随机信号实验报告(微弱信号提取).docVIP

实验十 微弱信号的检测提取及分析 １．实验目的 ⑴ 了解随机信号分析理论如何在实践中应用。 ⑵ 了解随机信号自身的特性，包括均值（数学期望）、方差、概率密度、相关函数、频谱及功率谱密度等。 ⑶ 掌握随机信号的检测及分析方法。 ⒉ 实验原理 ⑴ 随机信号的分析方法 在信号系统中，我们可以把信号分成两大类——确知信号和随机信号。确知信号具有一定的变化规律，因而容易分析，而随机信号无确知的变化规律，需要用统计特性进行分析。我们在这里引入了随机过程的概念。所谓随机过程，就是随机变量的集合，每个随机变量都是随机过程的一个取样序列。随机过程可分为平稳的和非平稳的、遍历的和非遍历的。如果随机信号的统计特性不随时间的推移而变化，则随机信号是平稳的。如果一个平稳的随机过程它的任意一个样本都具有相同的统计特性，则随机过程是遍历的。我们下面讨论的随机过程都认为是平稳的遍历的随机过程，因此，我们可以取随机过程的一个样本来描述随机过程的统计特性。 随机过程的统计特性一般采用随机过程的分布函数和概率密度来描述，它们能够对随机过程作完整的描述。但是由于在实践中难以求得，在工程技术中，一般采用描述随机过程的主要平均统计特性的几个函数，包括均值、方差、相关函数、频谱及功率谱密度等来描述它们。以下算法都是一种估计算法，条件是N要足够大。 ⑵ 微弱随机信号的检测及提取方法 因为噪声总是会影响信号检测的结果，所以信号检测是信号处理的重要内容之一，低信噪比下的信号检测是目前检测领域的热点，而强噪声背景下微弱信号的提取又是信号检测的难点，其目的就是消除噪声，将有用的信号从强噪声背景中提取出来，或者用一些新技术和新方法来提高检测系统输出信号的信噪比。 噪声主要来自于检测系统本身的电子电路和系统外的空间高频电磁场干扰等，通常从两种不同的途径来解决： ① 降低系统的噪声，使被测信号功率大于噪声功率，达到信噪比S /N 1 。 ② 采用相关接收技术，可以保证在被测信号功率 噪声功率的情况下，仍能检测出信号。 在电子学系统中，采用低噪声放大技术，选取适当的滤波器限制系统带宽，以抑制内部噪声和外部干扰，保证系统的信噪比大大改善，当信号较微弱时，也能得到信噪比 1 的结果。但当信号非常微弱，比噪声小几个数量级甚至完全被噪声深深淹没时，上述方法就不会有效。当我们已知噪声中的有用信号的波形时，利用信号和噪声在时间特性上的差别，可以用匹配滤波的方法进行检测。但当微弱信号是未知信号时，则无法利用匹配滤波的方法进行检测。经过分析，白噪声为一个具有零均值的平稳随机过程，所以，我们在选取任一时间点，在该点前一段时间内将信号按时间分成若小段后，然后在选取时间点处将前面所分的每小段信号累加，若为白噪声信号，则时间均值依然为零，但当噪声中存在有用信号时，则时间均值不为零，由此特性，就可对强噪声背景中是否存在微弱信号进行判定。 白噪声信号是一个均值为零的随机过程。任意时刻是一均值为0的随机变量。所以，将t时刻以前的任一时间段将信号分成若干小段并延时到t时刻累加，得到的随机变量均值依然为0。而混有微弱信号，将t时刻以前的信号分断延时，并在t时刻点累加，得到的不再是均值为零的随机变量。所以，我们可以在t时刻检测接收到的强噪声的信号的均值，由其均值不为零可判定强噪声信号中混有有用信号。 利用白噪声信号在任一时间t均值为零这一特性，将强噪声信号分段延时，到某一时刻累加，由此时刻所得的随机变量的均值是否为零来判断t时刻以前的信号中是否含有有用信号。利用这种检测方法可以在不知微弱信号的波形的情况下，对强噪声背景中的微弱信号进行有效的检测。 而对微弱信号检测与提取有很多方法，常采用以下方法进行检测，这些检测方法都可以在与信号处理相关书籍和论文中查找到。 ① 自相关检测方法 传统的自相关检测技术是应用信号周期性和噪声随机性的特点，通过自相关运算达到去除噪声的检测方法。由于信号和噪声是相互独立的过程，根据自相关函数的定义，信号只与信号本身相关与噪声不相关，而噪声之间一般也是不相关的。假设信号为s (t)，噪声为n (t)，则输入信号 x ( t) = s ( t) + n ( t) (1) 其相关函数为: Rx (τ) = E[ x ( t) ·x ( t +τ) ] = Rs (τ) + E[ s ( t) ·n ( t +τ)]+ E[ s ( t +τ) ·n ( t) ] + Rn (τ) (2) 对于具有各态历经性的过程，可以利用样本函数的时间相关函数来替代随机过程的自相关函数。 ② 　多重自相关法 多重自相关法是在传统自相关检测法的基础上，对信号的自相关函数再多次做自相关。即令： （3） 式中， 是 和E[ s ( t +τ) ·n