论文部分内容阅读
【摘要】微弱信号的检测技术有多种，本文对当前的微弱信号检测技术进行了总结分析，具体从时域检测、频域检测、时频检测以及非线性检测等多个分类领域对该领域内的微弱信号检测技术进行了讨论。
【关键词】微弱信号 信号检测 时域 频域 时频 非线性
【中图分类号】TN911.23 【文献标识码】A 【文章编号】1672-5158（2013）04-0185-01
信号在传输过程中不可能消除噪声的干扰，若信号比较微弱甚至于被背景噪声所淹没则很难将信号从背景噪声中提取出来。但是在某些应用领域如精密机械、信号处理、物理应用等常会遇到对微弱信号的检测和处理，研究如何在信噪比较低的环境下提取微弱信号就显得非常重要。
1、微弱信号的检测特点
首先，微弱信号表明信号所处的环境为低信噪比环境，产生种环境的原因一方面是特征信号本身就十分微弱，另一方面是信号所处的环境中噪声强度较大，信号被噪声所淹没，致使信噪比较低。以机械设备中的微弱信号为例，在机械设备表征出故障的初始阶段，故障特征信号通常夹杂在其他信号之间，信号能量相对比较微弱，而机械设备工作中产生的强噪声又进一步降低了特性信号被检测到的几率。
其次，对微弱信号的检测通常需要具有快速性和实时性。微弱信号持续的时间和信号长度通常会受到一定的限制，检测系统必须在限定时间内才能够将微弱信号检测出来。该特性在雷达、声纳、地震、工业测量、机械系统实时监控等领域表现尤为明显。
2、微弱信号的检测技术研究
对微弱信号的检测技术发展非常迅速，传统的检测技术有相关检测、取样积分、时域平均等，新技术新理论的发展及应用也推动了这些技术和理论在微弱信号检测方面的应用如基于小波变换、神经网络、混沌振子等理论的微弱信号检测技术等。
2.1 时域微弱信号检测技术
对微弱信号的检测发展最早，最为成熟的技术都是基于时域的。常用的时域检测技术有相关检测、时域平均、取样积分与数字平均等。
2.1.1 相关检测技术
相关检测技术主要对包含信号以及噪声的混合信号进行相关处理来减小噪声对信号的影响。噪声具有随机性和不确定性，其不同时刻的相关性较差，因此对噪声做相关处理后会削弱噪声的影响。而某一确定的信号在不同时刻的相关性较强，对信号进行相关处理可以增强信号的表征。对混合信号进行相关处理可以达到增强检测信号，降低噪声的目的。
相关检测技术包括自相关技术和互相关技术。其中自相关技术利用信号不同时刻的相关性对信号进行处理，而互相关技术则是用两个信号同一时刻的相关性对信号进行处理，其在去噪方面的效果更好。在微弱信号的检测中互相关技术的实现方法为对已知信号频率的微弱信号，在其接收端产生一个预期频率相同的参考信号，利用该信号与接收信号进行相关处理，处理结束后噪声可以得到很好的抑制。
2.1.2 时域平均技术
该技术的核心思想为在混合信号中对有用信号进行周期分量提取，抑制噪声的影响，消除与提取频率无关的信号分量，提高微弱信号的信噪比。
其实现方式为，对一个离散信号序列x按照其有效周期分量频率f进行信号提取，则该信号序列被截取成长度为T=l/f的N段短序列，这些新序列即为进过时域平均后得到的。进而对新序列做z变换即可获得其频率响应函数，利用该函数即可还原微弱信号的时域函数，抑制噪声。
2.1.3 取样积分与数字平均技术
该技术的实现原理为将每个信号周期划分为若干个时间间隔，然后分别对其进行等间隔采样，将各周期中处于相同位置的信号提取出来做积分或者平均处理，以抑制噪声的影响，提高信号强度。
2.2 频域检测法
频率检测法也是一类非常成熟的微弱信号检测方法。该方法利用傅里叶变换将信号由时域转换到频域，然后按照信号的频域特征进行去噪处理。假定所需要检测的微弱信号被淹没在白噪声环境中，设定适当的频域分辨率△f对混合信号的频域信息进行分割，每个小频带的宽度为△f。由于白噪声在频域表现为一条平行的直线，故其在每个小频带内的噪声能量是相等的，且△f越小其能量越小。但是信号在包含其全部频率的带宽内的能量处于恒定状态。据此原理可以设定适当的频率分辨率△f将微弱信号检测出来。
2.3 时频检测法
时频检测法中最为成熟的方法为小波变换法。该方法的理论基础为小波变换。小波变换可以将信号进行平移和伸缩处理，分解为多个具有原始信号局部特征的子信号，经过多次小波变换可以获得具有良好的时频特征的子信号，对这些子信号进行去相关或者其他处理即可实现微弱信号的去噪。经过小波分解后，混合信号的能量被重新分配，其中小波系数幅值较大的子带信号可被认为为有用信号，而幅值较小的自带信号为噪声信号，这样，噪声被限制在某一部分的小波域内，实现了信号与噪声的分离。在经过相关处理即可获得去噪的微弱信号。
2.4 基于非线性理论的检测法
除了上述的时域方法、频域方法或者时频结合的方法外，随着新理论和新技术的应用基于非线性理论的微弱信号检测方法也得到了发展和应用。
高阶谱分析法可以对信号中掺杂的非相关、非高斯噪声进行抑制，同时保留信号的相位信息。结合高阶信号频率分解可以将非平稳、非线性的微弱信号分解成具有固定频率的高阶函数，获得信号的时频信息。
其他还有混沌理论、差分振子等方法同样是利用信号的非线性对混合信号进行处理，不破坏有用信号的前提下消除或者抑制噪声，提高测量的灵敏度。
总结
随着信息技术及其理论的发展，对微弱信号的检测不断向多个领域进行拓展。如何应用新理论新方法将微弱信号在更短时间内检测出来，且保证其检测的准确度和可靠度是今后微弱信号检测技术的研究重点。
【关键词】微弱信号 信号检测 时域 频域 时频 非线性
【中图分类号】TN911.23 【文献标识码】A 【文章编号】1672-5158（2013）04-0185-01
信号在传输过程中不可能消除噪声的干扰，若信号比较微弱甚至于被背景噪声所淹没则很难将信号从背景噪声中提取出来。但是在某些应用领域如精密机械、信号处理、物理应用等常会遇到对微弱信号的检测和处理，研究如何在信噪比较低的环境下提取微弱信号就显得非常重要。
1、微弱信号的检测特点
首先，微弱信号表明信号所处的环境为低信噪比环境，产生种环境的原因一方面是特征信号本身就十分微弱，另一方面是信号所处的环境中噪声强度较大，信号被噪声所淹没，致使信噪比较低。以机械设备中的微弱信号为例，在机械设备表征出故障的初始阶段，故障特征信号通常夹杂在其他信号之间，信号能量相对比较微弱，而机械设备工作中产生的强噪声又进一步降低了特性信号被检测到的几率。
其次，对微弱信号的检测通常需要具有快速性和实时性。微弱信号持续的时间和信号长度通常会受到一定的限制，检测系统必须在限定时间内才能够将微弱信号检测出来。该特性在雷达、声纳、地震、工业测量、机械系统实时监控等领域表现尤为明显。
2、微弱信号的检测技术研究
对微弱信号的检测技术发展非常迅速，传统的检测技术有相关检测、取样积分、时域平均等，新技术新理论的发展及应用也推动了这些技术和理论在微弱信号检测方面的应用如基于小波变换、神经网络、混沌振子等理论的微弱信号检测技术等。
2.1 时域微弱信号检测技术
对微弱信号的检测发展最早，最为成熟的技术都是基于时域的。常用的时域检测技术有相关检测、时域平均、取样积分与数字平均等。
2.1.1 相关检测技术
相关检测技术主要对包含信号以及噪声的混合信号进行相关处理来减小噪声对信号的影响。噪声具有随机性和不确定性，其不同时刻的相关性较差，因此对噪声做相关处理后会削弱噪声的影响。而某一确定的信号在不同时刻的相关性较强，对信号进行相关处理可以增强信号的表征。对混合信号进行相关处理可以达到增强检测信号，降低噪声的目的。
相关检测技术包括自相关技术和互相关技术。其中自相关技术利用信号不同时刻的相关性对信号进行处理，而互相关技术则是用两个信号同一时刻的相关性对信号进行处理，其在去噪方面的效果更好。在微弱信号的检测中互相关技术的实现方法为对已知信号频率的微弱信号，在其接收端产生一个预期频率相同的参考信号，利用该信号与接收信号进行相关处理，处理结束后噪声可以得到很好的抑制。
2.1.2 时域平均技术
该技术的核心思想为在混合信号中对有用信号进行周期分量提取，抑制噪声的影响，消除与提取频率无关的信号分量，提高微弱信号的信噪比。
其实现方式为，对一个离散信号序列x按照其有效周期分量频率f进行信号提取，则该信号序列被截取成长度为T=l/f的N段短序列，这些新序列即为进过时域平均后得到的。进而对新序列做z变换即可获得其频率响应函数，利用该函数即可还原微弱信号的时域函数，抑制噪声。
2.1.3 取样积分与数字平均技术
该技术的实现原理为将每个信号周期划分为若干个时间间隔，然后分别对其进行等间隔采样，将各周期中处于相同位置的信号提取出来做积分或者平均处理，以抑制噪声的影响，提高信号强度。
2.2 频域检测法
频率检测法也是一类非常成熟的微弱信号检测方法。该方法利用傅里叶变换将信号由时域转换到频域，然后按照信号的频域特征进行去噪处理。假定所需要检测的微弱信号被淹没在白噪声环境中，设定适当的频域分辨率△f对混合信号的频域信息进行分割，每个小频带的宽度为△f。由于白噪声在频域表现为一条平行的直线，故其在每个小频带内的噪声能量是相等的，且△f越小其能量越小。但是信号在包含其全部频率的带宽内的能量处于恒定状态。据此原理可以设定适当的频率分辨率△f将微弱信号检测出来。
2.3 时频检测法
时频检测法中最为成熟的方法为小波变换法。该方法的理论基础为小波变换。小波变换可以将信号进行平移和伸缩处理，分解为多个具有原始信号局部特征的子信号，经过多次小波变换可以获得具有良好的时频特征的子信号，对这些子信号进行去相关或者其他处理即可实现微弱信号的去噪。经过小波分解后，混合信号的能量被重新分配，其中小波系数幅值较大的子带信号可被认为为有用信号，而幅值较小的自带信号为噪声信号，这样，噪声被限制在某一部分的小波域内，实现了信号与噪声的分离。在经过相关处理即可获得去噪的微弱信号。
2.4 基于非线性理论的检测法
除了上述的时域方法、频域方法或者时频结合的方法外，随着新理论和新技术的应用基于非线性理论的微弱信号检测方法也得到了发展和应用。
高阶谱分析法可以对信号中掺杂的非相关、非高斯噪声进行抑制，同时保留信号的相位信息。结合高阶信号频率分解可以将非平稳、非线性的微弱信号分解成具有固定频率的高阶函数，获得信号的时频信息。
其他还有混沌理论、差分振子等方法同样是利用信号的非线性对混合信号进行处理，不破坏有用信号的前提下消除或者抑制噪声，提高测量的灵敏度。
总结
随着信息技术及其理论的发展，对微弱信号的检测不断向多个领域进行拓展。如何应用新理论新方法将微弱信号在更短时间内检测出来，且保证其检测的准确度和可靠度是今后微弱信号检测技术的研究重点。