微弱信号检测.ppt

《微弱信号检测.ppt》由会员分享，可在线阅读，更多相关《微弱信号检测.ppt（31页珍藏版）》请在三一办公上搜索。

1、微弱信号检测,曹 文,0 概论,什么是微弱信号 1.幅度极微小的信号 2.被噪声淹没的信号 应用领域 常规和传统方法不能检测到的微弱量的检测(弱光、弱磁、弱声、小位移、微流量、微振动、微温差、微压差、微电导、微电流等的测量),0 概论,微弱信号与噪声 背景噪声、放大器噪声检测方法 1.低噪/限噪放大(包括斩波放大)2.降噪滤波(频带处理)3.相关检测(周期性信号),0 概论,表征信号质量的主要参量 信噪比 S/N(SNR Signal Noise Ratio)信号有效值与噪声有效值之比(V或P)表征检测方法系统质量的主要参量 1.信噪改善比 SNIR=SNRo/SNRi(Signal Nois

2、e Improvement Ratio)2.有效检测分辨率 仪器的示值可以相应与分辨的最小输入量的变化量,第1章 微弱信号检测与随机噪声,1.1常规小信号检测方法 1.1.1 滤波 1.1.2 调制放大与解调(斩波放大)1.1.3 零位法 1.1.4 反馈补偿法,1,第1章 微弱信号检测与随机噪声,1.2 随机噪声及其统计特征 1.2.1 随机噪声的概率密度函数 噪声电压正态分布时,零均值噪声,各态遍历 平稳随机过程,2,第1章 微弱信号检测与随机噪声,1.2 随机噪声及其统计特征 1.2.1 随机噪声的概率密度函数 在区间x0，x0 之外的概率,3,第1章 微弱信号检测与随机噪声,1.2 随

3、机噪声及其统计特征 1.2.2 随机噪声的均值、方差、均方值,零均值噪声,此时 为有效值（均方根值rms）,数学期望值算子E,4,第1章 微弱信号检测与随机噪声,1.2 随机噪声及其统计特征 1.2.3 随机噪声的自相关函数 一、自相关函数 Rx(t1，t2),平稳随机过程，其统计特征量与时间起点无关,5,第1章 微弱信号检测与随机噪声,1.2 随机噪声及其统计特征 1.2.3 随机噪声的自相关函数 一、自相关函数 重要特征（1）Rx()=Rx(-)（2）=0 时 Rx()具有最大值,（3）时,6,第1章 微弱信号检测与随机噪声,1.2 随机噪声及其统计特征 1.2.3 随机噪声的自相关函数

4、一、自相关函数 重要特征（4）如果随机量x(t)包含周期性分量，Rx()也含周期性分量。x(t)含周期性正弦波,Rx()无相位信息。（5）对于互不相关的 x(t1)、y(t2)，若 z(t)=x(t)+y(t)，则 Rz()=Rx()Ry(),7,第1章 微弱信号检测与随机噪声,1.2 随机噪声及其统计特征 1.2.4 随机噪声的互相关与互协方差函数 一、互相关函数 两个不同的随机噪声x(t)、y(t)在不同时刻t1、t2取值 的相关程度(t1=t,t2=t-)Rxy()=Ex(t-)y(t)(1)Rxy()Rxy(-)但 Rxy()Ryx(-)(2)(3)Rxy()=xy,8,第1章 微弱信

5、号检测与随机噪声,1.2 随机噪声及其统计特征 1.2.4 随机噪声的互相关与互协方差函数时 二、互协方差函数(t1=t,t2=t-)Cxy(t1,t2)=Ex(t1)-x y(t2)-y=Rxy()-xy(平稳随机噪声)x=y=0时，Cxy(t1,t2)=Rxy()三、归一化相关函数,9,第1章 微弱信号检测与随机噪声,1.2 随机噪声及其统计特征 1.2.5 随机噪声的功率谱密度函数,根据维纳辛钦(Wiener-Khinchin)定理,10,第1章 微弱信号检测与随机噪声,1.2 随机噪声及其统计特征 1.2.6 相关检测原理(1)自相关检测,11,第1章 微弱信号检测与随机噪声,1.2

6、随机噪声及其统计特征 1.2.6 相关检测原理(1)自相关检测,12,xi(t)与ni(t)相互独立，则互不相关，因而为零。,当 xi(t)为白噪声、且足够大时，Rx()0。,当 ni(t)为振幅等于1的正弦信号，,第1章 微弱信号检测与随机噪声,1.2 随机噪声及其统计特征 1.2.6 相关检测原理(2)互相关检测,13,xi(t)与ni(t)相互独立，则互不相关，因而为零。,第1章 微弱信号检测与随机噪声,1.3 常见随机噪声 1.3.1 白噪声 全频带(-，)上能量均等，为常量。,14,第1章 微弱信号检测与随机噪声,1.3 常见随机噪声 1.3.2 限带白噪声 在有限频带()内，。,1

7、5,第1章 微弱信号检测与随机噪声,1.3 常见随机噪声 1.3.3 窄带白噪声 在极窄的频带()内，。,16,第1章 微弱信号检测与随机噪声,1.3 常见随机噪声 1.3.3 窄带白噪声 在极窄的频带()内，。,17,第1章 微弱信号检测与随机噪声,1.4 白噪声功率与带宽（同一噪声源）1.4.1 功率比等于带宽比,18,1.4.2 随机噪声的有效值与带宽,第1章 微弱信号检测与随机噪声,19,第1章 微弱信号检测与随机噪声,20,第1章 微弱信号检测与随机噪声,1.5 分析讨论 1.5.1 减小带宽可以提高信噪比,从以上这些结果可知，为了测量被噪声所掩埋的信号，应该将带通滤波器的频带宽度变

8、窄。如果将频带宽度缩小，那么噪声就减小，而信号却不改变，其结果是SNR（信噪比）将提高。,21,第1章 微弱信号检测与随机噪声,在带通滤波器中，中心频率与通带宽度的比值称作Q值，作为衡量带通滤波器的滤波尖锐程度的一项指标来使用。Q值越大，通带宽度就越窄，抑制噪声的能力就越强,一般的滤波器所能够实现的Q值，大约在100左右。对于1kHz的中心频率，相应的通带宽度的限界大约在10Hz左右。Q值不能任意增大的原因，在于组成滤波器的零部件的精确度和时间/温度的稳定性是有限的。,1.5 分析讨论 1.5.2 带通滤波器具有一定的局限性,22,数学期望值算子E,自相关函数,第1章 微弱信号检测与随机噪声,1.2 随机噪声及其统计特征 1.2.6 相关检测原理(1)自相关检测,10,第1章 微弱信号检测与随机噪声,1.2 随机噪声及其统计特征 1.2.6 相关检测原理(1)自相关检测,10,xi(t)与ni(t)相互独立，则互不相关，因而为零。,当 xi(t)为白噪声、且足够大时，Rx()0。,当 ni(t)为振幅等于1的正弦信号，,第1章 微弱信号检测与随机噪声,1.2 随机噪声及其统计特征 1.2.6 相关检测原理(2)互相关检测,10,xi(t)与ni(t)相互独立，则互不相关，因而为零。,