强噪声背景下的信号提取.pdfVIP

盔路和 2S0C0IE7NCNEO.02TECHNOLOGYINFORMATION 工 业 技 术 强噪声背景下 的信 号提取 谷炳海 张友鹏 徐项 (兰州交通大学 自动化与电气工程学院 兰州 7300 70 ) 摘 要: 为了将被强噪声淹没的信号提取出来，本文介绍了在强噪声背景下将信号提取出来的一般常用方法，并重点介绍了采用 自适 应噪声抵 消方法 的原理及优点 ，并对其进行 了改进 ，达到 了预期 的效果 。 关键词: 噪声抵消 自适应滤波 弱信号提取 输出信噪比 中图分类号:TN 9 11 文献标识码:A 文章编号: 1672- 379 1(2007)0 1(b 卜0022- 02 1 引言 的 自适应均衡等。自适应滤波方法还可以细 假设已知噪声传输到原始输人的原始输 当环境中存在大量的噪声干扰时，有规 分为 自适应平均法、自适应匹配法、自适应 人端和参考输入端的通道特性 ，就能够设计 律的、相对较弱的信号会被这些无用杂散的 沃尔兹法及 自适应傅立叶法 。 出将 。变成y= 。的固定滤波器。然后，从 随机信号所淹没，如何从强噪声中将有用的 原始输入s+ 。中减去滤波器的输人Y，系统 信号重现 ，向来是个难题 . 我们通过合理 的 3 自适应噪声抵消的原理 的输 出就只有信号s 。但是 ，一般传输通道 算法 、有效的硬件组合可 以实现对周期性 、 一个简单的自适应噪声抵消原理示意图 均是未知的，则使用固定参数滤波器就行不 重复性好的有用微弱信号的还原. 噪声信号 如图2 所示 ，图中抵消器的 “原始输入”为 通。即使固定滤波器行地通，也须要将其特性 的特点是频带很宽且无规律、随机性强，而 s+ o，其中s 为沿信道传递到传感器的信号， 调节到难以达到的精度 ，否则，即使最轻微 的 有用的信号频带固定 ，并有较好的周期性和 。为一个与信号5 不相关的噪声，抵消器的 误差也将导致输出功率的增加。 规律性. 消除信号 中的噪声污染的通常方法 参“考输入”为噪声 , , , 与信号s 不相关， 在图2 的系统中，参考输入 ,(t)经过一 是让受污染的信号通过一个能抑制噪声而让 却以某种未知的方式与噪声 。相关，由图可 个 自适应滤波器的处理 ，此 自适应滤波器 由 信号相对不变的滤波器 ，此滤波器从信号很 以看出噪声 ，经自适应滤波器输出Y，再从 某种与输出有关的误差己所控制的最小均方算 弱或信号不可检测的噪声场 中取得输入 ，将 原始输入s+ 。中减去该输出，产生了系统的 法 自动调节 自身的冲激响应，只要采用适当 此输人加以过滤 ，抵消其中的原始噪声，从 输人e= s+ }- y , 的算法，滤波器就可在变化的条件下进行工 而达到提取有用信号的 目的。 2 强背景噪声下的弱信号提取研究情况 目前，消除弱信号 中强噪声干扰的主要 信号处理技术可按其分类描述如图1, 弱信号 提取方法可基于线性系统和非线性系统分为 两大类 ，线性系统包括空间域方法、时域方法 和频域方法 ，其中时域方法主要是迭加平均 技术，它对时域信号进行多次迭加取平均值 以求得信号，其算法误差较大; 相比较而言， 频域的处理方法比较丰富，包括匹配滤波、卡 尔曼滤波、纳维滤波、高阶谱方法、相位匹配 法和 自适应滤波等 。可以看出频域方法均为 滤波方法 ，而且这些滤波方法均是使系统误 差最小的最佳滤波方法 。从噪声中提取信号 的各种方法中，纳维滤波是最基本的方法，它 是在最小均方误差准则下的最佳线性滤波方 法。但纳维滤波器的电路较难实现 ，在纳维 滤波理论的基础上发展 了一种基于状态空间 方法的最佳线性递推滤波方法 ，称为卡而曼 滤波 。它是在对系统及其统计特性做 了某些 在实际应用中相对广泛 的假设之