相关法进行微弱信号检测.pptVIP

利用相关法进行微弱信号检测 主要内容 背景知识 相关算法基础知识 matlab编程实现 实例：用相关分析法确定深埋地下的输油管裂损位置 背景知识 微弱信号检测技术是近年来迅速发展起来的，运用结合电子学、信息论和物理学方法的一种信号处理技术。 微弱信号检测通过分析噪声产生的原因和规律，研究被测信号和噪声的统计性及其特性，并采用一系列的信号处理电路或方法，检测出被背景噪声覆盖的微弱信号。 常见的微弱信号检测方法有： 锁定放大 取样积分 自适应滤波 相关算法：自相关 互相关 自相关函数描述了信号本身在一个时刻的瞬时值与另一个时刻的瞬时值之间的依赖关系。在信息分析中，通常将自相关函数称之为自协方差方程。 用来描述信息在不同时间的，信息函数值的相关性。 自相关 白噪声的自相关函数=0 互相关函数描述了两组信号之间的一般依赖关系。在信号处理领域中，互相关是用来表示两个信号之间相似性的一个度量，通常通过与已知信号比较用于寻找未知信号中的特性。 互相关 周期或频率fi Xi(t)与y(t)=sin(2πfi) 互相关函数Rxy(τ） 幅度Ai和相位φi x(t)=x(t)-Aicos(2πfi+φi) Rx(τ)自相关 是 组合 Xi(t)= si(t)+n(t) i=1 si(t) Xi(t) 否 相关法恢复谐波分量流程图 matlab编程实现 采样点数为1000，采样频率为1000，作幅值为3，频率为10HZ的正弦波 正弦信号 s=3*sin(2*pi*f*t) 加入高斯噪声的信号： n=wgn(1,1001,2); 正弦信号 s=3*sin(2*pi*f*t) 正弦信号 s=3*sin(2*pi*f*t) 自相关：[a,b]=xcorr(x,unbiased); y=fft([a,b],M);%进行fft变换 mag=abs(y);%求幅值 plot(f,mag);%做频谱图 互相关：[a,b]=xcorr(x,y1，unbiased); 还原信号 实例：用相关分析法确定深埋地下的输油管裂损位置? 如下图所示，漏损处K可视为向两侧传播声音的声源，在两侧管道上分别放置传感器1和2。因为放置传感器的两点相距漏损处距离不等，则漏油的声响传至两传感器的时间就会有差异，在互相关函数图上τ=τm处有最大值，这个τm就是时差。S为两传感器的安装中心线至漏损处的距离? 程序： N=1000;n=0:N-1; Fs=500;t=n/Fs; Lag=200;%最大延迟单位数 x1=90*sinc(pi*(n-0.1*Fs));%第一个原始信号，延迟0.1s x2=50*sinc(pi*(n-0.3*Fs));%第二个原始信号，延迟0.3s [c,lags]=xcorr(x1,x2,Lag,unbiased);%计算两个函数互相关 subplot(2,1,1),plot(t,x1,r);%绘制第一个信号 hold on; plot(t,x2,b);%绘制第二个信号 legend(信号x1,信号x2);%绘制图例 hold off; subplot(2,1,2),plot(lags/Fs,c,r);%绘制互相关信号 xlabel(时间/s);ylabel(Rxy(t));