低信噪比檢測(cè)總結(jié)_第1頁
低信噪比檢測(cè)總結(jié)_第2頁
低信噪比檢測(cè)總結(jié)_第3頁
低信噪比檢測(cè)總結(jié)_第4頁
低信噪比檢測(cè)總結(jié)_第5頁
已閱讀5頁,還剩3頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

低信噪比檢測(cè)技術(shù)算法總結(jié)微弱信號(hào)檢測(cè)技術(shù)是運(yùn)用電子學(xué)、信息論、計(jì)算機(jī)和物理學(xué)等方法,討論被測(cè)信號(hào)和噪聲的統(tǒng)計(jì)特性及其差別;采納一系列信號(hào)處理方法,從噪聲中檢測(cè)出有用的微弱信號(hào),從而滿意現(xiàn)代科學(xué)討論和技術(shù)應(yīng)用需要的檢測(cè)技術(shù)。微弱信號(hào)檢測(cè)特點(diǎn)是第一,在較低的信噪比中檢測(cè)微弱信號(hào)。造成信噪比低的緣由,一方面是由于特征信號(hào)本身非常微弱;另一方面是由于強(qiáng)噪聲干擾使得信噪比降低。如在機(jī)械設(shè)施處在故障早期階段時(shí),故障對(duì)應(yīng)的各類特征信號(hào)往往以某種方式與其它信源信號(hào)混合,使得特征信號(hào)相當(dāng)微弱;同時(shí)設(shè)施在工作時(shí),又有強(qiáng)噪聲干擾。因此,特征信號(hào)多為低信噪比的微弱信號(hào)。其次,要求檢測(cè)具有肯定的快速性和實(shí)時(shí)性。工程實(shí)際中所采集的數(shù)據(jù)長(zhǎng)度或持續(xù)時(shí)間往往會(huì)受到限制,這種在較短數(shù)據(jù)長(zhǎng)度下的微弱信號(hào)檢測(cè)在諸如通訊、雷達(dá)、聲納、地震、工業(yè)測(cè)量、機(jī)械系統(tǒng)實(shí)時(shí)監(jiān)控等領(lǐng)域有著廣泛的需求[3-5]。微弱特征信號(hào)檢測(cè)方法日新月異,從傳統(tǒng)的頻譜分析、相關(guān)檢測(cè)、取樣積分和時(shí)域平均方法到新近進(jìn)展起來的小波分析理論、神經(jīng)網(wǎng)絡(luò)、混沌振子、高階統(tǒng)計(jì)量,隨機(jī)共振等方法,在微弱特征信號(hào)檢測(cè)中均有廣泛的應(yīng)用。相關(guān)檢測(cè)(可以再找找相關(guān)的論文補(bǔ)充一下)相關(guān)檢測(cè)是上世紀(jì)60年月進(jìn)展起來的一門技術(shù),最早的有用相關(guān)檢測(cè)系統(tǒng)是1953年貝爾試驗(yàn)室的Bennett等采用磁帶紀(jì)錄儀技術(shù)實(shí)現(xiàn),1961年,Weinreb的文章描述了采用自相關(guān)法從隨機(jī)噪聲中提取周期信號(hào)。此后,人們進(jìn)行了大量的工作,這項(xiàng)技術(shù)已經(jīng)得到廣泛的應(yīng)用。相關(guān)檢測(cè)主要是對(duì)信號(hào)和噪聲進(jìn)行相關(guān)性分析,相關(guān)函數(shù)R(t)是相關(guān)性分析的主要物理量。確定性信號(hào)的不同時(shí)刻取值一般都有較強(qiáng)的相關(guān)性;而對(duì)干擾噪聲,由于其隨機(jī)性較強(qiáng),不同時(shí)刻取值的相關(guān)性一般較差。采用這一差異,把確定性信號(hào)和干擾噪聲區(qū)分開來。相關(guān)檢測(cè)包括自相關(guān)法和相互關(guān)法,自相關(guān)法通過自相關(guān)函數(shù)度量同一個(gè)隨機(jī)過程前后的相關(guān)性;而相互關(guān)法用相互關(guān)函數(shù)來度量?jī)蓚€(gè)隨機(jī)過程間的相關(guān)性。相比自相關(guān)法,相互關(guān)法提取信號(hào)力量越強(qiáng),對(duì)噪聲抑制得較徹底[9]。通常,相互關(guān)是依據(jù)接收信號(hào)的重復(fù)周期或已知頻率,在接收端發(fā)出與待測(cè)信號(hào)頻率相同的參考信號(hào),將參考信號(hào)與混有噪聲的輸入信號(hào)進(jìn)行相關(guān)。相互關(guān)函數(shù)表達(dá)式為:設(shè)待測(cè)信號(hào)為Mt)=S(O+n(t),其中S(。為特征信號(hào),則為噪聲。刈為參考信號(hào),Eg為Mt)和信號(hào)的相互關(guān)函數(shù),則相互關(guān)函數(shù)為:若M(。與不相關(guān),貝^勺=°。因此,勺《)=勺⑺,式中他⑺為s(t)信號(hào)和Mt)參考信號(hào)的相互關(guān)函數(shù)。在眾多的信號(hào)檢測(cè)方法中,相關(guān)檢測(cè)室比較常用和有效的方法之一。采用相關(guān)檢測(cè)技術(shù)對(duì)系統(tǒng)進(jìn)行辨識(shí)的境地將首積分時(shí)間和信號(hào)帶寬的影響。信號(hào)帶寬越寬積分時(shí)間越長(zhǎng),則精度越高。還有取樣積分和數(shù)字式平均可以看一下時(shí)域平均信號(hào)時(shí)域平均處理是從混有噪聲干擾的簡(jiǎn)單周期信號(hào)中提取有效周期重量的過程,它可以抑制混雜于信號(hào)中的隨機(jī)干擾,消退與給定頻率無關(guān)的信號(hào)重量,包括噪聲和無關(guān)的周期信號(hào),提取與給定頻率有關(guān)的周期信號(hào)。因此,能在噪聲環(huán)境下工作,提高分析信號(hào)的信噪比。假設(shè)以△為采樣間隔對(duì)信號(hào)進(jìn)行采樣,得到離散序列式n),n=0,l,2……0按有效周期重量的頻率/。提取相應(yīng)周期信號(hào),把x(n)按等長(zhǎng)度連續(xù)截取N段,每段對(duì)應(yīng)周期為T=1",每段的點(diǎn)數(shù)為M,則有序列:稱為M川經(jīng)過時(shí)域平均處理得到新序列。序列的M川長(zhǎng)度為M,M==對(duì)式(1)做Z變換,并依據(jù)Z變換的時(shí)移特性得令z=/小,化簡(jiǎn)得時(shí)域平均的頻率響應(yīng)函數(shù)為時(shí)域平均的幅頻和相頻響應(yīng)特性分別為當(dāng)平均次數(shù)N較大時(shí),通帶寬度很窄,因此能有效提取與頻率/相關(guān)的周期重量。(可以查找相關(guān)論文再具體介紹下)頻譜分析法是最常用的一種頻域檢測(cè)法,用于從背景噪聲中提取出信號(hào)的特征頻率成分,較多地用于微弱周期信號(hào)的檢測(cè)。頻譜分析是應(yīng)用傅立葉變換將時(shí)域問題轉(zhuǎn)換為頻域問題,其原理是把簡(jiǎn)單的時(shí)間歷程波形,經(jīng)傅立葉變換為若干單一的諧波重量來討論,以獲得信號(hào)的頻率結(jié)構(gòu)以及各諧波幅值、相位、功率及能量與頻率的關(guān)系。它是用于討論平穩(wěn)隨機(jī)過程性能的一種信號(hào)處理技術(shù),常用的頻譜分析方法有多種,主要包括功率譜分析、幅值譜分析、相位譜分析等。頻譜分析的辨別率Af是很重要的參數(shù),它取決于所分析信號(hào)的時(shí)間長(zhǎng)度7(用'=1),微弱信號(hào)檢測(cè)性能與觀測(cè)時(shí)間成正比。假定觀測(cè)的正弦信號(hào)S(')=而應(yīng)(電),沉沒在方差為。2的白噪聲中,則檢測(cè)性能正比于a"(2b?V),頻域辨別率寸將全頻帶分成以紂為帶寬的小頻帶。當(dāng)噪聲為白噪聲時(shí),每個(gè)小帶內(nèi)的噪聲能量相等,且隨著紂的減小而下降,而信號(hào)在包含其頻率的帶寬內(nèi)的能量恒為1/2,并不依靠于寸。因此,時(shí)間長(zhǎng)度T越長(zhǎng),§就越小,頻率辨別率越高,就可以將很小的頻率確定的正弦信號(hào)檢測(cè)出來。在工程實(shí)際中,信號(hào)的統(tǒng)計(jì)特性可能在長(zhǎng)時(shí)間內(nèi)發(fā)生變化,因此傅里葉變換在辨別率上有肯定的局限性,此外用傅里葉變換的方法提取信號(hào)頻譜時(shí),需要采用信號(hào)的全部時(shí)域信息,這是一種整體變換,缺少時(shí)域定位功能。由于時(shí)域檢測(cè)和頻域檢測(cè)無法表述信號(hào)的時(shí)間-頻率局部性質(zhì),而這種性質(zhì)恰恰是非平穩(wěn)信號(hào)最根本的性質(zhì)。時(shí)頻分析是非平穩(wěn)信號(hào)處理的重要手段。時(shí)頻分析采納時(shí)間-頻率聯(lián)合表示信號(hào),將一維的時(shí)間信號(hào)映射到一個(gè)二維的時(shí)頻平面,在時(shí)頻域內(nèi)對(duì)信號(hào)進(jìn)行分析,全面反映觀測(cè)信號(hào)的時(shí)間-頻率聯(lián)合特征,同時(shí)把握信號(hào)的時(shí)域及頻域信息,而且可以清晰地了解信號(hào)頻率隨時(shí)間變化的規(guī)律。時(shí)頻分析的基本任務(wù)是建立一個(gè)分布函數(shù),要求這個(gè)函數(shù)不僅能夠同時(shí)用時(shí)間和頻率描述信號(hào)的能量密度,而且還可以用來計(jì)算特定頻率和時(shí)間范圍內(nèi)能量分布、特定時(shí)刻的頻率密度和該分布函數(shù)的各階矩,如平均條件頻率。在常用的時(shí)頻分析工具中,小波變換應(yīng)用最為廣泛。小波變換具有多辨別率分析的特點(diǎn),而且在時(shí)頻兩域都具有表征信號(hào)局部特征的力量,是一種窗口大小固定不變,但其外形可轉(zhuǎn)變,時(shí)間窗和頻率窗都可以轉(zhuǎn)變的時(shí)頻局部化分析方法;在低頻部分具有較高的頻率辨別率和較低的時(shí)間辨別率,在高頻部分具有較高的時(shí)間辨別率和較低的頻率辨別率。一般地,我們要測(cè)量的信號(hào),不會(huì)像噪聲那樣是隨機(jī)性很高的信號(hào),所以,一般待測(cè)信號(hào)的曲線較為光滑,而噪聲信號(hào)變化許多都是隨機(jī)性的,是一種突變結(jié)構(gòu)。由于小波變換屬于線性變換,所以當(dāng)帶有噪聲的混沛信號(hào)經(jīng)過小波變換后,帶有突變結(jié)構(gòu)的噪聲就會(huì)被濾除,從而達(dá)到降噪的目的。小波變換定義如下:假設(shè)LR)為可測(cè)且是平方可積一維函數(shù)的Hillbert空間,并且即「|〃(?!噶?lt;83■、[3"一小若以。的Fourier變換中⑷滿意條件:>力,則稱“⑴為小波母函數(shù)。將小波母函數(shù)〃⑺進(jìn)行伸縮和平移,設(shè)其尺度因子為a,平移因子為7,令其平移伸縮后的函數(shù)為匕"⑴,則有:稱匕"(。為小波基函數(shù)。將任一函數(shù)/。)€乙2的在小波基進(jìn)行綻開,稱這種綻開為函數(shù)/⑺的連續(xù)小波變換,其表達(dá)式為:由上式可知,當(dāng)尺度a增加時(shí),以伸展了的“⑺波形去觀看整個(gè)/⑺;反之,當(dāng)尺度a減小時(shí),則以壓縮的收⑺波形去衡量/⑶局部。信號(hào)的連續(xù)小波變換所得到的小波系數(shù)是信號(hào)在不同尺度小波下的映射。通過轉(zhuǎn)變尺度,小波函數(shù)ip(t)的波形被伸展或被壓縮。在某個(gè)尺度下或者在某個(gè)尺度范圍內(nèi),信號(hào)的小波系數(shù)強(qiáng)度較大。因此可以用小波系數(shù)作為信號(hào)檢測(cè)的考查對(duì)象。關(guān)于小波系數(shù)信號(hào)檢測(cè)方法,可以選擇對(duì)單尺度下的小波系數(shù)作為考查對(duì)象,也可以通過對(duì)某個(gè)尺度范圍內(nèi)若干尺度下的小波系數(shù)取平均,即系數(shù)累積的方法來增加有用信號(hào)的小波系數(shù)強(qiáng)度。對(duì)于我們的待測(cè)弱信號(hào),若其具有標(biāo)度指數(shù)即4.基于非線性理論的檢測(cè)法傳統(tǒng)的時(shí)域、頻域或時(shí)頻分析方法一般以線性理論為主,在濾去噪聲的同時(shí),信號(hào)有所損失。近年來,隨著非線性理論的進(jìn)展,采用非線性系統(tǒng)特有性質(zhì)檢測(cè)不穩(wěn)定、非平衡的狀態(tài)中的微弱信號(hào)成為可能。目前,基于非線性理論的微弱信號(hào)檢測(cè)法主要包括高階譜分近有問題——網(wǎng)上沒有相關(guān)論文)、基于稀疏分解的微弱信號(hào)檢測(cè)方法[匹配追蹤算法,有問題——網(wǎng)上沒有相關(guān)論文)混沌理論方法、差分振子法、隨機(jī)共振方法等。高階譜分析可以有效抑制信號(hào)中的非相關(guān)、非高斯噪聲,且保留了信號(hào)中的相位信息?;煦缋碚摲?、差分振子法是采用非線性動(dòng)力學(xué)系統(tǒng)對(duì)初值的敏感性和噪聲免疫力進(jìn)行微弱信號(hào)檢測(cè),在抑制噪聲的同時(shí),信號(hào)未被減弱,能有效降低噪聲干擾,進(jìn)行高靈敏度測(cè)量。在待測(cè)微弱信號(hào)頻率已知的狀況下構(gòu)造檢測(cè)模型,即用特定的微弱信號(hào)檢測(cè)對(duì)應(yīng)特定的檢測(cè)系統(tǒng)。與其他微弱信號(hào)檢測(cè)方法相比,隨機(jī)共振是采用噪聲,而非抑制噪聲。噪聲干擾下的信號(hào)作用于某一類非線性系統(tǒng),信號(hào)和噪聲在非線性系統(tǒng)的協(xié)同作用下,會(huì)發(fā)生噪聲能量向信號(hào)能量的轉(zhuǎn)移,信號(hào)幅值被放大,產(chǎn)生類似力學(xué)中的共振輸出,從而提高了系統(tǒng)信噪比。高階譜分析神經(jīng)網(wǎng)絡(luò)匹配追蹤算法混沌理論隨機(jī)共振隨機(jī)共振系統(tǒng)SR(StochasticResonance)是一個(gè)非線性雙穩(wěn)系統(tǒng),當(dāng)僅在小周期信號(hào)或弱噪聲驅(qū)動(dòng)下都不足以使系統(tǒng)的輸出在2個(gè)穩(wěn)態(tài)之間跳動(dòng),即系統(tǒng)不能產(chǎn)生隨機(jī)共振;而在噪聲和小周期信號(hào)共同作用下,隨著輸入噪聲強(qiáng)度的增加,輸出的信噪比非但不降低,反而大幅度地增加。并且,存在某一最佳輸入噪聲強(qiáng)度,使系統(tǒng)產(chǎn)生最高信噪比輸出,達(dá)到抑制噪聲、放大微弱信號(hào)的目的。SR系統(tǒng)包含3個(gè)不行缺少的要素:雙穩(wěn)(或多穩(wěn))態(tài)非線性系統(tǒng);被測(cè)微弱信號(hào);噪聲。具有雙勢(shì)阱性質(zhì)的朗之萬方程是描述非線性雙穩(wěn)態(tài)系統(tǒng)的典型模型:式中,X為系統(tǒng)輸出。S")為非線性系統(tǒng)的輸入信號(hào)。n⑺為隨機(jī)噪聲信號(hào)。U(x)=--x2+-x424是對(duì)稱雙穩(wěn)態(tài)系統(tǒng)的勢(shì)函數(shù)。a,b是大于零的實(shí)數(shù),為勢(shì)阱的外形參數(shù)。為便利討論系統(tǒng),取輸入信號(hào)為最簡(jiǎn)潔的信號(hào)和噪聲,即單頻信號(hào)與高斯分布白噪聲,此時(shí)方程可化為:式中,A為信號(hào)幅值,穌為信號(hào)調(diào)制頻率?!涪藶楦咚狗植及自肼暎瑵M意g))=0NrwV)〉=2Db(—),口為噪聲強(qiáng)度,甘為關(guān)于t的時(shí)間延遲。x=±/當(dāng)輸入信號(hào)幅值A(chǔ)和噪聲強(qiáng)度D為零時(shí),系統(tǒng)有兩個(gè)相同的勢(shì)阱,阱底位于Vb.\u=—壘高為4bo系統(tǒng)的最終輸出狀態(tài)將停留在兩個(gè)勢(shì)阱中的一個(gè),視系統(tǒng)的初始狀態(tài)而定.當(dāng)僅

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論