系統(tǒng)，得到輸出信號(hào)的信噪比即食物濃度，結(jié)果反饋至魚(yú)群聚群覓食單元即步驟d2和魚(yú)群追尾覓食單元即步驟d3；

步驟d2：每條人工魚(yú)進(jìn)行聚群行為，即若滿足視野范圍內(nèi)所有人工魚(yú)平均食物濃度值大于當(dāng)前食物濃度和擁擠度因子的乘積，則向此目標(biāo)移動(dòng)一步，步長(zhǎng)值為步驟e的輸出結(jié)果，若不，則隨機(jī)移動(dòng)一步；

步驟d3：每條人工魚(yú)進(jìn)行追尾行為，即若滿足視野范圍內(nèi)人工魚(yú)的最大食物濃度與人工魚(yú)數(shù)量的比大于當(dāng)前食物濃度和擁擠度因子的乘積，則向此目標(biāo)移動(dòng)一步，步長(zhǎng)值為步驟e的輸出結(jié)果，若不，則隨機(jī)移動(dòng)一步；

步驟d4：給人工魚(yú)代表的周期信號(hào)添加噪聲，當(dāng)食物濃度能夠提升的人工魚(yú)比例達(dá)到門(mén)限值時(shí)，取此時(shí)添加的噪聲強(qiáng)度值，給輸入信號(hào)恒定添加此大小噪聲。

本發(fā)明的有益效果是：在本發(fā)明所提供的基于人工魚(yú)群的自適應(yīng)隨機(jī)共振系統(tǒng)和方法中，不僅通過(guò)歸一化隨機(jī)共振解決了自適應(yīng)系統(tǒng)尋優(yōu)初值設(shè)定困難的問(wèn)題，提高了適應(yīng)性，并且考慮了由于參數(shù)選取造成的隨機(jī)共振未發(fā)生、隨機(jī)過(guò)共振和欠共振等情況，通過(guò)根據(jù)共振收斂情況調(diào)整的步長(zhǎng)函數(shù)時(shí)刻保持較強(qiáng)的搜索能力，并且能夠適當(dāng)發(fā)現(xiàn)并跳出局部最優(yōu)，加快最優(yōu)值的收斂效率。通過(guò)噪聲調(diào)節(jié)模塊優(yōu)化了輸入信噪比，顯著提升了系統(tǒng)信噪比增益。通過(guò)迭代控制降低了系統(tǒng)復(fù)雜度，為隨機(jī)共振直接處理各種通信信號(hào)提供了良好基礎(chǔ)。

附圖說(shuō)明

圖1為本發(fā)明所提供的系統(tǒng)結(jié)構(gòu)示意圖；

圖2為本發(fā)明所提供的歸一化隨機(jī)共振模塊功能結(jié)構(gòu)示意圖；

圖3為本發(fā)明所提供的人工魚(yú)群模塊功能結(jié)構(gòu)示意圖；

圖4為本發(fā)明所提供的步長(zhǎng)調(diào)整模塊結(jié)構(gòu)示意圖；

圖5為本發(fā)明實(shí)施例所提供的方法流程圖；

具體實(shí)施方式

實(shí)施例1：結(jié)合圖1-圖5，一種基于人工魚(yú)群算法的自適應(yīng)隨機(jī)共振系統(tǒng)，包括歸一化隨機(jī)共振模塊、人工魚(yú)群自適應(yīng)模塊、步長(zhǎng)調(diào)整模塊、噪聲調(diào)節(jié)模塊和迭代控制模塊，其中，

歸一化隨機(jī)共振模塊：將原始信號(hào)結(jié)合隨機(jī)共振歸一化處理，發(fā)送到人工魚(yú)群自適應(yīng)模塊；

人工魚(yú)群模塊：根據(jù)步長(zhǎng)調(diào)整模塊和噪聲調(diào)節(jié)模塊的反饋結(jié)果對(duì)隨機(jī)共振參數(shù)行魚(yú)群繁衍迭代，并將結(jié)果反饋至迭代控制模塊；

所述步長(zhǎng)調(diào)整模塊：根據(jù)自適應(yīng)參數(shù)尋優(yōu)收斂狀況調(diào)整魚(yú)群迭代步長(zhǎng)控制收斂速度，并將步長(zhǎng)調(diào)整結(jié)果反饋至人工魚(yú)群自適應(yīng)模塊加速自適應(yīng)過(guò)程；

所述噪聲調(diào)節(jié)模塊：根據(jù)魚(yú)群繁衍過(guò)程中隨機(jī)共振輸入需求以添加噪聲的形式調(diào)節(jié)原始信號(hào)信噪比，提升信號(hào)檢測(cè)性能，并將結(jié)果反饋至人工魚(yú)群自適應(yīng)模塊；

迭代控制模塊：通過(guò)跟蹤人工魚(yú)群自適應(yīng)模塊中目標(biāo)參數(shù)最優(yōu)值增長(zhǎng)情況自適應(yīng)判定迭代停止條件。

歸一化隨機(jī)共振模塊包括信號(hào)尺度處理單元和隨機(jī)共振單元，其中，

信號(hào)尺度處理單元：用于將周期信號(hào)進(jìn)行尺度歸一化變換以滿足隨機(jī)共振單元的小參數(shù)條件限制；

隨機(jī)共振單元：用于將周期信號(hào)進(jìn)行隨機(jī)共振處理得到結(jié)果作為人工魚(yú)群模塊中的魚(yú)群食物濃度衡量指標(biāo)。

人工魚(yú)群模塊包括魚(yú)群聚群覓食單元、魚(yú)群追尾覓食單元和特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)，其中，

魚(yú)群聚群覓食單元：用于使人工魚(yú)向所述食物濃度較大并且同伴較小的地方移動(dòng)，未找到位置則隨機(jī)移動(dòng)一步執(zhí)行覓食行為；

魚(yú)群追尾覓單元：用于使人工魚(yú)向擁有最大食物濃度的同伴移動(dòng)一步，未找到位置則隨機(jī)移動(dòng)一步執(zhí)行覓食行為；

特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)：用于存放所述人工魚(yú)每一代繁衍之后的食物濃度最大值及對(duì)應(yīng)人工魚(yú)資源數(shù)據(jù)。

步長(zhǎng)調(diào)整模塊包括策略決策單元和步長(zhǎng)計(jì)算單元，其中，

策略決策單元：用于根據(jù)特征譜峰值分布情況選定不同的步長(zhǎng)調(diào)整策略，反饋至步長(zhǎng)計(jì)算單元；

步長(zhǎng)計(jì)算單元：用于在特定步長(zhǎng)策略前提下對(duì)當(dāng)前人工魚(yú)移動(dòng)步長(zhǎng)進(jìn)行計(jì)算，反饋至人工魚(yú)群模塊。

一種基于人工魚(yú)群算法的自適應(yīng)隨機(jī)共振方法，所述該方法包括：

步驟a：對(duì)輸入周期信號(hào)進(jìn)行小波變換預(yù)處理，初步得到信號(hào)頻點(diǎn)所處范圍，作為歸一化隨機(jī)共振模塊的輸入?yún)?shù)；

步驟b：確定歸一化隨機(jī)共振模塊中隨機(jī)共振的非線性系統(tǒng)參數(shù)的自適應(yīng)尋優(yōu)范圍，將發(fā)生隨機(jī)共振現(xiàn)象作為人工魚(yú)群模塊的輸入?yún)?shù)；步驟b包括：

步驟b1：考慮小參數(shù)條件限制，基于最大最小方法將輸入變量樣本進(jìn)行線性歸一化處理,將其規(guī)整到一個(gè)范圍區(qū)間，使得各變量之間具有相同地位，避免隨機(jī)共振的輸出發(fā)生震蕩或是發(fā)生過(guò)共振和欠共振；

步驟b2：判斷共振輸出值均方誤差是否達(dá)到要求精度范圍內(nèi)，如是，進(jìn)入步驟c，如否，進(jìn)入步驟b3；

步驟b3：利用基于標(biāo)準(zhǔn)差的歸一化方法進(jìn)一步歸一化處理。

步驟c:初始化人工魚(yú)群，包括魚(yú)群規(guī)模、視野、步長(zhǎng)、擁擠度因子以及缺省行為發(fā)生的條件參量、最大重復(fù)嘗試次數(shù)參量，根據(jù)歸一化隨機(jī)共振模塊輸出的結(jié)果確定視野步長(zhǎng)，生成第一代人工魚(yú)群體；

步驟d：進(jìn)行人工魚(yú)群繁衍，初始化特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)，將系統(tǒng)信噪比增益反饋至噪聲調(diào)節(jié)模塊，將食物濃度反饋至步長(zhǎng)調(diào)整模塊；步驟d包括：

步驟d1：計(jì)算每條人工魚(yú)的食物濃度，即當(dāng)前確定的非線性系統(tǒng)參數(shù)帶入非線性系統(tǒng)，得到輸出信號(hào)的信噪比即食物濃度，結(jié)果反饋至魚(yú)群聚群覓食單元即步驟d2和魚(yú)群追尾覓食單元即步驟d3；

步驟d2：每條人工魚(yú)進(jìn)行聚群行為，即若滿足視野范圍內(nèi)所有人工魚(yú)平均食物濃度值大于當(dāng)前食物濃度和擁擠度因子的乘積，則向此目標(biāo)移動(dòng)一步，步長(zhǎng)值為步驟e的輸出結(jié)果，若不，則隨機(jī)移動(dòng)一步；

步驟d3：每條人工魚(yú)進(jìn)行追尾行為，即若滿足視野范圍內(nèi)人工魚(yú)的最大食物濃度與人工魚(yú)數(shù)量的比大于當(dāng)前食物濃度和擁擠度因子的乘積，則向此目標(biāo)移動(dòng)一步，步長(zhǎng)值為步驟e的輸出結(jié)果，若不，則隨機(jī)移動(dòng)一步；

步驟d4：給人工魚(yú)代表的周期信號(hào)添加噪聲，當(dāng)食物濃度能夠提升的人工魚(yú)比例達(dá)到門(mén)限值時(shí)，取此時(shí)添加的噪聲強(qiáng)度值，給輸入信號(hào)恒定添加此大小噪聲。

步驟e：根據(jù)當(dāng)代人工魚(yú)食物濃度對(duì)應(yīng)的輸出信號(hào)譜峰值進(jìn)行步長(zhǎng)調(diào)整，當(dāng)共振譜峰值一致的人工魚(yú)數(shù)量占全體數(shù)量比例小于一定門(mén)限值時(shí)，所有人工魚(yú)按照步長(zhǎng)調(diào)整策略調(diào)整，當(dāng)不小于門(mén)限值時(shí)，共振譜峰值一致的人工魚(yú)步長(zhǎng)按照調(diào)整策略調(diào)整，其余人工魚(yú)群步長(zhǎng)轉(zhuǎn)為固定值，將每條人工魚(yú)步長(zhǎng)反饋至步驟d的魚(yú)群繁衍過(guò)程；

步驟f：取步驟d經(jīng)過(guò)兩種魚(yú)群行為后食物濃度較大值更新特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)，并判斷繁衍一代的人工魚(yú)是否滿足：

①連續(xù)兩次特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)數(shù)據(jù)沒(méi)有更新，②兩次前特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)數(shù)據(jù)更新量大小小于一定歷史最優(yōu)增長(zhǎng)量均值的1/2；若是，進(jìn)入步驟g，若否，進(jìn)入步驟d；

步驟g：停止魚(yú)群繁衍，取特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)最優(yōu)食物濃度，即原始周期信號(hào)系統(tǒng)信噪比增益，將對(duì)應(yīng)的非線性系統(tǒng)參數(shù)帶入非線性系統(tǒng)對(duì)原始信號(hào)隨機(jī)共振，即得到處理恢復(fù)后的信號(hào)。

實(shí)施例2：結(jié)合圖1-圖5，一種基于人工魚(yú)群算法的自適應(yīng)隨機(jī)共振系統(tǒng)，包括歸一化隨機(jī)共振模塊101、人工魚(yú)群模塊102、步長(zhǎng)調(diào)整模塊103、噪聲調(diào)節(jié)模塊104以及迭代控制模塊105。其中，歸一化隨機(jī)共振模塊101將原始周期信號(hào)結(jié)合隨機(jī)共振歸一化處理，發(fā)送到人工魚(yú)群模塊102；人工魚(yú)群模塊102根據(jù)步長(zhǎng)調(diào)整模塊103和噪聲調(diào)節(jié)模塊104的反饋結(jié)果對(duì)隨機(jī)共振輸出結(jié)果進(jìn)行魚(yú)群繁衍迭代，結(jié)果反饋至迭代控制模塊105進(jìn)行迭代控制；步長(zhǎng)調(diào)整模塊103根據(jù)自適應(yīng)參數(shù)尋優(yōu)收斂狀況調(diào)整魚(yú)群迭代步長(zhǎng)控制收斂速度，并將步長(zhǎng)調(diào)整結(jié)果反饋至人工魚(yú)群模塊102加速自適應(yīng)過(guò)程；噪聲調(diào)節(jié)模塊104根據(jù)魚(yú)群繁衍過(guò)程中隨機(jī)共振輸入需求通過(guò)添加噪聲的形式調(diào)節(jié)原始信號(hào)信噪比，提升信號(hào)檢測(cè)性能，并將結(jié)果反饋至人工魚(yú)群模塊102；迭代控制模塊105通過(guò)跟蹤人工魚(yú)群模塊102中目標(biāo)參數(shù)最優(yōu)值增長(zhǎng)情況自適應(yīng)判定迭代停止條件。

歸一化隨機(jī)共振模塊101包括信號(hào)尺度處理單元201和隨機(jī)共振單元202。

信號(hào)尺度處理單元201用于將所述周期信號(hào)進(jìn)行尺度歸一化變換以滿足隨機(jī)共振單元202的小參數(shù)條件限制。

隨機(jī)共振單元202用于將所述周期信號(hào)進(jìn)行隨機(jī)共振處理得到結(jié)果作為人工魚(yú)群模塊102中的魚(yú)群食物濃度衡量指標(biāo)。

信號(hào)尺度處理單元201實(shí)現(xiàn)非線性系統(tǒng)參數(shù)、噪聲方差以及信號(hào)幅度大小的同時(shí)調(diào)整。以非線性系統(tǒng)為雙穩(wěn)態(tài)系統(tǒng)為例，。由于輸入信號(hào)頻率未知，需要對(duì)信號(hào)所處頻段進(jìn)行初步估計(jì)以確定系統(tǒng)參數(shù)a、b的初始范圍。當(dāng)參數(shù)尋優(yōu)范圍確定后，范圍選取過(guò)大則其內(nèi)參數(shù)有可能產(chǎn)生非線性系統(tǒng)溢出，隨機(jī)共振單元202無(wú)法計(jì)算出結(jié)果，即無(wú)法計(jì)算食物濃度。這時(shí)須采取合適的策略減小參數(shù)尋優(yōu)范圍，防止出現(xiàn)系統(tǒng)溢出狀況。

人工魚(yú)群模塊102用于對(duì)隨機(jī)共振單元202處理后的輸出結(jié)果進(jìn)行人工魚(yú)群迭代繁衍尋優(yōu)，獲取最佳系統(tǒng)參數(shù)和非線性系統(tǒng)輸出信號(hào)。包括魚(yú)群聚群覓食單元301、魚(yú)群追尾覓食單元302和特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)303。

魚(yú)群聚群覓食單元301和魚(yú)群追尾覓食單元302的輸入數(shù)據(jù)均為上一代人工魚(yú)群，同時(shí)進(jìn)行聚群覓食以及追尾覓食行為，其中的步長(zhǎng)參數(shù)由人工魚(yú)群模塊102反饋至步長(zhǎng)調(diào)整模塊103后得到的自適應(yīng)優(yōu)化步長(zhǎng)，而求解每個(gè)行為中食物濃度值時(shí)的周期信號(hào)信噪比為人工魚(yú)群模塊102輸出值經(jīng)過(guò)噪聲調(diào)節(jié)模塊104反饋調(diào)節(jié)后的信噪比。特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)303用于存放每代人工魚(yú)繁衍后的最優(yōu)值資源信息，其中包括短每代人工魚(yú)繁衍后的最優(yōu)人工魚(yú)的食物濃度大小和對(duì)應(yīng)位置信息(即最優(yōu)系統(tǒng)參數(shù))。

步長(zhǎng)調(diào)整模塊103用于根據(jù)特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)303更新值進(jìn)行步長(zhǎng)調(diào)整，反饋至魚(yú)群聚群覓食單元301和魚(yú)群追尾覓食單元302中的步長(zhǎng)參數(shù)。該模塊包括策略決策單元401和步長(zhǎng)計(jì)算單元402。

策略決策單元401根據(jù)特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)303反饋的最佳人工魚(yú)食物濃度進(jìn)行步長(zhǎng)策略選擇。即根據(jù)食物濃度所對(duì)應(yīng)譜峰峰值判斷迭代收斂狀態(tài)，相當(dāng)于根據(jù)實(shí)際收斂狀況判斷收斂程度，不依賴與其他變量(如時(shí)間、繁衍代數(shù)等)。設(shè)定門(mén)限值的根據(jù)為：當(dāng)大部分隨機(jī)共振收斂于一個(gè)頻點(diǎn)時(shí)，剩余的頻點(diǎn)判定不一致的人工魚(yú)以最大步長(zhǎng)迭代一次，防止出現(xiàn)局部最優(yōu)，并且此部分人工魚(yú)食物濃度不參與特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)303的更新，收斂一致的人工魚(yú)結(jié)果輸出至步長(zhǎng)計(jì)算單元402計(jì)算步長(zhǎng)；否則，所有人工魚(yú)輸出至步長(zhǎng)計(jì)算單元402計(jì)算步長(zhǎng)。

一種基于人工魚(yú)群算法的自適應(yīng)隨機(jī)共振方法，該方法包括以下步驟：

步驟s501：采用harr小波變換對(duì)輸入信號(hào)進(jìn)行初步處理：

ψ(τ)是harr小波母函數(shù)。為被檢測(cè)信號(hào)，a為信號(hào)幅值，f0為信號(hào)頻率，γ(t)為均值為0、噪聲強(qiáng)度為d高斯白噪聲，<γ(t)〉＝0，〈γ(t)γ(0)〉＝2dδ(t),其中<·>為時(shí)間平均。通過(guò)s(t)的頻譜初步得到信號(hào)頻點(diǎn)所處范圍。實(shí)驗(yàn)表明，初步處理信號(hào)可以得到較大的參數(shù)尋優(yōu)范圍，此范圍會(huì)在后續(xù)算法中得到合理控制。

步驟s502：由歸一化原理確定雙穩(wěn)態(tài)系統(tǒng)參數(shù)a、b的自適應(yīng)尋優(yōu)范圍。受白噪聲和微弱周期信號(hào)作用的雙穩(wěn)態(tài)系統(tǒng)是產(chǎn)生隨機(jī)共振最為常用的一種非線性系統(tǒng)，因此隨機(jī)共振單元以雙穩(wěn)態(tài)非線性系統(tǒng)為例，可表示為langevin方程：

a和b為雙穩(wěn)態(tài)系統(tǒng)參數(shù)。雙穩(wěn)系統(tǒng)在信號(hào)和噪聲的共同作用下產(chǎn)生隨機(jī)共振輸出x(t)。當(dāng)雙穩(wěn)系統(tǒng)參數(shù)、信號(hào)參數(shù)、噪聲強(qiáng)度達(dá)到匹配時(shí)，噪聲的能量會(huì)增強(qiáng)信號(hào)，使非線性系統(tǒng)輸出信噪比增加，輸出功率譜在信號(hào)頻率f0處出現(xiàn)被放大的峰值。

(2)中參數(shù)a、b均為大于0的實(shí)數(shù)時(shí)，可通過(guò)引入以下變量替換對(duì)雙穩(wěn)態(tài)系統(tǒng)模型進(jìn)行歸一化處理：τ＝at。帶入(2)式得：

其中γ(t)變換為相當(dāng)于γ(t)在時(shí)域上進(jìn)行a倍拉伸，也相當(dāng)于在頻域上進(jìn)行1/a倍壓縮，但γ(t)作為白噪聲，在所有頻率范圍為定值，因此拉伸或壓縮不改變其功率。噪聲滿足因此有其中ξ(τ)滿足<ξ(τ)>＝0，<ξ(τ)ξ(0)>＝δ(τ)，即均值為0，方差為1的白噪聲。(3)可進(jìn)一步化簡(jiǎn)：

歸一化目標(biāo)值為a＝1，b＝1，f＝0.01hz，歸一化后的信號(hào)頻率壓縮為之前的1/a，并且噪聲和信號(hào)幅度同比例進(jìn)行了縮放，解決了隨機(jī)共振的小參數(shù)條件限制，可應(yīng)用于任意大參數(shù)周期信號(hào)處理。

步驟s503：當(dāng)參數(shù)尋優(yōu)范圍確定后，范圍選取過(guò)大則其內(nèi)參數(shù)就有可能造成非線性系統(tǒng)的溢出，無(wú)法得出隨機(jī)共振結(jié)果，即無(wú)法計(jì)算食物濃度。這時(shí)須采取合適的策略減小參數(shù)尋優(yōu)范圍，防止出現(xiàn)系統(tǒng)溢出狀況。調(diào)整策略：通過(guò)預(yù)處理確定信號(hào)所處頻段，設(shè)信號(hào)頻率f＝t×10^m,t∈(0.1,10),m＝0,1,2,3...，根據(jù)(4)式，歸一化頻率是0.01hz，最佳a(bǔ)處于t×10^m+2,t∈(0.1,10)附近，因此取系統(tǒng)參數(shù)a、b的尋優(yōu)范圍[1×10^m+1,1×10^m+3]。langevin方程是高次偏微分方程，當(dāng)a取值較大時(shí)，易發(fā)生溢出現(xiàn)象，b值大小不作為范圍修正參考，尋優(yōu)范圍保持和a一致。設(shè)某代中nspill條人工魚(yú)參數(shù)(a,b)為(ta,i×10^m+2,tb,i×10^m+2)，ta,i,tb,i∈[0.1,10]，i＝1,2...nspill時(shí)發(fā)生了溢出現(xiàn)象，則將參數(shù)a、b的取值范圍均修正為[[1×10^m+1,min(ta,i)×10^m+2]]，ta,i∈[0.1,10]，即取發(fā)生溢出現(xiàn)象的人工魚(yú)的最小a值作為尋優(yōu)范圍上限。在下一代人工魚(yú)中，對(duì)所有不在尋優(yōu)范圍內(nèi)的人工魚(yú)進(jìn)行重新播種操作。

定義播種操作：在某些狀態(tài)下若無(wú)法計(jì)算食物濃度，說(shuō)明人工魚(yú)喂養(yǎng)范圍不當(dāng)，淘汰此人工魚(yú)，在更小的可喂養(yǎng)人工魚(yú)的范圍內(nèi)重新產(chǎn)生人工魚(yú)，隨機(jī)獲取坐標(biāo)并計(jì)算食物濃度，得到新人工魚(yú)個(gè)體，而非繁殖的下一代。

步驟s504：對(duì)人工魚(yú)群進(jìn)行初始化，包括魚(yú)群規(guī)模n，視野visual0、步長(zhǎng)step0、stepmin0，擁擠度因子δ，最大重復(fù)嘗試次數(shù)try_number，確定視野visual＝visual0×10^m、步長(zhǎng)stepc＝step0×10^m、stepmin＝stepmin0×10^m(通過(guò)步驟503中頻點(diǎn)所處范圍確定量級(jí))，生成第一代人工魚(yú)群體；

步驟s505：進(jìn)行人工魚(yú)群繁衍，初始化特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)。xi＝(x1,i,x2,i,x3,i,…,xn,i)表示第i代n條人工魚(yú)的當(dāng)前狀態(tài)。xk,i,k∈[1,n]表示第i次迭代中所需尋優(yōu)的目標(biāo)參數(shù)在規(guī)定范圍內(nèi)的n個(gè)取值。每條魚(yú)當(dāng)前坐標(biāo)的食物濃度f(wàn)c，即輸出信號(hào)的信噪比，找到擁有最大的fc的人工魚(yú)就是所需結(jié)果，擁有最大fc的人工魚(yú)坐標(biāo)xfinal為參數(shù)尋優(yōu)結(jié)果。

步驟s506：每條人工魚(yú)進(jìn)行聚群行為，人工魚(yú)當(dāng)前坐標(biāo)為xk,i，視野內(nèi)同伴數(shù)目為nf，求出視野內(nèi)所有同伴的坐標(biāo)中心點(diǎn)x″k,i，此坐標(biāo)食物濃度f(wàn)c″k,i。若滿足條件：則視野內(nèi)同伴不太擁擠且食物較多，則向此坐標(biāo)移動(dòng)一步，轉(zhuǎn)入步驟s509，獲得步長(zhǎng)調(diào)整值stepk,i，移動(dòng)距離為rand為0到1隨機(jī)值否則，執(zhí)行覓食行為，在其視野內(nèi)尋找食物濃度更高的狀態(tài)，若尋找到某坐標(biāo)x'k,i的食物濃度f(wàn)c'k,i大于當(dāng)前食物濃度f(wàn)ck,i，則向該方向移動(dòng)一步，轉(zhuǎn)入步驟s509，獲得步長(zhǎng)調(diào)整值stepk,i，移動(dòng)距離為則若未找到更大fck,i，反復(fù)迭代多次，最大試探次數(shù)try_number，若仍未找到更優(yōu)狀態(tài)，則隨機(jī)移動(dòng)一步距離為step0·rand。

步驟s507：每條人工魚(yú)進(jìn)行追尾行為，人工魚(yú)當(dāng)前坐標(biāo)xk,i，尋找視野內(nèi)的食物濃度最高的同伴，若存在x″'k,i滿足fc″'k,inf>δfck,i，則擁有更高食物濃度且不太擁擠，向此坐標(biāo)移動(dòng)一步，轉(zhuǎn)入步驟s509，獲得步長(zhǎng)調(diào)整值stepk,i，移動(dòng)距離為否則，執(zhí)行覓食行為，若仍未找到更優(yōu)狀態(tài)，則隨機(jī)移動(dòng)一步距離為step0×rand。

步驟s508：給人工魚(yú)代表的周期信號(hào)添加噪聲，添加高斯白噪聲使信號(hào)信噪比降低0-5db(不添加5db以上的噪聲，防止添加過(guò)多噪聲對(duì)隨機(jī)共振或信號(hào)帶來(lái)其他負(fù)面影響)，結(jié)果反饋至步驟s505用于計(jì)算當(dāng)前人工魚(yú)食物濃度。設(shè)定當(dāng)食物濃度能夠提升的人工魚(yú)比例達(dá)到門(mén)限值th1時(shí)，取此時(shí)添加的噪聲強(qiáng)度值，給輸入信號(hào)恒定添加此大小噪聲，以便噪聲能量更大程度匯聚到隨機(jī)共振的譜峰。對(duì)同一批人工魚(yú)反復(fù)試驗(yàn)，可驗(yàn)證在0-5db范圍內(nèi)添加噪聲，能夠提升食物濃度的人工魚(yú)數(shù)量比例一般0.9±0.04，因此比例門(mén)限設(shè)定為th1＝0.9，若添加噪聲達(dá)到上限時(shí)比例值仍未達(dá)到th1，則取獲得最大優(yōu)化人工魚(yú)數(shù)量的對(duì)應(yīng)噪聲。

步驟s509：以特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)中最優(yōu)食物濃度對(duì)應(yīng)的輸出信號(hào)頻譜譜峰值作為參考值，進(jìn)行步長(zhǎng)調(diào)整(若首次進(jìn)行步長(zhǎng)調(diào)整，譜峰值為原始信號(hào)頻譜譜峰值)。通過(guò)歸一化處理和添加噪聲操作能夠快速使信號(hào)發(fā)生隨機(jī)共振，但對(duì)于條人工魚(yú)，不同人工魚(yú)發(fā)生隨機(jī)共振的代數(shù)不同，因此為使全體人工魚(yú)快速收斂，通過(guò)設(shè)定人工魚(yú)數(shù)量比例門(mén)限th2，使隨機(jī)共振譜峰位置判斷不一致(隨機(jī)共振未發(fā)生或發(fā)生過(guò)共振或欠共振)的人工魚(yú)xother不參與公告板更新，并且采用區(qū)別于其他人工魚(yú)的步長(zhǎng)調(diào)整策略。

在魚(yú)群繁衍初期，采用較大步長(zhǎng)，方便快速收斂，以隨機(jī)共振譜峰變化程度為衡量標(biāo)準(zhǔn)，隨著譜峰變化程度減小，步長(zhǎng)相應(yīng)減小，直到最終收斂?？紤]部分人工魚(yú)隨機(jī)共振頻點(diǎn)判斷出錯(cuò)的情況，此時(shí)采用最大步長(zhǎng)進(jìn)行移動(dòng)，以便跳出局部最優(yōu)。

設(shè)人工魚(yú)隨機(jī)共振譜峰橫坐標(biāo)一致的人工魚(yú)坐標(biāo)集合為nr，總數(shù)為nr。當(dāng)時(shí)，

當(dāng)時(shí)，

其中stepk,i表示第i代中第k條人工魚(yú)的步長(zhǎng)，結(jié)果反饋至步驟s506和s507，stepc為步長(zhǎng)固定值，stepmin是為了防止最后收斂過(guò)慢設(shè)定的步長(zhǎng)下限。參數(shù)w,q根據(jù)曲線仿真確定(令為自變量，可得在w＝5和q＝8時(shí)魚(yú)群收斂取得最快速度，當(dāng)信號(hào)不同時(shí)，最佳w,q沒(méi)有明顯變化)。pk,i表示第i代中第k條人工魚(yú)的隨機(jī)共振輸出信號(hào)頻域譜峰峰值，而pk,0表示采用以單個(gè)參數(shù)為優(yōu)化對(duì)象的自適應(yīng)隨機(jī)共振(先后對(duì)不同參數(shù)進(jìn)行尋優(yōu)，在確定一個(gè)參數(shù)最優(yōu)值后直接應(yīng)用于系統(tǒng)并求下一個(gè)參數(shù)最優(yōu)值，本文稱之為一般自適應(yīng)隨機(jī)共振算法)對(duì)同一信號(hào)處理得到的隨機(jī)共振譜峰峰值。采用譜峰峰值判斷迭代收斂狀態(tài)，相當(dāng)于根據(jù)實(shí)際收斂狀況判斷收斂程度，不依賴與其他變量(如時(shí)間、繁衍代數(shù)等)。設(shè)置th2的作用是，當(dāng)大部分隨機(jī)共振收斂于一個(gè)頻點(diǎn)時(shí)，剩余的頻點(diǎn)判定不一致的人工魚(yú)xother以最大步長(zhǎng)迭代一次，防止出現(xiàn)局部最優(yōu)。xother所有人工魚(yú)食物濃度不參與公告板的更新。設(shè)定th2＝0.94，考慮試驗(yàn)中繁衍一定代數(shù)后仍有不多于0.06比例的人工魚(yú)xother發(fā)生共振頻點(diǎn)不一致情況時(shí)，其他收斂一致的多數(shù)人工魚(yú)發(fā)生局部尋優(yōu)的可能。

步驟s510：比較步驟s506和步驟s507，取相較最優(yōu)值更新特征峰值檢測(cè)資源管理數(shù)據(jù)庫(kù)，進(jìn)行繁衍結(jié)束條件判定，設(shè)定連續(xù)兩代公告板最優(yōu)值增長(zhǎng)量為若滿足inci＝inci-1＝0且則繁衍結(jié)束，否則轉(zhuǎn)入步驟s505。由于在公告板最優(yōu)值更新過(guò)程中，即便魚(yú)群沒(méi)有繁衍結(jié)束，也可能出現(xiàn)連續(xù)幾代公告板沒(méi)有更新，也就是沒(méi)有找到更優(yōu)食物濃度的情況。因此在設(shè)定連續(xù)兩次沒(méi)有更新的同時(shí)，需要計(jì)算公告板停止更新的前一代最優(yōu)值增長(zhǎng)量是否滿足收斂特性。即當(dāng)連續(xù)兩次公告板沒(méi)有更新，且兩次前公告板最優(yōu)值更新大小小于(即歷史最優(yōu)值增長(zhǎng)量均值的1/2)，停止繁衍。以此嚴(yán)格控制繁衍代數(shù)，減少隨機(jī)共振運(yùn)算帶來(lái)的算法復(fù)雜度和運(yùn)算時(shí)間。