下载文档原格式
《弱信号检测技术》课程教学大纲课程代码：030242006课程英文名称：Weak signal detection课程总学时：24 讲课：24实验：0 上机：0适用专业：测控技术与仪器大纲编写（修订）时间：2011.7一、大纲使用说明（一）课程的地位及教学目标微弱信号检测是将淹没在强背景噪声下的微弱信号，通过有效的检测手段，抑制强背景噪声，从而获得信号的恢复是本课程的主要内容。
（二）知识、能力及技能方面的基本要求1、基本知识：要求学生掌握本专业的专业基础知识和专业课知识。
2、基本理论和方法：通过本课程的教学，使学生对“微弱信号检测”主要应用对象及主要实施方法有所了解，在掌握其基本原理的基础上并能完成较简单的微弱信号检测系统的设计。
（三）实施说明由于学时的关系，本课程着重在于扩大学生的知识面，使学生对这一新兴技术分支能有较深入的了解，以便进一步深造。
（四）对先修课的要求1．模拟电子技术（A）(含高频部分)；2．信号与系统；3. 随机信号分析；（五）对习题课、实验环节的要求要求学生掌握BOXCAR积分器的使用方法，可求出SINR，会调整LIA的参数。
（六）课程考核方式1.考核方式：考查。
2.考核目标：考查学生是否理解微弱信号检测的基本原理及主要应用。
3.成绩构成：本课程的总成绩由三部分组成：平时成绩（包括作业、提问、出勤情况等）30%；开卷考试成绩70%。
（七）参考书目:1.《微弱信号检测（第2版）》曾庆勇浙江大学出版社2.《微弱信号检测》戴逸松吉林工业大学出版3.《微弱信号检测》高晋占清华大学出版社二、中文摘要本课程从应用角度出发介绍微弱信号检测的理论、方法和仪器，是测控技术与仪器本科专业的选修课。
该课程帮助学生了解微弱信号检测技术的发展历程和发展方向，了解微弱信号检测技术的运用领域；帮助学生理解微弱信号检测仪器的工作原理；帮助学生掌握微弱信号及其相关的基本概念，掌握微弱信号检测的一般方法。
三、课程学时分配表四、教学内容及基本要求第01部分绪论总学时(单位：学时):2 讲课:2 实验:0 上机:0具体内容:1）微弱信号检测的目的与意义2）噪声的基本性质3）噪声的统计特性4）器件噪声举例5）微弱信号检测方法概述重点:1）噪声的定义、种类、度量、电子噪声2）电阻、二极管、三极管的噪声3）弱信号检测的基本方法难点:1）噪声的定义、种类、度量、电子噪声2）电阻、二极管、三极管的噪声第02部分噪声与低噪声测试系统的设计总学时(单位：学时):6 讲课:6 实验:0 上机:0具体内容:1）噪声系数、噪声因子和其他噪声度量参量2）低噪声前置放大器3）低噪声放大器匹配网络与变压器特性重点:1）噪声系数、噪声因子、放大器NF值的测量、NF图2）设计原则，最佳输入电阻难点:1）噪声系数、噪声因子、放大器NF值的测量、NF图2)理想变压器作匹配时的SNIR第03部分同步相关检测-锁定放大器的工作原理总学时(单位：学时):6 讲课:6 实验:0 上机:0具体内容:1）滤波器2）选频检测的局限性与相干检测3）相敏检波器电路4）非周期移相器5）锁相放大器及其主要性能指标6）锁相放大器的使用与应用7）提高锁相放大器性能的一些技术重点:1）有源LPF、HPF、BPF2）相干检测3）掌握相敏检波器的基本电路4）移相环工作原理5）典型的锁相放大器6）锁相放大器的使用7）PCM技术难点:1）相干检测2）移相环工作原理3）典型的锁相放大器第04部分取样与取样积分原理总学时(单位：学时):6 讲课:6 实验:0 上机:0 具体内容:1）根号M法则与抽样定理2）取样积分器3）参数图解选择法4）取样积分器性能的一些重大改进5）BOXCAR信噪比改善的数学讨论6）数字平均器的特点及工作模式7）数字多点平均器8）BOXCAR与数字平均器应用举例重点:1）根号M法则、抽样定理2）门积分器、BOXCAR的工作模式3）参数图解选择法4）快速取样、基线取样5）BOXCAR信噪比改善的数学讨论6）数字平均器的特点及工作模式7）数字多点平均器原理、工作流程难点:1）根号M法则、抽样定理2）门积分器、BOXCAR的工作模式3）参数图解选择法4）快速取样、基线取样5）BOXCAR信噪比改善的数学讨论6）数字平均器的特点及工作模式7）数字多点平均器原理、工作流程第05部分光子计数技术总学时(单位：学时):2 讲课:2 实验:0 上机:0具体内容:1）光子计数器的原理概述2）光子计数器中的光电倍增管3）放大器-鉴别器4）光子计数器的测量方法5）模拟输出的光子计数器6）光子计数器中的脉冲堆积效应重点:放大器-鉴别器、光子计数器的测量方法难点:模拟输出的光子计数器第06部分总结与考试总学时(单位：学时):2 讲课:2 实验:0 上机:0具体内容：应用实例总结、综合复习与考试。
微弱信号检测的基本理论和技术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。
1213225王聪微弱信号检测技术概述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信号的问题, 比如测定地震的波形和波速、比如测定地震的波形和波速、材料分析时测量荧光光强、材料分析时测量荧光光强、材料分析时测量荧光光强、卫星信号的接收、卫星信号的接收、红外探测以及电信号测量等, 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。
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、微弱信号检测技术是采用电子学、微弱信号检测技术是采用电子学、信息论、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。
微弱信号检测的不同方法( 1) 生物芯片扫描微弱信号检测方法微弱信号检测是生物芯片扫描仪的重要组成部分, 也是生物芯片技术前进过程中面临的主要困难之一, 特别是在高精度快速扫描中, 其检测灵敏度及响应速度对整个扫描仪的性能将产生重大影响。
随着生物芯片制造技术的蓬勃发展, 与之相应的信号检测方法也迅速发展起来。
根据生物芯片相对激光器及探测器是否移动来对生物芯片进行扫读, 有扫描检测和固定检测之分。
扫描检测法是将激光器及共聚焦显微镜固定, 生物芯片置于承片台上并随着承片台在X 方向正反线扫描和r 方向步进向前运动, 通过光电倍增管检测激发荧光并收集数据对芯片进行分析。
激光共聚焦生物芯片扫描仪就是这种检测方法的典型应用, 这种检测方法灵敏度高, 缺点是扫描时间较长。
固定检测法是将激光器及探测器固定, 激光束从生物芯片侧向照射, 以此解决固定检测系统的荧光激发问题, 激发所有电泳荧光染料通道, 由CCD 捕获荧光信号并成像, 从而完成对生物芯片的扫读。
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)。
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。
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。
