微弱信号检测技术的研究进展

微弱信号检测技术的研究进展

1微细信号检测弱信号检测是测量技术的一个综合技术分支。利用电子、信息论和物理方法分析噪声产生的原因和规律，研究测量信号的性质和相关性，发现和恢复背景噪声覆盖的微信号。微弱信号检测技术研究的重点是如何从强噪声中提取有用信号,探索采用新技术和新方法来提高检测系统输出信号的信噪比。在测量淹没在背景噪声中的微弱信号时,必须对信号进行放大。然而由于微弱信号本身的涨落、背景和放大器噪声的影响,测量灵敏度会受到限制。因此,微弱信号的检测有以下三个特点:(1)需要噪声系数尽量小的前置放大器,并根据源阻抗与工作频率设计最佳匹配:(2)需要研制适合微弱信号检测原理并能满足特殊需要的器件;(3)利用电子学和信息论的方法,研究噪声的成因和规律,分析信号的特点和相干关系。微弱信号检测目前在检测理论方面重点研究的内容有:(1)噪声理论和模型及噪声的克服途径;(2)应用功率谱方法解决单次信号的捕获;(3)少量积累平均,极大改善信噪比的方法;(4)快速瞬变的处理;(5)对低占空比信号的再现;(6)测量时间的减少及随机信号的平均;(7)改善传感器的噪声特性;(8)模拟锁相量化与数字平均技术结合。常规的微弱信号检测方法主要包括时域的相关方法、取样积分方法和频域的谱分析方法等。然而,这些方法都有一定的局限性,主要表现在所能检测到的微弱信号的信噪比门限值较高。近年来,随着对非线性系统研究的不断深入,提出了诸如谐波小波、混沌、随机共振等新的理论和方法,为微弱信号检测开创了新的思路。2不同的识别原理和应用2.1低信噪比lpf锁相放大器频谱迁移法抑制噪声的原理是:用调制器将支流或慢变信号的频谱迁移到调制频率ω0处,再进行放大,以避开1/f噪声的不利影响。利用相敏检测器实现调制信号的解调过程,可以同时利用频率ω0和相角uf071进行检测,噪声与信号同频又同相的概率很低。用低通滤波器来抑制宽带噪声。低通滤波器的带宽可以做得很窄。锁相放大器对信号频谱进行迁移的过程如图1所示。调制过程将低频信号Vs乘以频率为ω0的正弦载波,从而将其频谱迁移到调制频率ω0的两边,之后进行选频放大,这样就不会把1/f噪声和低频漂移也放大了,如图1(a)所示,图中虚线表示1/f噪声和白噪声功率谱密度。经交流放大后,再用相敏检波器(PSD)将其频谱迁移到直流(ω=0)的两边,用窄带低通滤波器(LPF)滤除噪声,就得到高信噪比的放大信号,如图1(b)所示,图中用虚线表示LPF的频率响应曲线。只要LPF的带宽足够窄,就能够有效改善信噪比。锁相放大器具有中心频率稳定,通频带窄,品质因数高等优点,因而得到广泛应用。常用的模拟锁相放大器虽然速度快,但是参数稳定性和灵活性差,而且在与微处理器通信时还需要转换电路。传统数字锁相放大器一般使用高速A/DC对信号进行高速采样,然后使用比较复杂的算法进行锁相运算,运算量很大,这对微处理器的速度要求很高。现在提出的新型锁相检测电路是模拟和数字处理方法的有机结合,它将待测信号和参考信号先相乘,其结果再通过高精度型A/DC采样,然后再作处理,运算量较前者降低,因此降低了对处理器的运算能力和速度的要求,算法和电路更加简单。锁相放大器已被广泛应用到物理、化学、天文、电子技术、通信、生物医学等研究领域中。2.2谐波小波仿真小波变换的思想来源于伸缩和平移方法,其概念是在1984年由法国地球物理学家J.MorLet正式提出的。Mallat于1987年将计算机视觉领域内的多分辨率分析思想引入到小波分析中,提出了多分辨率的概念,并提出了相应的分解和重构算法。研究表明,小波分析可以成功地进行非平稳信号、带有强噪声的信号等的分析与检测。但是,常用的基于二进的小波具有明显的局限性,而且在频域具有明显的移相特性。常用的某些二进小波不具有明显的表达式,只能给出滤波器系数的数值,不便于信号的细节分析和频域分析。1993年,Newland提出的谐波小波在信号分解过程中可保持数据信息量不变,算法实现简单,且具有明确的表达式。同时,谐波小波还具有相位定位特性。谐波小波的这些优点使其在信号处理中得到应用。在谐波小波分解的基础上对微弱振动信号进行频域频段提取,并与“二进”特性的小波提取结果进行对比,提取所关心频段的数据点,并重构信号。以下是强噪声背景下微弱周期信号的频率提取的计算机仿真,其时间序列如图2(a)所示。利用谐波小波变换对信号进行5层分解,重构信号如图2(b)所示,可看出噪声信号基本上被消除,仅保留了周期信号。图2(c)为用谐波小波对原信号进行分解后,在频域中的谱图,从中可看出该谱图清楚准确,噪声信号谱基本上已消除干净。为便于比较,还分别利用二进小波和FIR带通滤波对上述信号进行处理,其谱图分别如图2(d)和图2(e)所示。从3个谱图中可以看出:FIR带通滤波的泄漏严重,能量散布于整个频段内,效果最差;二进小波包分析仍存在干扰与泄漏,且该分析方法需要信号的分解、提取、重构和快速傅里叶变换;而谐波小波分解具有明显的优势,它能使噪声谱基本消除干净,并且方法也相对简单得多。谐波小波具有的优良的信号频域识别能力已成为分析电力系统非平稳谐波畸变、机械振动、雷达回波信号和电视图像等信号时进行噪声滤波的有力工具。2.3duffing方程传统的信号检测方法是采用线性滤波的方法来提取信号,在背景噪声较强的情况下,此方法一般会失效。而在机械工程、自动化、通讯和电子对抗等领域,常常需要判断特定规律的微弱信号是否存在。因此,一项迫切的任务是寻找新的检测方法。混沌态是某些非线性系统所特有的一种运动状态。虽然混沌运动具有随机性,但描述其运动的方程是确定的,如著名的Duffing方程、Lorenz方程和Vandpul方程等,其中Duffing方程是非线性系统中研究得比较充分的数学模型。由混沌理论可知:一类混沌系统在一定条件下对小信号具有敏感性的同时对噪声具有免疫力,因此使得它在信号检测中非常具有潜力。由非线性理论可知:对于一个非线性系统,当其敏感参数在一定范围存在摄动时.将引起其周期解发生本质变化。由此可利用非线性系统的周期解所发生的本质变化来检测微弱信号。采用Duffing振子作为非线性系统来检测微弱信号,让Duffing振子处于混沌和周期解之间的临界状态,将待测信号作为Duffing振子周期策动力的摄动,通过Duffing振子对噪声和目标信号的不同反应来检测目标信号。当待测信号经过Duffing振子时,噪声虽然强烈,但对系统状态的改变无影响,见图3(a)。而对于特定的目标信号,即使其幅度较小,也会使系统发生大幅度周期相变,见图3(b)。通过辨识系统状态,可以清楚地检测出特定信号是否存在。混沌理论的应用探索研究已逐渐深入自动化、保密通信、电子对抗、油气勘探、医学和生态学等许多领域,特别是近年来混沌振子在弱信号检测中的应用发展较快,已成为当代非线性科学研究中的一个热门课题。2.4随机共振检测随机共振现象可以在诸如单稳体系、可激发体系和无阀值体系等多种体系中发生。在物理、化学和生物等科学领域中系统都曾观察到随机共振现象。随机共振作用一直吸引着科学家的兴趣,尤其在系统模型的选择和信号的检测方面,情况更是如此。随机共振即非线性体系在噪声的协助下无序的微弱信号能够向有序方向转化的过程。但其实现必须具备三个前提条件,即:具有分隔不同稳定点的势垒、输入的弱信号和噪声。如果具备了这三个条件并且达到匹配时,则系统的响应和噪声强度相关联,可以把系统对弱信号的响应看作噪声强度的函数。以下是分别使用随机共振、快速傅里叶方法(FFT)和小波变换(WT)仿真处理结果的比较。图4(b)是由图4(a)峰信号迭加随机噪声构成。随机共振检测结果如图5所示。图6(a)和(b)分别为使用WT方法和FFT方法的结果。结果显示,WT、FFT在这种情况下不能检测出信号。理论上WT、FFT和随机共振方法检测弱信号问题的机理不同,WT和FFT是应用窄带过滤并从不同频率的噪声中检出信号,频宽Δν依赖于时域Δt。当信号被噪声湮没时,理论上检测信号的频率必须在整个Δt范围,但是实际上实现比较困难。随机共振方法是在噪声的协同作用下,利用统计手段而得到结果。随机共振为强噪声背景下的弱信号检测与处理提供了一条新的途径,可以预期,随机共振在信号处理、机械故障诊断,特别是信号检测领域将发挥更大的作用。2.5测量方法的选取测量灵敏度的理论取决于在电路中的电阻所产生的噪声。电压噪声是与电阻、带宽和绝对温度乘积的平方根成正比的。由金属电阻产生的噪声电压可以用下述公式来计算:其中:V=在源电阻上产生的噪声电压有效值;K=波尔兹曼常数,1.38×10-23焦耳/K;T=以开尔文为单位的源的绝对温度;B=以赫兹为单位的噪声带宽;R=以欧姆为单位的源电阻。图7给出了在室温为300K、响应时间为0.1-10秒范围的电压测量理论极限。从图7可见,高的源电阻值限制了电压测量的灵敏度。在源电阻为1MΩ时对于1μV的测量已经接近理论极限了。这时候采用通常的数字多用表是无法完成这类测量的。除了电压或电流的灵敏度不够之外,数字多用表的输入偏置电流也很大,这些特性会引起测量误差。对于较高的电压灵敏度要求,如果源电阻较低,则纳伏表是测量非常接近理论极限信号电平的更好选择。图8给出了各种源电阻下典型的数字多用表、纳伏表、纳伏前置放大器和静电计的测量极限值。表1对比了常规检测仪器与微弱信号检测方法所能达到的最高分辨率和信噪改善比(SNIR),表中最后一行是专门从事微弱信号检测仪器生产的Keithley公司的产品近年能够达到的指标。从这些指标中可以看出微弱信号检测仪器技术发展的大致水平。3有关谱线检测的几种方法(1)利用锁相放大技术进行视频微弱信号提取是指将窄带低频信号或者通过激励方式转化成在低频基带上调幅信号的直流、缓变微弱信号进行前置放大后,经频谱搬移和低通滤波获取信号真实值的一种信号提取方法。该方法能克服工频干扰的影响;避开1/f低频噪声;避免直流放大器的温度、零点漂移:抑制噪声,极大地提高信噪比。因此该技术在等离子腐蚀监测、光纤瓦斯传感器、车辆温度测试、扫描电子显微镜、生物医学信号等领域获得了广泛的应用。(2)将信号稀疏分解思想应用于通信、雷达、声纳等领域的信号检测。信号稀疏分解采用MP(MatchingPursuit)算法实现。原子采用正弦波模型,通过对正弦波模型伸缩和平移形成过完备原子库。由MP分解结果,可检测出淹没在强噪声环境中的微弱正弦信号的幅度、频率和初相位参数,从而恢复为待检测的微弱正弦信号。此方法在-40dB极低信噪比环境下可以同时检测多个正弦信号。(3)自相关方法与混沌相结合检测正弦信号,比只采用混沌系统检测正弦信号时的信噪比工作门限又降低了20dB;用于检测微弱信号时,输出信噪比门限的确很低。(4)强噪声背景中未知微弱信号的一种简便检测方法:针对实际应用中的未知微弱信号的检测,特别是完全被噪声淹没情况下微弱信号的检测问题,根据白噪声零均值的特性,利用将信号按时间分段后延时累加的方法和白噪声信号在任一时间t均值为零这一特性,将强噪声信号分断延时,到某一时刻累加,由此时刻所得的随机变量的均值是否为零来判断t时刻以前的信号中是否含有有用信号。利用这种检测方法可以在未知微弱信号波形的情况下,对强噪声背景中的微弱信号进行有效的检测。(5)在低频通信系统中应用数字式平均法可以有效地提高接收端的信噪比。线性累加平均算法、归一化平均算法和指数平均算法在低信噪比时,都能显著地提高信噪比,但是线性累加平均算法在数据量较大时,容易过载,所以在实际应用中大部分采用的是后两种方法。(6)微弱信号检测的理论和方法研究,已经形成了基于线性系统和平稳噪声的条件的最佳检测理论和方法,提高了信息传输和提取的有效性、可靠性。对于一些实际系统要根据具体的信号和噪声统计特性,参照最佳检测原则,寻找适当的检测方法。例如射电望远镜和微波遥感器所用的微波辐射计,就是根据检测目标是以类似噪声形式表现的辐射信号,通过