低压差分信号（精选7篇）
低压差分信号 篇1
摘要：针对如何实现高速数据传输的问题, 设计了基于LVDS总线的数字信号源。LVDS是一种高速传输技术, 利用低压差分信号进行数据传输, 具有低功耗、低误码率、低串扰和低辐射的特点。设计以FPGA作为控制核心, 并以DS92LV18实现LVDS信号的传输。试验表明采用LVDS技术作为功能卡之间的数据传输方式, 可以很好地实现卡之间的高速数据传输。该信号源可实现输出PCM数字信号, 输出的信号由上位机软件设定。
关键词：LVDS,信号源,FPGA,数据传输,PCM
近年来, 在高速数字系统中, 所采用的现代高性能微处理器的速度越来越快;芯片之间、板卡之间的数据传输速率越来越快, 数据量及带宽越来越大。采用新的技术解决数据的高速传输, 成为必然趋势。LVDS (low voltage differential signaling) , 即低压差分信号技术, 是一种高速传输技术, 它提供了一种电压摆幅极低 (±350 m V) 的高速差分信号, 可实现快速数据传输;而功耗大为降低。其最高数据速率可达3.125 Gbps, 是一种理想的数据传输方式。LVDS技术已经在通信网络中得到普及, 广泛用于膝上计算机、办公用成像、工业视觉、测试与测量、医疗和汽车等领域, 应用前景十分广泛[1]。
LVDS是由ANSI/TIA/EIA-644—1995定义的用于高速数据传输的物理层接口标准。目前最常见的有三种高速接口技术, LVDS (包括其变型B-LVDS和M-LVDS) 、CML和LVPECL。LVDS的典型信号摆幅为350 m V, 对应的功率很低, 使其成为数据率从数10 Mbps~3 Gbps的应用之首选[2]。LVDS是最常用的差分信号接口技术, 设计中采用了总线LVDS的接口技术, 使用DS92LV18作为LVDS信号的接收和发送芯片。DS92LV18集串化器与解串器于一体, 可接受和发送低压差分信号, 用以高速数据的传输。
1 基于LVDS总线的数字信号源结构设计
在设计的数字信号源中, 采用LVDS总线方式连接背板, 实现信号源卡与背板之间的数据传输。如图1所示, 系统主要由LVDS模块及FPGA主控单元两部分组成。上位机下发的配置参数经过背板传输至LVDS模块, 经过解串后传输至FPGA进行命令分析。FPGA接收到配置参数后将产生的PCM信号传输至外部输出驱动模块, 并输出PCM信号。同时, FPGA可将回传的数据经过LVDS模块串化后传输到背板, 从而实现背板与信号源卡之间的双向通信。FPGA作为主控单元, 一方面控制LVDS的工作方式, 另一方面在其内部完成信号的产生, 极大地利用了FPGA的资源, 简化了外围电路的设计, 最大程度上提高了资源的利用率。
2 信号源电路的设计
2.1 LVDS模块电路的设计
采用LVDS总线作为信号源卡与背板之间的数据通信方式, LVDS模块的结构设计框图如图2所示。设计使用专用的LVDS接口芯片DS92LV18, DS92LV18是集串化器和解串器于一体的高性能芯片, 是LVDS数据传输设计中的理想器件。
背板总线通过两对差分传输线, 实现与DS92LV18的数据传输。背板总线的发送端将上位机发送的命令及参数配置信息等LVDS差分数据流传输到DS92LV18的接收端RIN+/RIN-, 其内部的解串器可以将此差分信号解码为18位的并行数据, 通过接收器的发送端ROUT (0∶17) 将数据传输至FPGA, 在FPGA中进行分析。同时, FPGA回传的数据由18位的并行线传输至DS92LV18发送器输入端DIN (0∶17) , 18位并行数据经过串化编码后形成一对低压差分信号, 经过DS92LV18的发送端口DO+/DO-传输至背板总线的接收端。DS92LV18的工作方式由FPGA来控制。
2.2 信号产生模块的设计
信号产生部分在FPGA内部实现, 原理框图如图3所示。FPGA接收到配置信息后开始工作。配置信息主要包括码速率选择、帧长选择、波形选择及码型选择信息。由时钟源提供时钟信号, 经过分频器后产生各种时钟信号, 如码频、字频、帧频信号, 用于控制各个部分的时序。波形选择电路选择输出数据ROM中相应编号的波形的高两位地址信息, 它与地址计数器产生的低六位地址信息组成数据ROM的地址信息, 根据物理地址从数据ROM中输出数据并按一定的帧格式编码。伪随机码产生后也按照帧格式信息编码。将编码完成的数据存储在缓冲器中, 经过并/串转换, 将并行数据转换为串行数据。得到的串行数据进行码型变换后变为所需码型的PCM数据并输出[3,4]。
3 理论分析与性能测试
3.1 LVDS总线的实现
在设计中, 使用DS92LV18作为LVDS接口芯片, 与背板之间进行数据传输, 实现信号源与背板之间的数据通信。DS92LV18集接收器与发送器于一体, 既可接收外部传输的LVDS数据流, 也可以发送数据。如图4所示, 典型的点到点拓扑的LVDS驱动器与接收器对含有一对驱动器与接收器, 通过端接100Ω电阻的差分T-传输线进行数据传输。驱动器与接收器主要完成TTL信号和LVDS信号之间的转换。LVDS接收器具有很高的输入阻抗, 因此驱动器输出的电流大部分流过100Ω的匹配电阻, 并在接收器端产生大约350 m V的电压。驱动器翻转时, 它改变流经电阻的电流方向, 因此产生有效的逻辑1和逻辑0状态。LVDS是专门针对点到点信号传输而设计的, 可以提供快速边沿驱动器输出信号, 该信号可保证数Gbit的传输速率[5]。
选择适当的串化器和解串器 (Ser Des) 对系统成本和性能来说有着重要的影响。设计中选择的DS92LV18属于嵌入式时钟 (起始/终止) 位Ser Des架构的LVDS接口芯片。如图5所示为18 bit时钟位嵌入式串化器编码示例。时钟位嵌入式架构中的发送器将数据总线上的数据信号和时钟串行化, 形成单路串行信号对。两个时钟位, 一路为低, 另一路为高, 被嵌入到串行流中, 每隔一个周期放置一个, 用于界定串化后每个字的起点和终点, 并在串行数据流中产生一个周期性的上升沿。这种架构使得数据有效负载的字宽度无需被限制为字节的倍数。串化器在电路上电时就可以搜寻周期性出现的嵌入时钟信号的上升沿。由于有效负载数据位的量值随时间变化, 而时钟位不会, 因此, 无论有效负载的数据样式如何变化, 解串器都可以从串行数据中将数据恢复出来。接收器可以锁定到接收的嵌入时钟信号, 而不是锁定到外部基准时钟信号, 所以对发送器和接收器的时钟信号的抖动要求可以大大放宽。
DS92LV18的时钟信号的设计范围为15~66M, 传输速率最高可达1 Gbps以上, 可很好地实现板卡之间的高速数据传输。如图6所示为DS92LV18的控制时序图, 在此采用30 Mbps的TCLK时钟信号, 数据传输速率可达到540 Mbps。在TCLK的上升沿检测到SYNC信号为‘0’, FPGA有有效数据向背板传输, 发送的18位并行数据经过串化后由DO+/DO-端口发送到背板。在RCLK的作用下, 接收器PLL锁定由RIN+/RIN-端输入的差分信号, 并将其解码为18位的并行数据传输至FPGA, LOCK为‘0’, 显示PLL已经锁定信号, 如果为高, 说明信号失锁, 接收数据不正常。FPGA并不是一直在发送有效数据, 而是有需要时才会发送, 在每次发有效数据时都需要重新锁定数据, 并且使TCLK同步。因此在设计其工作时序时, FPGA在发送有效数据的空档, 继续发送无效数据, 使数据的发送不间断。在FPGA无数据发送时, 将DS92LV18切换到自转发模式, 即将RIN+/RIN-端口接收的数据直接由DO+/DO-转发, 使得差分信号不间断传输, 减少丢失数据的概率, 从而实现数据的高可靠性传输。
为实现LVDS信号传输的高可靠性, 在设计LVDS板时, 需要考虑差分走线、阻抗匹配、串扰和电磁干扰 (EMI) 等大量的因素。LVDS信号占用两根导线, 为了确保最小的反射和保持接收端共模噪声的抑制, 差分走线在离开驱动器后要尽量靠近, 整个走线中两根线的间距应保持恒定, 线长尽量保持相同。尽可能减少信号路径上的过孔数或其他阻抗的不连续。LVDS输出是电流模式输出, 它的闭合环路中需要一个终端电阻, 终端电阻值的选择应与差分传输线的阻抗相匹配, 一般为100Ω, 并使其尽量靠近接收端。为了减少LVDS之间的串扰, 差分信号必须与单端信号相隔离, 可通过电源层和地层隔离LVDS信号。LVDS差分信号, 磁力往往能够相互抵消, 而电场趋于耦合, 与COMS和TTL信号相比只能产生少量的EMI[6]。
3.2 性能测试
设计的信号源输出的数据字可以是固定值, 固定值有四种波形数据, 如正弦波, 矩形波, 直流量及锯齿波。如图7所示, (a) , (b) , (c) , (d) 分别是信号源输出数据字经LVDS总线传输到上位机经分析后显示的正弦波, 矩形波, 直流量及锯齿波波形图。
通过观察图7信号源输出的波形, 说明该信号源可以很好地实现信号的产生, 其LVDS总线可以很好地实现信号源卡与背板之间的数据通信。
4 结论
本文设计了基于LVDS总线的数字信号源, 该信号源采用LVDS传输方式作为与背板之间的通信方式。详细介绍了LVDS总线的设计原理及布板规则。LVDS具有低功耗、低误码率、低串扰和低辐射的特点。实验表明, 所设计的LVDS总线很好地实现了高速大容量的数据传输。该信号源可以输出码速率连续可调的PCM信号, 可输出正弦波, 矩形波直流量及锯齿波的波形数据。输出信号的波形可由用户通过上位机软件设定, 可用于遥测设备的状态检测及调试工作。
参考文献
[1] 王胜, 王新宇.LVDS技术及其在高速系统中的应用.遥测遥控, 2005;26 (4) :41—46
[2] 孟令军, 彭晴晴, 蔺志强.阵列存储在遥测图像采集系统中的应用.电视技术, 2011;35 (15) :65—67
[3] 李秋娜.PCM遥测信号源的设计与实现.遥测遥控, 2004;5 (3) :60 —63
[4] 胡宜雪, 余勋林, 江鹏.基于DDS和PLL技术的WCDMA信号源的设计与实现.电视技术, 2012;36 (9) :96—98
[5] 蒋冬初, 李玉山.LVDS在高速数字系统中的应用研究.现代电子技术, 2009;32 (7) :147—149
[6] 李向阳.多通道LVDS的实现及传输错误处理.小型微型计算机系统, 2005;26 (8) :1436—1439
低压差分信号 篇2
现有的各类视频设备中,传统的TTL或CMOS信号传输方式由于存在高噪声敏感、低传输速率和短传输距离等缺陷,已经不能满足现代显示设备的数据传输需求。因此,基于高速差分传输方式的低压差分信号接口( Low Voltage Differential Signal,LVDS) 、数字视频接口( Digital Video Interface,DVI) 、高清度多媒体接口( High Definition Multimedia Interface,HDMI) 和显示接口( Display Port,DP) 等接口编解码技术在视频显示领域得到了广泛的应用[1]。
这些现阶段被广泛应用的接口方式从本质上讲属于视频差分信号传输方式,都需要解决高速视频差分信号的解码问题。通过FPGA实现高速LVDS解码设计方案将为此领域相关技术应用和IC芯片设计奠定坚实的基础[2]。
本文将介绍一种基于FPGA的LVDS解码方案,该方案通过软硬件调试和改进,提高了在高温和大电磁干扰环境下的解码性能,实现了复杂应用环境下高速稳定的视频差分信号传输。
1 高速视频LVDS解码设计
LVDS是一种电流模式驱动的数据传输方式,传输数据时采用3. 5 m A的电流源驱动差分线对形成驱动电流,并通过100 Ω 的终端电阻形成350 m V的信号,从而产生“1”和“0”的逻辑状态。这种传输方式具有极快过渡时间,最高理论传输速率可以达到1 Gbit /s[3]。
LVDS技术应用在视频传输领域时,为了节省传输线的数量,提高传输效率,信号的传输多采用多路复用的形式[4]。以10 位1 024 灰度级的高清LVDS解码电路为例,其工作时的视频时钟频率为75 MHz,按设定的LVDS一对差分传输线在一个时钟周期需要传输7个数据,见图1。每对LVDS传输线的数据传输频率必须达到525 MHz,由于传输过程中上下时钟沿均可进行数据传输,解码时钟频率需要达到262. 5 MHz。因此,整个解码设计的关键就是要通过软硬件设计过程,解决高速数据传输过程中的误码问题,提高设计的健壮性,使得整个数据传输更为稳定。
高速视频LVDS信号在硬件设计上需要解决电源的稳定性、差分走线的相似性以及板上阻抗匹配等问题。前期实验中发现,FPGA使用的芯片核心电压值、差分信号线的间距及长度、PCB走线的板上阻抗以及端接电阻的阻抗匹配等因素都会对LVDS解码产生影响。
例如,FPGA核心电压纹波必须小于5% ; LVDS引脚所在BANK的电源和地附近需要增加滤波电容,保持供电的稳定性; LVDS差分信号必须走等长线; 端接电阻的阻值需要和差分传输线阻抗匹配,并尽可能靠近接收端等。
当硬件设计满足高速差分信号设计需求后,解码速度和稳定性提升的关键问题就在于FPGA的代码设计。LVDS接收解码模块主要由数字时钟管理、状态机、并行寄存器、DDR触发器等模块构成,见图2。
整个设计代码采用VHDL语言实现。解码过程首先将视频输入的75 MHz时钟频率作为基准,将此基准频率经过PLL模块3. 5 倍频后产生262. 5 MHz的单端解码时钟。在此基础上,利用单端解码时钟将相应的5对差分输入的数据信号在串行输入单元中通过DDR触发器进行解码,形成单端数值信号[5],解码波形见图3。在获得时钟和数值信号之间时序关系后,经过并行寄存器的串并转换,形成75 MHz的35 路并行数据。
2 高速视频LVDS解码测试
随着显示技术应用领域不断拓展,许多显示器件都要工作在高温、大电磁干扰的复杂条件下。因此,上述LVDS解码设计也需要将实际电路进行复杂的环境温度、共模和差模电压等条件下解码的可靠性和稳定性测试。
LVDS解码的环境温度实验系统构成主要包括VG835 视频信号源、恒温箱、LVDS解码电路板以及平板显示器构成。实验中,环境温度通过恒温箱进行控制,恒温箱的温度从25~55 ℃ ,每次升高5 ℃ 并保持该温度10 min后进行显示图像稳定性测试,测试图像采用相邻像素变化剧烈的灰度渐变图像。采用该图案主要考虑该图像进行LVDS解码时,电路负载最大,解码过程容易出现错误,也就更能验证所设计解码系统的可靠性。
测试结果表明: 当恒温箱环境温度为25 ℃ 时,所有解码过程均稳定正常; 当温度不断升高达到50 ℃时,就会偶尔出现译码错误; 当温度达到55 ℃ 时,译码错误增加,特别是图像的行、场同步信号译码错误增加,使得显示图像紊乱,图像出现纵向和横向的抖动,无法实现正常的显示。
LVDS解码程序的抗共模和差模电压干扰测试系统由码流仪、示波器、LVDS解码电路板以及平板显示器构成。测试在25 ℃ 环境温度下进行,使用全屏蔽信号线作为信号输入引线,并采用码流仪作为输入差分信号源,编码前时钟频率为80 MHz。
整个测试分两组,第一组保持通道共模电压1. 2 V不变,以40 m V为间隔调整通道的差模电压,测试差模电压对解码的影响; 第二组保持差模电压400 m V不变,以100 m V为间隔调整通道的共模电压,测试共模电压对解码的影响。
测试发现: 当共模电压不变时,差模电压高于500 m V时,通道解码会出现错误; 差模电压在400 m V以内时,时钟和数据信号之间存在1. 3 ns的延迟。如果差模电压不变,共模电压上升到1. 6 V时,会出现解码错误。
3 高速视频LVDS解码测试结果分析
分析上述实验中环境温度和电压变化使得解码出现错误的主要原因在于接收过程中的时序接收偏移余量( RSKM) 受到了环境的影响变差。
FPGA内部的解串器要在单位间隔时间窗口正确采集输入数据时才能够正确解码,即通过LVDS输入的时钟产生定时选通信号,通过该信号来进行信号采集。
而实际上,LVDS输入的数据和时钟信号受到环境影响在每个时钟周期的波形都会有差异,这种信号周期性的差异积聚起来就形成了一定的偏移范围,即时钟偏移量( Clock Jitter) 。要保证解码时采集的数据正确,就必须满足数据窗口内时钟信号采集数据所需的建立和保持时间,保证数据和时钟边沿对应关系尽量稳定,使得数据在采样窗口内被正确采样,见图4。
理想情况下,该时钟选通信号位于数据脉冲的中间,不会出现误码现象,在复杂环境条件下,内部和外部条件会使抖动增加,RSKM靠近采样窗口的关闭点,从而产生数据误码。
为了进一步分析上述结果,实验采用示波器对信号的时钟和数据时序关系进行了眼图分析。眼图可显示每个时钟周期数据波形的瞬间值并累计显示,各周期波形叠加后会在眼图中形成眼孔。在无抖动噪声和电平变化理想情况下,波形无失真,眼孔开启得最大。当电平变化时,波形出现失真,引起眼孔闭合。因此,眼孔开的大表示信号的幅度和时间余量能够满足要求,如果眼孔变窄,则表明信号抖动大,误码率上升。通过测试眼图就可以分析高速传输数据的质量和RSKM。
以环境温度变化为例,眼图测试结果如图5 所示:在温度从25 ℃ 不断升高过程中,眼图开启情况不断变化。环境温度为30 ℃ 时,几乎看不到信号的抖动,测试的信号没有解码错误( 图5a) ; 环境温度上升到50 ℃时,可以看到信号抖动增加,测试信号偶尔就会出现解码错误( 图5b) ; 环境温度上升到55 ℃ 时,信号抖动加剧,被测的视频信号出现了大量的解码错误( 图5c) 。此时,显示图像画面出现了剧烈的抖动( 图5d) 。同样,差分信号的共模电压和差模电压变化也会在眼图上产生相应的变化。
4 实验改进后结果
上述实验表明,采用基于FPGA的LVDS解码进行复杂环境下高速视频信息传输时,环境温度、差模和共模信号的幅度变化等环境因素均有可能引起解码错误。
为了进一步提高解码的正确率和稳定性,本文主要从以下方面进行了改进: 硬件方面,调整信号采用差分线路布线时所使用的分布电阻,使得板上阻抗匹配;增加FPGA在解码模块周围的电容,减少电源纹波对解码的影响; 对传输线增加了上下拉电阻调整共模电平,尽量张开眼图; 对所有信号传输中不使用的管脚进行虚地处理,以增强FPGA的接收能力。整个修改见图6。
软件方面,加强了编译时的时序约束条件,并调整相关的管脚设定,使得整个解码过程的布局布线更符合时序要求。
通过上述处理后,整个芯片的理论解码频率从80 MHz提升到90. 3 MHz,即可以将差分信号的传输频率从280 MHz提升到316 MHz,设计支持的频率提升了12. 86 % ,见图7。
设计修改后,再次进行复杂环境下的实验。实验结果表明,新的设计能够稳定地工作在环境温度为55 ℃ 情况下。相对于原先设计,信号的共模电压提高了100 m V,差模电压提高了40 m V,没有任何解码干扰出现,见图8。
5 结论
随着现代社会发展,显示终端的应用越来越广泛,这就对复杂环境下的显示信号的传输提出了挑战。为了实现高分辨率显示设备在高温、强电磁干扰环境下的正常显示,需要解决高速视频低压差分信号在复杂环境下解码的可靠性和稳定性问题。本文设计了一套稳定的LVDS解码软硬件解决方案。通过改善电路板阻抗匹配、增加约束条件,将理论传输解码频率从280MHz提高到316 MHz,提高了12. 86% ,将视频时钟传输频率从80 MHz提高到了90. 3 MHz,实现了视频信号在55 ℃ 高温、强电磁干扰环境下高速稳定的传输,提高了显示设备的应用范围。
参考文献
[1]贾培勇,朱春光.Display Port数字接口及发展趋势[J].电视技术,2007,31(11):60-63.
[2]杨佩,张丽娜,张洵颖,等.LVDS中8B/10B编码解码器的设计与实现[J].微电子学与计算机,2014,5(31):41-44.
[3]张飙,徐和飞,牛秦洲.LVDS接口LED显示屏数据处理系统设计[J].液晶与显示,2008,23(6):736-743.
[4]杨磊,任龙,刘庆,等.基于FPGA的大视场图像实时拼接技术的研究与实现[J].红外与激光工程,2015,6(44):1929-1935.
低压差分信号 篇3
实际地震资料处理往往要求算法高效,且具有好的效果。现在为了解决实际地震资料中的薄层弱信号检测问题,发展了一种能增强弱信号能量且不会抬高高频噪音的差分算子技术,并用数值模拟以及实际资料进行了试算。结果表明该算法效率较高且简单易行,比较适合解释性处理。首先从理论上研究了薄层弱信号的主控因素,从物理本质出发考究薄层较难识别的根本原因,然后设计了厚层和薄层数值模型,并分别用差分算子技术进行处理,进行了对比分析,最后将差分算子技术应用到了某实际薄层发育地震资料,并结合常规的Gabor反褶积进行了对比分析。
1 薄层弱信号的主控因素
弱反射结构主要是由薄层之间的多次反射波相互干涉造成的。弱反射的形成主要受两方面因素的影响,即薄层的单层厚度和埋藏深度。为了更好地识别和检测薄层弱信号,首先要从理论上分析影响薄层弱信号的主控因素。
1.1 厚度的影响
设计4个等厚砂泥岩互层的地质模型,如图1所示。总厚度为255 m,从左至右单层厚度分别为40 m[图1(a)]、20 m[图1(b)]、10 m[图1(c)]、5m[图1(d)],砂岩和泥岩的速度分别是3 000 m/s和2 450 m/s,反射系数为0.1(泥岩到砂岩)或-0.1(砂岩到泥岩)。不考虑密度的影响,采用30Hz雷克子波合成地震记录,当单层厚度分别为40m、20 m、10 m、5 m时,有效反射系数分别为6个、12个、20个、49个,分别对应图1中四个模型中的砂泥岩界面,最终合成的多道地震记录(单道重复11次显示)如图2所示。
根据波长、主频和速度的关系公式λ=vfm可以估计30 Hz雷克子波在砂岩和泥岩中传播的波长,分别为83.3 m和81.7 m。由于介质是等厚变化的薄互层,则雷克子波在砂泥岩薄互层中的平均波长约为λ=82.5 m,进一步可以判断所设计的四种模型的厚度分别约为λ/2、λ/4、λ/8、λ/16。由合成地震记录可以看出,单层厚度为40 m和20 m(分别为λ/2、λ/4)的合成地震记录显示了很强的反射波组,且同相轴与岩性分界面一一对应(6个正极性、6个负极性)。当单层厚度减小到10 m(约λ/8)时,整个反射波组只有顶和底表现为强轴,中间部位的波组能量较弱,即产生了弱反射现象。当单层厚度减薄到5 m(约λ/16)时,同样只有顶和底表现为强轴,中间部位的波组能量表现更弱,弱反射现象更明显。由图2可以看出,在薄层地层中,当反射系数相差不大、单层厚度由λ/4减为λ/8时,其内部反射能量迅速由强变弱;当单层厚度小于λ/8时,地震记录表现为弱反射或无反射现象。另外,通过图2的数值模拟可以发现,弱反射形成时必然会出现顶底两套强反射轴,两个强轴中间部分为多次层间反射波相互干涉之后形成的弱信号,薄层厚度越小,弱信号振幅值越小。弱信号的识别工作即是将强轴中间的弱信号进行增强以体现薄层的同相轴的存在,而同时不改变强轴的能量。
1.2 埋藏深度的影响
当地层埋深增加时,地震子波的主频降低。因此可以通过固定模型,改变子波的主频来模拟不同埋藏深度的地震记录,即认为主频越低,埋藏越深。针对图1中的模型二,固定反射系数,设置4种不同的雷克子波的主频,分别为10 Hz、30 Hz、40 Hz、50Hz,得到4种不同的合成地震记录如图3所示。可以看出,当薄层厚度和反射系数一定时,埋藏越深,薄层的反射越弱;随着埋藏深度变小,薄层的反射结构越清晰;当埋藏深度越来越小,薄层的反射结构变得稳定、清晰可见。需要说明的是,图1中模型二中的薄层层数为13[图1(b)],界面数为12,而图3(b)、图3(c)和图3(d)中的同相轴数目也均是12个,这也说明了当埋藏深度足够小时,薄层的界面将会被清晰地识别。
2 差分算子技术原理
本文提出的差分算子技术是一种在判断准则内向原始地震道不断加入不同的衍变地震道的弱信号增强方法。该方法的原则是拓宽原始地震数据的频带,增强非主频带内的弱信号。算法实现时,通过对原始地震道进行高斯平滑来增强低频信息,通过求取原始地震道的导数来增强高频信息。其中,高斯平滑采用如下的一维零均值高斯函数来实现。
式(1)中r为平滑半径,σ为正态分布的标准偏差。另外,对原始地震道求取导数后的地震道(现称为衍变地震道)将逐阶抬高地震道的主频,这一点可以通过对单位冲击响应函数求取导数来说明,如图4所示。图4(a)是单位冲击函数,图4(b)表示单位冲击函数及其1至6阶、20阶、30阶导函数的振幅谱示意图。从图中可以看出,随着阶数增加,振幅谱的低频能量逐渐减少,高频能量逐渐增加。输入的单位冲击响应函数实质上包含了从0到Nyqiust频率之间所有的频率成分,但是求导运算具有非线性特性,可以压制低频,并且这种压制效果随着求导阶数的增加而越明显。再者,高频抬高的速率也是非线性的,其随着求导阶数的增加而越不明显。这种现象可以通过比较相连的两条频谱曲线而很清楚地看到[图4(b)]。这种特性使得求导后的高频噪音的抬升效果最小化,更多地保留了有效信号的高频成分。通过循环不断地将归一化的衍变地震道加入到原始地震道(归一化),将在不抬高噪音和保留中频信息的同时,拓宽地震道的频带范围,这样便将处在低频和高频范围内的弱信号逐步增强,最终达到检测弱信号的目的。
向原始地震道加入衍变地震道需要考虑时移和极性两个因素。对原始地震道求一阶导数即对地震道进行90°相移,此时衍变地震道将相对于原始地震道不对称,无法与原始地震道相叠加(叠加后将产生干扰信号)。同样,其他奇数阶衍变地震道也是不对称地震道,也无法加入到原始地震道以达到改善频带的目的。而偶数阶衍变地震道,比如对原始地震道求取二阶导数(用一次前向差分和一次后向差分来近似,其他偶数阶衍变地震道同样处理),其结果与原始地震道相比是对称的(时移对称),只是振幅值要添加一个负号(极性相反)。类似地,四阶衍变地震道与原始地震道相比是对称的,且极性相同,六阶衍变地震道与原始地震道相比是对称的,极性相反。因此,4的整数倍阶数衍变地震道在进行归一化处理后可以直接加到原始地震道,2的整数倍阶数衍变地震道在进行归一化处理后要添加负号才能加到原始地震道。
从图4(b)可以看出,随着衍变地震道阶数增加,其改善原始地震道频带的能力越来越差。设原始地震道为S,其n阶衍变地震道记为Sn,n阶衍变地震道的主频记为Dn。主频的计算通过下面的积分公式来实现:
式(2)中f表示频率变量,Sn(f)表示n阶衍变地震道的频谱。
给出衍变地震道循环叠加的终止条件如下。
式(3)中ε为终止参数,一般在0.2~0.3之间取值。
一般经过上述处理后的地震道会衍生出高频的干扰信息,这里借助于EMD算法对处理后的地震道进行去干扰处理。原始地震道S在经过差分算子技术处理后的表达式如下
式(4)中符号Nor表示对信号进行[-1,1]归一化,Gau表示对信号进行高斯平滑处理,S(i)表示对信号求取i阶导数,M为通过循环终止条件判断后的最大的2的整数倍阶数(负极性)衍变地震道的阶数,N为通过循环终止条件判断后的最大的4的整数倍阶数(正极性)衍变地震道的阶数,S'为经过差分算子技术处理后的归一化地震道,EMD是一种去高频干扰的算法。
3 薄层弱信号数值模型试算
为了体现差分算子技术对弱信号检测的效果,分别对图2(b)(层厚为20 m,属较厚层)和图2(d)(层厚为5 m,属薄层)中的单道地震记录进行差分算子处理,结果如图5~图7所示。图5中将数值地震道、衍变地震道以及处理后的地震道进行了比较分析,其中图5(a)显示了模型二[图1(b)]中的单道地震记录及其光滑地震道和各阶衍变地震道,可以看出光滑地震道与原始记录相差无几,二者的振幅和相位都保持一致,记录的首尾波峰到时也几乎一致;二阶和六阶衍变地震道的振幅值与原始记录相比有所区别,相位与原始记录相差90°,这是因为原始地震记录的第一个波峰处对应的是二阶、六阶衍变地震道的波谷;四阶衍变地震道与原始记录没有相位上的差异,只存在振幅差。图5(a)中只画出了有限衍变地震道的波形图,其中的衍变地震道可以类似分析。图5(a)中原始记录和衍变道的振幅谱如图6(a)所示,从图中可以清楚地看出,随着阶数增加,衍变地震道的主频逐渐增大,低频成分越来越少,高频成分越来越多。将所有衍变地震道(包括光滑地震道)线性叠加到原始记录,得到图5(b)所示的谱增强后的地震记录。从图5(b)可以看出,除了首尾波峰和波谷有时差,其他波峰和波谷没有时差,这也表明差分算子技术是通过牺牲首尾地震数据来保证中间部分有效数据没有层位差错;特别要注意的是,中间波峰(对应同相轴)的振幅值在处理前后没有明显增加,这也表明差分算子技术对于厚层信号不具有明显增强作用。
图5(c)显示了模型四[图1(d)]中薄层单道地震记录及其光滑地震道和各阶衍变地震道,可以看出光滑地震道与原始记录波形比较吻合,二者的振幅和相位都保持一致,记录的首尾波峰到时也几乎一致;二阶和六阶衍变地震道的振幅值与原始记录相比有明显区别,且相位相差90°,波形存在时差;四阶衍变地震道与原始记录没有相位上的差异,只存在振幅差。图5(c)中原始记录和衍变道的振幅谱如图6(b)所示,从图中可以清楚地看出,随着阶数增加,衍变地震道的主频逐渐增大,低频成分越来越少,高频成分越来越多,这一点与厚层模型的变化规律相同。图5(d)所示的谱增强后的地震记录可以看出,处理后的记录的波谷与处理前记录相比有时差,首尾波峰(代表同相轴)吻合比较好。另外,在处理前的记录的中部波形几乎没有起伏,振幅值趋于0,而处理后的记录的中部出现了较强的振幅值[图5(d)中的小图所示],这也表明差分算子技术对于薄层信号具有明显的增强作用。
处理后的多道地震记录如图7所示,其中图7(a)表示厚层模型记录,图7(b)表示薄层模型记录。与图2(b)和图2(d)相比,可以明显地发现薄层记录中的弱信号在处理后得到了较好的增强,而厚层模型的振幅值没有明显变化。由此可以确保本文的差分算子技术在不影响正常的强信号的同时能增强弱信号。
图7多道地震记录经过差分算子处理结果[单道比较见图5(d)中的小图所示]Fig.7 The processed sections of multichannel seismic record by difference operator[the comparison of single record is show in the small figure of fig.5(d)]
4 应用实例及效果分析
选取了中国北方薄层特别发育的地区A的实际地震资料作为研究对象。A地区发育多种沉积体系,主要沉积相类型为河流相、三角洲相、滩坝相。研究区主要发育多层厚度为3~5 m薄砂岩,由于薄砂层岩性较细,与上下地层波阻抗差异较小,加之薄砂层间的干涉作用,使得其地震反射信号微弱。图8(a)所示为该区某局部地震剖面,图中蓝色直线表示井位(下同),椭圆处经岩心柱子资料对比分析为3~5层薄砂体结构,但是在经过常规处理后的原始地震剖面中不能很好地表现薄层的形态,这是由于薄层间多次波相互干涉致使薄层信号变得极为微弱而难以分辨。将本文的差分算子技术应用到图8(a)所示的地震剖面,结果如图8(b)所示。经分析发现,原始地震剖面在薄层处[图8(a)椭圆]的弱信号并不明显,而在图8(b)中薄层处上下两个强轴中间出现了很明显的同相轴,其是弱信号的响应。另外,在图8(b)的实线方形框处也发现在上下两个强轴中间出现了新的同相轴,由此可判断该处也发育薄层,可以作为潜在的油气勘探目标。在图8(a)的实线方形框处没有出现明显的弱信号同相轴,这进一步证明本文方法的有效性。经对比分析可知,图8(a)实线方形框和椭圆框处的薄层均呈倾斜状,而图8(b)红色箭头所示上下两个水平强轴中间也出现了两条明显的水平同相轴,新的同相轴振幅值呈现周期性相消相长的干涉特点。据此,可以分析得出,差分算子技术在不降低剖面分辨率的前提下不仅能够解决小倾角薄层弱信号识别问题,还能很好地识别倾斜薄层弱信号,其将已经存在的频率成分进行增强,从而达到拓宽频谱且显示一些隐藏的细节的目的。另外,图8(b)红色箭头所指处恢复出了一条明显的薄层同相轴,根据其它地层参数可以判断薄层的厚度大约为5 m左右,整套薄互层共发育3层薄层,即基于差分算子技术的薄层弱信号检测方法能够恢复出更加丰富的薄层信息。从图8(a)和8(b)的对比还可以看出,埋藏越深的薄层经过本文处理之后被恢复出来的信息更多,这也从实际例子证明了图3的准确性。图8(b)中不能找到厚度小于4 m的薄层,这说明了当薄层的厚度足够小之后,用本文方法或者常规的方法均很难恢复弱信号信息。经本文方法处理后的地震资料将进一步推动后期的储层精细解释、圈闭的准确落实及精细预测有利储层,提高该区油气藏勘探成效。
图8 A地区实际地震剖面及经差分算子技术处理后剖面。图中蓝色直线表示某实际井位Fig.8 Field data section and processed section by difference operator technology.The blue straight line refers to a actual well
5 结论与认识
垂直分辨率是与地震数据的频率成分相关的。当薄层的层间多次波相互干涉时,很难将薄层的界面进行识别,尤其当厚度处于调谐厚度以下时,薄层基本不可分辨。本文研究的差分算子技术通过拓宽频带来识别薄层,经过其处理后的数据保留了原始数据的变化趋势和特征,但是拓宽了高频,补充了低频信息。通过数值例子以及实际地震资料的分析证明了差分算子技术在检测薄层弱信号时的效率和有效性。
摘要：随着石油勘探程度的提高,新勘探的目标更加隐蔽,表现出圈闭规模小,储层厚度薄等特点,特别是砂泥岩薄互储层,地震反射信号微弱,常规地震资料难以准确识别,制约了精细构造解释、精细储层预测及圈闭落实程度。为了解决实际地震资料中的薄层弱信号检测问题,发展了一种能增强弱信号能量且不会抬高高频噪音的差分算子技术。该方法利用原始地震道的高斯平滑衍变地震道抬升薄层弱信号的低频段能量,利用原始地震道的偶数阶衍变地震道抬升薄层弱信号的高频段能量,并将输出地震道经过完全总体经验模态分解(CEEMD)算法处理以压制高频的衍生干扰信息。数值模拟以及实际资料均验证了该方法的高效性。
低压差分信号 篇4
随着近几年对速率的要求快速提高, 新的总线协议不断的提出更高的速率。传统的总线协议已经不能够满足要求了。串行总线由于更好的抗干扰性, 和更少的信号线, 更高的速率获得了众多设计者的青睐。而串行总线又尤以差分信号的方式为最多。而在我们的项目中的PCI-Express串行信号线正采用了LVDS技术。所以以下的叙述中都以串行信号中LVDS信号为代表讲述。
2 串行LVDS信号的PCB设计
2.1 差分信号的概念和优点
差分信号 (Differential Signal) 在高速电路设计中的应用越来越广泛, 电路中最关键的信号往往都要采用差分结构设计。何为差分信号?通俗地说, 就是驱动端发送两个等值、反相的信号, 接收端通过比较这两个电压的差值来判断逻辑状态“0”还是“1”, 而承载差分信号的那一对走线就称为差分走线。差分信号与普通的单端信号走线相比, 最明显的优势体现在以下三个方面:
抗干扰能力强。因为两根差分走线之间的耦合很好, 当外界存在噪声干扰时, 几乎是同时被耦合到两条线上, 而接收端关心的只是两信号的差值, 所以外界的共模噪声可以被完全抵消。
能有效抑制EMI。由于两根信号的极性相反, 他们对外辐射的电磁场可以相互抵消。耦合的越紧密, 互相抵消的磁力线就越多。泄露到外界的电磁能量越少。
时序定位精确。由于差分信号的开关变化是位于两个信号的交点, 而不像普通单端信号依靠高低两个阀值电压判断, 因而受工艺, 温度的影响小, 能降低时序上的误差, 同时也更适合于低幅度信号的电路。目前流行的LVDS (low voltage differential signaling) 就是指这种小振幅差分信号技术。
2.2 LVDS信号在PCB上的设计要点
LVDS信号被广泛应用于计算机、通信以及消费电子领域, 并被以PCI-Express为代表的第三代I/O标准中采用, 而在我们的项目中PCI-Express信号正是采用的是LVDS信号。LVDS信号不仅是差分信号, 而且还是高速数字信号。因此LVDS传输媒质不管使用的是PCB线还是电缆, 都必须采取措施防止信号在媒质终端发生反射, 同时应减少电磁干扰以保证信号的完整性。只要我们在布线时考虑到以上这些要素, 设计高速差分线路板并不很困难。下面简要介绍LVDS信号在PCB上的设计要点:
布成多层板。有LVDS信号的电路板一般都要布成多层板。由于LVDS信号属于高速信号, 与其相邻的层应为地层, 对LVDS信号进行屏蔽防止干扰。对于密度不是很大的板子, 在物理空间条件允许的情况下, 最好将LVDS信号与其它信号分别放在不同的层。例如, 在四层板中, 通常可以按以下进行布层:LVDS信号层、地层、电源层、其它信号层。
LVDS信号阻抗计算与控制。LVDS信号的电压摆幅只有350m V, 适于电流驱动的差分信号方式工作。为了确保信号在传输线当中传播时不受反射信号的影响, LVDS信号要求传输线阻抗受控, 通常差分阻抗为100+/-10Ω。阻抗控制的好坏直接影响信号完整性及延迟。如何对其进行阻抗控制呢?
确定走线模式、参数及阻抗计算。LVDS分外层微带线差分模式和内层带状线差分模式。阻抗可以通过合理设置参数, 利用相关软件计算得出。通过计算, 阻抗值与绝缘层厚度成正比, 与介电常数、导线的厚度及宽度成反比。
走平行等距线及紧耦合原则。确定走线线宽及间距后, 在走线时严格按照计算出的线宽和间距, 两线的间距要一直保持不变, 也就是要保持平行 (可以放图) 。同时在计算线宽和间距时最好遵守紧耦合的原则, 也就是差分对线间距小于或等于线宽。当两条差分信号线距离很近时, 电流传输方向相反, 其磁场相互抵消, 电场相互耦合, 电磁辐射也要小得多。而且要两条线走在同一层, 避免分层走线。因为在PCB板的实际加工过程中, 由于层叠之间的层压对精确度大大低于同层蚀刻精度, 以及层压过程中的介质流失, 不能保证差分线的间距等于层间介质厚度, 会造成层间差分对的差分阻抗变化。
走短线、直线。为确保信号的质量, LVDS差分对走线应该尽可能地短而直, 减少布线中的过孔数, 避免差分对布线太长, 出现太多的拐弯, 拐弯处尽量用45°或弧线, 避免90°拐弯。
不同差分线对间处理。LVDS对走线方式的选择没有限制, 微带线和和带状线均可, 但是必须注意要有良好的参考平面。对不同差分线之间的间距要求间隔不能太小, 至少应大于3-5倍差分线间距。必要时在不同差分线对之间加地孔隔离以防止相互间的串扰。LVDS信号尽量远离其它信号。
LVDS差分信号不可以跨平面分割。尽管两根差分信号互为回流路径, 跨分割不会割断信号的回流, 但是跨分割部分的传输线会因为缺少参考平面而导致阻抗的不连续 (如图1所示, 其中GND1、GND2为LVDS相邻的地平面) 。
接收端的匹配电阻的布局。对接收端的匹配电阻到接收管脚的距离要尽量靠近。同时匹配电阻的精度要控制。对于点到点的拓扑, 走线的阻抗通常控制在100Ω, 但匹配电阻可以根据实际的情况进行调整。电阻的精确度最好是1%-2%。因为根据经验, 10%的阻抗不匹配就会产生5%的反射。
3 串行LVDS信号的仿真分析
以上分析了LVDS信号设计时必须注意的事项, 虽然在PCB设计的时候一般都会遵守以上的规则进行, 但是为了能够提高设计的正确性和准确行必须对PCB进行信号完整行仿真, 通过仿真得到信号的串扰、延时、反射和眼图波形, 从而达到设计即正确的目标。
信号完整性问题的仿真流程是先建立元器件的仿真模型, 然后进行前仿真确定布线过程的参数和约束条件, 物理实现阶段按照约束条件进行设计, 最后进行后仿真, 验证设计是否满足设计要求。在整个流程中模型的精确性直接影响仿真的结果, 而在前仿真和后仿真阶段用到的仿真分析方法对于仿真结果同样至关重要, 而在本设计中采用了精确度较高的spice模型。下面结合实际的项目来说明仿真在本设计的实施过程。
3.1 PCB叠层设置
由上面的分析知道, PCB板的叠层设置和信号的耦合以及阻抗计算都有着密切的关系, 所以在开始PCB设计之前必须进行叠层设计, 然后进行信号的阻抗计算。在本设计中的叠层设计见下图:
由于PCB密度较高, 本设计采用10层板的叠层结构, 经过合理的安排叠层厚度, 通过allegro计算, 表面微带和内层带状线的差分线在线宽6㏕线间距6㏕时, 阻抗理论计算值分别为100.1和98.8Ω。符合阻抗控制要求。
3.2 设置直流电压值
这一步骤主要是为某些特定的网络 (一般是电源地等) 指定其直流电压值, 确定DC电压加在网络上, 执行EMI仿真需要确定一个或多个电压源管脚, 这些电压值包涵了模型在仿真过程中使用的参考电压信息。
3.3 器件设置
在allegro仿真的时候allegro会把器件分成三大类:IC、连接器和分立器件 (电阻电容等) , allegro会依据器件类型来给器件的管脚分配仿真属性, 分立器件和连接器的管脚属性为UP-SPEC, 而IC的管脚属性可以为IN、OUT和BI等。
3.4 模型分配
在板级高速PCB仿真过程中主要用要的模型有器件模型和传输线模型。器件模型一般是由器件生产厂家提供的。在高速串行信号中, 我们采用的是精度更高的SPICE模型来进行仿真分析。传输线模型则是通过仿真软件建模形成的。信号在传输时, 传输线会使得信号完整性问题突出, 因此仿真软件对传输线精确建模的能力直接影响仿真结果。
而信号路径和返回路径所在的传输线不可能是理想的导体, 因此它们都有有限的电阻, 电阻的大小由传输线的长度和横截面积决定。任何传输线都可以划分为一系列串接线段。同样的在传输线之间的介质也不可能是理想的绝缘体, 漏电流总是存在的。实际的传输线模型由无数个短线段组成, 短线段的长度趋于零。
关于传输线的模型是allegro自动分配的。仿真的时候主要是分配器件模型。
3.5 SI检查
SI Audit功能是用来检查某一个特殊的网络或者一群网络是否能够被提取出来进行分析, 一般就是设置我们需要关注的高速网络, 本设计主要关注LVDS串行信号。
3.6 提取网络拓扑
从PCB中提取待关注信号的拓扑结构, 一般包括驱动端和接收端, 以及传输线和相关的匹配电阻电容等, 可以从拓扑结构中看出该网络经过那些路径, 那些会对信号的传输造成影响。本文仅以其中一个信号的网络拓扑图为例:如图4所示:
3.7 查看波形
以上的相关步骤设置好以后就可以进行仿真了, allegro可以进行信号的反射仿真、串扰仿真, 差分线还要进行眼图分析。当然仿真也分前仿真和后仿真, 在利用allegro进行PCB设计的时候还需要结合仿真的结果实时的对设计进行修改以达到符合要求的目的。由于仿真过程复杂, 步骤繁琐, 在此不一一进行描述,
差分对的布线有两点要注意, 一是两条线的长度要尽量一样长, 等长是为了保证两个差分信号时刻保持相反极性, 减少共模分量。另一是两线的间距 (此间距由差分阻抗决定) 要一直保持不变, 也就是要保持平行。平行的方式有两种, 一为两条线走在同一走线层 (side-by-side) , 一为两条线走在上下相邻两层 (over-under) 。一般以前者side-by-side实现的方式较多。等距则主要是为了保证两者差分阻抗一致, 减少反射。对差分对的布线方式应该要适当的靠近且平行。所谓适当的靠近是因为这间距会影响到差分阻抗 (differential impedance) 的值, 此值是设计差分对的重要参数。需要平行也是因为要保持差分阻抗的一致性。若两线忽远忽近, 差分阻抗就会不一致, 就会影响信号完整性 (signal integrity) 及时间延迟 (timing delay) 。从仿真的S参数曲线图可以分析差分对的差分阻抗 (differential impedance) , 以及信号完整性。
下面给出本设计中的关键信号仿真波形以供加以说明。
从仿真图例图5看到, S11在0-3.0GHz的频域范围内其最劣化的指标为:-16.770db以下, S22 (粉红色的曲线) 也不劣于-17db。这说明该差分对的差分阻抗 (differential impedance) 接近设计指标, 信号完整性得到了保证。
通过差分对IN, OUT的HSPICE仿真, 图6显示的结果:差分对线的对称良好。
结论
通过以上的仿真分析可知, 在PCB的设计阶段对于高速LVDS信号的各项要求都能达到, 而经过实际的PCB生产也证明了该设计的正确性, 该产品运行稳定, 完全能达到PCI-express高速数据传输的要求, 可靠性高。
由本文的分析可知, 在高速串行信号的设计中, 不仅考虑电路设计, 其板图设计和仿真分析也同样的重要, 而且随着信号的频率越来越大, 影响信号的延时、串扰、信号完整性等的因素越来越复杂。同时控制这些因素的影响也越来越困难, 工程师必须深入的分析布线设计、借助精确的模型、有效的仿真和科学的分析方法, 才能给复杂的高速设计以正确的指导, 减少修正周期确保设计成功。
参考文献
[1]周润景, 袁伟亭《Cadence高速电路板设计与仿真 (第2版) 》, 电子工业出版社, 2007
[2]Howard Johnson, Martin Graham.高速数字设计[M], 电子工业出版社, 2004
[3]Douglas Brooks, Signal integrity issues and printed circuit board design, Prentice Hall PTR, 2003
[4]吴建强, Pspice仿真实践, 哈尔滨工业大学出版社, 2001
低压差分信号 篇5
AIS (船舶自动识别系统) 是一种海上无线通信系统, 它能够自动地连续发射本船静态、动态等相关信息, 同时也自动地接收周围船舶发射的类似信息, 并与海岸AIS基站进行信息交互, 从而实现船舶之间、船岸之间的通信。传统AIS监测受到了距离的限制, 星载AIS接收系统应用而生, 它通过卫星接收AIS终端的消息, 同时将信息反馈给岸上的监测中心, 以达到在更大范围内监测船舶的目的。然而星载AIS系统中, 发射机与接收机之间存在大范围时间延迟、卫星的相对运动引起的大范围的多普勒频移等问题, 会导致接收到的AIS信号判决错误, 因此, 必须进行帧同步。
AIS信号是通过GMSK调制的, 从船台到卫星的无线信道可近似为AWGN信道。针对GMSK信号的帧同步问题, Barker[1]最早提出相关识别器, 在接收信号中寻找已知的同步序列信息, Choi Z Y和Lee Y H针对其鲁棒性不强、适用范围太窄提出了双相关算法[2], 但是仍没有解决抗频偏范围小的问题, 无法满足星载AIS信号的要求。1999年, Huang Yung Liang提出快速FFT转换器[3], 即将连续相位频移键控信号CPFSK (GMSK是其中一种形式) 经过基带频率鉴别器, 对鉴别器输出的信号做FFT运算, 根据频谱峰值点判断同步序列的有无, 但它存在的缺点是判断不够准确, 只能作为一种粗略的判定。2005年, James E.Hicks, 针对GMSK/AIS信号检测在FPGA硬件中的实现, 提出了差分卷积法[4]来定位帧头的位置, 该方法有较好的抗频偏特性, 但是在低信噪比下性能不佳。
为了提高低信噪比下帧同步性能, 本文在以连续序列作帧同步码的帧同步方法[5,6]如传统相关法[1]、基于最大似然法则[7,8,9,10]、似然比检验[11,12]的基础上, 提出了以间隔式序列作帧同步码, 通过差分相关来定位帧头位置的方法, 并给出了仿真实验结果。
1 AIS消息帧结构与同步码
AIS信号主要使用自组织时分多址 (SO-TDMA) 协议工作。该协议根据GB/T7496-1978分组结构定义中所规定的HDLC高级数据链路控制规程, 采用信息分组结构, 每帧信息256 bit, AIS消息帧结构如图1所示[13]。
训练序列长度为24比特, 是由0、1交替的数码组成的序列。开始标志和结束标志长度均为8比特, 其位模式相同且为01111110, 有6个连续的1, 但不需要进行插0位填充, 分别表示传输数据信息的开始和结束。AIS信号的传输速率为9 600 bps。
对于传统的AIS接收机, 信号质量比较好, 训练序列作同步码估计出的准确度已经能够满足要求, 当接收机检测到训练序列到来时, 很快就能建立帧同步。
对于星载AIS接收机来说, 由于信号的时延范围大, 多普勒频移较严重, 多用户信号冲突等, 需要信号分离、频移估计、信道估计等, 而且这些参数之间又有相互依赖, 本文的方案是先进行帧同步, 再进行后面的处理。由于问题的复杂性, 用传统的训练序列估计精度不能满足要求, 为此将AIS帧结构中训练序列、开始标志和结束标志联合起来定义为特征序列, 以此作为同步码。其中训练序列和开始标志相连, 与结束标志是不连续的, 它们以分散 (间隔) 的形式插入在AIS帧中, 中间隔了一定数量的信息码元 (一般是184个码元) 。将特征序列也称为间隔式[6]同步码。
星载AIS接收系统[14]主要用于接收AIS信号, 高效地完成对船舶的检测, 并将接收到的船舶信息下发到地面相关接收系统。其对信号的检测可设计如图2所示。
2 差分相关同步算法
由AIS帧结构组成的二进制消息序列, 通过NRZI编码后按GMSK调制, 对应的复包络信号可以表示为:
其中:
其中, g (t) 为高斯滤波器的矩形脉冲响应, 其取值区间为: (0, LT) , q (t) 为相位脉冲响应。L为高斯滤波器持续码元个数, a={an}为信息序列, 取值为{1, -1}, 调制指数h=0.5。
星载AIS接收机收到的信号 (暂时不考虑多用户信号冲突) 可以表示为:
其中, Eb是码元能量, Tb为码元周期, Δf为频偏, θ为相移, τ为时延, w (t) 为复值白高斯噪声。
设由同步码产生的本地调制信号为s (t) , 不连续的同步码之间的信号值补零。s (t) 与r (t) 的码元周期Tb相同。为方便公式推导, r (t) 忽略噪声。差分相关算法具体流程如图3所示。
在AIS基带信号的处理中, 处理的信号都要经过接收机采样, 处理的都是数字信号, 因此, s (t) 、r (t) 以Ts为间隔采样得到s (n) 、r (n) , 且Tb=QTs, Q为过采样因子。
s (n) , r (n) 经过1比特差分处理后的结果分别表示为:
假设Δs (n) 包含的码元数为N, 其中训练序列和开始标志含码元数为N1, 结束标志含码元数为N2, 数据和帧校验序列含码元数为N0, Δr (n) 包含的码元数为M。
定义1互相关表示如下:
其中, m为可能的帧起始时刻采样序号, 变化范围最大为0到 (M-N+1) Q-1, 实际取值范围可由卫星的高度来决定, 通过最大时延来确定其具体范围。
由于s (t) 中不连续的同步码之间信号值补零, 则:
所以式 (9) 化简为:
其中:
其中, 即为估计的相应采样率下的帧起始时刻。此时, 还可以通过下式得频偏的粗略估计:
算法中部分程序设计如下:
GMSK基带调制部分程序:
差分相关算法抗噪性能的部分程序:
3 仿真结果
按照ITU-R M.1371.1998AIS国际标准, AIS帧结构和码元长度固定, 时隙为26.67 ms, 星载AIS信号时延范围为0~71Tb, 频偏的范围是-3.8~+3.8 KHz, 噪声可近似为高斯白噪声, 发射端信号调制时各参数值一般情况下是特定的。仿真实验中, 接收到的星载AIS信号, 各参数值须与发射端一致, 即GMSK调制中, 归一化3 d B带宽BT=0.4, 码元速率Rb=9 600 bps, 高斯滤波器持续码元个数L=3。Matlab编程模拟的加频偏和噪声的接收信号r (t) 是由含时延的AIS帧构成的, 码元长度为M取327。其中, AIS帧包含256个码元, 时延τ在0~71Tb范围内取值, 余下部分由随机码元填充。由图1中AIS帧结构可知, 由训练序列、开始标志和结束标志组成的同步码是间隔的, 码元长度N为40, 仅有训练序列和开始标志组成的同步码是连续的, 码长为32。仿真结果如图4-图7, 各图中纵轴为时延估计均方误差, 计算方法为, 其中K为实验中重复估计的次数。
以间隔式序列作同步码, 分别用本文提出的差分相关和差分卷积法[4]在不同信噪比下的时延估计如图4所示, 从中可以看出当信噪比小于7 d B时, 本文的差分相关法抗噪性能明显好于差分卷积法[4];图5是同步算法的抗频偏性能, 差分相关法和差分卷积法[4]的抗频偏性能接近, 均比较好;由图6可以看出, 差分相关法采用间隔式同步码估计误差明显小于连续式同步码;不同采样率的情况下, 差分相关法的估计性能如图7所示, 采样率越高, 实验估计的误差越小。
综上实验结果可得, 在低信噪比下, 本文提出的差分相关法抗噪性优于差分卷积法[4], 且有较好的抗频偏性。随着采样率提高及同步码长度增加, 本文所提方法抗噪性能进一步提高。但是, 此方法的稳定性稍差一些, 这也是今后研究需要进一步提高的地方。
4 结语
本文首先对AIS消息帧结构和星载AIS信号检测结构进行了简单的阐述, 指出帧同步是AIS信号检测端所有工作的开始, 直接影响后面的检测性能。针对帧同步过程中, 遇到的AIS信号信噪比较低, 频偏范围比较大等问题, 提出了差分相关的帧同步方法, 该方法应用于星载AIS相干接收机中的AIS信号检测时, 能很好地消除频偏对帧同步的影响, 且在低信噪比下, 误差更小, 帧同步性能优于差分卷积法。
摘要：在星载AIS接收机中, 船舶信号在传输过程中产生的大范围时延和多普勒频移, 给正确解码带来了困难。针对这一问题, 基于AIS帧结构特点, 提出一种差分相关帧同步算法。算法中将AIS帧结构中训练序列、开始标志和结束标志设计为间隔式特征序列作为同步码, 通过差分相关函数来实现帧同步。仿真实验结果表明, 该算法有较好的抗频偏特性, 且在低信噪比下, 性能要优于差分卷积法。
低压差分信号 篇6
对于相干信源, 为了实现DOA估计, 常见的一种处理方式是首先采用空间平滑算法解相干[1,2,3], 然后进行DOA估计。但在实际移动通信环境中, 同一基站范围内存在多个用户通话, 空间平滑算法由于阵列孔径的损失, 降低了空间谱分辨率可检测的信号数目, 并且在独立信号与相干信号共存环境中性能恶化。文献[1, 3]分析表明:前向、前后向空间平滑算法分别最多只能估计M/2和2M/3个多径信号DOA (M为阵元数) , 而实际中多径数目通常远大于此。
时间平滑算法[4,5,6,7]利用移动通信信号的衰落特性, 在不同的相干时间段内取多个数据块, 通过对数据块的协方差矩阵重新整合, 使得到的新协方差矩阵达到满秩。时间平滑算法没有阵列孔径损失, 但是对于独立信源与相干信源的混合信号模型, 无法有效区分, 同时导致解相干的信源数降低。基于等距线阵的平滑差分方法[8,9], 首先利用传统的基于特征空间的波达方向估计方法实现独立信号的空间谱估计, 再利用空间平滑差分方法实现相关信号的空间谱估计。本文将文献[8~9]的差分思想应用到时间平滑中, 提出一种基于差分方法的时间平滑的DOA算法。该方法可以进一步增大可估计信源数目, 同时估计性能相对于传统空间平滑算法有明显改善, 计算量较小。
1 多径混合信号模型
对于一组多径信号, 在时刻的采样数据为Sm (t) , 以其中一个信号数据s (t) 为参考, 根据多径信号的衰落因子, 可建立一组多径信号的数据模型
其中, C为多径信号对应衰落因子组成的P×1维矢量 (假设P条多径信号)
推广到多个多径信号组, 同时包含独立信源, 建立独立信号与多径并存的阵列接收数据模型, 假设N个窄带远场信号入射到M元阵列。入射信号中独立信源数为Nu, 多径信号数为Nc, 其中N=Nu+Nc。其中多径信号分成K组相互独立的相干信源, 每一组多径信源相干信源数为。阵列输出噪声为高斯白噪声, 且阵元间噪声相互独立, 其均值与功率分别为0、σN2, 阵列在t时刻接收数据为
其中, A为M×N维阵列流型矩阵;S (t) 为N维入射信号源;N (t) 为M×1维阵元输出高斯白噪声;Au为独立信号对应的M×Nu维阵列流型矩阵;Ac为所有多径信源对应的M×Nc维阵列流型矩阵;Su (t) 为独立信号数据组成的Nu×1维向量;Sc (t) 为K组相互独立的相干信源组中K个相互独立的信源数据组成的K×1维向量;B为多径信号的衰落因子组成Nc×K维块对角矩阵。数学模型为
其中, , Bk为Nk×1维矢量, 表示第k组多径信号的衰落矢量。根据式 (3) 可以求的接收数据协方差矩阵
2 基于差分的时间平滑解相干
在移动通信环境中, 对于移动的终端, 通常用相干时间tcoh=c (vfc) 表示时间选择性信道衰落变化的快慢。其中, c、v、fc表示电磁波速度、终端移动速度和载波频率。多径信号与直射信号变化相对较慢, 但由于信号波长短, 复衰落向量C变化较快, 尤其是相位。利用时间平滑算法可将接收数据协方差矩阵恢复为满秩。假设接收数据快拍数为L, 将所有快拍数据分成W (W>P) 个数据块, 每个数据块的数据长度为D=L/W。对于同一传播路径, 当每个数据块的采样时间大于信道相干时间tcoh时, 这些数据块多径衰落不相关[7]。
对于所有传播路径及阵列接收数据第j个数据块, 对阵列接收数据按列分块, 可表示为
式 (8) 中X为阵列接收数据, 则数据块对应的协方差矩阵为
对W个数据块的协方差矩阵求平均得到时域平滑的协方差矩阵为
基于时域平滑的解相干算法不存在阵列孔径损失, 对阵列结构没有要求, 但为了解相干, 数据块需要足够的观察时间使得相邻数据块采样起始时间间隔tcoh, 使得不同采样数据块的衰减因子C不相关[5]。采用数据块时域平滑算法, 只要满足数据块个数W>P, 可以得到满秩的协方差矩阵Rts[7]。
针对多径混合信号, 为提高算法性能, 同时增大可估计信号数目, 本文提出一种差分时间平滑算法。对于Toeplitz矩阵Rt满足:JRtTJ=Rt, 其中, J为反对角单位矩阵。式 (7) 中Ru为对角阵, 满足Toeplitz特性, 有JRuTJ=Ru, 但Rc不满足Toeplitz特性。所以可以构造多径相干信号的数据协方差矩阵为
求得协方差矩阵不含独立信源分量, 与时间平滑算法结合, 可以获得满秩的协方差矩阵, 利用传统子空间算法例如MUSIC算法可对多径相干信源进行有效DOA估计。
根据以上讨论, 基于差分方法的时间平滑算法可归纳如下:
(1) 由阵列接收数据X及快拍数L, 计算阵列协方差矩阵估计值
(2) 通过应用MUSIC算法利用进行非相关信号DOA估计。
(3) 根据式 (8) 与式 (9) 求出数据块的协方差矩阵
(4) 利用式 (11) 求得每个数据块只包含多径信源协方差矩阵分量的差分矩阵
(5) 利用式 (10) 求得满秩的时间平滑协方差矩阵^Rts, 应用高分辨DOA算法对多径信号进行DOA估计。
3 仿真分析
仿真1均匀线阵阵元数M=8, 阵元间距等于半波长。两个多径相干信号组成相干信源组, 多径信号波达方向与衰落系数分别为{0°, 10°}, {1, exp (i2π (2rand (1) -1) ) }。一个独立信源入射到天线阵列上, 波达方向为30°, 信噪比SNR=10 d B。分别用空间平滑, 差分时间平滑算法进行DOA估计, 时间平滑数据块数。对多径信号的估计结果如图1所示。空间平滑算法在混合信号模型由于天线孔径损失中性能恶化, 可以看出差分方法时间平滑DOA算法有效去除了独立信源信息, 同时估计多径信号性能良好, 增大了阵列天线可估计相干信源数目。
仿真2阵列与仿真1相同, 在4个多径信号入射到天线阵列上, 波达方向分别为{-20°, 0°, 20°, 30°}, 信噪比为SNR=10 d B。分别用空间平滑, 差分时间平滑算法进行DOA估计, 时间平滑数据块数W=10。对多径信号的估计结果如图2所示。根据仿真结果, 可说明该算法对全相干信源模型依然有效, 由于差分方法损失了部分多径相干信号的信息, 相对于空间平滑算法, 该算法性能有一定损失。
仿真3阵列同仿真1, 为简化信号模型, 如仿真1混合信号模型, 信号入射方向与衰落系数同仿真1, 结合Root MUSIC进行DOA估计, 并研究估计多径信号的性能, 研究估计均方误差RMSE与信噪比SNR关系。独立进行200次蒙特卡洛试验的仿真结果, 如图3所示。
仿真4阵列、混合信号模型、信号入射方向与衰落系数均与仿真1相同, 结合Root MUSIC进行DOA估计, 并研究估计多径信号的性能, 研究估计多径信号成功率与信噪比的关系。仿真结果如图4所示。
4 结束语
本文介绍了一种移动通信多径信号的DOA算法, 基于多径信号的衰落特性, 利用时间平滑与差分方法, 对多径信号有效解相干。该算法采用时域平滑, 不存在孔径损失, 使可估计信源数增加, 分离了独立信源的影响, 提高相干信源DOA估计的性能。理论与仿真分析表明, 该算法性能在混合信号模型中优于经典空间平滑算法, 对入射信号全部为相干信源的解相干能力有待改进。
摘要：针对移动通信环境中, 多径信号与独立信号共存的混合信号模型DOA估计问题, 依据差分方法与时间平滑原理, 提出一种改进的DOA算法。该算法增加了可分辨信源个数, 同时提高了相干信源DOA估计的性能, 仿真实验证明, 该算法在混合信号模型下解相干性能优于传统空间平滑法。
关键词：时间平滑,差分,多径信号,移动通信
参考文献
[1]Shan T J, Wax M, Kailath T.On spatial smoothing for direction of arrival estimation of coherent signals[J].IEEE Transactions on ASSP, 1985, 33 (4) :806-811.
[2]Piltai S U, Kwon B H.Forward backward spatial smoothing techniques for the coherent signal identification[J].IEEE Transactions on Acoustics, Speech, and Signal Processing, 1989, 37 (1) :8-15.
[3]Wi IIiams R T, Prasad S, Maha Ianabis A K, et a I.An improved spatial smoothing technigue for bearing estimation in a multipath environment[J].IEEE Transactions on ASSP, 1988, 36 (4) :425-432.
[4]van Rheeden D R, Gupta S C.A temporal smoothing approach to direction of arrival estimation of coherent signals in fading channels[C].Newyork:Wireless Communications and Networking Conference, IEEE, 1999:286-290.
[5]Gu Z H, Gunawan E.A performance analysis of multipath direction finding with temporal smoothing[J].IEEE Transactions on Signal Processing Letters, 2003, 10 (7) :200-203.
[6]何子述, 韩春林, 唐斌.一种有效的多径信号DOA估计算法[J].电子学报, 2003, 3l (1) :139-141.
[7]张森, 陈永革, 郭艺夺, 等.基于时域数据块平滑的多径信号DOA估计算法[J].雷达科学与技术, 2010, 8 (5) :429-421.
[8]Zhang Yufeng, Ye Zhongfu.Efficient method of DOA estimation for uncorrelated and coherent signals[J].IEEE Antennas and Wireless Propagation Letters, 2008 (7) :799-802.
[9]Guo Yiduo, Zhang Yongshun, Tong Ningning.A new DOA estimation method for uncorrelated and coherent sources under nonstationary noise fields[C].Changsha:IEEE 8th International Conference on Application Specific Integrated Circuit, 2009:987-990.
低压差分信号 篇7
信号降噪是信号处理和故障诊断的关键环节, 从试验现场采集的振动信号往往存在多种干扰噪声, 比如随机脉冲、电磁尖峰脉冲、由放大器或传感器引入的尖脉冲等。诸如此类的脉冲干扰往往具有很宽的频带, 造成系统信号与噪声信号在频带上互相混叠而难于区分[1], 因此, 能否有效降低噪声, 提高信噪比, 是进行故障诊断的关键。常用的降噪技术包括时域平均法、自适应滤波、小波降噪和频域特征抽取技术。时域平均法在具体应用时必须有时标信息的支持, 并且需要足够的数据量;自适应滤波和小波降噪方法的降噪效果在很大程度上依赖于滤波器性能的优劣, 不同的滤波器对降噪效果会产生不同的影响;频域特征抽取技术不仅与信号的幅值、频率和相位信息紧密相关, 而且对某些变频信号而言, 根本无法实现成功降噪[2]。
数学形态学是一种新近发展起来的降噪方法, 参考文献[3]引入广义形态滤波器进行振动信号降噪, 但是由于存在结构元素选择的随机性, 降噪性能受到了一定限制。参考文献[4-6]利用集合经验模态分解 (Ensemble Empirical Mode Decomposition, EEMD) 对振动信号进行了降噪处理, 但由于在使用EEMD算法时需要确定EEMD的2个参数, 即加入原信号的白噪声的幅值系数K和执行经验模态分解的总次数M。参考文献[7-8]中, 均推荐M取为100, K选择0.01~0.1倍信号的标准偏差, 因此, 该方法存在一定的人为选择因素。
奇异值分解 (Singular Value Decomposition, SVD) 作为一种信号处理方法已被成功应用于信号降噪。但是, 奇异值分解方法在实际应用过程中需解决2个问题, 即重构矩阵的行列数确定和分解后重构矩阵的有效阶次确定问题。对于前一个问题, 根据参考文献[9-11]的结论及多次仿真实验, 已经能够得到降噪效果较好的行列数;对于后一个问题, 参考文献[2, 12]分别提出采用奇异熵增量和阈值法来选择重构阶数, 但这些方法往往依赖于使用者的经验, 降噪效果并不理想。为此, 本文引入奇异值能量差分谱, 根据信号和噪声对奇异值的能量贡献来确定重构阶数, 由此实现信号的降噪。
1 奇异值分解原理
奇异值分解是一种正交化方法, 对于一个实矩阵A∈Rm×n, 不管其行列是否相关, 必定存在正交矩阵U= (u1, u2, …, um) ∈Rm×m和正交矩阵V= (v1, v2, …, vn) ∈Rn×n, 使得
式中:D= (diag (σ1, σ2, …, σq) , 0) 或者其转置, 这取决于m
奇异值分解降噪原理利用了信号与噪声的能量可分性, 对含噪信号构成的矩阵进行分解, 然后保留信号特征奇异值, 对矩阵进行重构, 以达到去除噪声、保留有用信号的目的[13]。
设离散信号x (i) (i=1, 2, …, N) 为观测的时间序列, N为信号采样点数, 基于相空间重构理论构造矩阵A:
式中:1
对含噪信号运用奇异值分解的难点在于如何确定重构相空间的Hankel矩阵的分解阶次和矩阵重构过程中有用奇异值阶次。参考文献[9-11]的结论及多次仿真实验结果表明, 在构造Hankel矩阵时, 如果信号采样点数N为偶数, 取列数n=N/2、行数m=N/2+1来构造Hankel矩阵;如果N为奇数, 取列数n= (N+1) /2、行数m= (N+1) /2来构造Hankel矩阵能取得较好的降噪效果。
在信号重构过程中, 奇异值的有用阶次确定十分关键。当选择较少的奇异值进行信号重构时, 由于降噪阶次较低, 会导致信号中包含的信息不完整, 甚至导致波形畸变, 难以还原出原信号的真实信息;而选择较多的奇异值进行信号重构时, 由于降噪阶次较高, 会导致降噪后的信号中仍然残留一部分噪声, 无法达到降噪的目的。因此, 本文定义了奇异值能量差分谱, 并根据信号和噪声对奇异值的能量贡献来确定奇异值分解后重构矩阵的有效阶数。
根据参考文献[14]可知, 信号能量可表示为
因此, 定义奇异值能量差分谱, 并进行归一化处理:
将所有p (i) (i=1, 2, …, q) 所形成的序列称为奇异值能量差分谱。式 (4) 可以描述相邻奇异值所代表的能量变化情况, 当相邻2个奇异值相差较大时, 能量差分谱必将出现一个峰值。由于有用信号的奇异值能量相对噪声而言所占比重较大, 因此, 在信号与噪声的分界处, 必然会引起较大的峰值波动, 而峰值后的奇异值主要由噪声贡献, 相邻奇异值能量差值较小, 所产生的峰值波动也较平缓, 可以根据最大峰值分界点k来区分有用信号和噪声, k点之前的奇异值所对应的分量即为有用信号, 而k点之后的奇异值所对应的分量即为原信号中所含有的干扰噪声。因此, 在奇异值能量差分谱中找到k点对应的奇异值, 然后将k当做重构信号的阶次, 实现有用信号和噪声的分离。此处需要说明的是, 在参考文献[10]中, 将信号分为包含直流分量和不包含直流分量2种情况, 当信号中包含直流分量时, 奇异值会在差分谱的第一个坐标处发生突变, 此时若以最大峰值位置为标准选择有用信号, 将只会得到信号中的直流分量, 而将交流分量丢弃, 因此, 本文研究的振动信号都是经过去直流分量后剩余的信号。
2 仿真分析
为了验证奇异值分解的降噪效果, 采用如下仿真方程来模拟汽轮发电机组发生不对中故障时的转子振动信号, 同时在原始信号中加入由周期尖峰脉冲干扰和白噪声构成的复合噪声i (t) , 使信号处于复合噪声背景下, 即
设采样频率fs=2 048 Hz, 采样点数N=1 024, 原始含噪信号的时域波形如图1所示。
对含噪信号进行奇异值分解, 图2 (a) 给出了奇异值分布曲线, 图2 (b) 为根据式 (4) 计算得到的奇异值能量差分谱, 为便于观察, 取前100个奇异值进行分析。从图2 (a) 中可看出, 有用信号的奇异值位于前面几个且较大, 而后面的奇异值代表了噪声, 值较小而且变化平缓。图2 (b) 中的尖峰位置对应于图2 (a) 中奇异值发生突变的位置, 即为有用信号与噪声的分界点, 根据奇异值能量差分谱定义, 有用信号和噪声的分界点为k=4处, 因此, 重构阶次取为4, 即取前4个奇异值进行信号重构, 而后面的奇异值取为零。降噪后的信号如图2 (c) 所示, 对比图1可知, 重构后的降噪信号, 尖峰脉冲和白噪声基本被剔除, 说明根据奇异值能量差分谱确定重构阶次的方法是可行的。
为了与其他方式进行比较, 图3为采用EEMD方式和数学形态滤波器进行降噪处理的结果。由图3可知, 采用EEMD方式和数学形态滤波降噪处理后的信号, 在剔除噪声的同时将一部分有用信息一同剔除了, 其降噪效果远不如基于奇异值能量差分谱的奇异值分解降噪方法, 这说明改进后的奇异值分解降噪方法确实能将有用信息和噪声区分开, 在剔除噪声的同时较好地保留了原始信号中有用信号的特征。
3 实例验证
图4为某电厂实测汽轮发电机组振动信号, 转速为3 000r/min, 采样频率为6 400Hz。从图4可看出, 该振动信号由于受到尖峰脉冲和随机噪声的干扰而影响了振动特征的识别。
现采用本文提出方法对该信号进行降噪处理, 以消除信号中的噪声干扰。图5为降噪处理后得到的信号时域波形。为便于对比, 图6给出了形态滤波降噪处理后得到的信号时域波形。对比图5、图6可知, 信号经过奇异值差分谱降噪处理后, 原信号中含有的尖峰脉冲干扰和随机噪声都得到了很好的抑制, 这证明了本文提出方法的可行性和有效性。
4 结语
构造了信号的奇异值能量差分谱, 将能量差分谱曲线中最大峰值点作为重构信号的有效阶次来实现有用信号和噪声的分离, 实现了奇异值分解对信号的自适应降噪预处理。通过对实验结果的分析, 得出了如下结论:
(1) 奇异值能量差分谱有效地解决了重构信号阶次难以确定的难题, 避免了人为因素的干扰, 使奇异值分解方法的应用更为方便。
(2) 奇异值分解可对仿真信号和实测振动信号进行降噪处理, 能较好地区分原信号中的有用成分和噪声, 使有用信号的幅值和初相位得到了保留, 也证明了本文提出方法的可行性和有效性。