微弱信号检测方法的探讨

微弱信号是淹没在噪声中的信号,微弱信号检测的目的是从强噪声中提取有用信号,文章论述了微弱信号检测的基本原理,并详细地讨论了微弱信号检测的几种方法。     

一种微弱信号的检测技术

针对于实际应用中的小信号,特别是完全被噪声淹没情况下的微弱信号提取问题进行了论证,分析了信号和噪声在时间特性方面和统计特性上的差别,介绍了一种有效的用相关函数检测技术来提取被噪声淹没的极微弱信号的方法.     

一种微弱信号的检测技术

针对于实际应用中的小信号,特别是完全被噪声淹没情况下的微弱信号提取问题进行了论证,分析了信号和噪声在时间特性方面和统计特性上的差别,介绍了一种有效的用相关函数检测技术来提取被噪声淹没的极微弱信号的方法.     

低频微弱信号高精度检测研究

复杂环境下高精度检测低频微弱信号非常重要,本文针对目前低频微弱信号检测系统精度低、检测方法繁琐、仪器价格昂贵等问题,设计了一种用于500 Hz以下、幅值为0.01 nA或者mV级低频微弱信号高精度检测系统.对实际环境中低频微弱信号测量的噪声源及抗干扰措施进行了理论分析;其根据低频微弱信号特点和抗干扰措施设计了一种低频微弱信号高精度检测系统;最后,通过调试实验和人体脉搏信号测试验证了检测系统的性能.测试结果表明,该检测系统能够实现500 Hz以下、幅值为0.01 nA或者mV级的低频微弱信号检测,检测误差低于0.5%;人体脉搏信号检测输出信噪比为(60±2)dB,均方根误差小于5×10^-4,信号细节特征信息完整.由此得出,该检测系统具有精度高、抗干扰性强、稳定性好、实用性强、操作简单、价格低廉等特点.     

基于混沌振子的微弱信号检测

分析Duffing振子的混沌特性及其检测原理,阐述基于相平面变化进行微弱信号的检测原理。利用MATLAB仿真的结果表明,Duffing振子对与周期策动力频率差较小的周期信号敏感,对纯噪声和频率较大的周期干扰信号具有免疫力。该振子应用于对已知频率的微弱信号的检测是可行的,并且有效、简单、便于应用。     

微弱信号提取中的小波方法研究

针对于实际应用中的小信号特别是完全被噪声淹没情况下的微弱信号提取的问题，本文依据白噪声信号的小波变换系数相对比有用信号的小波系数小的特点，利用小波变换对信号进行消噪来提取微弱信号，仿真结果表明：小波变换能够有效的消除噪声，将有用微弱信号从受噪声污染的信号中提取出来。     

微弱光信号检测电路的设计与实现

本文从PIN光伏探测器的特性入手,针对光电检测中放大微弱信号而带来的信噪比和稳定性问题,设计了一种具有电压、电流滤波和相位补偿功能的低噪声光电信号放大电路,并对电路进行了实验分析和实用化处理。     

微弱瓦斯信号检测的原理和方法

瓦斯是发生在煤矿中重大自然灾害的根源之一,瓦斯爆炸严重威胁到煤矿作业人员的生命安全,影响煤矿的正常生产。实时准确地监测煤矿瓦斯气体浓度对保障安全生产具有十分重要的意义。本文采用相敏检波原理与DSP实现数字低通滤波相结合的方法来检测微弱的瓦斯浓度信号。     

强噪声下微弱信号处理方法研究

机械设备中信号检测时有用信号比较微弱且存在较强的噪声,给信号检测与处理带来了一定的困难。针对这个难题,采用相关检测、自适应滤波器等微弱信号检测方法,从噪声中检测出微弱信号。首先介绍了相关检测法与自适应滤波器的基本原理,重点阐述相关检测法与自适应滤波器结构及去除噪声干扰的方法,分别用时域与频域方法对微弱信号进行提取。最后在机械实验台上进行验证,实验结果表明：相关检测法与自适应滤波器均能去除干扰信号,提取到有效信号。     

微弱方波信号检测阈值判定的级数分析方法

利用梅尼尔科夫方法判断系统是否进入混沌状态,在理论上解决了微弱方波信号混沌检测阚值存在性的问题.利用级数分析法推导出当系统出现混沌状态时,微弱方波信号的幅值与角频率的关系.通过对微弱方波信号的仿真实验,证明了此判据的有效性.     

基于小波变换的弱信号检测方法研究

介绍了小波变换原理,对利用小波变换实现弱信号检测的性能进行了分析,并利用仿真结果说明小波变换能提高信噪比。     

基于非线性系统随机共振的多频弱信号检测

针对实际探测的弱信号常常是多个频率弱信号共存的的情形,进行了利用随机共振检测多频周期性弱信号的研究,以便把利用随机共振的弱信号检测应用于信息处理中微弱信息识别与提取。数值计算结果表明,在适当调节系统参数的情况下,强同频噪声下的多频周期性弱信号经过非线性双稳态系统后,相差不超过一个数量级的几个低于0.5Hz的不同频率的弱信号都可以同时发生随机共振而被检测出来,其信噪比改善十分明显,可以提高30dB以上。该方法在信息识别与信息处理方面具有潜在的应用价值。     

基于随机共振的微弱多频信号检测方法

根据非线性双稳系统在噪声和弱周期信号作用下对低频成分的敏感性,提出了基于随机共振的微弱多频信号检测方法.将待检测的未知频率信号与巳知频率的载波信号在混频器经外差法作用后产生差频与和频两种频率成分,通过调节载波频率可使差频在零频率点附近变动,从而使得双稳系统的输出发生特征极为明显的变化,为频率检测提供可靠的检测依据.理论分析和数值仿宾结果表明该方法是有效、可行的,具有良好的应用前景.     

弱信号检测技术研究

本文对弱信号的定义和弱信号的应用范围进行了概述,综述了微弱信号检测理论研究和实际应用领域的发展情况,重点比较了目前在微弱信号检检测技术中应用的方法:相关检测、离散信号的统计处理,基于小波分析的微弱信号检测,基于混沌振子的微弱信号检测,最后总结各个方法的特点.     

基于LM算法的BP神经网络的混沌背景下瞬态弱信号检测

分析了BP神经网络的改进算法,用神经网络实现混沌时间序列相空间重构,用基于LM算法的BP神经网络对混沌背景进行预测,从而检测出信号。     

大背景噪声下动目标实时检测方法研究

提出用帧间方块编码差值法和邻域综合法提取运动目标．第一种方法是把当前帧方块的二值图像像素编码值与前帧对应的二值图像像素编码值求差值，由差值检测运动目标；第二种方法是检测２×２方块内各像素的帧差值符号位和帧差绝对值，由二者判别是否运动像素．与普通帧差法相比，提高了抗噪度，改善了运动目标的边缘特性，减少了硬件量．检测算法可以以视频速率工作．实验结果表明，所提出的检测方法是有效的．     

基于双耦合混沌振子的未知频率弱信号检测

针对微弱信号检测的难点问题,提出了一种应用于未知频率微弱信号的分段测频检测方法.利用双耦合Duffing系统相轨迹状态的跃迁对于输入微弱信号的敏感特性实现了对淹没在强噪声中的微弱信号的检测,同时利用分段测频方法实现了对微弱信号的频率测量,有效地解决了单Duffing振子的微弱信号检测方法易受噪声影响产生误判的问题,突破了现有微弱信号混沌振子检测方法只能进行已知频率信号检测的局限性.仿真实验结果证明该方法确实能够较为准确地检测出输入微弱周期信号的频率,使微弱信号检测技术得到进一步完善.