强噪声背景下微弱信号检测方法研究

编号微弱信号检测技术的研究Research on Weak Signal DetectionTechnology学生姓名专业学号学院年月日摘要在自然现象和规律的科学研究和工程实践中,经常会遇到需要检测毫微伏量级微弱信号的问题,比如测定地震的波形和波速、材料分析时测量荧光光强、卫星信号的接收、红外探测以及物电信号测量等, 这些问题都归结为噪声中微弱信号的检测。

在物理、化学、生物医学、遥感和材料学等领域有广泛应用。

微弱信号检测技术是采用电子学、信息论、计算机和物理学方法,分析噪声产生的原因和规律,研究被测信号的特点和相关性, 检测被噪声淹没的微弱有用信号。

微弱信号检测的宗旨是研究如何从强噪声中提取有用信号,任务是研究微弱信号检测的理论、探索新方法和新技术, 从而将其应用于各个学科领域当中。

本文对弱信号的定义和弱信号的应用范围进行了概述,综述了微弱信号检测理论研究和实际应用领域的发展情况,重点比较了目前在微弱信号检测技术中应用的方法:相关检测、锁相放大器微弱信号检测、取样积分法、基于小波分析的微弱信号检测、基于混沌振子的微弱信号检测,最后总结了各个方法的特点。

关键字：微弱信号检测噪声锁相放大器ABSTRACTIn the natural phenomenon and law of scientific research and engineering practice, often be expected to test baekho microvolts middleweight weak signal issues, such as determination of earthquake wave and wave velocity, material analysis when measuring fluorescent light intensity, satellite signals, infrared detection and signal measurement of things, these problems boil down to a weak signal in the noise of the test. In the physical, chemical, biological medicine, remote sensing and material science and other fields have a widely used. Weak signal detection technology is the electronics, information theory, computer and physics method, analyzes the reasons of the noise and to study the laws of the measured signal characteristics and correlation, detection was submerged in the faint noise useful signal. The aim of the weak signal detection is studying how strong noise from the extract useful signal, the task is to study the theory of weak signal detection, explore new methods and new technology, and its application in the field of each subject.The definition of the weak signal and the application range of the weak signal were reviewed in this paper, the weak signal detection in theoretical research and practical application of the field development situation, the key is the current weak signal detection technology in the application method: related detection, lock-in amplifier weak signal detection, sampling integral method, based on the wavelet analysis, weak signal detection based on chaotic oscillator weak signal detection, finally summarized the characteristics of each method.Key words ：Weak signal, detection, and noise, lock-in amplifier目录摘要 (I)ABSTRACT (II)第1章绪论 (1)1.1 引言 (1)1.2 微弱信号的定义 (1)1.3 微弱信号的应用范围及当前的研究背景 (1)1.4 微弱信号检测的原理 (2)第2章相关检测法 (4)2.1 自相关检测 (4)2.1.1 自相关检测的举例 (5)2.2 互相关检测 (6)2.2.1 互相关检测的特点 (7)第3章锁相放大器微弱信号检测 (8)3.1 锁相放大器介绍及应用 (8)3.2 锁相放大器的原理 (9)3.3 锁相放大器特点 (11)3.4 系统中相关器的分析 (11)3.5 锁相放大器的局限性 (12)第4章取样积分法 (13)4.1 取样积分器的工作原理 (13)4.2 取样积分器的信噪比改善系数 (15)4.3 取样积分器的工作方式 (16)4.3.1 定点式取样积分器 (16)4.3.2 扫描式积分取样器 (16)第5章基于小波分析的微弱信号检测 (18)5.1 小波变换的介绍及发展 (18)5.2 小波变换应用举例 (18)第6章基于混沌振子的微弱信号检测 (21)6.1 基于混沌振子的微弱信号检测的介绍 (21)6.2 基于混沌振子的微弱信号检测的原理 (21)结束语 (23)参考文献 (24)第1章绪论1.1 引言科学技术发展到今天，人类对客观世界的认识越来越细微、越来越深入。

第39卷第1期2019年2月振动、测试与诊断J o u rn a l o f V ib r a t io n,M e a s u re m e n t &D ia g n o s isV o l. 39 N o. 1Feb. 2019d o i：10. 16450/j. c n k i. issn. 1004-6801. 2019. 01. 025强噪声背景下微弱冲击信号的检测！刘运江，王辅忠，刘露(天津工业大学理学院天津，300387)摘要针对机械环境噪声具有随机脉冲性以及传统测量指标对机械故障冲击信号识别不足的问题，提出了利用 L e v y噪声作为背景噪声，以峭度指标和互关联系数构造的峭度-互关联（k u r to s is-in te rc o r re la tio n,简称K I)联合指标作为冲击信号检测的新衡量标准，对非对称双稳态系统中冲击信号的检测进行了研究。

首先，在理论上分析了 L e v y噪声驱动下非对称双稳态系统中粒子的跃迁密度函数和K I的构造方法；其次，研究了L e v y噪声特征指数…为1.5时，系统输出K I值分别跟随系统参数a和非对称因子C的变化趋势；最后，将该方法应用到了工程实际机 械故障冲击信号的检测之中。

仿真与实验研究结果表明，与峭度指标作为冲击信号检测依据相比，K I可使系统输 出的信号特征幅值提高一倍以上（系统输出K I值随C呈现先增大后减小的趋势，非对称因子C为0. 54时，系统输出K I值比C为0时提高了7.02%。

工程实例数据证明，该方法能够有效提取故障信号的时域和频域特征信息，可应用到实际机械故障的检测中去。

关键词L e v y噪声；非对称双稳态系统；随机共振；冲击信号中图分类号T N911. 71T H165. 3引言B e n t i等[1]提出了随机共振的概念，现已成为强 噪声背景下弱信号提取的重要工具之一。

20世纪90 年代，H u等[2]提出的绝热近似理论、文献[3]提出的 线性响应理论和文献[4]提出的驻留时间分布理论为 经典随机共振理论奠定了理论基础，标志着经典随机 共振理论由诞生走向成熟。

微弱信号的检测方法微弱信号的检测是指在噪声背景下，检测和提取出非常弱的信号。

这是许多领域中重要的问题，如无线通信、雷达、天文学和生物医学等。

由于微弱信号可能与噪声相似，因此检测方法需要对噪声进行有效的抑制，并提高信号的可观测性。

本文将介绍一些常用的微弱信号检测方法，并对其原理和应用进行详细讨论。

一、相关检测方法相关检测方法是一种常见的微弱信号检测方法。

它基于信号和噪声之间的相关性，通过计算信号与预先定义的模板之间的相关度来判断是否存在微弱信号。

相关检测方法的主要步骤包括预处理、相关运算和判决。

预处理阶段通常包括滤波、降噪和增强信号质量等操作，以提高信号的可观测性。

相关运算阶段使用相关函数来衡量信号和模板之间的相似度。

最后，在判决阶段根据相关度的阈值来判断是否存在微弱信号。

二、统计检测方法统计检测方法是基于概率统计理论的一种微弱信号检测方法。

根据噪声和信号的统计特性，通过建立适当的统计模型来描述信号和噪声之间的差异，并利用统计推断方法进行信号检测。

常用的统计检测方法包括最大似然检测、Neyman-Pearson检测和贝叶斯检测等。

最大似然检测通过计算信号和噪声模型的似然函数来估计信号存在的概率。

Neyman-Pearson检测通过设置假设和备择假设来最小化错误检测概率。

贝叶斯检测方法则利用贝叶斯公式，结合先验概率和后验概率来判断信号是否存在。

三、小波变换方法小波变换是一种多尺度分析方法，可以将信号分解成不同频率的子信号。

因此，它在微弱信号检测中具有广泛的应用。

通过对信号进行小波变换，可以将微弱信号从噪声中分离出来。

小波变换方法包括连续小波变换和离散小波变换。

连续小波变换是通过对信号应用一组连续小波基函数来分析信号的频谱特性。

离散小波变换则是对信号进行离散化处理，以在有限的时间和频率分辨率下进行分析。

小波变换方法具有时频局部化的性质，能够有效地检测和提取微弱信号。

四、自适应滤波方法自适应滤波是一种广泛应用于微弱信号检测的方法。

微弱信号的检测提取及分析实验简介——丁涛、刘潇蔓、井文文一、实验背景：因为噪声总是会影响信号检测的结果，所以信号检测是信号处理的重要内容之一，低信噪比下的信号检测是目前检测领域的热点，而强噪声背景下微弱信号的提取又是信号检测的难点，其目的就是消除噪声，将有用的信号从强噪声背景中提取出来，或者用一些新技术和新方法来提高检测系统输出信号的信噪比。

二、实验原理:1、噪声来源：检测系统本身的电子电路和系统外的空间高频电磁场干扰等2、噪声解决方法：①降低系统的噪声，使被测信号功率大于噪声功率，达到信噪比S /N > 1 。

②采用相关接收技术，可以保证在被测信号功率<噪声功率的情况下，仍能检测出信号。

3、解决方法比较：在电子学系统中，采用低噪声放大技术，选取适当的滤波器限制系统带宽，以抑制内部噪声和外部干扰，保证系统的信噪比大大改善，当信号较微弱时，也能得到信噪比> 1 的结果。

但当信号非常微弱，比噪声小几个数量级甚至完全被噪声深深淹没时，上述方法就不会有效。

当我们已知噪声中的有用信号的波形时，利用信号和噪声在时间特性上的差别，可以用匹配滤波的方法进行检测。

但当微弱信号是未知信号时，则无法利用匹配滤波的方法进行检测。

4、方法选定：经过分析，白噪声为一个具有零均值的平稳随机过程，所以，我们在选取任一时间点，在该点前一段时间内将信号按时间分成若小段后，然后在选取时间点处将前面所分的每小段信号累加，若为白噪声信号，则时间均值依然为零，但当噪声中存在有用信号时，则时间均值不为零，由此特性，就可对强噪声背景中是否存在微弱信号进行判定。

白噪声信号是一个均值为零的随机过程。

任意时刻是一均值为0的随机变量。

所以，将t时刻以前的任一时间段将信号分成若干小段并延时到t时刻累加，得到的随机变量均值依然为0。

而混有微弱信号，将t时刻以前的信号分断延时，并在t时刻点累加，得到的不再是均值为零的随机变量。

所以，我们可以在t时刻检测接收到的强噪声的信号的均值，由其均值不为零可判定强噪声信号中混有有用信号。

微弱信号检测技术的原理及应用2018年1月一、微弱信号检测的基本原理、方法及技术在自然现象和规律的科学研究和工程实践中，经常会遇到需要检测诸如地震的波形和波速、材料分析时测定荧光光强、卫星信号的接收、红外探测以及生物电信号测量等。

这些测量量被强背景噪声或检测电路的噪声所淹没，无法用传统的测量方法检测出来。

微弱信号，为了检测被背景噪声淹没的微弱信号，人们进行了长期的研究工作，分析背景噪声产生的原因和规律，研究被测信号的特点、相关性以及噪声的统计特性，以寻找出从背景噪声中检测出目标信号的方法。

微弱信号检测技术的首要任务是提高信噪比，这就需要采用电子学、信息论和物理学的方法，以便从强噪声中检测出有用的微弱信号。

微弱信号检测技术不同于一般的检测技术，主要是考虑如何抑制噪声和提高信嗓比，因此可以说，微弱信号检测是一门专门抑制噪声的技术。

抑制噪声的现代信号处理手段的理论基础是概率论、数理统计和非线性科学。

1、经典检测与估计理论时期这一时期检测理论主要是建立在统计学家工作的基础上的。

美国科学家WienerN .将随机过程和数理统计的观点引入到通信和控制系统中，提出了信息传输和处理过程的统计本质，建立了最佳线性滤波理论，即维纳滤波理论。

NorthD.O.于1943年提出以输出最大信噪比为准则的匹配滤波器理论；1946年卡切尼科夫(BA.K)提出了错误判决概率为最小的理想接收机理论，证明了理想接收机应在其输出端重现出后验概率为最大的信号，即是将最大后验概率准则作为一个最佳准则。

1950年在仙农信息理论的基础上，WoodwardP.M.把信息量的概念用于雷达信号的检测中，提出了理想接收机应能从接收到的信号加噪声的混合波形中提取尽可能多的有用信息。

但要知道后验概率分布。

所以，理想接收机应该是一个计算后验概率分布的装里。

1953年以后，人们直接利用统计推断中的判决和统计理论来研究雷达信号检测和参盘估计。

密德尔顿(Middleton D)等用贝叶斯准则(最小风险准则)来处理最佳接收问题，并使各种最佳准则统一于风险理论。

宇宙中的微弱信号检测与背景噪音在探索宇宙的奥秘过程中，科学家们经常面临一个巨大的挑战，那就是如何从宇宙中微弱的信号中分辨出有意义的信息。

这些微弱信号往往被大量的背景噪音所掩盖，给科学家们带来了巨大的困扰。

因此，宇宙中的微弱信号检测与背景噪音成为了一个备受关注的研究领域。

首先，我们需要了解什么是微弱信号和背景噪音。

微弱信号指的是宇宙中非常微小的、难以察觉的信号，例如来自遥远星系的光线或者宇宙微波背景辐射。

而背景噪音则是指在信号检测过程中产生的各种杂乱信号，包括来自地球大气层的干扰、天体本身的辐射以及仪器本身的噪音等。

为了解决这个问题，科学家们采用了多种方法来进行微弱信号的检测。

首先，他们使用高灵敏度的望远镜和探测器来捕捉微弱信号。

这些设备能够在宇宙中捕捉到极其微小的光信号或电磁信号，并将其转化为可观测的数据。

同时，科学家们还会对这些信号进行精确的测量和分析，以便从背景噪音中提取出有用的信息。

其次，为了降低背景噪音的影响，科学家们采取了一系列的措施。

他们会在信号检测过程中尽量避开地球大气层的干扰，例如选择在高海拔地区建设望远镜观测站，或者使用空间望远镜进行观测。

此外，科学家们还会对仪器进行精确的校准和调整，以减少仪器本身的噪音。

通过这些措施的综合应用，科学家们能够更加准确地捕捉微弱信号，并与背景噪音进行有效区分。

在宇宙中的微弱信号检测与背景噪音研究中，科学家们取得了一系列重要的突破和发现。

例如，通过对宇宙微波背景辐射的观测，科学家们成功地验证了宇宙大爆炸理论，为宇宙起源提供了有力的证据。

此外，科学家们还通过对遥远星系的光谱分析，发现了宇宙膨胀的证据，并揭示了宇宙的演化历史。

然而，微弱信号检测与背景噪音研究仍然面临着许多挑战。

首先，宇宙中的微弱信号非常稀少，需要更加灵敏的设备和技术来进行探测。

其次，背景噪音的来源非常复杂，科学家们需要进一步研究和理解这些噪音的本质，以便更好地进行信号分析和处理。

此外，由于宇宙中信号的传播距离很长，科学家们还需要克服信号衰减和干扰的问题，以提高信号的可靠性和准确性。

DOI:10.19551/ki.issn1672-9129.2021.10.115强噪声下的微弱信号检测技术李昇睿(青岛大学电子信息学院㊀山东㊀266100)摘要:"微弱信号"主要指那些被噪声淹没的信号,"弱"是相对于噪声而言的㊂弱信号在强噪声背景下的检测一直是工程应用中的一个难题㊂在强噪声背景下,提高信噪比,检测有用的微弱信号是微弱信号检测的首要任务,满足了现代科学研究技术的需要,因此研究微弱信号的检测技术具有重要意义㊂本文对强噪声下的微弱信号检测技术进行分析,以期为相关研究人员提供参考意见㊂关键词:强噪声;微弱信号;检测技术中图分类号:TN911.23㊀㊀㊀文献标识码:A㊀㊀㊀文章编号:1672-9129(2021)10-0119-01㊀㊀微弱信号检测中的噪声往往与噪声相伴,属于电路随机干扰㊂可以是电路中元件的电子热运动,也可以是半导体器件中载体不规则的运动㊂在信号检测中,噪声是制约系统性能的决定性因素,也是不利因素㊂对微弱信号进行检测,如果能有效地克服噪声,就能提高检测的灵敏度㊂该项技术利用电子学㊁物理论和信息论相结合,主要检测被噪声淹没的信号,帮助在工作中做出判断,提取有效信息,提升工作效率,本文对强噪声下的微弱信号检测技术进行分析具有重要作用和意义㊂1㊀微弱信号检测技术概述利用电子技术㊁信息理论㊁计算机和物理方法,分析了噪声产生的原因和规律,研究了被测信号的特征及它们之间的关系,检测出被噪声淹没的有用微弱信号㊂弱信号检测是从强噪声中提取有用信号的一种方法㊂对弱信号检测理论进行研究,探索新的检测方法和技术,并在各学科中应用[1]㊂2㊀微弱信号检测技术方法2.1滤波器方法㊂恢复噪声污染信号波形称为滤波㊂它是信号处理的主要方法之一,具有很高的实用价值㊂现在的信号检测仪器离不开各种滤波器,它能消除干扰,分离信号㊂普通滤波器一般是由电感㊁电容等独立元件组成,对于滤波部分的干扰线效果很好㊂这个简单的滤波器并非随机信号混合的最佳滤波电路[2]㊂为此,有必要寻找一种误差最小化的滤波方法,也就是最小滤波准则㊂基于线性滤波理论,提出了一种基于最小均方误差准则的最佳线性滤波方法㊂为了解决维纳滤波电路难以实现的问题,提出了一种基于状态空间法的最优线性递推滤波算法卡尔曼滤波器㊂这种滤波方法特别适合于离散序列的实时滤波㊂这很容易用电脑处理㊂这是现代滤波理论的重大发展,在自动控制领域占有重要地位㊂该方法适合于整个信号,而非需要从噪声中分离出一个或多个参数㊂以最小均方误差准则为基础[3]㊂以往采用维纳滤波法对平稳随机信号进行预测和滤波优化㊂对于噪声干扰信号,只要知道信号与噪声的相关函数或功率谱,就能获得最佳的滤波预测值㊂因此需要求解维纳-霍夫积分方程组,这是一个非常麻烦的问题,而且很难实现滤波网络㊂因此㊂本文介绍了一种基于信号时间序列模型的线性递推滤波与预测方法,即卡尔曼滤波理论与方法㊂本文提出了一种基于线性最小二乘法的卡尔曼滤波方法,该方法首先对信号模型㊁观测模型及其参数的统计特性进行了描述,然后提出了滤波算法㊂适用于卡尔曼滤波和维纳滤波㊂前一种方法参数固定,适用于平稳随机条件下的最优滤波,后一种方法参数为非平稳随机条件下的最优滤波㊂所以要设计这两类滤波器,首先要了解信号和噪声的统计特性㊂这些特点往往事先不知道,也不能在实践中实现㊂因此,必须采用自适应滤波的新滤波方法来消除混合信号中的观测噪声㊂2.2噪声中信号的判断㊂在微弱信号检测技术中,噪声信号的判断是一个重要环节㊂利用维纳滤波来解决这一问题是行不通的㊂时间统计检验方法主要是用来把信号的t 时间判断转换成相关积分㊂由于随机因素较多,尤其是在强噪声㊁弱信号(低信噪比)的情况下,容易引起信号判断错误㊂我们应该研究最佳判断准则,将错误概率最小化㊂信号灯的判断必须依靠某些判断标准,包括检验统计数据(由采样信号产生)和判断阈值㊂其中包括:最大后验概率准则,二值信号判断的最优准则,贝叶斯准则,最小错误概率准则㊂在二元信号检测中,最常见的情况是判断信号是否存在噪声问题㊂即匹配滤波器,具有特定的传输函数,保证了信号的最佳判断效果㊂该滤波器与相关器件相对应,在信号检测中有着广泛的应用㊂与其采用匹配滤波器来实现信号波形的最佳恢复,还不能使滤波器的输出端在某一确定时刻有最大的输出信噪比,这样就可以更好地实现信号在噪声中的检测[4]㊂2.3频域分析法㊂频域分析法是一种常用的频域分析方法㊂该方法通过傅立叶变换将信号转换到频域,提取出信号的频率成分,并对其进行幅值㊁相位㊁功率以及能量与频率的关系分析㊂功率谱方法主要应用于微弱信号的检测,也主要应用于平稳随机信号的检测㊂该方法通过样本数据对广义平稳随机过程进行功率谱估计㊂传统的谱估计(非参数法)采用傅里叶变换法,计算简单,但有一定的泄漏效应,方差性能较差㊂傅立叶变换在工程应用中,其分辨率存在一定的局限性㊂此外,在使用傅立叶变换提取信号频谱时,需要充分利用信号的时域信息,因而缺乏时域定位功能,频率分析法主要用于在平稳随机噪声中检测信号㊂3㊀总结本文分析了强噪声背景下的微弱信号检测技术,主要包括微弱信号检测技术方法㊁噪声中信号的判断㊁频域分析法等,有利于帮助研究人员找到有效的检测方法,提高工作效率,未来需要加强对强噪声背景下的微弱信号检测技术的研究,不断发展并完善该项技术,促进我国技术的发展㊂参考文献:[1]李妙珍,李舜酩.强噪声下的微弱信号检测技术[J].电子技术与软件工程,2020,No.174(04):91-94.[2]邵文逸,徐伟.基于相敏检波的微弱信号检测系统设计[J].电子测试,2020,No.440(11):27-28. [3]张庆乐,李智强,林鹏,等.一种抗干扰性强的微弱信号检测装置:,CN111025983A[P].2020. [4]时培明,袁丹真,张文跃,等.基于时延反馈多稳随机共振的微弱信号检测方法[J].计量学报,2020(7).㊃911㊃。

毕业设计中文题目:强干扰信号下微弱信号测量方法的研究英文题目:Study on Weak Signal Detectionin Strong Interference学生姓名系别机电工程系专业班级指导教师成绩评定2013年06月目录1 引言 (1)1.1 课题研究的目的及意义 (1)1.2 研究现状及发展趋势 (1)1.3 主要测量方法 (1)2 微弱信号测量方法 (3)2.1 自相关测量方法与信号的相关分析 (3)2.1.1 自相关测量方法 (3)2.1.2 信号的相关分析 (3)2.2 多重自相关法 (5)2.3 双谱估计理论及算法 (6)3 仿真结果 (6)4 结论 (10)参考文献 (12)致谢 (13)附录1：相关英文文献 (14)附录2：英文文献中文译文 (24)摘要本文阐述了在强噪声下微弱信号的测量方法。

研究了自相关方法，多重相关方法和双谱估计理论方法检测微弱信号。

比较各种检测方法的优缺点并介绍了这些检测方法的算法及它们的特点。

测量方面主要包括信号的频率、相位、幅值的测量。

最后，利用MATLAB仿真软件进行仿真并比较各种方法的仿真结果。

结果表明：与自相关方法和多重相关方法相比，在检测强噪声背景下测量微弱信号方面，双谱估计方法能最有效的测量出微弱信号。

它对噪声的抑制能力比其他两种方法更强。

关键词:信号检测;微弱信号;自相关;多重相关;双谱估计ABSTRACTSeveral weak signal detection methods are presented in this paper, such as auto correlation, multi-layer autocorrelation and bi-spectrum estimation. Pros and cons in different methods were compared in this paper. Various methods of algorithm and characteristics were introduced. Measurements include signal frequency, phase and amplitude measurements. At last, simulation is made by using Matlab and the results are compared among each means. Simulation results show that bi-spectrum estimation can restrain noise strongly and detect weak signal effectively.Key words: Signal Detection;Weak Signal; Auto Correlation; Multi-layer Autocorrelation;Bi-spectrum Estimation强干扰信号下微弱信号测量方法的研究赵晶婕（天津农学院机电工程系）1 引言在机械工程领域信号检测中往往伴随着强噪声，在强噪声背景下微弱信号的检测与提取都是一个不可避免的难题。

强噪声下的微弱信号检测技术研究2航天科工空间工程发展有限公司北京100859摘要：本文设计了强噪声环境下，微弱信号的检测方案，注重在软件和硬件方面对信号检测技术进行优化，以达到预期检测目标。

在研究过程中，文章首先分析了微弱信号检测技术应用原理，其中包括同步积累原理、相关接收原理。

其次论述强噪声环境下，微弱信号检测技术的具体分类，提出使用滤波器、A/D转换、MCU控制、升级数据采集软件、应用抗干扰技术、频域分析法等方案，最后研究取得了显著成果，使得微弱信号检测理论得到丰富，提高了信号检测准确率。

关键词：强噪声；微弱信号；检测技术；研究前言：随着科学技术发展，针对物理量微小变化的测量越来越受到人们关注。

在具体测量中，需要利用到传感器装置，通过传感器将物理量的变化值，转换成电信号。

然而这部分电信号十分微弱，当其受到噪声干扰时，有用的信号信息会被淹没掉，使得检测工作难度增加。

新时期，随着现代电子技术发展，使得强噪声下微弱信号的准确检测成为可能。

1微弱信号检测技术应用原理1.1同步积累原理在微弱信号检测中，可将信号看作是周期性的窄脉冲，设周期为T，为实现对信号的有效获取，可将通路连接到分配器上，在出口位置与积累器相连接。

此时，当分配器进入到正常工作状态时，通路会被轮流接到积累器上。

倘若分配器的工作周期与信号重复周期一致，则周期T被分割成若干区间。

假设积累器的数目为n，则通路到积累器上的时间为：分配器工作周期与信号重复周期相同，通路均连接在同一类型积累器上，该检测原理被称为同步积累。

在同步积累原理下，只要信号重复次数足够多，相关人员便能在较强的噪声中，将微弱信号提取出来。

此时，输出信号电压与输入积累次数满足正比关系。

即：式中，表示输出信号电压，m为同步积累次数，表示输入信号电压。

针对强噪声而言，其形成过程是随机的，在其同步积累m次后，输出信号与噪音的比值，满足以下表达式：其中，输出噪声电压，为输入噪声电压，根据表达式可知，当m增加时，输出的信号噪音比值增加，即微弱信号获取能力提高。