微弱電信號(hào)的數(shù)字檢測(cè)綜述*

王后明， 李舜酩

(南京航空航天大學(xué) 能源與動(dòng)力學(xué)院，江蘇 南京 210016)

0 引 言

微弱信號(hào)檢測(cè)技術(shù)是運(yùn)用電子學(xué)和現(xiàn)代信號(hào)處理技術(shù)，研究被測(cè)信號(hào)的特點(diǎn)、相關(guān)性和噪聲的統(tǒng)計(jì)特性，提取或恢復(fù)被噪聲淹沒(méi)的微弱有用信號(hào)[1]?，F(xiàn)代生產(chǎn)生活中，經(jīng)常通過(guò)各類(lèi)傳感器將待測(cè)信號(hào)轉(zhuǎn)換為電信號(hào)，再對(duì)電信號(hào)做進(jìn)一步分析。很多領(lǐng)域中目標(biāo)信號(hào)不僅幅度小，還被強(qiáng)噪聲淹沒(méi)，此外某些信號(hào)頻率較高，要求系統(tǒng)檢測(cè)速度足夠快，增加了檢測(cè)難度。如何實(shí)現(xiàn)在復(fù)雜噪聲背景中準(zhǔn)確識(shí)別出微弱電信號(hào)，完成對(duì)目標(biāo)信號(hào)的特征分析，滿(mǎn)足工程應(yīng)用的需要是檢測(cè)技術(shù)領(lǐng)域的熱點(diǎn)和難點(diǎn)。經(jīng)過(guò)長(zhǎng)期發(fā)展，微弱電信號(hào)的數(shù)字檢測(cè)技術(shù)已經(jīng)構(gòu)建了相對(duì)完善的理論體系，并研制了專(zhuān)用于微弱電信號(hào)檢測(cè)的儀器儀表，如皮安表、納伏表等[1]。

1 微弱電信號(hào)的數(shù)字檢測(cè)方法和原理

在微弱電信號(hào)的提取過(guò)程中，采取各種方法改善信噪比。傳統(tǒng)方法以線性方法為主，它們對(duì)信號(hào)的理論分析比較成熟。新興方法以非線性檢測(cè)方法為主，基于非線性動(dòng)力學(xué)系統(tǒng)的數(shù)學(xué)理論的引入為處于非平衡狀態(tài)的微弱信號(hào)的檢測(cè)提供了可行性的理論依據(jù)。

1.1 時(shí)域分析法

1.1.1 相關(guān)檢測(cè)法

自相關(guān)函數(shù)法利用信號(hào)自身在時(shí)間軸上前后的相關(guān)性檢測(cè)有用信號(hào)。時(shí)延高次自相關(guān)法在旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的降噪過(guò)程具備不會(huì)丟失有用成分的優(yōu)勢(shì)，An Z H等人[2]在研究權(quán)矩陣的多重相關(guān)性的基礎(chǔ)上，提出了一種更適用于智能故障診斷的信號(hào)特征提取方法。自相關(guān)函數(shù)法受函數(shù)本身固有缺陷的限制及有色噪聲的束縛，當(dāng)噪聲功率增加或系統(tǒng)存在相關(guān)性噪聲時(shí)檢測(cè)效果會(huì)明顯下降。互相關(guān)檢測(cè)利用互相關(guān)函數(shù)度量?jī)蓚€(gè)隨機(jī)過(guò)程間的相關(guān)性。通過(guò)將被測(cè)信號(hào)與參考信號(hào)做相關(guān)分析分離出隨機(jī)信號(hào)?；ハ嚓P(guān)法的輸出信噪比更高，抗信噪比性能優(yōu)于自相關(guān)法。文獻(xiàn)[3]針對(duì)軸承早期微弱故障診斷提出基于峭度準(zhǔn)則與互相關(guān)分析的改進(jìn)經(jīng)驗(yàn)小波變換(empirical wavelet transform,EWT)算法。

1.1.2 取樣積分與數(shù)字式平均

取樣積分與數(shù)字式平均方法利用周期信號(hào)的重復(fù)特性，由恢復(fù)信號(hào)的精度要求將每個(gè)信號(hào)周期劃分為若干時(shí)間間隔，再對(duì)分隔信號(hào)進(jìn)行取樣，對(duì)各周期中處于同樣位置的取樣信號(hào)進(jìn)行積分或平均。噪聲多次重復(fù)的統(tǒng)計(jì)平均值趨向于零，可以明顯改善信噪比。姜卓嬌等人[4]設(shè)計(jì)的基于取樣積分的數(shù)據(jù)采集系統(tǒng)能實(shí)現(xiàn)在強(qiáng)噪聲中提取毫伏(mV)級(jí)的弱信號(hào)。它對(duì)于頻率已知信號(hào)是一種有效的檢測(cè)方法，適用于復(fù)雜頻譜的信號(hào)。但當(dāng)輸出信噪比要求較高時(shí)運(yùn)算效率低、檢測(cè)實(shí)時(shí)性差。

1.2 頻域分析法

1.2.1 自適應(yīng)濾波

在無(wú)先驗(yàn)知識(shí)的條件下，自適應(yīng)濾波能在信號(hào)與噪聲的自相關(guān)函數(shù)隨時(shí)間緩慢變化時(shí)，調(diào)整自身的參數(shù)來(lái)適應(yīng)，直至滿(mǎn)足系統(tǒng)的均方誤差最小，以逼近最佳濾波性能。它憑借更優(yōu)的濾波性能和更強(qiáng)的適應(yīng)性被應(yīng)用于微弱振動(dòng)信號(hào)[5]、心電信號(hào)[6]、微弱高頻CW信號(hào)[7]等檢測(cè)中?，F(xiàn)有算法復(fù)雜、處理信號(hào)能力有限。因此更多結(jié)合其他方法使用。文獻(xiàn)[8]提出一種基于分?jǐn)?shù)階Fourier變換(fractional Fourier transform,FRFT)域自適應(yīng)濾波算法的微弱信號(hào)檢測(cè)方法。

1.2.2 功率譜分析法

經(jīng)典譜估計(jì)利用功率譜的基本定義獲得估計(jì)結(jié)果，將樣本數(shù)據(jù)外的未知數(shù)據(jù)假設(shè)為零。針對(duì)它的頻率分辨率較低、方差性能差等缺陷研究者們提出一系列改進(jìn)的方法，比如多窗譜、加窗平滑[9]等，一定程度上改善了其性能，但仍無(wú)法妥善解決分辨率和穩(wěn)定性的矛盾?，F(xiàn)代譜估計(jì)能夠彌補(bǔ)這些缺陷，還對(duì)觀測(cè)數(shù)據(jù)具有外延特性。它根據(jù)隨機(jī)信號(hào)的先驗(yàn)知識(shí)建立數(shù)學(xué)模型或選擇近似實(shí)際的模型來(lái)表示，再結(jié)合樣本數(shù)據(jù)估計(jì)模型的參數(shù)，將參數(shù)代入該模型對(duì)應(yīng)的理論功率譜密度函數(shù)的表達(dá)式中獲取譜估計(jì)。但其存在模型階數(shù)不易確定、階數(shù)較小模型不能模擬尖銳譜等問(wèn)題。為了克服功率譜估計(jì)的缺陷，Byrnes C L等人[10]基于凸優(yōu)化理論及插值理論提出一種可調(diào)節(jié)的高分辨率的THREE型譜估計(jì)方法。功率譜估計(jì)獲得的結(jié)果近似于信號(hào)的真實(shí)功率譜，誤差無(wú)法避免，估計(jì)值的精確性依賴(lài)于數(shù)據(jù)處理方法及擬合模型。

1.3 時(shí)頻分析法

時(shí)域和頻域分析法無(wú)法表現(xiàn)信號(hào)的時(shí)間—頻率局部性質(zhì)，但這些性質(zhì)是非平穩(wěn)信號(hào)最根本的性質(zhì)。時(shí)頻分析法能解決這一問(wèn)題，它可以揭示信號(hào)包含的時(shí)域和頻域信息特征及各頻率分量的時(shí)變特征。

1.3.1 小波變換

小波變換將原始信號(hào)通過(guò)伸縮和平移分解為一系列具有良好時(shí)域、頻域等局部特征的子帶信號(hào)，獲取時(shí)—頻局部性質(zhì)。其具備良好的多分辨率性質(zhì)及很強(qiáng)的去數(shù)據(jù)相關(guān)性。此外它從不同尺度分解噪聲信號(hào)和有用信號(hào)，可以有效區(qū)分信號(hào)中的干擾噪聲和非平穩(wěn)部分，提高系統(tǒng)的靈敏度。文獻(xiàn)[11]提出的基于小波熵分析方法可在強(qiáng)噪聲背景下對(duì)微弱電信號(hào)準(zhǔn)確定位，實(shí)現(xiàn)低能量的瞬變信號(hào)有效提取。小波變換憑借可變尺度和自適應(yīng)匹配特征，被較多應(yīng)用于旋轉(zhuǎn)機(jī)械故障診斷中。Li S M等人[12]將所提出的自適應(yīng)諧波窗成功應(yīng)用于高速轉(zhuǎn)子的強(qiáng)噪聲下微弱周期信號(hào)的頻率提取中。但使用小波變換時(shí)一些涉及小波具體參數(shù)和特征，比如小波支撐長(zhǎng)度、小波基函數(shù)的選擇等問(wèn)題需做進(jìn)一步研究。

1.3.2 FRFT

FRFT是信號(hào)在時(shí)頻平面內(nèi)坐標(biāo)軸繞原點(diǎn)逆時(shí)針旋轉(zhuǎn)任意角度后構(gòu)成的分?jǐn)?shù)階Fourier域上的表示方法。它將信號(hào)分解到鳥(niǎo)聲(chirp)基上，克服了傳統(tǒng)時(shí)頻分析方法受干擾項(xiàng)干擾、分辨率低等缺陷，更適用于處理非平穩(wěn)信號(hào)。由于比傳統(tǒng)傅里葉變換多一個(gè)重要參數(shù)，即階數(shù)的情況，增強(qiáng)了靈活性，在圖像加密處理、模式識(shí)別等技術(shù)中獲得充分運(yùn)用。選取恰當(dāng)?shù)淖儞Q階數(shù)，還可以對(duì)神經(jīng)網(wǎng)絡(luò)系統(tǒng)的輸入信號(hào)做預(yù)處理。FRFT還對(duì)微弱線性調(diào)頻(linear frequency modulation,LFM)信號(hào)具有良好的能量集聚性，且不會(huì)產(chǎn)生交叉項(xiàng)干擾，適用于低信噪比背景下多分量信號(hào)檢測(cè)和參數(shù)估計(jì)。文獻(xiàn)[13]提出一種基于FRFT的微弱LFM檢測(cè)方法。但實(shí)際應(yīng)用如何解決FRFT域雜波抑制問(wèn)題、非LFM信號(hào)的檢測(cè)問(wèn)題還需進(jìn)一步研究。

1.4 新興檢測(cè)方法

傳統(tǒng)方法從一定程度上解決了緩變信號(hào)、周期信號(hào)及噪聲不相關(guān)信號(hào)等檢測(cè)問(wèn)題，但仍存在無(wú)法有效提取非高斯有色噪聲污染信號(hào)、復(fù)雜噪聲背景下微弱信號(hào)的參數(shù)估計(jì)等問(wèn)題。針對(duì)這些問(wèn)題，新興的混沌方法、隨機(jī)共振法、人工神經(jīng)網(wǎng)絡(luò)、盲源分離、經(jīng)驗(yàn)?zāi)Ｊ椒纸獾劝l(fā)揮了重要作用。

1.4.1 混沌方法

混沌方法利用混沌振子對(duì)參數(shù)及其初值的敏感性和對(duì)噪聲免疫的特性，并基于模型的混沌運(yùn)動(dòng)特性直接求解目標(biāo)信號(hào)的幅值、頻率和相位。其優(yōu)勢(shì)是兼具很強(qiáng)的檢測(cè)與抗干擾能力。由于待測(cè)信號(hào)與混沌陣子合并后，噪聲不會(huì)發(fā)生明顯變化，而對(duì)于幅值很小的信號(hào)，系統(tǒng)將會(huì)產(chǎn)生明顯變化，可結(jié)合計(jì)算機(jī)的辨識(shí)系統(tǒng)檢測(cè)信號(hào)的幅值。聶春燕等人[14]將自相關(guān)器與混沌振子組成一個(gè)新的混沌系統(tǒng)來(lái)檢測(cè)納伏(nV)級(jí)正弦信號(hào)電壓幅值。

當(dāng)前研究主要受限于仿真研究及現(xiàn)有混沌振子難以檢測(cè)頻率未知或相位未知信號(hào)。文獻(xiàn)[15]針對(duì)頻率未知的微弱信號(hào)提出一種基于Duffing振子檢測(cè)微弱電信號(hào)的新方法。

1.4.2 隨機(jī)共振法

隨機(jī)共振法利用非線性系統(tǒng)中噪聲和輸入信號(hào)的協(xié)同作用，產(chǎn)生類(lèi)似于力學(xué)的共振現(xiàn)象，將噪聲能量轉(zhuǎn)化為信號(hào)能量達(dá)到信號(hào)突出的目的。文獻(xiàn)[16，17]證明了可以利用噪聲，在一種由隨機(jī)共振引起的具有多自由度非線性動(dòng)力學(xué)系統(tǒng)的半導(dǎo)體超晶格器件中誘導(dǎo)出空間和時(shí)間序，用來(lái)檢測(cè)強(qiáng)噪聲背景下的微弱信號(hào)?，F(xiàn)階段將其應(yīng)用于微弱電信號(hào)的檢測(cè)中存在一些問(wèn)題亟待解決。針對(duì)雙穩(wěn)態(tài)隨機(jī)共振系統(tǒng)離散模型的穩(wěn)定性問(wèn)題，文獻(xiàn)[18]提出一種作用在Duffing方程下的新型指數(shù)型雙穩(wěn)隨機(jī)共振系統(tǒng)。對(duì)于高頻微弱信號(hào)的檢測(cè)問(wèn)題學(xué)者們提出了二次采用[19]、歸一化尺度變換[20]等方案。

1.4.3 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)通過(guò)將特征與權(quán)值矩陣做內(nèi)積進(jìn)行特征的深層提取，并且借助非線性激活函數(shù)理論上實(shí)現(xiàn)從輸入到輸出的任意非線性映射。由于其高效的模式識(shí)別能力，廣泛應(yīng)用于強(qiáng)混沌背景中的微弱電信號(hào)檢測(cè)中，但一般與其他方法結(jié)合。比如針對(duì)反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)存在訓(xùn)練時(shí)間長(zhǎng)、收斂性不理想的不足，文獻(xiàn)[21]提出的改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法融入壓縮映射原理，增強(qiáng)收斂速度；文獻(xiàn)[22]提出基于徑向基函數(shù)(radial basis function,RBF)神經(jīng)網(wǎng)絡(luò)的混沌背景下微弱信號(hào)的檢測(cè)方法。文獻(xiàn)[23]結(jié)合卷積循環(huán)神經(jīng)網(wǎng)絡(luò)(convolutional recurrent neural network,CRNN)方法可以檢測(cè)出混沌背景下的微弱諧波信號(hào)。當(dāng)前此類(lèi)方法對(duì)實(shí)際工程中的早期、微弱信號(hào)的檢測(cè)案例不多，且識(shí)別效果不佳。

1.4.4 經(jīng)驗(yàn)?zāi)B(tài)分解

經(jīng)驗(yàn)?zāi)B(tài)分解通過(guò)信號(hào)的局部特征時(shí)間尺度信息獲取固定波動(dòng)模式，從而自適應(yīng)選擇函數(shù)將觀測(cè)信號(hào)分解為多個(gè)內(nèi)稟模態(tài)函數(shù)(intrinsic mode function,IMF)之和，每個(gè)IMF分量很好地刻畫(huà)了信號(hào)的局部特征。經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition,EMD)對(duì)數(shù)據(jù)有著良好的自適應(yīng)性，更適用于非線性、非平穩(wěn)信號(hào)的分析處理。由于EMD分離所得的成分包含較強(qiáng)的物理信息，被廣泛應(yīng)用于機(jī)械故障診斷[24]、生物醫(yī)學(xué)工程[25]、通信[26]等領(lǐng)域。但一些理論仍不夠成熟，存在的端點(diǎn)效應(yīng)和模態(tài)混疊等諸多理論及算法方面的問(wèn)題亟待解決。此外現(xiàn)有方法缺乏快速算法。

1.4.5 盲源分離

盲源分離(blind source separation,BSS)僅從監(jiān)測(cè)到的混合信號(hào)入手，通過(guò)分離算法把信號(hào)與噪聲分離得到源信號(hào)的最佳估計(jì)。它不但可以分離出目標(biāo)信號(hào)，還能獲取各個(gè)噪聲源，給深層次的噪聲源定位及特征分析奠定基礎(chǔ)。國(guó)內(nèi)外學(xué)者基于不同的盲源分離準(zhǔn)則提出了很多改進(jìn)的BSS算法。比如Thameri M等人[27]基于高階統(tǒng)計(jì)量準(zhǔn)則提出的一種新的自適應(yīng)盲源分離方法兼具良好的收斂速度和分離性能。羅志增等人[28]提出一種基于正切函數(shù)的降噪源分離的腦電信號(hào)消噪方法。文獻(xiàn)[29]先用時(shí)延自相關(guān)方法對(duì)含強(qiáng)噪聲的混疊信號(hào)降噪，再用基于峭度的FastICA算法分離降噪后的信號(hào)。但實(shí)際被測(cè)對(duì)象內(nèi)部可能存在非線性單元或者耦合關(guān)系復(fù)雜，因此，將其應(yīng)用于微弱電信號(hào)檢測(cè)的實(shí)際工程中還需進(jìn)一步研究。

1.4.6 多種檢測(cè)方法結(jié)合

在微弱電信號(hào)檢測(cè)過(guò)程，有時(shí)單一的檢測(cè)方法取得的效果不佳，而多種方法結(jié)合能起到互補(bǔ)作用。文獻(xiàn)[30]提出小波閾值去噪和混沌系統(tǒng)相結(jié)合的微弱周期信號(hào)檢測(cè)新方法，檢測(cè)的最低信噪比達(dá)到-100 dB；文獻(xiàn)[31]在倒譜法及小波改進(jìn)法的基礎(chǔ)上，引入隨機(jī)共振增強(qiáng)微弱信號(hào)；Gilles J提出了經(jīng)驗(yàn)小波變換這一全新的非平穩(wěn)信號(hào)分析方法[32,33]；Li S M等人[34]基于盲源分離、經(jīng)驗(yàn)?zāi)Ｊ椒纸夂凸β首V估計(jì)，提出了一種全新的多源振動(dòng)故障單傳感器識(shí)別方法。

2 硬件設(shè)計(jì)

2.1 前置處理模塊的設(shè)計(jì)

微弱信號(hào)通過(guò)各種傳感器轉(zhuǎn)換為低電壓低電流信號(hào)通常幅度很小，因此需要一個(gè)高性能的前端處理模塊。針對(duì)生物醫(yī)學(xué)信號(hào)的提取，文獻(xiàn)[35]設(shè)計(jì)了一個(gè)低噪聲、低功耗及低芯片面積的前置放大電路。為了解決傳統(tǒng)儀表放大器的噪聲問(wèn)題，文獻(xiàn)[36]設(shè)計(jì)了一種適用于微弱信號(hào)檢測(cè)的低噪聲儀表放大器。

2.2 數(shù)字信號(hào)處理器與現(xiàn)場(chǎng)可編程門(mén)陣列芯片的應(yīng)用

數(shù)字信號(hào)處理器(digital signal processor,DSP)芯片是一種針對(duì)高數(shù)據(jù)傳輸速率、數(shù)值運(yùn)算密集的實(shí)時(shí)數(shù)字信號(hào)處理器，它成本低、算法靈活、功能性強(qiáng)，常被當(dāng)作硬件結(jié)構(gòu)和指令系統(tǒng)使用。文獻(xiàn)[37]設(shè)計(jì)了基于DSP的自適應(yīng)隨機(jī)共振檢測(cè)系統(tǒng)?，F(xiàn)場(chǎng)可編程門(mén)陣列(field programmable gate array,FPGA)[38]是在PAL、GAL等可編程器件的基礎(chǔ)上進(jìn)一步發(fā)展的產(chǎn)物，是集成度最高的一種專(zhuān)用集成電路，能實(shí)現(xiàn)任何數(shù)字器件的功能。其優(yōu)勢(shì)體現(xiàn)在靈活性、并行性、快速性上。但功耗大、價(jià)格貴。文獻(xiàn)[39]利用基于FPGA的數(shù)字鎖相放大器實(shí)現(xiàn)在磁珠檢測(cè)系統(tǒng)的應(yīng)用。

在FPGA內(nèi)部植入乘法器和DSP塊，就具備高速的DSP處理能力。融合后DSP完成數(shù)據(jù)流適中的處理運(yùn)算，F(xiàn)PGA用于運(yùn)算速度要求較高的處理運(yùn)算，提高系統(tǒng)的靈活性。文獻(xiàn)[40]設(shè)計(jì)了一種基于DSP和FPGA的通用數(shù)字信號(hào)處理系統(tǒng)。

3 未來(lái)研究方向與展望

3.1 微弱電信號(hào)檢測(cè)的研究

現(xiàn)有的微弱電信號(hào)檢測(cè)系統(tǒng)[41]大多是利用實(shí)驗(yàn)室產(chǎn)生的各種聲、振動(dòng)等信號(hào)建立的，系統(tǒng)對(duì)于試驗(yàn)數(shù)據(jù)具備很好的辨識(shí)效果，但實(shí)際工程中具有很強(qiáng)的非線性和非平穩(wěn)特征。因此,建立的辨識(shí)系統(tǒng)和研究方法只適用于特定的、相對(duì)簡(jiǎn)單的對(duì)象。忽略了信號(hào)之間的復(fù)雜耦合情況，嚴(yán)重影響檢測(cè)系統(tǒng)的工程問(wèn)題上的普適性。因此,在對(duì)信號(hào)特征及噪聲特性深入研究的基礎(chǔ)上建立更適用于工程實(shí)際的檢測(cè)系統(tǒng)。同時(shí)注重檢測(cè)方法的推廣，避免對(duì)工程實(shí)際應(yīng)用的忽略。

3.2 高速、高精度檢測(cè)方法

基于實(shí)際工程需求，生物醫(yī)學(xué)工程、半導(dǎo)體制造等領(lǐng)域?qū)τ谖⑷蹼娦盘?hào)檢測(cè)的精度和數(shù)據(jù)處理速度的要求越來(lái)越高。在微弱電信號(hào)的檢測(cè)方法研究中，還需避免簡(jiǎn)單將高速、高精度檢測(cè)方法應(yīng)用于信號(hào)檢測(cè)中，而忽略了工程中噪聲特性等底層基礎(chǔ)研究。使得檢測(cè)方法盡量滿(mǎn)足工程應(yīng)用，選擇最匹配適用的技術(shù)手段，形成準(zhǔn)確、可靠的檢測(cè)方法。

3.3 軟、硬件的進(jìn)步

在微弱電信號(hào)檢測(cè)中經(jīng)常結(jié)合MATLAB、LabVIEW等軟件使用。虛擬儀器與算法軟件結(jié)合使用具備靈活性強(qiáng)、操作便利、開(kāi)發(fā)周期短和低成本等優(yōu)勢(shì)。開(kāi)發(fā)更適用微弱電信號(hào)檢測(cè)的軟件平臺(tái)，是未來(lái)研究?jī)?nèi)容的重要部分。此外，現(xiàn)階段FPGA主要出現(xiàn)在需要快速轉(zhuǎn)換的通信領(lǐng)域或一些需要邏輯粘合的地方，相信隨著容量、功耗及價(jià)格方面的進(jìn)步，未來(lái)在FPGA中嵌入軟核會(huì)成為現(xiàn)實(shí)。

4 結(jié)束語(yǔ)

微弱電信號(hào)監(jiān)測(cè)涉及物理、計(jì)算機(jī)、電子學(xué)等多科學(xué)交叉融合。經(jīng)過(guò)幾十年的飛速發(fā)展，其取得的成果豐碩。隨著對(duì)微弱電信號(hào)檢測(cè)精度及數(shù)據(jù)處理速度的要求日益嚴(yán)苛，將會(huì)加速微弱電信號(hào)檢測(cè)方法的工程應(yīng)用研究步伐并促進(jìn)軟、硬件的進(jìn)步，同時(shí)更多檢測(cè)方法和新的結(jié)合方法將會(huì)被探索。