劉洋　李燕南　蘭關軍

【摘要】微弱信號的檢測技術有多種，本文對當前的微弱信號檢測技術進行了總結分析，具體從時域檢測、頻域檢測、時頻檢測以及非線性檢測等多個分類領域?qū)υ擃I域內(nèi)的微弱信號檢測技術進行了討論。

【關鍵詞】微弱信號 信號檢測 時域 頻域 時頻 非線性

【中圖分類號】TN911.23 【文獻標識碼】A 【文章編號】1672-5158（2013）04-0185-01

信號在傳輸過程中不可能消除噪聲的干擾，若信號比較微弱甚至于被背景噪聲所淹沒則很難將信號從背景噪聲中提取出來。但是在某些應用領域如精密機械、信號處理、物理應用等常會遇到對微弱信號的檢測和處理，研究如何在信噪比較低的環(huán)境下提取微弱信號就顯得非常重要。

1、微弱信號的檢測特點

首先，微弱信號表明信號所處的環(huán)境為低信噪比環(huán)境，產(chǎn)生種環(huán)境的原因一方面是特征信號本身就十分微弱，另一方面是信號所處的環(huán)境中噪聲強度較大，信號被噪聲所淹沒，致使信噪比較低。以機械設備中的微弱信號為例，在機械設備表征出故障的初始階段，故障特征信號通常夾雜在其他信號之間，信號能量相對比較微弱，而機械設備工作中產(chǎn)生的強噪聲又進一步降低了特性信號被檢測到的幾率。

其次，對微弱信號的檢測通常需要具有快速性和實時性。微弱信號持續(xù)的時間和信號長度通常會受到一定的限制，檢測系統(tǒng)必須在限定時間內(nèi)才能夠?qū)⑽⑷跣盘枡z測出來。該特性在雷達、聲納、地震、工業(yè)測量、機械系統(tǒng)實時監(jiān)控等領域表現(xiàn)尤為明顯。

2、微弱信號的檢測技術研究

對微弱信號的檢測技術發(fā)展非常迅速，傳統(tǒng)的檢測技術有相關檢測、取樣積分、時域平均等，新技術新理論的發(fā)展及應用也推動了這些技術和理論在微弱信號檢測方面的應用如基于小波變換、神經(jīng)網(wǎng)絡、混沌振子等理論的微弱信號檢測技術等。

2.1 時域微弱信號檢測技術

對微弱信號的檢測發(fā)展最早，最為成熟的技術都是基于時域的。常用的時域檢測技術有相關檢測、時域平均、取樣積分與數(shù)字平均等。

2.1.1 相關檢測技術

相關檢測技術主要對包含信號以及噪聲的混合信號進行相關處理來減小噪聲對信號的影響。噪聲具有隨機性和不確定性，其不同時刻的相關性較差，因此對噪聲做相關處理后會削弱噪聲的影響。而某一確定的信號在不同時刻的相關性較強，對信號進行相關處理可以增強信號的表征。對混合信號進行相關處理可以達到增強檢測信號，降低噪聲的目的。

相關檢測技術包括自相關技術和互相關技術。其中自相關技術利用信號不同時刻的相關性對信號進行處理，而互相關技術則是用兩個信號同一時刻的相關性對信號進行處理，其在去噪方面的效果更好。在微弱信號的檢測中互相關技術的實現(xiàn)方法為對已知信號頻率的微弱信號，在其接收端產(chǎn)生一個預期頻率相同的參考信號，利用該信號與接收信號進行相關處理，處理結束后噪聲可以得到很好的抑制。

2.1.2 時域平均技術

該技術的核心思想為在混合信號中對有用信號進行周期分量提取，抑制噪聲的影響，消除與提取頻率無關的信號分量，提高微弱信號的信噪比。

其實現(xiàn)方式為，對一個離散信號序列x按照其有效周期分量頻率f進行信號提取，則該信號序列被截取成長度為T=l/f的N段短序列，這些新序列即為進過時域平均后得到的。進而對新序列做z變換即可獲得其頻率響應函數(shù)，利用該函數(shù)即可還原微弱信號的時域函數(shù)，抑制噪聲。

2.1.3 取樣積分與數(shù)字平均技術

該技術的實現(xiàn)原理為將每個信號周期劃分為若干個時間間隔，然后分別對其進行等間隔采樣，將各周期中處于相同位置的信號提取出來做積分或者平均處理，以抑制噪聲的影響，提高信號強度。

2.2 頻域檢測法

頻率檢測法也是一類非常成熟的微弱信號檢測方法。該方法利用傅里葉變換將信號由時域轉換到頻域，然后按照信號的頻域特征進行去噪處理。假定所需要檢測的微弱信號被淹沒在白噪聲環(huán)境中，設定適當?shù)念l域分辨率△f對混合信號的頻域信息進行分割，每個小頻帶的寬度為△f。由于白噪聲在頻域表現(xiàn)為一條平行的直線，故其在每個小頻帶內(nèi)的噪聲能量是相等的，且△f越小其能量越小。但是信號在包含其全部頻率的帶寬內(nèi)的能量處于恒定狀態(tài)。據(jù)此原理可以設定適當?shù)念l率分辨率△f將微弱信號檢測出來。

2.3 時頻檢測法

時頻檢測法中最為成熟的方法為小波變換法。該方法的理論基礎為小波變換。小波變換可以將信號進行平移和伸縮處理，分解為多個具有原始信號局部特征的子信號，經(jīng)過多次小波變換可以獲得具有良好的時頻特征的子信號，對這些子信號進行去相關或者其他處理即可實現(xiàn)微弱信號的去噪。經(jīng)過小波分解后，混合信號的能量被重新分配，其中小波系數(shù)幅值較大的子帶信號可被認為為有用信號，而幅值較小的自帶信號為噪聲信號，這樣，噪聲被限制在某一部分的小波域內(nèi)，實現(xiàn)了信號與噪聲的分離。在經(jīng)過相關處理即可獲得去噪的微弱信號。

2.4 基于非線性理論的檢測法

除了上述的時域方法、頻域方法或者時頻結合的方法外，隨著新理論和新技術的應用基于非線性理論的微弱信號檢測方法也得到了發(fā)展和應用。

高階譜分析法可以對信號中摻雜的非相關、非高斯噪聲進行抑制，同時保留信號的相位信息。結合高階信號頻率分解可以將非平穩(wěn)、非線性的微弱信號分解成具有固定頻率的高階函數(shù)，獲得信號的時頻信息。

其他還有混沌理論、差分振子等方法同樣是利用信號的非線性對混合信號進行處理，不破壞有用信號的前提下消除或者抑制噪聲，提高測量的靈敏度。

總結

隨著信息技術及其理論的發(fā)展，對微弱信號的檢測不斷向多個領域進行拓展。如何應用新理論新方法將微弱信號在更短時間內(nèi)檢測出來，且保證其檢測的準確度和可靠度是今后微弱信號檢測技術的研究重點。