《微弱信号检测ppt.ppt》由会员分享,可在线阅读,更多相关《微弱信号检测ppt.ppt(31页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
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/ SNR
2、i (Signal Noise 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
3、弱信号检测与随机噪声,1.2 随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
4、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 (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 - )
5、Rxy( )= Ex( t - ) y( t ) (1) Rxy( ) Rxy( - ) 但 Rxy( ) Ryx ( - ) (2) (3) Rxy( ) = xy,8,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
6、.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 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
7、)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, 。,15,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
8、,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
9、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。,