微弱信号检测(高晋占清华大学出版)解读.ppt

微弱信号检测 人类对自然的探索越深入，所需获取的信息就越丰富多样，所需检测的信号就越微弱。 随着科技的发展，越来越需要把深埋在噪声中的微弱信号检测出来。 微弱信号检测是发展高技术、探索及发现新的自然规律的重要手段，对推动相关领域的发展具有重要意义。 微弱信号不只意味着信号的幅度很小，它主要是指被噪声淹没的信号，微弱是相对于噪声而言的。只有在有效地抑制噪声的条件下放大微弱信号的幅度，才能提取出有用信号。 因此，微弱信号检测是一门专门与噪声做斗争的技术，其主要任务是提高信噪比。 为了从噪声中提取出有用的信号，就需要研究噪声的来源和性质，分析噪声产生的原因和规律，以及它们的传播途径，有针对性地采取有效措施抑制噪声，研究被测信号和噪声的统计特性及其差别，以寻找出从背景噪声中检测出有用信号的理论和方法。 具备以下研究视角： 噪声来源、特征 微弱信号检测、弱信息提取等解决之道 电路（元器件、电路、耦合。。。） 信号处理。。。 涉及应用领域众多 人机系统的机能对应关系及信号检测 传感器应用介绍 讨论 结合自己专业、课题、课题组研究方向…讨论微弱信号检测技术在其中的可能应用、目的、原理、方法… 课程简介-教学计划 微弱信号检测是一门专门与噪声做斗争的技术 Contents Chapter 1 微弱信号检测与随机噪声 Chapter 2 放大器的噪声源和噪声特性 Chapter 3 干扰噪声及其抑制 Chapter 4 锁定放大器 Chapter 5 取样积分和数字式平均 Chapter 6 相关检测 Chapter 7 自适应噪声抵消 人工神经网络、小波分析… … Chapter 1 微弱信号检测与随机噪声 ★ 微弱信号检测介绍(WSD) ★ 小信号检测常规方法 ★ 随机噪声及其统计特性 ★ 常见随机噪声 ★ 随机噪声通过电路系统响应 ★ 等效噪声带宽 1. 1 Introduction to weak signal detection (WSD) 1. Weak Signal: 弱光，弱磁、弱声、小位移、小电容、微流量、微振动、微温差、微压差 －→微电流、低电压 传感器 特点：∵微弱，∴淹没在噪声中，WSD是抑制噪声的技术 ； 发展：近40年迅速发展，能测1nV的信号，SNR 提高 106 ； 推动了物理、化学、天文、地学、生物医学等学科的发展。 2．WSD方法 物理学方法（检测原理与方法，传感器）； 电子学方法（模拟与数字信号处理电路）； 信息论方法（DSP，模式识别、人工智能、 ANN、小波变换、混沌检测、传感器融合等）。 目的：检测、恢复及处理被噪声覆盖的信号。 3．检测质量表征： （1）信噪改善比（ SNIR ） 信噪比SNR：有效值之比或功率之比，须说明。 （2）检测分辨率 灵敏度 回顾几个指标 （1）灵敏度K （2）精确度(精度) （3）分辨力和最小检测量 常规检测方法与微弱信号检测方法对比 1.2 常规小信号检测方法 一、滤波 ?? 功能： 压缩频带，以提高信噪比； ?? 适用范围：信号与噪声频谱不重叠； ?? 常用滤波器：低通、带通、带阻； ?? … … 二、调制放大 1.系统组成 2.调制放大解调原理 （1）调制过程： 中心频率与调制载波 相同，但幅度随被测低频信号 瞬时值变化。 （2）解调过程 把放大后的调制信号再和载波信号相乘一次。 （3）低通滤波（LPF） 三、零位法（Null Method） 1. 测量原理 2. 零位法仪表例 平衡电桥原理 电位差计原理 四、反馈补偿法 1.开环检测系统 2.闭环检测系统 当 时，简化为 1.3 随机噪声及其统计特征 噪声的概率密度函数（PDF） 随机噪声的均值、方差和均方值 随机噪声的相关函数 自相关函数 互相关函数与互协方差函数 归一化相关函数 随机噪声的功率谱密度函数 功率谱密度函数 互谱密度函数 1.3.1 噪声的概率密度函数（PDF） 1. 概率密度函数p(x) ：噪声电压x(t) 取值为x 的概率。 对于所有x