微弱信号检测论文.docx

微弱信号检测论文.docx

《微弱信号检测论文.docx》由会员分享，可在线阅读，更多相关《微弱信号检测论文.docx（10页珍藏版）》请在冰点文库上搜索。

微弱信号检测论文

微弱信号检测

课程论文

课程名称：

微弱信号检测技术原理及应用

学校：

南京信息工程大学

学院：

电子与信息工程学院

专业：

电子信息工程系

******

学号：

***********

日期：

2010年12月20日

摘要

人们在研究宏观和微观世界的过程中，常需检测极微弱的信号，常规仪表由于存在较大的内部噪声，信号常被噪声淹没，使采用放大器和滤波器无法检测出有用信号。

由于信号具有周期性、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排除。

传统的检测方法采用模拟技术，先将信号经放大通道放大后，再利用锁定放大器（LIA）与参考通道信号完成相关运算。

由于锁定放大器价格昂贵，体积较大，一般不适合于小系统和户外运行的设备。

如果把中的相关运算转换成功率谱计算，就可以采用数字器件取代LIA，来实现数字相关器。

在微弱信号检测（WeakSingalDetection）过程中许多非电量的微小变化都是通过一定的传感器将其变换成电信号进行放大再显示或记录的。

由于这些微小的变化通过传感器转变成的电信号十分微弱，可能是V，V，甚至V或更少。

对于这些弱信号的检测，无疑噪声是其主要干扰，噪声对于弱检测是无处不在的。

微弱信号检测技术主要针对克服所谓“电子噪声”的影响，噪声包括热噪声、散粒噪声和低频噪声，它们一般来自构成检测电路系统的元器件的内部或表面状态。

或可以说来自进行检测的传感器和检测仪器。

经传感器探测并转换成的微弱的电信号，需要通过电子线路放大，才能进行显示或记录，弱检测量本身的涨落及所用传感器的本底以及测量仪表底噪声影响，表现出来底总效果是：

有的被测信号被大量的噪声和干扰信号所淹没。

因此，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深埋在背景中的信号检测出来。

关键词：

内部噪声相关检测技术模拟技术功率谱计算电子噪声电子线路放大

1．微弱信号检测的原理…………………………………........................4

2．微弱信号检测的方法…………………………………........................5

2.1相关检测法…………………………………...............................5

2.2取样积分法…………………………………..............................7

3．应用实例…………………………………...........................................9

3.1用相关测量运动物体的移动速度…............................................9

3.2利用取样积分器检测霍尔电势…………………………………….9

4.结束语………………………………………………………………….....10

1．微弱信号检测的原理

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，拟定检测方法，大道从噪声中检测信号的目的。

微弱信号检测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）。

根据式

（1）信噪改善比（SNIR）定义：

（1）

即输出信噪比（S/N）0与输入信噪比（S/N）i之比。

SNIR越大，表示处理噪声的能力越强，检测的水平越高。

从信号处理系统的信噪比，可简单的论述微弱信号检测的原理，下面用一例子来讨论SNIR的表达式。

如果噪声在很宽的频率范围内具有恒定的功率谱密度，则称这种噪声为白噪声。

所谓谱密度即单位带宽的噪声，若已知噪声功率谱密度，则噪声功率可表示为：

Pn=Vn。

2=∫0∞Sn（f）df。

等效噪声带宽Be=∫0∞Kv。

df，其中

为放大器输入端到输出端的传递函数。

如图一所示，设某系统的输入噪声为白噪声（电阻噪声），其信号处理系统的输入信号电压和输出信号电压分别为Vsi和Vso输入噪声电压和输出噪声电压分别为Vni和Vno，

输入早生为带宽白噪声，其噪声带宽Bi，噪声功率谱密度为Sni，则输入噪声的均方值为Vni2=Sni·Bi。

若系统的电压增益为Kv（f），系统的噪声等效带宽为Be，则输出噪声的均方值为：

（2）

式中，Kvo=Vso/Vsi,显然可得到系统的SNIR为：

由式（3）可得：

信号处理系统的信噪改善比等于输入等效宽带就可以提高系统的输出信噪比。

对于信噪比小于1的被噪声淹没的信号，只要信号处理系统的噪声等效带宽做得很小，就可以将信号从噪声中提取出来，这就是通常的微弱信号检测的指导思想之一。

2．微弱信号检测的方法

在测量中对噪声的处理是非常重要的，它是影响微弱信号检测系统的决定性因素，也是信号检测中的主要不利因素。

对于微弱信号检测来说，如能有效克服噪声，就可以提高信号检测的灵敏度。

近十几年来，信息论的研究对信号和噪声本身的统计特性作了许多研究，为检测淹没在噪声背景中的微弱信号提供了理论基础，并提出了许多根据噪声和信号本身的不同特性，检测深埋在噪声背景中信号的方法。

下面重点介绍二种常规检测微弱信号的检测技术和方法。

2.1相关检测法

信号与噪声有本质区别。

前者是有规律的，能够重复，其后续信号与早先信号是有关联的，信号可以用一个确定的时间函数来描述；而后者恰恰相反，不能用一个确定的时间函数来描述。

因此，可利用信号自身存在的规律（即相关性）来寻找信号，也可以利用一个与被测信号规律性（二者之间也有相关性）部分相同的已知信号来寻找被测信号，达到去除噪声的目的，这就是相关性原理的基本点。

相关检测技术就是根据相关性原理，通过自相关或互相关运算，以最大限度地压缩带宽、抑制噪声，达到检测微弱信号的一种技术。

2.1.1自相关检测

自相关函数表示随机变量f（t）与延时的时间间隔为τ的同一变量的相关性。

若t为时间自变量，则其满足关系式：

（4）

式（4）实现自相关检测的原理，框图如图二所示。

图二自相关检测的原理框图

设混有噪声的信号为：

xi（t）=si（t）+ni（t）（5）

输入到相关接收机后，被分成两路输入，其中一路将经过延迟设备，使它延迟一段时间τ，经过延迟的Xi（t-τ）和未经延迟的Xi（t）被送到相乘电路，随后对乘积进行积分，取平均值。

这样就得到以τ为参数的相关函数，即得自相关输出为：

其中，Rss、Rnn表示s（t）与n（t）的自相关函数；Rsn、Rns表示s（t）与n（t）的互相关函数。

根据相关函数的性质，可知噪声与信号是互不相关的，且噪声的平均值为零，有Rsn（τ）=Rns（τ）=0,则Rxx（τ）=Rss（τ）+Rnn（τ）。

随着τ的增大，Rnn（τ）→0，则对足够大的τ，有Rxx（τ）=Rns（τ）,这样就得到包含着信号s（t）的自相关函数Rxx（τ）。

2.1.2互相关检测

互相关函数指两个不同的随机变量之间的统计依赖型。

两个有同一自变量的函数f（t）和F（t）是可能存在着关联的，无论这两个函数是随机函数还是非随机函数。

描述其关联性，都可用互相关函数，定义为：

当互相关函数不为零，则表示和两函数有一定的统计相关性；若互相关函数为零，则表示两者是独立无关。

实现互相关检测的原理框图如图三所示。

与自相关检测相比，互相关检测的抗干扰性能更好。

若发送信号的重复周期或频率已知，就可在接收端发出一重复周期与信号相同的“干净的”本地信号，将本地信号与混有噪声的输入信号进行互相关。

设输入信号为：

x（t）=s（t）+n（T）（8）

其中，s（t）为待测信号，n（t）为信号s（t）中混入的噪声，y（t）为已知参考信号。

若y（t）与信号s（t）有相关性，而与噪声n（t）无相关性，输入经延时、相乘、积分及平均运算后，得到相关输出Rxy（τ）为：

由于参考信号y（t）与信号s（t）有某种相关性，而与噪声n（t）无相关性，且噪声的平均值为0，则有Rsn（τ）=Rns（τ）=0，即：

Rxy（τ）=Rsy（τ）（10）

显然，Rxy（τ）中包含了信号所携带的信号，即可把待测的信号检测出来了。

2.2取样积分法

为了恢复淹没于噪声中的快速变化的微弱信号，可把每个信号周期分成若干个时间间隔（间隔的大小取决于回复信号所要求的精度），然后对这些时间间隔的信号进行取样，并将各周期中处于相同位置的取样进行积分。

该积分过程常用模拟电路实现，称之为取样积分，其电路原理图如图四（a）所示。

设r（t）为被测信号s（t）同频的参考信号（不限为正弦信号）。

经延时t。

后形成取样脉冲，作用到取样开关S，实现对输入信号x（t）=s（t）+n（t）的取样。

每隔周期T进行一次取样，则在电容C上的电压就得到取样信号的积累（即积分）。

为防止积累造成溢出现象，在计算机的存储器代替C的情况下，要再对存储信号进行处理。

图四（b）为取样积分器波形示意图。

（b）取样积分器波形示意图

图四取样积分原理图

经过n次积累平均，其输出为：

若噪声的形式为白噪声，由于不同时刻噪声值不相关，有：

所以其输出为：

显然，对信号波形的周期取样与积分平均过程，就是对噪声中周期脉冲信号的恢复过程。

3．应用实例

3.1用相关测量运动物体的移动速度

刚出轧辊的热轧钢板的温度很高，测量其移动速度比较困难，可以在沿着钢板运动方向在相距L处装设两个光学传感器，检测钢板发射的红外光或其他光，并将其转换为两路随机电信号。

对于冷轧钢板或其他移动物体，可以在相距L处装设两个光源，再利用光敏器件检测移动物体的反射光，也可以得到两路随机信号。

计算出这两路随机信号的互相关Rxy（τ）函数，并由其峰点位置相应的延时D，从而计算出物体的移动速度v=L/D，如图五所示

3.2利用取样积分器检测霍尔电势

如图六（a）所示的半导体薄片，若在它的两端通以控制电流I，并在薄片的垂直方向施加磁感强度为B的磁场，则在磁场和电流的垂直方向上将产生电动势VH，这种现象称为霍尔效应，霍尔效应的产生是半导体中的运动电荷受洛伦兹力的结果。

设在N型半导体薄片的控制电流端通以电流I，则半导体中的电子的运动方向与电流方向相反。

如果在垂直于半导体薄片的方向施加磁场，洛伦兹力的作用会使电子向一边偏转，如图六（a）中的虚线箭头方向。

这会导致该边的电子堆积，而另一边则累积正电荷，于是产生电场。

该电场会阻止运动电子的继续偏转，当电场作用力与洛伦兹力相等时，电子的积累就达到动态平衡。

这时，在薄片积累了电荷的两个端面之间建立的电场称为霍尔电场，相应的电位差称为霍尔电势VH。

当I与B垂直时，Vg的大小为：

VH=RH1B/d（v）（14）

式中，RH为霍尔材料，取决于材料的物理性质，单位为m3.C-1。

如图六（b）所示是利用霍尔元件检测磁场强度，由于干扰磁场的存在，霍尔元件的输出电势常夹杂着明显的噪声。

利用取样积分器抑制噪声，可以使输出信噪比得以改善。

霍尔元件输出电势中还包含了不等位电势、寄生直流电势、感应电势、温度误差等因素，这些因素都会影响测量结果的精确度。

如果霍尔元件的激励电流i是频率f的方波，这相当于对磁场强度进行载波测量，那么就可用基线取样方法来补偿检测元件固有的偏差以及基线的漂移。

4.结束语

上述分析的几种方法是微弱信号检测中最基本的方法。

微弱信号检测问题关系到很多领域，以前的研究一直受到硬件条件的限制。

随着计算机应用范围的扩大，原来在微弱信号检测中一些需要用硬件完成的检测系统，可用软件来实现，即计算机处理的方法，它是利用计算机进行曲线拟合、平滑、数字滤波、快速傅里叶变换（FFT）及谱估计等方法处理信号，提高信噪比，实现微弱信号检测的要求。

在实际应用中，人们要检测的信号种类繁多，只有掌握了检测技术的基本理论和基本方法才能创新和发展了。

根据不同的信号、不同的要求、不同的条件，采用它们的不同组合设计出所需要的微弱信号检测设备。

微弱信号检测技术的日益成熟，必将给这一领域带来革命性的发展。

参考文献

（1）高晋占.微弱信号检测（M）.北京：

清华大学出版社，2004.

（2）曾庆勇.微弱信号检测（第二版）.浙江大学出版社