微弱信号相关检测前言随着现代科学研究和技术的发展，人们越来越需要从强噪声中检测出有用的微弱信号，于是逐渐形成了微弱信号检测这门新兴的科学技术学科，其应用范围遍及光学、电学、磁学、声学、力学、医学、材料等领域。

微弱信号检测技术是利用电子学、信息论、计算机及物理学的方法，分析噪声产生的原电子学、信息论、计算机及物理学的方法，分析噪声产生的原因和规律，研究被测信号的特点与相关性，检测被噪声淹没的微弱有用信号，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，从而提取有用信号。

微弱信号检测所针对的检测对象，是用常规和传统方法不能检测到的微弱量。

对它的研究是发展高新技术，探索及发现新的自然规则的重要手段，对推动相关领域的发展具有重要的应用价值。

目前，微弱信号检测的原理、方法和设备已经成为很多领域中进行现代科学技术研究不可缺少的手段。

显然，对微弱信号检测理论的研究，探索新的微弱信号检测方法，研制新的微弱信号检测设备是目前检测技术领域的一大热点。

1.概述微弱信号是测量技术中的一个综合性技术分支，它利用电子学，信息论和物理论的方法，分析噪声产生的原因和规律，研究被测信号的特征和相关性，检测并恢复被背景噪声所掩盖的微弱信号，微弱信号的检测重点是如何从强噪声中提取有用信号，探测运用新技术和新方法来提高检测系统中的信噪比。

在检测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）利用电子论和信息学的方法，研究噪声的成因和规律，分析信号的特点和想干关系。

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.微弱信号检测的不同原理与应用微弱信号检测的原理：微弱信号检测技术就是研究噪声与信号的不同特性，根据噪声与信号的这些特性，拟定检测方法，达到从噪声中检测信号的目的。

微弱信号检测的关键在于抑制噪声，恢复、增输出信噪比(S／N)。

与输入信噪比(S ／N)。

之比。

SNIR越大，表示处理噪声的能力越强，检测的水平越高。

2.1锁相放大器频谱迁移法检测微弱信号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处，再进行放大，以避开l／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0和相角进行检测，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。

调制过程将低频信号Vs乘以频率为60O的正弦载波，从而将其频谱迁移到调制频率0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，经交流放大后，再用相敏检波器(PSD)将其频谱迁移到直流(to=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，只要LPF的带宽足够窄，就能够有效改善信噪比。

锁相放大器对信号频谱进行迁移的过程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 微弱振动信号的谐波小波频域提取小波变换其概念是在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。

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的有力工具。

2.3 基于噪声和混沌振子的微弱信号检测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V_andDul方程等，其q~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Dufting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。

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 随机共振理论微弱信号检测方法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。

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 测量的理论极限与各种源电阻的关系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：V= 4KTBR。

其中：在源电阻上产生的噪声电压有效值= 波尔兹曼常数，1．38×10。

焦耳／r_ 以开尔文为单位的源的绝对温度；=以赫兹为单位的噪声带宽；以欧姆为单位的源电阻。

2.6相关检测法信号与噪声有本质区别。

前者是有规律的，能够重复，其后续信号与早先信号是有关联的，信号可以用一个确定的时问函数来描述；而后者恰恰相反，不能用一个确定的时间函数来描述。

因此，可利用信号自身存在的规律(即相关胜)来寻找信号，也可以利用—个与被测信号规律性(二者之间也有相关性)部分相同的已知信号来寻找被测信号，达到去除噪声的目的，这就是相关性原理的基本点。

相关检测技术就是根据相关性原理，通过自相关或互相关运算，以最大限度地压缩带宽、抑制噪声，达到检测微弱信号的一种技术。

3实践进展选例(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。

此方法在一40dB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，利用将信号按时问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。