下载文档原格式
32 4.1 内容提要及结构本章首先介绍高斯白噪声统计特性及随机信号的采样定理，然后依次讨论高斯白噪声中二元确知信号检测、多元确知信号检测、二元随机参量信号检测以及多重二元信号的检测。
本章内容实际是将信号检测的基本理论具体应用到高斯白噪声信号检测的情况，并且主要讨论的是理想高斯白噪声中信号检测方法及性能分析方法；本章主要讨论一般的似然比检测方法，而不指定哪一个具体准则。
本章内容逻辑结构如图4.1.1所示。
4.2 目的及要求本章的目的是使学习者从概率分布、相关函数和功率谱密度等方面理解高斯白噪声的特点，熟悉随机信号的采样定理；掌握带限高斯白噪声和理想高斯白噪声中二元确知信号检测方法，尤其掌握理想高斯白噪声中观测信号的似然函数，掌握理想高斯白噪声中二元确知信号检测性能分析方法；掌握理想高斯白噪声中多元确知信号检测方法及性能分析方法；掌握理想高斯白噪声中二元随机参量信号检测方法及性能分析方法；理解和熟悉高斯白噪声中多重二元信号检测的概念及使用条件，掌握高斯白噪声中多重二元确知信号和二元随机参量信号检测方法及性能分析方法。
4.3 学习要点4.3.1 高斯白噪声● 内容提要：本小节从高斯噪声和白噪声两个方面论述高斯白噪声的概念，从概率分布、相关函数和功率谱密度等方面论述高斯白噪声的统计特性，简要讨论低通和带通随机信号采样定理。
● 关键点：从高斯噪声和白噪声两个方面理解高斯白噪声的概念，从概率分布、相关函数和功率谱密度等方面掌握高斯白噪声的统计特性，熟悉低通和带通随机信号采样定理。
1．噪声噪声是指与接收的有用信号混杂在一起而引起信号失真的不希望的信号，是一种随机信号或随机过程。
2．高斯白噪声 高斯白噪声是一种幅度分布服从高斯分布，功率谱密度在整个频带内为常数的随机信号或随机过程。
高斯白噪声既具有高斯噪声的特性，又具有白噪声的特性。
确知信号的检测二元确知信号 的检测 多元确知信号 的检测带限高斯白噪声中二元确知信号的检测理想高斯白噪声中二元 确知信号的检测二元随机振幅和相位信号的检测二元随机相位信号的检测3．高斯噪声1）高斯噪声定义高斯噪声是一种幅度分布服从高斯分布的随机信号或随机过程。
第二章 检测理论1．二元检测：① 感兴趣的信号在观测样本中受噪声干扰，根据接收到的测量值样本判决信号的有无。
② 感兴趣的信号只有两种可能的取值，根据观测样本判决是哪一个。
2．二元检测的数学模型：感兴趣的信号s ，有两种可能状态：s0、s1。
在接收信号的观测样本y 中受到噪声n 的污染，根据测量值y 作出判决：是否存在信号s ，或者处于哪个状态。
即：y(t)=si(t)+n(t) i=0,1假设：H 0：对应s 0状态或无信号，H 1：对应s 1状态或有信号。
检测：根据y 及某些先验知识，判断哪个假设成立。
3. 基本概念与术语✧ 先验概率：不依赖于测量值或观测样本的条件下，某事件（假设）发生或 成立的概率。
p(H 0),p(H 1)。
✧ 后验概率：在已掌握观测样本或测量值y 的前提下，某事件（假设）发生或成立的概率。
p(H 0/y),p(H 1/y) 。
✧ 似然函数：在某假设H 0或H 1成立的条件下，观测样本y 出现的概率。
✧ 似然比：✧ 虚警概率 ：无判定为有；✧ 漏报概率 ：有判定为无；✧ （正确）检测概率 ：有判定为有。
✧ 平均风险： 4.1 最大后验概率准则（MAP ）在二元检测的情况下，有两种可能状态：s0、s1，根据测量值y 作出判决：是否存在信号s ，或者处于哪个状态。
即： y(t)=si(t)+n(t) i=0,1假设：H 0：对应s 0状态或无信号，H 1：对应s 1状态或有信号。
)|()|()(01H y p H y p y L =f P m P d P )(][)(][111110101010100000H P C P C P H P C P C P r ∙++∙+=如果 成立，判定为H 0成立；否则 成立，判定为H 1成立。
利用贝叶斯定理： 可以得到： 如果 成立，判定为H 0成立； 如果 成立，判定为H 1成立；定义似然比为： 得到判决准则： 如果 成立，判定为H 0成立； 如果 成立，判定为H 1成立；这就是最大后验准则。
微弱信号检测技术科学技术发展到现阶段，极端条件下的物理实验已成为深化认识自然的重要手段．这些实验中要测量的物理量往往都是一些非常弱的量，如弱光、弱磁、弱声、微小位移、徽温差、微电导及微弱振动等等。
由于这些微弱的物理量一般都是通过各种传感器进行电量转换．使检测的弱物理量变换成电学量。
但由于弱物理量本身的涨落、传感器的本底和测量仪器的噪声的影响，被测的有用的电信号往往是淹没在数千倍甚至数十万倍的噪声中的微弱信号．为了要得到这一有用的微弱电信号，就产生了微弱信号检测技术。
因此．微弱信号检测技术是一种与噪声作斗争的技术．它利用了物理学、电子学和信息论的方法．分析噪声的原因和规律．研究信号的特征及相关性．采用必要的手段和方法将淹没在噪声中有用的微弱信号检测出来．目前．微弱信号检测主要有以下几种方法：‘1、相干检测相干检测是频域信号的窄带化处理方法．是一种积分过程的相关测量．它利用信号和外加参考信号的相干特性，而这种特性是随机噪声所不具备的，典型的仪器是以相敏检波器(PSD)为核心的锁相放大器。
2、重复信号的时域平均这种方法适用于信号波形的恢复测量。
利用取样技术．在重复信号出现的期间取样．并重复n次，则测量结果的信噪比可改善n倍。
代表性的仪器有Boccar 平均器或称同步(取样)积分器，这类仪器取样效率低，不利低重复率的信号的恢复．随着微型计算机的应用发展．出现了信号多点数字平均技术，可最大限度地抑制噪声和节约时间，并能完成多种模式的平均功能．3、离散信号的统计处理在微弱光检测中，由于微弱光的量子化，光子流具有离散信号的特征．使得利用离散信息处理方法检测微弱光信号成为可能。
微弱光检测又分为单道(Single-Channel)和多道(MuIti．-Channel)两类。
前者是以具有单电子峰的光电倍增管作传感器，采用脉冲甄别和计数技术的光子计数器；后者是用光导摄象管或光电二极管列阵等多路转换器件作传感嚣．采用多道技术的光学多道分析器(OMA)。
音频指标测试均是针对有输入和输出的设备而言，就是声音信号经过了一个通道以后，输出与输入之间的差别。
两者差别越小那么性能越好，而且在一般情况下声音经过某一个通道或某一系统后，一般都有对原信号的放大和衰减。
信噪比、失真率、频率响应这三个指标是音响器材的“基础指标”或“基本特性”，我们在评价一件音响器材或者一个系统水准之前，必须先要考核这三项指标，这三项指标中的任何一项不合格，都说明该器材或者系统存在着比较重大的缺陷1、信噪比SNR(Signal to Noise Ratio)：（1）简单定义：狭义来讲是指放大器的输出信号的电压与同时输出的噪声电压的比，常常用分贝数表示，设备的信噪比越高表明它产生的杂音越少。
一般来说，信噪比越大，说明混在信号里的噪声越小，声音回放的音质量越高，否则相反。
信噪比一般不应该低于70dB，高保真音箱的信噪比应达到110dB以上。
音频信噪比是指音响设备播放时，正常声音信号强度与噪声信号强度的比值（2）计算方法：信噪比的计量单位是dB，其计算方法是10LG(PS/PN)，其中Ps 和Pn分别代表信号和噪声的有效功率，也可以换算成电压幅值的比率关系：20LG(VS/VN)，Vs和Vn分别代表信号和噪声电压的“有效值”。
（3）测量方法：信噪比通常不是直接进行测量的，而是通过测量噪声信号的幅度换算出来的，通常的方法是：给放大器一个标准信号，通常是0.775Vrms 或2Vp-p@1kHz,调整放大器的放大倍数使其达到最大不失真输出功率或幅度（失真的范围由厂家决定,通常是10％，也有1％），记下此时放大器的输出幅Vs，然后撤除输入信号，测量此时出现在输出端的噪声电压，记为Vn，再根据SNR=20LG(Vn/Vs)就可以计算出信噪比了. 或者是10LG(PS/PN)，其中Ps和Pn分别代表信号和噪声的有效功率计权：这样的测量方式完全可以体现设备的性能了。
但是，实践中发现，这种测量方式很多时候会出现误差，某些信噪比测量指标高的放大器，实际听起来噪声比指标低的放大器还要大。
淹没在噪声或干扰中正弦信号的测量实验目的了解淹没在噪声或干扰中的正弦信号的检测原理和方法。
了解锁定放大器抑制白噪声能力的概念与测量方法。
了解锁定放大器抑制不相干干扰能力的概念和测量方法。
掌握用锁定放大器测量淹没在噪声或干扰中的正弦信号的实际操作。
实验仪器HB~511型现代模拟电路实验测试系统A 分箱、C 分箱，双踪示波器，数字多用表。
实验内容实验步骤与操作(1)淹没在干扰信号中的微弱信号测量测量仪器框图如图7-29所示。
图中多功能信号源(A 分箱)作为信号源，频率为f ,输给衰减器输入端Vi,同时输给锁定放大器作为参考信号。
干扰源由C 分箱的信号源提供，频率为f 2,通过衰减器把信号与干扰信号混合成具有干扰的信号，送给锁定放大器进行测量。
衰减器Vp 输出插座接到示波器的输入端，可以观察被测信号被干扰信号淹没的波形，加强理解锁定放大器能抑制干扰、从干扰中检测信号的能力。
图7-29锁定放大器测量淹没在干扰信号中的微弱信号框图①仪器参数的设置：接通图7-29中所有仪器的电源。
>设置A 分箱多功能信号源的参数：被测信号设置频率f i=7 1 0 H z,输出电压值Vi=100mV,>设置C 分箱信号源的参数：干扰信号设置：频率fz=40kHz,输出电压值Vz=100 mV 。
>衰减器参数设置：K i=1 0-¹×1 0-1×1,K ₃=0.1(置1),K 4=0.1(置3),K 2根据测试需要选择，则输出电压为：加法器输出端：Vp=KVi+K ₂Vz=Vi ×10-2+K2V ₂ 输出 多功能 信号源(A 分箱)fi 衰减器 (C 分箱) '2 V 干扰信号源信号源 (C 1%i 双相锁定 (A衰减器输出端：V。
=VpK₃K₄=Vi×104+K2V₂×10-2被测信号为10μV,干扰信号由K2决定。
>双相锁定放大器参数设置：参考输入置“内”输入，输入模式置“A”输入。
微弱信号检测的基本理论和技术微弱信号检测技术是采用电子学、信息论、计算机和物理学的方法，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。
在微弱信号检测中，总是伴随着噪声，噪声属于电路中的随机扰动，它可能来自电路中元器件中的电子热运动，或者是半导体器件中载流子的不规则运动。
噪声是限制信号检测系统性能的决定性因素，因此它是信号检测中的不利因素。
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。
电路中噪声是一种连续型随机变量，即它在某一时刻可能出现各种可能数值。
电路处于稳定状态时，噪声的方差和数学期望一般不再随时间变化，这时噪声电压称为广义平稳随机过程。
若噪声的概率分布密度不随时间变化，则称为狭义平稳随机过程(或严格平稳随机过程>。
显然，一个严格平稳随机过程一定为广义平稳随机过程，反之则不然。
1.滤波器被噪声污染的信号波形恢复称为滤波。
这是信号处理中经常采用的主要方法之一，具有十分重要的应用价值。
现在，在各种信号检测仪器中均离不开各种滤波器，它起到了排除干扰，分出信号的功能。
常用的滤波器是采用电感、电容等分立元件构成(例如，RC低通滤波器、LC谐振回路等>，它对于滤去某些干扰谱线(例如，电源50Mz滤波，收音机、电视机中干扰的滤波>，有较好的效果。
对于混在随机信号中的噪声滤波，这种简单的滤波器就不是最佳的滤波电路。
这是因为信号与噪声均可能具有连续的功率谱。
因此需要寻找一种使误差最小的最佳滤波方法，有称为最小最佳滤波准则。
维纳线性滤波理论就是一种在最小均方误差准则下的最佳线性滤波方法。
出于维纳滤波器电路实现上的困难，在维纳滤波基础上发展了一种基于状态空间方法的最佳线性递推滤波方法，称为卡尔曼滤波。
这种滤波器特别适用于对离散时间序列的实时滤波。
第三章 估计理论1. 估计的分类矩估计：直接对观测样本的统计特征作出估计。
参数估计：对观测样本中的信号的未知参数作出估计。
待定参数可以是未知的确定量，也可以是随机量。
点估计：对待定参量只给出单个估计值。
区间估计：给出待定参数的可能取值范围及置信度。
(置信度、置信区间) 波形估计：根据观测样本对被噪声污染的信号波形进行估计。
预测、滤波、平滑三种基本方式。
✓ 已知分布的估计✓ 分布未知或不需要分布的估计。
✓ 估计方法取决于采用的估计准则。
2. 估计器的性能评价✧ 无偏性：估计的统计均值等于真值。
✧ 渐进无偏性：随着样本量的增大估计值收敛于真值。
✧ 有效性：最小方差与实际估计方差的比值。
✧ 有效估计：最小方差无偏估计。
达到方差下限。
✧ 渐进有效估计：样本量趋近于无穷大时方差趋近于最小方差的无偏估计。
✧ 一致性：随着样本量的增大依概率收敛于真值。
✧ Cramer-Rao 界： 其中为Fisher 信息量。
3. 最小均方误差准则模型：假定： 是观测样本，它包含了有用信号 及干扰信号 ，其中 是待估计的信号随机参数。
根据观测样本对待测参数作出估计。
最小均方误差准则：估计的误差平方在统计平均的意义上是最小的。
即使达到最小值。
此时 从而得到的最小均方误差估计为： 即最小均方误差准则应是观测样本Y 一定前提下的条件均值。
需借助于条)()(1αα-≥F V ⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎥⎦⎤⎢⎣⎡∂∂=⎭⎬⎫⎩⎨⎧∂∂-=2212122);,(ln );,(ln )(αααααm m y y y p E y y y p E F )(),()(t n t s t y +=θ)(t n T N ),,,(21θθθθ=),(θts {}{})ˆ()ˆ()ˆ,(2θθθθθθ--=T E e E {}0)ˆ,(ˆ2=⎥⎦⎤⎢⎣⎡=MSE e E d d θθθθθθθθθd Y f Y MSE )|()(ˆ⎰=件概率密度求解，是无偏估计。
噪声振动测量方法
选择合适的传感器：振动测量通常使用振动加速度传感器来感应和拾取物体的振动信号。
噪声测量则主要采用声压传感器（也称为传声器或麦克风）来感应和拾取噪声信号。
信号采集和记录：通过信号调理器将传感器拾取到的振动或噪声信号输入到信号采集记录器中。
信号处理和分析：使用计算机和专用软件对振动或噪声信号进行处理和分析，得到信号的量级、频率成分和统计特性等信息。
结果解读：根据测量和分析的结果，可以了解和掌握表征振动和噪声的主要参数的具体数据。
