微弱信号检测放大的原理及应用

《微弱信号检测与放大》

摘要：微弱信号常常被混杂在大量的噪音中,改善信噪比就是对其检测的目的，从而恢复信号的幅度。因为信号具备周期性、相关性,而噪声具有随机性，所以采用相关检测技术时可以把信号中的噪声给排除掉。在微弱信号检测程中，一般是通过一定的传感器将许多非电量的微小变化变换成电信号来进行放大再显示和记录的。由于这些微小变化通过传感器转变成的电信号也十分微弱，可能是VV甚至V或更少。对于这些弱信号的检测时，噪声是其主要干扰，它无处不在。微弱信号检测的目的是利用电子学的、信息论的和物理学的方法分析噪声的原因及其统计规律研究被检测量信号的特点及其相干性利用现代电子技术实现理论方法过程，从而将混杂在背景噪音中的信号检测出来。

关键词：微弱信号；检测；放大；噪声

1前言

测量技术中的一个综合性的技术分支就是微弱信号检测放大，它利用电子学、信息论和物理学的方法，分析噪声产生的原因和规律，研究被测信号的特征和相关性，检出并恢复被背景噪声掩盖的微弱信号。这门技术研究的重点是如何从强噪声中提取有用信号，从而探索采用新技术和新方法来提高检测输出信号的信噪比。

微弱信号检测放大目前在理论方面重点研究的内容有：

a.噪声理论和模型及噪声的克服途径；

b.应用功率谱方法解决单次信号的捕获；

c.少量积累平均，极大改善信噪比的方法；

d.快速瞬变的处理；

e.对低占空比信号的再现；

f.测量时间减少及随机信号的平均；

g.改善传感器的噪声特性；

h.模拟锁相量化与数字平均技术结合。

2.微弱信号检测放大的原理

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来拟定检测方法，达到从噪声中检测信号的目的。微弱信号检测放大的关键在于抑制噪声恢复、增强和提取有用信号即提高其信噪改善比SNIR。根据下式信噪改善比（SNIR）定义

即输出信噪比（S/N）0与输入信噪比（S/N）i之比。（SNIR）越大即表示处理噪声的能力越强，检测的水平越高。

3微弱信号检测放大的特点

1）在较低的信噪比中检测微弱信号。造成信噪比低的原因，一方面是因为特征信号本身十分微弱；另一方面是因为强噪声干扰使得信噪比降低。如在机械设备处于故障早期阶段时，往往以某种方式与其它信源信号混合的故障对应的各类特征信号，使得特征信号相当微弱；在设备在工作时，又有强噪声干扰。因此，特征信号基本为低信噪比的微弱信号。

2）要求检测具有实时性和快速性。工程实际中所采集的数据长度或持续时间一般会受到限制，这种在较短数据长度下的微弱信号检测在诸如雷达、通讯、地震、工业测量、声纳、机械系统实时监控等领域具有着广泛的需求。

4微弱信号检测的方法研究

微弱特征信号检测方法各种各样，从传统的相关检测、频谱分析、取样积分和时域平均方法到新近发展起来的神经网络、小波分析理论、混沌振子、随机共振、高阶统计量等方法，在微弱特征信号检测中有着广泛的应用。具体来说，用的较多的有以下几种：1）时域检测法微弱特征信号的时域检测方法主要有相关检测、取样积分与数字式平均、时域平均等方法。

1.1 相关检测：相关检测主要是对信号和噪声进行相关性分析，主要物理量是相关函数R(τ)。确定性信号的不同时刻取值有较强的相关性；而对干扰噪声，因为其随机性较强，不同时刻取值的相关性一般较差。利用这一差异，把确定性信号和干扰噪声区分开来。相关检测包括互相关法和自相关法，互相关法用互相关函数来度量两个随机过程间的相关性；而自相关法通过自相关函数度量同一个随机过程前后的相关性。相比自相关法，互相关法提取信号能力越强，对噪声抑制得较彻底。一般，互相关是根据接收信号的重复周期或已知频率，在接收端发出与待测信号频率相同的参考信号，将参考信号与混有噪声的输入信号进行相关。

1.2 取样积分与数字式平均

这两种方法的工作原理是根据恢复信号的精度要求，将各个信号周期分为若干的时间间

隔，再对这些分隔信号进行取样，并将各周期中处于相同位置的取样信号进行平均或积分。用模拟电路来实现取样积分的过程，用计算机的数字处理方式来实现数字式平均的过程。取样积分技术含有取样和积分两个连续过程，其基本原理如下图所示，待测信号x(t)= S(t)+ n(t)经过放大输入到取样开关，r(t)是与待测信号同频的参考信号或待测信号本身。触发电路根据参考信号波形情况（如幅度或是上升速率）形成脉冲信号，再经过延时后，生成一定宽度的取样脉冲，在取样开关K的控制下，来完成对输入信号x(t)的取样，但是积分仅在取样时间内进行，它其余时间积分结果处于保持状态。

1.3 时域平均：

信号时域平均处理，这一过程是从混有噪声干扰的复杂周期信号中提取有效周期分量的过程，作用是可以抑制混杂于信号中的随机干扰，消除与给定频率无关的信号分量，比如噪声和无关的周期信号，提取与给定频率有关的周期信号。因此，这种方法能在噪声环境下工作，提高分析信号的信噪比。

２）.频域检测法

这是最常用的一种频域检测法，它用于从背景噪声中提取出信号的特征频率成分，较多地用于微弱周期信号的检测。应用傅立叶变换的频谱分析将时域问题转换为频域问题，其原理是把复杂的时间形成波形，经傅立叶变换为若干单一的谐波分量后来研究，以获得信号的频率结构与各谐波幅值、相位、功率及能量和频率之间的关系。这是用于研究平稳随机过程性能的一种信号处理技术。常用的频谱分析方法有多种，主要包括幅值谱分析、功率谱分析和相位谱分析等。分辨率Δf在频谱分析中是个很重要的参数，它取决于所分析信号的时间长度T(T•Δf = 1)，微弱信号检测放大性能与观测时间成正比。举个例子，假定观测的正弦信号S(t)=Asin(ωt)，淹没在方差为σ2的白噪声中，则检测性能正比于A2/(2σ2Δf )，频域分辨率Δf将全频带分成了以Δf为带宽的小频带。当噪声为白噪声时，每个小带内的噪声能量相等，并且随着Δf的减小而下降，并不依赖于Δf。所以，时间长度T越长，Δf 就越小，频率分辨率越高，这就可以将很小的频率确定的正弦信号成功检测出来。

３）时频分析法