基于多重自相关算法的微弱正弦信号检测技术.pdf

《基于多重自相关算法的微弱正弦信号检测技术.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第28卷第6期2015年”月机电产品开发与剀新Devel叩I№nl＆hmov撕on0fM∞lli鹏ry＆Ⅱec砸calProductsV01．28．NO．6NOv．．2015文章编号：1002—6673(2015)06—107_03基于多重自相关算法的微弱正弦信号检测技术范晓志(北京工商大学材料与机械工程学院，北京102488)摘要：离散小波变换具有时频分析特性，可把信号的细微变化反应出来，可明显提高信号的信噪比，在用小波变换进行预处理的前提下，利用正弦信号的特殊性质。在信号未知的情况下通过多重自相关运算可检测出埋没于噪声

2、中的微弱正弦信号。讨论了多重自相关法在白噪声背景下、有色噪声背景下等情况的检测效果，并给出仿真结果。关键词：离散小波变换；自相关；微弱信号；有色噪声中图分类号：’I'N911文献标识码：Adoi：10．3969，i．issn．1002—6673．2015．06．038Anh印e晌gTedhnolID盱小时Weal【鼬眦鲥dalsi印IalBasedonW盯elet舢强dysis锄dMun“ayerAut眦or弛hU蚰FANXi∞一Zhi(schoolofMaterialaJldMecllamcalEngillee血19，B

3、e幻iIlgTechnologyaIldBusiIle鹞unjversity，Be埒mg102488，ChiIla)Ahtmct：Discretewavdet怔黜fornl(Dw’I)iSa妇le一雠quencyanalysistecllllology，wIlichdetec堪dlesubdesnlallchaIlgesi11thesi叫specmlIllandc姐iInprovetheSNR．B嚣edon山eDWT，coIlsiderillgtlle曲llSoidalsigllalh∞aparticularautocoⅡ

4、d撕on廿ait，itispo铬ibletodetectdle幽。啪we止signaliIlpowernoise．Mm邱lestatllsesaresmdie也whensmesigllalaredistIlrbedbywhitenoiseorcolorednoise．FiIl姆，血epapero位巧asm蜥onres山．Keyword懿discretewavelet廿amf．o皿；autocorrehdon；weaksignal；colorednoiSe0引言目前的许多研究和应用领域中，都涉及到微弱信号的精密测量。然而对任

5、何一个系统，必然存在噪声，当所测量的信号又相当微弱时．如何把淹没于噪声中的有用信号提取出来的问题越来越引起人们的关注。微弱信号的检测方法很多。而对于微弱信号的时域处理，自从60年代的B假car积分器以来。一直没有特别有效的改进方法【l-习．为此提出一种基于小波变换和多重自相关的时域检测方法。此方法可在正弦信号频率未知的条件下有效提高对信号的检测能力。1用小波变换提升信号的信噪比小波分析是一种信号的时间尺度(时间一频率)的分析方法，具有多分辨率分析的特点，而且在时频两域都具有表征信号局部特征的能力，是一种窗口大小固定但形状可

6、变，时间窗和频率窗都可以改变的时频局部变化分析方法。即在信号低频部分具有较高的频率分辨率和修稿日期：2015—09—07作者简介：范晓志(1971一)，男，硕士，讲师。研究方向：智能信息处理，发表论文十多篇。较低的时间分辨率。在高频部分具有较高的时间分辨率和较低的频率分辨率。利用小波的这些优点，可以对获取的微弱的信号进行预处理，在强背景噪声下显现并增强信号的目标特性。提高信噪比。外界噪声一般可以等效的看作是宽带平稳加性高斯白噪声，且n(t)一N(0，cr2)信号和噪声在小波变换后有着不同的特性．利用此方法进行微弱信号检测的

7、技术见文献[3]。但当信号非常微弱时，信号经小波分析处理后。有可能被测信号功率仍然小于噪声功率．甚至有可能仍然相当微弱。比噪声小几个数量级甚至被噪声淹没时。或者在某些特定场合下噪声不理想，不能在看成白噪声时，利用小波变换就有局限性了。在这种情况下。我们可以利用信号和噪声在时间特性上的差别，利用信号和噪声两种函数在统计特性上的可区分性，利用信号在时间上相关的特性。把埋没于噪声中的周期信号提取出来，这就是信号的相关检测。2多重自相关法传统的自相关检测法．是将输入信号和延迟，r后的输入信号通过自相关运算，利用信号和噪声、噪声和噪

8、声的不相关特性达到提高信噪比的目的阴。设输入信号为：y(t)=s(t)+n(t)=Acos(‘ot+‘P)+n(t)(1)107·测试与控制·其自相关函数为：RY(，r)=E[y(t)·y(t+下)】=风(下)+E【s(t)·n(t+下)】+E[s(t+下)·n(t)】+RN(．T)(2)对于具备各态历