強噪聲干擾下的微弱信號檢測技術分析

黃成功

摘 要：微弱信號檢測實際上指的就是，通過一定的方式方法從噪聲當中提取有用信號的技術。在各行業各領域中，人們都或多或少地涉及強噪聲干擾下的微弱信號檢測。在光電探測領域中，由于光信號中包含多種光噪聲成分，其令部分信號無法被準確檢測。微弱信號常常會被其他噪聲所遮蓋，使人們很難對有用微弱信號進行檢測。為此，研究強噪聲背景下的微弱信號檢測有著非常重要的意義。在強噪聲干擾下，微弱信號檢測會因信噪比過低而無法較好地實現目標探測。針對該問題，文章分析了多種強噪聲干擾下的微弱信號檢測方法，以從中為相關微弱信號檢測工作提供參考信息。

關鍵詞：強噪聲;微弱;信號;檢測技術

中圖分類號：TN911.7文獻標識碼：A文章編號：1674-1064（2021）09-0-02

DOI：10.12310/j.issn.1674-1064.2021.09.019

1 線性檢測方法

在微弱信號檢測過程中，線性檢測方法一般按照技術原理的區別，可以將其進一步分為時域、頻率以及時頻分析法。

1.1 時域分析法

該方法在實際應用中，由于其實際使用特點更適合被人們用來檢測一些具有周期性特點的微弱信號，為了使微弱信號被檢測到，一般會使用一些技術對微弱信號進行放大。例如，相關檢測、鎖相放大、取樣積分等等。這些方法在實際應用中各有其優缺點，應當根據具體場景的不同，合理地進行選取。相關檢測法在應用中，是對信號進行相關性分析來提取有用信息相關性，可以進一步分為自相關函數及互相關函數兩種。自相關函數可以用來描述同一信號在不同時刻所具有的相關性，自相關函數如下式所示：

而互相關函數為：

鎖相放大技術實際上利用的是互相關這一重要原理，通過相敏檢波器（PSD）以及低通濾波器作用的正常發揮來完成一系列互相關運算，以此來完成對微弱信號的有效檢測。該方法由于技術原理上的優勢，可以全面防止因帶通濾波器要求帶寬窄而產生的中心頻率變化缺陷。

取樣積分及數字平均技術在應用中，對有用信號的周期性及噪聲的隨機性進行了全面利用。為了有效保障該技術的準確性，在檢測工作進行中，工作人員需要在不同信號周期中進行多次取樣工作，并且將每個周期中同一位置的信號進行相加。通過這樣的方式，可以全面降低噪聲對提取有用信號造成的一些干擾，采取有效方式進一步增大各類聲音信息的信噪比，屬于一種微弱信號檢測法。一般而言，該方法在應用中，信號頻率的周期數越大，那么信噪比的改善效果就會變得愈加明顯。然而，由于該項技術在應用中會受到信號長度方面的限制，因此該技術無法完全將噪聲的影響去除掉。取樣及數字平均算法的實際流程，如圖1所示。

在對一些不具有周期性的信號進行檢測時，為了有效保障檢測工作的質量及檢測效果，工作人員一般會利用調制或者轉播的方法為信號賦予周期。通過平衡混頻器消除本振噪聲，全面提高了取樣積分器在應用中所具有的穩定性能。時域平均法在應用中就性質上而言，屬于一種積累式的平均抗干擾過程。該項技術在應用中對輸入信噪比并沒有十分嚴格的要求，由于該特點的存在，人們往往將該技術應用在強噪聲的微弱信號預處理工作中。通過該技術可以有效增強微弱信號，降低噪聲對微弱信號提取的影響[1]。除此之外，信號時域平均處理法得到的最終結果是時域波形。通過對該種波形的有效判斷，可以對信號所具有的沖擊特征進行有效分析。由于該方法的這一特點，在故障診斷技術工作過程中進行了大量的應用。時域平均法由于其原理的特點，因此對信號所具有的周期性要求非常嚴格。為了改善這一特性，有學者提出了一種便捷周期視頻平均搜索法。通過該方法的應用，可以使信噪比的下限得到明顯增強。

1.2 頻域分析法

經過多年的發展，該種分析方法當前衍生出了多種變體。而頻譜分析法則由于其在實際應用中所具有的一系列優勢，成為頻率分析中最為常用的方法之一。該方法在使用時，需要通過傅里葉變換將信號轉化到頻域當中，并且進一步對微弱信號的頻率成分、幅值等一系列參數進行有效提取，進而對這些參數之間的相互關系進行研究。為了保障該方法的實際應用效果，人們需要利用功率譜法對微弱信號進行有效檢測。由于該方法的應用優勢，人們一般將其應用于對平穩隨機信號的檢測工作中。功率譜估計，實際上是通過廣義平穩隨機過程的N個樣本數據，來對該過程的功率譜密度進行有效分析。估計方法在應用中需要以傅里葉變換作為該技術應用的基礎，該方法在應用中有著計算簡單的優勢。然而，會在一定程度上導致信息的泄露效應，同時其方差性能也不是特別符合人們的實際應用需求。因此，在應用該項技術時，需要結合實際應用場景有針對性地應用，盡可能地放大其優點，避免其缺點對最終檢測結果造成影響。在工程實際應用工作過程中，傅里葉變換在分辨率上有一定的缺陷。此外，當技術人員利用傅里葉變換法對信號頻譜進行提取時，需要應用到信號的全部時域信息。因此，很難對時域進行有效的定位頻率分析，主要應用于對平穩隨機噪聲下微弱信號的檢測工作[2-3]。

1.3 視頻分析法

當檢測的信號不具有周期性時，為了對其進行分析，需要對其時間頻率的局部性質進行有效描述。而短時傅里葉變換法及小波變化的時域分析法在應用中，利用的是時間頻率聯合對信號進行有效表示，從而將微弱信號的時頻特征全面地顯現出來。小波變換理論在具體應用時，可以有效去除數據的相關性，使信號的能量集中在一個大的小波系數當中。由于這些優勢的存在，該技術自誕生以來便得到了人們的廣泛關注，并且被人們應用于故障診斷、解決殘留噪聲等一系列棘手問題當中[4]。

2 非線性檢測法

為了使分析工作進行得更加順利，人們一般會采取一定的方式方法將非線性系統簡化為一個簡單方便的線性系統。然而，由于轉化中忽略了大量的外界因素，因此該方法在應用時精度較低。有時為了滿足工作需求，需要用到精度更高的非線性檢測法。

2.1 混沌振子法

就一般情況而言，非線性測量系統在實際使用過程中，都會表現出混沌這一共有特性。該理論在應用時，最大的特點就是不確定性。一般而言，混沌系統在應用中對信號初值非常敏感，同時會對噪聲進行免疫。為此，人們一般通過混沌系統監測信號運行軌跡的實際變化情況，對微弱信號進行有效檢測。一般地，人們會通過混沌理論的有效利用構造出混沌測量系統，最終保障測量精度。

2.2 隨機共振法

該技術在實際應用中，是利用噪聲對非線性系統中的微弱周期信號進行有效增強，一旦非線性系統和輸入的信號及噪聲之間存在某種關聯時，如果增加輸入信息，則最終輸出的信噪比會呈現大幅增加的情況。利用該理論，可以對非線性接收系統進行合理設計，最終實現噪聲能量向信號能量的轉化[5]。

3 結語

文章對線性方法及非線性方法進行了全面介紹。其中，線性檢測法一般分為時域頻域及時頻分析法，而活動理論法、隨機共振法則是常用的一些微弱信號非線性檢測法。以上方法在地質磁法勘探及其他領域微弱信號檢測中具有一定的作用，在實際應用中，各方法可以取長補短。

參考文獻

[1] 時培明，袁丹真，張文躍，等.基于時延反饋多穩隨機共振的微弱信號檢測方法[J].計量學報，2020，41（7）：868-872.

[2] 張程，肖仲喆.Matlab在“微弱信號檢測技術”課程中的教學改革與探索[J].教育教學論壇，2020（26）：192-193.

[3] 張興良，方曉飛，王天一.一種基于空間譜估計得微弱信號檢測方法[J].通信與信息技術，2020（1）：71-74.

[4] 劉杰，劉巖，曹煊，等.海水營養鹽微弱信號檢測技術研究[J].山東科學，2019，32（6）：9-14.

[5] 鄭平.基于隨機共振微弱信號檢測的滾動軸承故障診斷方法研究[D].合肥：安徽大學，2019.