强噪声干扰下的微弱信号检测技术分析

黄成功

摘 要：微弱信号检测实际上指的就是，通过一定的方式方法从噪声当中提取有用信号的技术。在各行业各领域中，人们都或多或少地涉及强噪声干扰下的微弱信号检测。在光电探测领域中，由于光信号中包含多种光噪声成分，其令部分信号无法被准确检测。微弱信号常常会被其他噪声所遮盖，使人们很难对有用微弱信号进行检测。为此，研究强噪声背景下的微弱信号检测有着非常重要的意义。在强噪声干扰下，微弱信号检测会因信噪比过低而无法较好地实现目标探测。针对该问题，文章分析了多种强噪声干扰下的微弱信号检测方法，以从中为相关微弱信号检测工作提供参考信息。

关键词：强噪声;微弱;信号;检测技术

中图分类号：TN911.7文献标识码：A文章编号：1674-1064（2021）09-0-02

DOI：10.12310/j.issn.1674-1064.2021.09.019

1 线性检测方法

在微弱信号检测过程中，线性检测方法一般按照技术原理的区别，可以将其进一步分为时域、频率以及时频分析法。

1.1 时域分析法

该方法在实际应用中，由于其实际使用特点更适合被人们用来检测一些具有周期性特点的微弱信号，为了使微弱信号被检测到，一般会使用一些技术对微弱信号进行放大。例如，相关检测、锁相放大、取样积分等等。这些方法在实际应用中各有其优缺点，应当根据具体场景的不同，合理地进行选取。相关检测法在应用中，是对信号进行相关性分析来提取有用信息相关性，可以进一步分为自相关函数及互相关函数两种。自相关函数可以用来描述同一信号在不同时刻所具有的相关性，自相关函数如下式所示：

而互相关函数为：

锁相放大技术实际上利用的是互相关这一重要原理，通过相敏检波器（PSD）以及低通滤波器作用的正常发挥来完成一系列互相关运算，以此来完成对微弱信号的有效检测。该方法由于技术原理上的优势，可以全面防止因带通滤波器要求带宽窄而产生的中心频率变化缺陷。

取样积分及数字平均技术在应用中，对有用信号的周期性及噪声的随机性进行了全面利用。为了有效保障该技术的准确性，在检测工作进行中，工作人员需要在不同信号周期中进行多次取样工作，并且将每个周期中同一位置的信号进行相加。通过这样的方式，可以全面降低噪声对提取有用信号造成的一些干扰，采取有效方式进一步增大各类声音信息的信噪比，属于一种微弱信号检测法。一般而言，该方法在应用中，信号频率的周期数越大，那么信噪比的改善效果就会变得愈加明显。然而，由于该项技术在应用中会受到信号长度方面的限制，因此该技术无法完全将噪声的影响去除掉。取样及数字平均算法的实际流程，如图1所示。

在对一些不具有周期性的信号进行检测时，为了有效保障检测工作的质量及检测效果，工作人员一般会利用调制或者转播的方法为信号赋予周期。通过平衡混频器消除本振噪声，全面提高了取样积分器在应用中所具有的稳定性能。时域平均法在应用中就性质上而言，属于一种积累式的平均抗干扰过程。该项技术在应用中对输入信噪比并没有十分严格的要求，由于该特点的存在，人们往往将该技术应用在强噪声的微弱信号预处理工作中。通过该技术可以有效增强微弱信号，降低噪声对微弱信号提取的影响[1]。除此之外，信号时域平均处理法得到的最终结果是时域波形。通过对该种波形的有效判断，可以对信号所具有的冲击特征进行有效分析。由于该方法的这一特点，在故障诊断技术工作过程中进行了大量的应用。时域平均法由于其原理的特点，因此对信号所具有的周期性要求非常严格。为了改善这一特性，有学者提出了一种便捷周期视频平均搜索法。通过该方法的应用，可以使信噪比的下限得到明显增强。

1.2 频域分析法

经过多年的发展，该种分析方法当前衍生出了多种变体。而频谱分析法则由于其在实际应用中所具有的一系列优势，成为频率分析中最为常用的方法之一。该方法在使用时，需要通过傅里叶变换将信号转化到频域当中，并且进一步对微弱信号的频率成分、幅值等一系列参数进行有效提取，进而对这些参数之间的相互关系进行研究。为了保障该方法的实际应用效果，人们需要利用功率谱法对微弱信號进行有效检测。由于该方法的应用优势，人们一般将其应用于对平稳随机信号的检测工作中。功率谱估计，实际上是通过广义平稳随机过程的N个样本数据，来对该过程的功率谱密度进行有效分析。估计方法在应用中需要以傅里叶变换作为该技术应用的基础，该方法在应用中有着计算简单的优势。然而，会在一定程度上导致信息的泄露效应，同时其方差性能也不是特别符合人们的实际应用需求。因此，在应用该项技术时，需要结合实际应用场景有针对性地应用，尽可能地放大其优点，避免其缺点对最终检测结果造成影响。在工程实际应用工作过程中，傅里叶变换在分辨率上有一定的缺陷。此外，当技术人员利用傅里叶变换法对信号频谱进行提取时，需要应用到信号的全部时域信息。因此，很难对时域进行有效的定位频率分析，主要应用于对平稳随机噪声下微弱信号的检测工作[2-3]。

1.3 视频分析法

当检测的信号不具有周期性时，为了对其进行分析，需要对其时间频率的局部性质进行有效描述。而短时傅里叶变换法及小波变化的时域分析法在应用中，利用的是时间频率联合对信号进行有效表示，从而将微弱信号的时频特征全面地显现出来。小波变换理论在具体应用时，可以有效去除数据的相关性，使信号的能量集中在一个大的小波系数当中。由于这些优势的存在，该技术自诞生以来便得到了人们的广泛关注，并且被人们应用于故障诊断、解决残留噪声等一系列棘手问题当中[4]。

2 非线性检测法

为了使分析工作进行得更加顺利，人们一般会采取一定的方式方法将非线性系统简化为一个简单方便的线性系统。然而，由于转化中忽略了大量的外界因素，因此该方法在应用时精度较低。有时为了满足工作需求，需要用到精度更高的非线性检测法。

2.1 混沌振子法

就一般情况而言，非线性测量系统在实际使用过程中，都会表现出混沌这一共有特性。该理论在应用时，最大的特点就是不确定性。一般而言，混沌系统在应用中对信号初值非常敏感，同时会对噪声进行免疫。为此，人们一般通过混沌系统监测信号运行轨迹的实际变化情况，对微弱信号进行有效检测。一般地，人们会通过混沌理论的有效利用构造出混沌测量系统，最终保障测量精度。

2.2 随机共振法

该技术在实际应用中，是利用噪声对非线性系统中的微弱周期信号进行有效增强，一旦非线性系统和输入的信号及噪声之间存在某种关联时，如果增加输入信息，则最终输出的信噪比会呈现大幅增加的情况。利用该理论，可以对非线性接收系统进行合理设计，最终实现噪声能量向信号能量的转化[5]。

3 结语

文章对线性方法及非线性方法进行了全面介绍。其中，线性检测法一般分为时域频域及时频分析法，而活动理论法、随机共振法则是常用的一些微弱信号非线性检测法。以上方法在地质磁法勘探及其他领域微弱信号检测中具有一定的作用，在实际应用中，各方法可以取长补短。

参考文献

[1] 时培明，袁丹真，张文跃，等.基于时延反馈多稳随机共振的微弱信号检测方法[J].计量学报，2020，41（7）：868-872.

[2] 张程，肖仲喆.Matlab在“微弱信号检测技术”课程中的教学改革与探索[J].教育教学论坛，2020（26）：192-193.

[3] 张兴良，方晓飞，王天一.一种基于空间谱估计得微弱信号检测方法[J].通信与信息技术，2020（1）：71-74.

[4] 刘杰，刘岩，曹煊，等.海水营养盐微弱信号检测技术研究[J].山东科学，2019，32（6）：9-14.

[5] 郑平.基于随机共振微弱信号检测的滚动轴承故障诊断方法研究[D].合肥：安徽大学，2019.