当前位置：文档之家 › 微弱信号检测算法分析

微弱信号检测算法分析

  • 格式：pdf
  • 大小：277.31 KB
  • 文档页数：4

30 Hz ，远远小于本振频率 11 kHz ，往往需要进行多
级滤波，设计的第一级滤波器的采样频率为 100
kHz 左右，还需进行减采样( downsampling) 。本文
合在实现运动姿态和轨迹控制的武器制导控制系统
上得到广泛应用。而微机电器件产生的输出信号相 当微小，锁定放大器作为一种重要的微弱信号检测
提供了捷径。如在本研究中陀螺的基频 30 Hz 相对
片面积，这就是用速度的优势换面积的节约。以滤
波器的设计为例来具体说明。滤波器是由多阶的乘
法器和加法器来实现的，如图 5 所示。采用求和平
于调制信号 11 kHz 来说小得多，那么在仿真设计
数字 IIR 滤波器时，采样频率比截止频率大好几个
均后，整个系统资源开销大大减小(以单片机系统
Vo=Vi • VR=Ei(Ao+∞S(Cl.\Jt)∞S(ω) • ER ( ∞斟 t) Ei • E Rr A ., -, I Ei • E R =一言一旦 [A o 十 COS(ωoOJ 十一二7一·
Hω= 士(1 +e飞e一叫十 e- j (…=
1 k.
1-e- J 的
1-e- jIJ 11-e
为数字序列时，首先就要考虑的是采样方式和采样
频率的选择问题，理论的分析[1J 表明，整周期采样相 对于非整周期采样方式有很多优越之处。
在实际研究中，经常会有系统要求带宽和本振
活，可以大大节省系统资源。
1
整周期采样的求和平均
整周期采样需要满足的条件是
频率相差很大的情形，如某陀螺系统的带宽要求是
收稿日期: 2005-09-22
其脉冲响应
为大于 2 的整数。而且整周期和非整周期采样对后
续电路的信号处理也有很大影响。下面讨论整周期 采样时进行求和平均可以有效的抑制噪声。在我们
的研究中，某陀螺信号是基频为元，调制频率为 fr
的调幅波，即:
Vi=Ei(Ao+cos(ωot) )cos(ωrt + 伊1
)
h[中士 (δ[nJ+δ[n-1J+δ[η-2J 十..十
ρI sin(πf)
[叫ωrt)+÷cos句十川十专时2ωr 川]
这一调制解调的过程如图 1 的框图所示
1 11-e- j的 1 _ 1sin(nπ)1 那么幅频特性为一. 1 一一一一 1=1 主巳旦丛三|
l'
8 项为例，作出曲线如图 2 。由图 2 可见，它等效于 一个梳状滤波器，只有在频率整数倍附近且可以大大节省系统资源的占用率。
关键词:微弱信号检测;求和平均;低通滤波:减采样;整周期采样
中图分类号: TP212.
12j318
文献标识码 :A
文章编号 :1004-1699(2006)04-1140-04
由微机械陀螺仪为核心部件的微惯性测量组
M 个值进行求和并取平均。对于高频成分，由于 D
那么就可以构成一个很好的低通滤波器。另外这种
方法还可以很好的抑制通频带内的低频噪声，起到
=古垃兰 dω) = [x(t 丘ωt x (t
值相加结果为零;而由于信号频率 fβ ~<<fr 二 fλ .1M ， 相邻的 M 个采样点的值非常接近(其效果近似可看
x(n) :
SQRN 就会线性减少，这对提高精度也是不利的。
L一-一-.J
h
图 3
L一-一一J
h
减采样框图 h~
但在我们实际的研究中，低频成分的频率远远
小于高频噪声，且采样周期取为高频噪声的整数倍
(实际一般大于 4) 。针对上述仿真分析中，步长增
整周期采样后求和作平均处理的方法，将输入
加 4 倍，则对应的相当于量化位数减小了约 2 bit , 而我们采用的是 24 bit 的量化，那么这时噪声功率
MCS- 51 的处理为例，如表 1 所示) ，功能模块就有 更大的空闲资源，这时我们可以复用功能模块减少
数量级的情形，一旦滤波器的各项指标选择苛刻，就
出现不稳定的现象。那么对于实际电路的设计更会
带来很大的困难，这时有效的办法就是先对信号进
行减采样。本文的这种求和平均的方法，等效实现
L一 -1
的位数越少，步长变大，量化噪声的功率也相应增
将信号从 fs 下降到 fs/M 时，为了防止输出低频信
号的频谱混叠，在减采样之前必须加入一个带通滤 波器[4J 使得信号频率不超过 f./2M ， 这样信号的
带宽就将被限制。
r- - - - -. -- - - - - - - - - - - - -- - - -. - - - - - - - - - I
作者简介:余亮琴(1981-) ，女，硕士研究生(通讯联系人) ，从事微机电系统微弱信号检测及数字信号处理研究， lqyumxm@yahoo. com.∞; 罗 兵 0971-) ，男，副教授，硕士生导师; 吴学忠 0965少，男，教授，博士生导师; 李圣怡 0947-) ，男，教授，博士生导师。
第 4期
解调，也就是锁定放大器的基本原理。解调信号 VR =ERcos(ωr t + 件)与调制频率 fr 相同。解调结果
人信号的锐变，换句话说，就是滤除了输入信号中的
高频分量。 h 项的滑动平均滤波器的传输函数为
H(z)= 士(1 +Z-I +Z-2 +".+z 川十 Z-(k-IJ)
其频率响应
是(简化起见，设伊1-ψ2=0)
成是对直流信号的采样 )λ ，几乎没有影响。下面具体
平滑作用。微弱信号检测中的常用另一检测方 法一一取样积分器[3J 其实也是一种平滑滤波的过
程。它是对各周期的对应点的信号进行平滑滤波;
而本文的平均处理是对高频分量一个周期内的各采 样值进行平滑滤波，其效果都是达到滤除高频分量
保留有用的低频成分。同时，这种软件实现方法还
传感技术学报
2006 年
号的减采样 Cdownsampling) ，也称作抽取 CCochiere
and Rabiner) 。实际的减采样过程需要一个数字抗
混叠滤波器以及一个减采样压缩器(如图 3) ，因为
功率为 σ2= 豆，其中 q 为量化步长，信号幅值为 R ， 12''''"''
I
':1
采用 B 位 ADC 的量化步长 q=乒一。可见量化器
EEACC:7630
微机械陀螺的一种微弱信号检测算法的分析与仿真
余亮琴\罗 兵，吴学忠，李圣怡
(国防科技大学机电工程与自动化学院，长沙 410073)
摘
要:针对常用的微机械陀螺微弱信号检测方法不能很好地抑制信号带内噪声的不足，提出了一种基于整周期采样的求
和平均处理算法，该算法等效地实现了低通滤波和减采样的功能。仿真表明它可以完全抑制信号中棍杂的一系列特定频率
加。另外，从信噪比的角度，线性 ADC 在理论上的
最大信号量化噪声比 CSQRN) 为 [5J
Anti-confusing <UO"'5 digita1 filter
-,
[SQRN]=6. 02B+ 1. 7 dB
也得到 :ADC 位数减小(相当于量化步长变长) ,
downsampling -- .. ..--..r...."
的每 M 个点输出一个平均值，有效的压缩了数据长
度。图 4 是图 6 Ca) 部分放大的结果，可以看出:经 过处理后采样的步长变为原来的 M 倍(这里 M=
的，也就是等效地将采样频率减小到原来的 M 分之
的增加相对于原本量化时产生的功率来说显然是可 忽略的。所以实际上对精度的影响不大，一般是可
以不考虑的。同时也要看到，取平均时也不能将倍
第 19 卷第 4 期 2006 年 8 月
传感技术学报
CH剧ESE
JOURNAL OF SENSORS AND ACTUATORS
Vol. 19 No.4 Aug.2006
Analy世s
and
1 Simula咀侃。f
a Weak Signal
， LUO
DetectiJ:唱Aritluætic
for
通常我们在其后接上一个滤除倍频成分的滤波器，
图 l
陀螺信号调理电路框图
在进行数字方式解调时，我们先对输入信号和
参考信号进行整周期采样，并且取特殊情况 q=l ，
采样周期是参考信号频率的 M 倍，采样间隔什
。 l
=t言'于是得到调幅波序列和参考信号序列，经
过相乘后就得到输出信号序列。然后把得到的每
图 2 平滴滤波器幅频特性
l\1iσ四ÆCbæ咀cal GYI喃
YU Liang-qin 祷
Bing , WU Xue-zhong , LISheng-yi
CNational University of Defence Technology , Changsha 410073 , China)
Abstract:Methods of weak signal detecting in micromechanical gyroscopes always can't efficiently suppress noises intraband , so a sum-average arithmetic based on completed periodicity sampling , which implements low filtering and downsampling equivalently , is put forward. Simulation indicates that it can completely restrain a series of periodic noises with specific frequency; also it can effectively restrain various noises intraband and out-off-band. In addition , it can reduce system resource occupation enormously. Key words: weak signal detecting , sum-average arithmetic , low filtering , downsampling , completed periodicity sampling

合集下载

3.6-微弱信号检测

3.6-微弱信号检测


由于低通滤波器的 B 可以很小， 因此分布在 (0－B/2) ～(0+B/2) 之间的噪声大部分都被滤除掉， 使得锁定放大器的信噪比得到了非常明显的提高。 可见，锁定放大器避开了幅度较大的 1/f 噪声； 同时又用相敏检波器实现解调，用稳定性更高的低通
滤波器实现窄带化过程，从而使检测系统的性能大为
1 ω2C1C2 RRW φ(ω) 2 arctan ω(C1R C2 RW )
( -61)
所以，通过调节RW改变相位，既可超前于输入信号，又 可滞后于输入信号。
3）相敏检波及低通滤波器电路
如图所示，FET管V1～V4、二极管VD1～VD4和电阻R1～ R4组成全波相敏检波器；运放 A及电阻R7～R10组成减法器， 并依靠电容C1和C2实现低通滤波。电路具有对称性。在互为 反相的参考方波电压(分别从图中B、E两点加入)控制下，完 成相敏检波和低通滤波的功能。
几种常见电子噪声
噪声种类 热噪声 特点 降低途径 减小输入电阻和带宽 减小平均直流电流和带宽
属于白噪声，功率 谱密度在很宽的频 散粒噪声 率范围内恒定。 属有色噪声，频率 接触噪声 增加，功率谱减小。
减小平均直流电流
微弱信号检测中要处理的绝大多数是随机噪声。
源头：电子自由运动-热噪声；越过PN结的载流子扩散和电 子空穴对的产生复合；接触噪声-导体连接处点到的随机涨落。
x(t) A cos(0t ) nt
(
-49)
式中：A为被测直流或慢变信号； 0为载波频率（通常 s≈ 0）；n(t)为噪声。
令
n(t) C cos(t ) y(t ) D cos(0t )
( -50) ( -51)
则相敏检波器的输出为 D z (t ) { A cos A cos( 2s t ) C cos[( s )t - ] 2 C cos[( s )t ( )] ( -52) 经低通滤波后，上式右边的直流成分被保留；第 二、四两项被滤除；至于第三项，只有满足 |-s|B′ (B′为低通滤波器的带宽 ) 时才对输出有影响。然而， 即使第三项被保留了，其影响也会减小。
浅谈近红外光谱仪中的微弱信号检测技术

浅谈近红外光谱仪中的微弱信号检测技术

浅谈近红外光谱仪中的微弱信号检测技术天津渤化化工发展有限公司天津市经济技术开发区300280摘要：本文采用了一种新型的微弱信号检测技术，基于近红外光谱成像原理，利用分光光度计、光电探测器等对被测物质的光谱进行数据采集，通过对采集数据的分析和处理，利用小波变换技术对数据进行去噪，提取出微弱信号，并对这些微弱信号进行数学建模分析。

近红外光谱仪通过光谱成像技术获取物质的信息，是一种新型的无损检测技术，其主要通过光谱成像原理进行物质信息检测。

近红外光谱仪是由光学系统、信号处理系统、计算机和显示器组成的一种检测仪器。

它可以利用近红外光谱成像原理进行物质信息的测量，并且具有无破坏性、非接触性、使用方便等特点。

关键词：近红外光谱仪；微弱信号检测技术一、微弱信号检测理论（一）检测理论微弱信号检测技术的理论基础是非线性、非平衡、多变量以及随机等理论。

该理论的核心在于系统非线性和非平衡的特点，采用非线性技术对微弱信号进行检测，可以实现对信号的放大，并且可以通过调节非线性参数来满足实际应用要求。

系统非线性在微弱信号检测过程中表现得比较明显，其主要特征表现为系统对于输入信号的放大以及系统本身噪声的抑制等方面。

另外，系统非平衡也是在微弱信号检测中体现得比较明显的特点，在进行微弱信号检测时，需要充分考虑到系统本身的非线性特征，根据不同的情况，选择不同的检测方法。

（二）信号噪声的构成在分析微弱信号的检测过程中，我们需要对噪声进行了解，通常情况下，我们将噪声分为两种类型：第一种是外部干扰噪声，第二种是内部干扰噪声。

外部干扰噪声主要指的是外部环境中所存在的一些物理性干扰，这些物理性干扰主要包括温度、湿度等，由于受到了外界环境的影响，这些干扰噪声也会随之发生变化，导致其性质发生改变。

内部干扰噪声则指的是电子元器件在工作过程中所产生的一些误差或者是外界因素影响而产生的信号。

通过对信号的检测过程中可以发现，外部环境所产生的噪声和内部所产生的噪声在本质上是一样的，都属于外部因素影响导致而成。

微弱信号的检测提取及分析方法

微弱信号的检测提取及分析方法

/detail/kerenigma/4462916全部代码和工程报告基于多重自相关的微弱信号检测及提取方法研究Study on Weak Sigusodial Signal Based on Multi-layerAutocorrelation目录一摘要二选题背景与目的三实验特点与原理3.1高斯白噪声3.1.1概念： (5)3.1.2基本数字特征及其Matlab实现： (5)3.2检测及提取方法的原理3.2.1自相关检测方法 (6)3.2.2多重自相关法 (7)3.3本实验采取的微弱信号检测及提取的方法四实验设计与实现4.1高斯白噪声的产生与数字特征4.1.1产生 (8)4.1.2均值 (8)4.1.3 方差 (9)4.1.4 均方值 (9)4.1.5 自相关函数 (9)4.1.6 频谱（傅里叶变换）： (10)4.1.7 功率谱密度： (10)4.2 原始正弦信号的产生与数字特征4.2.1 产生 (10)4.2.2均值 (11)4.2.3方差 (11)4.2.4均方值 (11)4.2.5自相关函数 (11)4.2.6频谱（傅里叶变换） (11)4.2.7功率谱密度 (12)4.3 混合信号的产生与提取4.3.1混合信号产生 (12)4.3.2 混合信号的部分数字特征 (13)4.3.3信号的提取与分析 (14)五实验结论六参考文献七附件analysis.m extract.m一摘要摘要：对高斯白噪声的主要数字特性进行了分析，并通过对在高斯白噪声环境下的正弦信号的检测与提取。

并利用Matlab工具，通过wgn 函数生成高斯噪声，通过多重自相关方法，对高斯白噪声环境下的正弦信号进行分析与提取，并给出仿真结果。

关键字：随机信号，弱信号检测提取，多重自相关二选题背景与目的2.1 选题背景在随机信号处理的许多应用场合，噪声中信号的检测是一个重要的课题，尤其是微弱信号检测。

微弱信号检测的目的是从强背景噪声中提取有用信号，或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。

微弱信号检测 总结docx

微弱信号检测 总结docx

1、微弱信号检测特点WSD目的：提取需要检测到的微弱信息。

微弱：一般幅值小，但其实是相对噪声。

检测特点：遏制噪声（内部、外部）、放大信号、提高信噪比。

对象：研究噪声、信号。

研究两者区别，并且利用该区别研发设备和方法相对性：信号噪声可转换2、信号和噪声相关理论研究方法：（1）时域：均值、中值滤波、相关性、高斯分布（2）频率域：FFT、采样定理、低通、带通、带阻（3）其他：小波、分形等，特征分析信号分析方法：信号的性质可以从频域和时域两方面进行分析。

频域分析常采用傅里叶分析法。

时域分析主要包括卷积和相关函数。

3、噪声：通常把由于材料或器件（内部电路器件）的物理原因产生的扰动称为噪声，频谱分布较宽。

4、信噪比：噪声对信号的覆盖程度信噪改善比：改善的效果，评价一个放大器或者一个测试系统遏制噪声的能力当信号通过一个放大器或者一个测试系统后，信噪比可能提高，也可能降低。

引入信噪比改善系数SNIR来描述放大器或测试系统对信噪比的改善作用，定义为产生可观察到变化5、微弱信号蕴含着两层含义：第一层含义是信号本身非常微弱，是一个绝对意义上的微弱；第二层含义是相对意义上的微弱，也就是信号对于强背景噪声而言，是非常微弱的，简而言之就是信噪比极低。

6、常规小信号检测方法：滤波、调制和解调7、电噪声的主要统计特征包括：（1）频域统计特征：功率谱密度（2）时域统计特征：相关函数（3）幅域统计特征：概率密度函数8、对于电压或电流型的随机变量，均值表示的是其直流分量；表示对均值的偏离程度，表明随机噪声的起伏程度；均方值反映的是随机噪声得到归一化功率，它表示的是随机电压或电流在1Ω电阻上消耗的功率9、相关函数：衡量随机过程在任意两个时刻获得的随机变量之间的关联程度。

是其时域特征的平均量度，它反映同一个随机噪声n(t)在不同时刻t1和t2取值的相关程度10、自相关函数在τ=0处取得最大值周期信号的自相关函数仍然是同频率的周期信号，但不具有原信号的相位信息。