微弱信号检测资料.docVIP

1、微弱信号检测特点 WSD 目的：提取需要检测到的微弱信息。 微弱：一般幅值小，但其实是相对噪声。 检测特点：遏制噪声（内部、外部）、放大信号、提高信噪比。 对象：研究噪声、信号。研究两者区别，并且利用该区别研发设备和方法 相对性：信号噪声可转换 2、信号和噪声相关理论 研究方法： （1）时域：均值、中值滤波、相关性、高斯分布 （2）频率域：FFT、采样定理、低通、带通、带阻 （3）其他：小波、分形等，特征分析 信号分析方法 信号的性质可以从频域和时域两方面进行分析。 频域分析常采用傅里叶分析法。 时域分析主要包括卷积和相关函数。 3、噪声：通常把由于材料或器件（内部电路器件）的物理原因产生的扰动称为噪声，频谱分布一般比较宽。 4、信噪比：噪声对信号的覆盖程度 信噪改善比：改善的效果，评价一个放大器或者一个测试系统遏制噪声的能力 当信号通过一个放大器或者一个测试系统后，信噪比可能提高，也可能降低。 引入信噪比改善系数SNIR来描述放大器或测试系统对信噪比的改善作用，定义为 分辨率：输入最小变化△x1，y 产生可观察到变化 5、微弱信号蕴含着两层含义：第一层含义是信号本身非常微弱，是一个绝对意义上的微弱；第二层含义是相对意义上的微弱，也就是信号对于强背景噪声而言，是非常微弱的，简而言之就是信噪比极低。 7、电噪声的主要统计特征包括： （1）频域统计特征：功率谱密度 （2）时域统计特征：相关函数 （3）幅域统计特征：概率密度函数 8、对于电压或电流型的随机变量，均值表示的是其直流分量；表示对均值的偏离程度，表明随机噪声的起伏程度；均方值反映的是随机噪声得到归一化功率，它表示的是随机电压或电流在1Ω电阻上消耗的功率 9、相关函数：衡量随机过程在任意两个时刻获得的随机变量之间的关联程度。是其时域特征的平均量度，它反映同一个随机噪声n(t)在不同时刻t1和t2取值的相关程度 10、自相关函数在τ=0处取得最大值 周期信号的自相关函数仍然是同频率的周期信号，但不具有原信号的相位信息。 随机信号的自相关函数将随│τ│值增大而很快趋于零。 11、（1）小信号处理方法： 滤波：频率可分 调制解调：改变频率 零位：间接方式，消除干扰 反馈：反馈稳定 （2）随机过程 平稳随机过程 各态历经 统计量 12、功率谱密度函数： 定义：单位（角频率，频率）带宽的功率 描述了随机噪声X(t)功率在各个频率点上的分布 对功率谱密度函数在整个频率范围内积分，可得到X(t)的功率，平稳随机过程有： 功率信号的功率谱密度与其自相关函数互为傅氏变换对。 13、白噪声：定义：若N(t)为一个具有零均值的平稳随机过程，其功率谱密度均匀分布在 的整个频率区间 ，功率谱密度为常数，即 低通白噪声总结：有限带宽内功率谱密度为常数 自相关函数有规律振荡衰减 14、3dB带宽（确定信号）：就是半功率点之间频率间隔，也就是电压的1/1.414,之间的频率宽度。等效的原则：理想系统与实际系统在同一白噪声激励下,两个系统的输出功率相等。 15、热噪声:电阻 散弹噪声:半导体器件 1/f噪声:导体接触 爆裂噪声:部分半导体 16、噪声系数：放大电路整体电路的噪声特性指标，衡量电路噪声特性的优劣。 噪声系数定义一：线性四端网络（放大器）中， F=输出总噪声功率/放大器无噪声时的输出噪声功率 (可以仅仅依靠噪声进行计算） 噪声系数定义二：线性四端网络输入端的信噪比与输出端的信噪比之比值。（对定义1变换可以得到） 17、由噪声系数的定义式说明放大器内部噪声对系统噪声的影响 F=输出总噪声功率/放大器无噪声时的输出噪声功率 输入噪声功率 输出噪声功率放大器功率放大倍数输入信号功率输出信号功率 或用dB表示为 噪声因数： F=1（NF＝0），无噪声理想放大器 F1 （NF0） ：越大，内部噪声越严重, 表示通过放大器后,信噪比变坏的程度。 表明放大器放大信号同时，输出噪声功率放大，且F越大，内部噪声源在输出端产生的噪声占总噪声功率的比重越大。 18、噪声系数通常只适用线性网络，因为非线性电路会产生信号和噪声的频率变换，噪声系数不能反映系统的附加噪声性能 可以得出下述结论： （1）当线性网络本身不产生噪声，即F＝1时为无噪声的理性网络 （2）线性网络本身产生的噪声P 越大，噪声系数F越大 19、放大器可检测的最小信号 检测微弱信号时，需要输出：SNR0＝一定数值，在一定的F条件下，对于输入信号有要求 ：可检测的（输入）信号 结论： （1）F大，检测分辨率低（放大器加入噪声多） （2）需要减少放大器等效噪声带宽 （3）减少信号源电阻（输入热噪声少） 20、低噪声放大器设计 1、前置放大器的噪声会导致信噪比变坏，因