強(qiáng)噪聲干擾下的微弱信號檢測技術(shù)分析

黃成功

摘 要：微弱信號檢測實際上指的就是，通過一定的方式方法從噪聲當(dāng)中提取有用信號的技術(shù)。在各行業(yè)各領(lǐng)域中，人們都或多或少地涉及強(qiáng)噪聲干擾下的微弱信號檢測。在光電探測領(lǐng)域中，由于光信號中包含多種光噪聲成分，其令部分信號無法被準(zhǔn)確檢測。微弱信號常常會被其他噪聲所遮蓋，使人們很難對有用微弱信號進(jìn)行檢測。為此，研究強(qiáng)噪聲背景下的微弱信號檢測有著非常重要的意義。在強(qiáng)噪聲干擾下，微弱信號檢測會因信噪比過低而無法較好地實現(xiàn)目標(biāo)探測。針對該問題，文章分析了多種強(qiáng)噪聲干擾下的微弱信號檢測方法，以從中為相關(guān)微弱信號檢測工作提供參考信息。

關(guān)鍵詞：強(qiáng)噪聲;微弱;信號;檢測技術(shù)

中圖分類號：TN911.7文獻(xiàn)標(biāo)識碼：A文章編號：1674-1064（2021）09-0-02

DOI：10.12310/j.issn.1674-1064.2021.09.019

1 線性檢測方法

在微弱信號檢測過程中，線性檢測方法一般按照技術(shù)原理的區(qū)別，可以將其進(jìn)一步分為時域、頻率以及時頻分析法。

1.1 時域分析法

該方法在實際應(yīng)用中，由于其實際使用特點更適合被人們用來檢測一些具有周期性特點的微弱信號，為了使微弱信號被檢測到，一般會使用一些技術(shù)對微弱信號進(jìn)行放大。例如，相關(guān)檢測、鎖相放大、取樣積分等等。這些方法在實際應(yīng)用中各有其優(yōu)缺點，應(yīng)當(dāng)根據(jù)具體場景的不同，合理地進(jìn)行選取。相關(guān)檢測法在應(yīng)用中，是對信號進(jìn)行相關(guān)性分析來提取有用信息相關(guān)性，可以進(jìn)一步分為自相關(guān)函數(shù)及互相關(guān)函數(shù)兩種。自相關(guān)函數(shù)可以用來描述同一信號在不同時刻所具有的相關(guān)性，自相關(guān)函數(shù)如下式所示：

而互相關(guān)函數(shù)為：

鎖相放大技術(shù)實際上利用的是互相關(guān)這一重要原理，通過相敏檢波器（PSD）以及低通濾波器作用的正常發(fā)揮來完成一系列互相關(guān)運算，以此來完成對微弱信號的有效檢測。該方法由于技術(shù)原理上的優(yōu)勢，可以全面防止因帶通濾波器要求帶寬窄而產(chǎn)生的中心頻率變化缺陷。

取樣積分及數(shù)字平均技術(shù)在應(yīng)用中，對有用信號的周期性及噪聲的隨機(jī)性進(jìn)行了全面利用。為了有效保障該技術(shù)的準(zhǔn)確性，在檢測工作進(jìn)行中，工作人員需要在不同信號周期中進(jìn)行多次取樣工作，并且將每個周期中同一位置的信號進(jìn)行相加。通過這樣的方式，可以全面降低噪聲對提取有用信號造成的一些干擾，采取有效方式進(jìn)一步增大各類聲音信息的信噪比，屬于一種微弱信號檢測法。一般而言，該方法在應(yīng)用中，信號頻率的周期數(shù)越大，那么信噪比的改善效果就會變得愈加明顯。然而，由于該項技術(shù)在應(yīng)用中會受到信號長度方面的限制，因此該技術(shù)無法完全將噪聲的影響去除掉。取樣及數(shù)字平均算法的實際流程，如圖1所示。

在對一些不具有周期性的信號進(jìn)行檢測時，為了有效保障檢測工作的質(zhì)量及檢測效果，工作人員一般會利用調(diào)制或者轉(zhuǎn)播的方法為信號賦予周期。通過平衡混頻器消除本振噪聲，全面提高了取樣積分器在應(yīng)用中所具有的穩(wěn)定性能。時域平均法在應(yīng)用中就性質(zhì)上而言，屬于一種積累式的平均抗干擾過程。該項技術(shù)在應(yīng)用中對輸入信噪比并沒有十分嚴(yán)格的要求，由于該特點的存在，人們往往將該技術(shù)應(yīng)用在強(qiáng)噪聲的微弱信號預(yù)處理工作中。通過該技術(shù)可以有效增強(qiáng)微弱信號，降低噪聲對微弱信號提取的影響[1]。除此之外，信號時域平均處理法得到的最終結(jié)果是時域波形。通過對該種波形的有效判斷，可以對信號所具有的沖擊特征進(jìn)行有效分析。由于該方法的這一特點，在故障診斷技術(shù)工作過程中進(jìn)行了大量的應(yīng)用。時域平均法由于其原理的特點，因此對信號所具有的周期性要求非常嚴(yán)格。為了改善這一特性，有學(xué)者提出了一種便捷周期視頻平均搜索法。通過該方法的應(yīng)用，可以使信噪比的下限得到明顯增強(qiáng)。

1.2 頻域分析法

經(jīng)過多年的發(fā)展，該種分析方法當(dāng)前衍生出了多種變體。而頻譜分析法則由于其在實際應(yīng)用中所具有的一系列優(yōu)勢，成為頻率分析中最為常用的方法之一。該方法在使用時，需要通過傅里葉變換將信號轉(zhuǎn)化到頻域當(dāng)中，并且進(jìn)一步對微弱信號的頻率成分、幅值等一系列參數(shù)進(jìn)行有效提取，進(jìn)而對這些參數(shù)之間的相互關(guān)系進(jìn)行研究。為了保障該方法的實際應(yīng)用效果，人們需要利用功率譜法對微弱信號進(jìn)行有效檢測。由于該方法的應(yīng)用優(yōu)勢，人們一般將其應(yīng)用于對平穩(wěn)隨機(jī)信號的檢測工作中。功率譜估計，實際上是通過廣義平穩(wěn)隨機(jī)過程的N個樣本數(shù)據(jù)，來對該過程的功率譜密度進(jìn)行有效分析。估計方法在應(yīng)用中需要以傅里葉變換作為該技術(shù)應(yīng)用的基礎(chǔ)，該方法在應(yīng)用中有著計算簡單的優(yōu)勢。然而，會在一定程度上導(dǎo)致信息的泄露效應(yīng)，同時其方差性能也不是特別符合人們的實際應(yīng)用需求。因此，在應(yīng)用該項技術(shù)時，需要結(jié)合實際應(yīng)用場景有針對性地應(yīng)用，盡可能地放大其優(yōu)點，避免其缺點對最終檢測結(jié)果造成影響。在工程實際應(yīng)用工作過程中，傅里葉變換在分辨率上有一定的缺陷。此外，當(dāng)技術(shù)人員利用傅里葉變換法對信號頻譜進(jìn)行提取時，需要應(yīng)用到信號的全部時域信息。因此，很難對時域進(jìn)行有效的定位頻率分析，主要應(yīng)用于對平穩(wěn)隨機(jī)噪聲下微弱信號的檢測工作[2-3]。

1.3 視頻分析法

當(dāng)檢測的信號不具有周期性時，為了對其進(jìn)行分析，需要對其時間頻率的局部性質(zhì)進(jìn)行有效描述。而短時傅里葉變換法及小波變化的時域分析法在應(yīng)用中，利用的是時間頻率聯(lián)合對信號進(jìn)行有效表示，從而將微弱信號的時頻特征全面地顯現(xiàn)出來。小波變換理論在具體應(yīng)用時，可以有效去除數(shù)據(jù)的相關(guān)性，使信號的能量集中在一個大的小波系數(shù)當(dāng)中。由于這些優(yōu)勢的存在，該技術(shù)自誕生以來便得到了人們的廣泛關(guān)注，并且被人們應(yīng)用于故障診斷、解決殘留噪聲等一系列棘手問題當(dāng)中[4]。

2 非線性檢測法

為了使分析工作進(jìn)行得更加順利，人們一般會采取一定的方式方法將非線性系統(tǒng)簡化為一個簡單方便的線性系統(tǒng)。然而，由于轉(zhuǎn)化中忽略了大量的外界因素，因此該方法在應(yīng)用時精度較低。有時為了滿足工作需求，需要用到精度更高的非線性檢測法。

2.1 混沌振子法

就一般情況而言，非線性測量系統(tǒng)在實際使用過程中，都會表現(xiàn)出混沌這一共有特性。該理論在應(yīng)用時，最大的特點就是不確定性。一般而言，混沌系統(tǒng)在應(yīng)用中對信號初值非常敏感，同時會對噪聲進(jìn)行免疫。為此，人們一般通過混沌系統(tǒng)監(jiān)測信號運行軌跡的實際變化情況，對微弱信號進(jìn)行有效檢測。一般地，人們會通過混沌理論的有效利用構(gòu)造出混沌測量系統(tǒng)，最終保障測量精度。

2.2 隨機(jī)共振法

該技術(shù)在實際應(yīng)用中，是利用噪聲對非線性系統(tǒng)中的微弱周期信號進(jìn)行有效增強(qiáng)，一旦非線性系統(tǒng)和輸入的信號及噪聲之間存在某種關(guān)聯(lián)時，如果增加輸入信息，則最終輸出的信噪比會呈現(xiàn)大幅增加的情況。利用該理論，可以對非線性接收系統(tǒng)進(jìn)行合理設(shè)計，最終實現(xiàn)噪聲能量向信號能量的轉(zhuǎn)化[5]。

3 結(jié)語

文章對線性方法及非線性方法進(jìn)行了全面介紹。其中，線性檢測法一般分為時域頻域及時頻分析法，而活動理論法、隨機(jī)共振法則是常用的一些微弱信號非線性檢測法。以上方法在地質(zhì)磁法勘探及其他領(lǐng)域微弱信號檢測中具有一定的作用，在實際應(yīng)用中，各方法可以取長補(bǔ)短。

參考文獻(xiàn)

[1] 時培明，袁丹真，張文躍，等.基于時延反饋多穩(wěn)隨機(jī)共振的微弱信號檢測方法[J].計量學(xué)報，2020，41（7）：868-872.

[2] 張程，肖仲喆.Matlab在“微弱信號檢測技術(shù)”課程中的教學(xué)改革與探索[J].教育教學(xué)論壇，2020（26）：192-193.

[3] 張興良，方曉飛，王天一.一種基于空間譜估計得微弱信號檢測方法[J].通信與信息技術(shù)，2020（1）：71-74.

[4] 劉杰，劉巖，曹煊，等.海水營養(yǎng)鹽微弱信號檢測技術(shù)研究[J].山東科學(xué)，2019，32（6）：9-14.

[5] 鄭平.基于隨機(jī)共振微弱信號檢測的滾動軸承故障診斷方法研究[D].合肥：安徽大學(xué)，2019.