微弱信号检测放大的原理及应用.doc

微弱信号检测放大的原理及应用.doc

《微弱信号检测放大的原理及应用.doc》由会员分享，可在线阅读，更多相关《微弱信号检测放大的原理及应用.doc（6页珍藏版）》请在冰豆网上搜索。

《微弱信号检测与放大》

摘要：

微弱信号常常被混杂在大量的噪音中,改善信噪比就是对其检测的目的，从而恢复信号的幅度。

因为信号具备周期性、相关性,而噪声具有随机性，所以采用相关检测技术时可以把信号中的噪声给排除掉。

在微弱信号检测程中，一般是通过一定的传感器将许多非电量的微小变化变换成电信号来进行放大再显示和记录的。

由于这些微小变化通过传感器转变成的电信号也十分微弱，可能是VV甚至V或更少。

对于这些弱信号的检测时，噪声是其主要干扰，它无处不在。

微弱信号检测的目的是利用电子学的、信息论的和物理学的方法分析噪声的原因及其统计规律研究被检测量信号的特点及其相干性利用现代电子技术实现理论方法过程，从而将混杂在背景噪音中的信号检测出来。

关键词：

微弱信号；检测；放大；噪声

1前言

测量技术中的一个综合性的技术分支就是微弱信号检测放大，它利用电子学、信息论和物理学的方法，分析噪声产生的原因和规律，研究被测信号的特征和相关性，检出并恢复被背景噪声掩盖的微弱信号。

这门技术研究的重点是如何从强噪声中提取有用信号，从而探索采用新技术和新方法来提高检测输出信号的信噪比。

微弱信号检测放大目前在理论方面重点研究的内容有：

a.噪声理论和模型及噪声的克服途径；b.应用功率谱方法解决单次信号的捕获；c.少量积累平均，极大改善信噪比的方法；d.快速瞬变的处理；e.对低占空比信号的再现；f.测量时间减少及随机信号的平均；g.改善传感器的噪声特性；h.模拟锁相量化与数字平均技术结合。

2.微弱信号检测放大的原理

微弱信号检测技术就是研究噪声与信号的不同特性，根据噪声与信号的这些特性来拟定检测方法，达到从噪声中检测信号的目的。

微弱信号检测放大的关键在于抑制噪声恢复、增强和提取有用信号即提高其信噪改善比SNIR。

根据下式信噪改善比（SNIR）定义



即输出信噪比（S/N）0与输入信噪比（S/N）i之比。

（SNIR）越大即表示处理噪声的能力越强，检测的水平越高。

3微弱信号检测放大的特点

1）在较低的信噪比中检测微弱信号。

造成信噪比低的原因，一方面是因为特征信号本身十分微弱；另一方面是因为强噪声干扰使得信噪比降低。

如在机械设备处于故障早期阶段时，往往以某种方式与其它信源信号混合的故障对应的各类特征信号，使得特征信号相当微弱；在设备在工作时，又有强噪声干扰。

因此，特征信号基本为低信噪比的微弱信号。

2）要求检测具有实时性和快速性。

工程实际中所采集的数据长度或持续时间一般会受到限制，这种在较短数据长度下的微弱信号检测在诸如雷达、通讯、地震、工业测量、声纳、机械系统实时监控等领域具有着广泛的需求。

4微弱信号检测的方法研究

微弱特征信号检测方法各种各样，从传统的相关检测、频谱分析、取样积分和时域平均方法到新近发展起来的神经网络、小波分析理论、混沌振子、随机共振、高阶统计量等方法，在微弱特征信号检测中有着广泛的应用。

具体来说，用的较多的有以下几种：

1）时域检测法微弱特征信号的时域检测方法主要有相关检测、取样积分与数字式平均、时域平均等方法。

1.1相关检测：

相关检测主要是对信号和噪声进行相关性分析，主要物理量是相关函数R（τ）。

确定性信号的不同时刻取值有较强的相关性；而对干扰噪声，因为其随机性较强，不同时刻取值的相关性一般较差。

利用这一差异，把确定性信号和干扰噪声区分开来。

相关检测包括互相关法和自相关法，互相关法用互相关函数来度量两个随机过程间的相关性；而自相关法通过自相关函数度量同一个随机过程前后的相关性。

相比自相关法，互相关法提取信号能力越强，对噪声抑制得较彻底。

一般，互相关是根据接收信号的重复周期或已知频率，在接收端发出与待测信号频率相同的参考信号，将参考信号与混有噪声的输入信号进行相关。

1.2取样积分与数字式平均

这两种方法的工作原理是根据恢复信号的精度要求，将各个信号周期分为若干的时间间隔，再对这些分隔信号进行取样，并将各周期中处于相同位置的取样信号进行平均或积分。

用模拟电路来实现取样积分的过程，用计算机的数字处理方式来实现数字式平均的过程。

取样积分技术含有取样和积分两个连续过程，其基本原理如下图所示，待测信号x（t）=S（t）+n（t）经过放大输入到取样开关，r（t）是与待测信号同频的参考信号或待测信号本身。

触发电路根据参考信号波形情况（如幅度或是上升速率）形成脉冲信号，再经过延时后，生成一定宽度的取样脉冲，在取样开关K的控制下，来完成对输入信号x（t）的取样，但是积分仅在取样时间内进行，它其余时间积分结果处于保持状态。

1.3时域平均：

信号时域平均处理，这一过程是从混有噪声干扰的复杂周期信号中提取有效周期分量的过程，作用是可以抑制混杂于信号中的随机干扰，消除与给定频率无关的信号分量，比如噪声和无关的周期信号，提取与给定频率有关的周期信号。

因此，这种方法能在噪声环境下工作，提高分析信号的信噪比。

２）.频域检测法

　　这是最常用的一种频域检测法，它用于从背景噪声中提取出信号的特征频率成分，较多地用于微弱周期信号的检测。

应用傅立叶变换的频谱分析将时域问题转换为频域问题，其原理是把复杂的时间形成波形，经傅立叶变换为若干单一的谐波分量后来研究，以获得信号的频率结构与各谐波幅值、相位、功率及能量和频率之间的关系。

这是用于研究平稳随机过程性能的一种信号处理技术。

常用的频谱分析方法有多种，主要包括幅值谱分析、功率谱分析和相位谱分析等。

分辨率Δf在频谱分析中是个很重要的参数，它取决于所分析信号的时间长度T（T•Δf=1），微弱信号检测放大性能与观测时间成正比。

举个例子，假定观测的正弦信号S（t）=Asin（ωt），淹没在方差为σ2的白噪声中，则检测性能正比于A2/（2σ2Δf），频域分辨率Δf将全频带分成了以Δf为带宽的小频带。

当噪声为白噪声时，每个小带内的噪声能量相等，并且随着Δf的减小而下降，并不依赖于Δf。

所以，时间长度T越长，Δf就越小，频率分辨率越高，这就可以将很小的频率确定的正弦信号成功检测出来。

３）时频分析法

因为时域检测和频域检测无法表述信号的时间-频率的局部性质，而这种性质是非平稳信号最根本的性质。

时频分析是非平稳信号处理的重要手段。

时频分析运用时间－频率联合表示信号，将一维的时间信号映射到一个二维的时频平面，全面反映观测信号的时间-频率联合特征，在时频域内对信号进行分析，从而掌握信号的时域及频域信息，而且可以清

楚地了解信号的频率随时间有规律的变化。

时频分析的基本要求是建立一个分布函数，要求这个函数能够同时用时间和频率描述信号能量密度，并且还可以用来计算特定频率和时间范围内的能量分布，以及特定时刻的频率密度和该分布函数的不同阶矩，比如平均条件频率等。

在常用的时频分析工具中，小波变换和短时Fourier变换应用最为广泛。

这是因为短时Fourier变换采用了信号的线性变换方法，而小波变换具有多分辨率分析的特点，在分析包含有多个分量的信号时，不仅能够抑制交叉项的产生，同时也具有较小的计算量；小波变换在时频两域都具有表征信号局部特征的能力，是一种窗口大小固定不变，其形状可改变，时间窗、频率窗都可以改变的时频局部化分析的一种方法；在高频部分具有较高时间分辨率和较低频率分辨率，在低频部分具有较高频率分辨率和较低时间分辨率。

４）基于非线性理论的检测法

传统的频域、时域或时频分析方法通常以线性理论为主，在滤去噪声后，信号有所失真。

近年来，随着非线性理论的发展，利用非线性系统特有性质来检测不稳定、非平衡的状态中微弱信号成为了可能。

现在，基于非线性理论的微弱信号检测放大方法主要包括高阶谱分析、经验模式分解、神经网络、差分振子法、混沌理论方法、随机共振方法等。

高阶谱分析法可以有效抑制信号中的非高斯、非相关噪声，并保留了信号中的相位信息。

经验模式的分解能将复杂的非线性、非平稳信号分解成为固有模态函数，来获得了完整的时频信息。

混沌理论法、差分振子法则是利用非线性动力学对初值的敏感性、噪声免疫力来进行的微弱信号检测，在抑制噪声的同时，信号却未被削弱，能有效降低噪声干扰，来进行高灵敏度测量。

待测微弱信号频率已知的情况下，可用特定的微弱信号检测对应的特定的检测系统。

与其他微弱信号检测方法相比，随机共振是利用噪声，而不是抑制噪声。

作用于某一类非线性系统噪声干扰下的信号，它和噪声在非线性系统的共同作用下，就会发生噪声能量向信号能量的转移，信号幅值增大，产生了类似力学中的共振输出，提高了系统信噪比。

一般的随机共振系统结构框图如下图所示

常规的随机共振系统结构框图

５微弱信号检测放大与处理的研究方向

　　近几年来，随着信号检测与处理中引入了基于非线性动力学系统的数学理论，如混沌理论、神经网络、随机共振原理等，在微弱信号检测放大领域，利用非线性动力学系统独有性质的检测微弱信号的方法渐渐显现出优势。

比如混沌测量法，它具有极高的测量灵敏度，以及对任何零均值噪声都具有极强的免疫力的特征，很好的解决了关于任何零均值噪声背景下微弱信号的参数难以估计的问题；早期，机械设备故障预示和诊断中应用随机共振的方法，用噪声的部分能量转化为信号能量来检测微弱特征信号，从而提高了诊断的准确率。

随着信号检测与处理中非线性理论和方法的广泛应用，非线性分析法已经成为未来微弱信号检测研究的主要趋势之一。

由于微弱信号噪声的种类较多，如微弱脉冲信号、微弱周期信号、微弱非周期信号、冲击信号，噪声有如限带噪声、窄带噪声、白噪声、高斯噪声等，由于不同特性的信号和噪声混合，造成了待测信号的复杂。

而采用单一的检测方法，检测门限过高，有限地改善信噪比。

在实际检测中，充分利用，结合多种检测方法检测微弱信号已逐渐成为一种趋势。

如将小波方法与频谱分析方法结合，先利用小波变换，来对信号进行相干积累，随后用周期谱方法对积累信号进行估计，可以有效的改善信号的检测能力。

6结语

微弱信号检测放大是一门研究如何从复杂噪声背景中提取微弱特征信号的技术，论文分析了基于线性理论的时域、频域以及时频域等各种微弱信号检测放大的方法与应用，在基于非线性理论的检测法中着重阐述了随机共振法。

随着计算机技术、微电子技术、信息理论的发展，微弱信号检测放大在医疗、军事、生物、航空、生产等领域的广泛应用促进了人们不断研究与探索微弱特征信号检测放大的新理论、新方法，期望能更加快速、更加准确地从复杂噪声背景中检测出微弱特征信号。

参考文献

[1]兰瑞明.弱信号检测方法研究[D].成都：

电子科技大学，2005.

[2]李楠.刘福.微弱信号检测的3种非线性方法[J].电力自动化设备,2008.

[3]李舜酩等.微弱振动信号的谐波小波频域提取[J].西安交通大学学报,2004.

[4]高晋占.微弱信号检测[M].北京:

清华大学出版社,2004.

[5]于丽霞.微弱信号检测技术综述[J].信息技术,2007.