微弱信号的检测及提取.docxVIP

东北大学研 究 生 考 试 试 卷考试科目：现代信号处理理论和方法课程编号：阅卷人：考试日期：2011年11月24日姓名：朱学欢学号： 1101139 注 意 事 项1．考前研究生将上述项目填写清楚2．字迹要清楚，保持卷面清洁3．交卷时请将本试卷和题签一起上交东北大学研究生院微弱信号的检测提取及分析方法姓名：朱学欢学号：1101139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、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。实验原理⑴白噪声(White noise)：是一种功率谱密度为常数的随机信号或随机过程。相对的，其他不具有这一性质的噪噪声信号被称为有色噪声。理想的白噪声具有无限带宽，因而其能量是无限大，这在现实世界是不可能存在的。实际上，我们常常将有限带宽的平整信号视为白噪声，以方便进行数学分析。白噪声的数学期望为0，其自相关函数为狄克拉δ函数。其基本数字特征有：均值：高斯白噪声的均值为0，可用函数mean实现；方差：高斯白噪声的方差为1，可用函数var实现；均方值：高斯白噪声的均方值为1，可用sum(y.*conj(y))/length(y)实现，其中y为白噪声信号。相关函数：高斯噪声的自相关函数为狄克拉δ函数，可用xcorr函数实现；频谱：可用fft函数实现；功率谱密度：高斯白噪声的功率谱密度为一常数，可用其频谱的傅里叶变换实现。⑵微弱信号微弱信号不仅意味着信号的幅度小，而且主要指被噪声淹没的信号。提取微弱信号时，其关键因素在于提高信噪比。所以我们首先要进行滤波，利用滤波器的频率选择特性，可把滤波器的通带设置得能够覆盖有用信号的频谱，所以滤波器不会使有用信号衰减或使有用信号衰减很少。而噪声的频带通常较宽，当通过滤波器时，通带外的噪声功率受到大幅度衰减，从而使信噪比得以提高。因为噪声总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，而强噪声背景下的微弱信号提取又是信号检测的难点。噪声主要来自于检测系统本身的电子电路和系统外空间高频电磁场干扰等，通常从以下两种不同途径来解决：①降低系统的噪声，使被测信号功率大于噪声功率②采用相关接受技术，可以保证在信号功率小于噪声功率的情况下，人能检测出信号。利用白噪声信号在任一时间t均值为零这一特性，将强噪声信号分断延时，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。对微弱信号的检测与提取有很多方法，常用的方法有：自相关检测法、多重自相关法、双谱估计理论及算法、时域方法、小波算法等。本实验采用多重自相关法。多种自相关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：式中，是和的叠加，是和的叠加。对比两式，尽管两者的幅度和相位不同，但频率却没有变化。信号经过相关运算后增加了信噪比，但其改变程度是有限的，因此限制了检测微弱信号的能力。多重自相关法将当x（t），重复自相关函数检测方法步骤，自相关的次数越多，信噪比提高的越多，因此可检测出强噪声中的微弱信号。混合信号去噪信号3．实验任务⑴白噪声的检测与分析白噪声信号是一个均值为零的随机过程，任一时刻是均值为零的随机变量。而服从高斯分布的白噪声即称为高斯白噪声。如图所示为高斯白噪声的波形及其自相关函数波形：可以看出，高斯白噪声具有随机性及不相关（其自相关函数在t=0处为一冲激，即为该随机过程的平均功率）。由下图可以看出高斯白噪声的均值为0，方差为1，服从高斯分布。如下图为高斯白噪声的的频率谱密度及功率谱密度：由于matlab中采用近似估算法，其功率谱密度不为理想的在整个频谱内为一常数，但大致在2到4之间波动，可近似为一常数。附：任务一程序如下%实验任务一figure(1);t=0:0.0001:1;y=randn(size(t)); %产生高斯白噪声subplot(2,1,1),plot(y),axis([0 1000 -5 5]),grid on;title(高斯白噪声)[Xa,Xb]=xcorr(y,unbiased)subplot(2,1,2),plot(Xb,Xa),title(白噪声自相关函数),grid on;%求自相关函数figure(2);M=mean(y);subplot(2,1,1),plot(t,M),title(白噪声均值), axis([0 1 -1 1]),grid on; %求均值R=sum(y.*con