微弱信号检测系统设计（共8篇）
微弱信号检测系统设计 篇1
随着电子技术的发展,对于检测技术精度的要求也越来越高。本文通过把电流测量电路和计算机应用技术联系起来应用来实现高精度微弱电流信号的测量。
本文设计的微弱电流测量系统采用高阻抗低漂移的运算放大器构成的电流电压转换电路将微弱电流的变化转换成电压信号的变化，然后通过前置放大、信号调理。再将该模拟信号送入STM32单片机进行A/D转换、信号处理以及数字显示。
1 系统硬件设计
本系统硬件设计的关键就是通过把电流测量电路和计算机应用技术联系起来应用来实现高精度微弱电流信号的测量。用于测量的微弱电流我们采用光纤传感器和PIN二极管来提供。光纤传感器的输出光强与光纤传感器的输入电流呈线性关系。而PIN二极管在本设计中将作为光电二极管来使用。它将光纤传感器的光强变化转换成微弱电流的变化，送入测量系统。由于PIN二极管的输出电流非常小，所以测量系统将先对该信号进行前置放大，同时依靠前置放大电路中的电流电压转换电路将电流信号转换成电压信号。由于放大后的电压信号还不能达到单片机处理的大小，所以在前置放大之后又加入了信号调理电路。完成调理的信号将通过单片机完成A/D转换、信号处理及数字显示的过程。图1为整个系统的硬件结构简图。
1.1 前置放大电路的设计
PIN二极管可以产生与照度成正比的小电流，图2给出了PIN二极管的等效电路。
本设计要求的是对微弱电流信号的高进度测量而不要求其有很高的切换速度，因而PIN二极管采用光伏模式。为了将PIN二极管产生的微弱的电流信号转换成电压信号，本设计是使用一个运算放大器做为电流-电压转换电路，前置放大电路的电路图如图3所示。二极管偏置有运算放大器的虚地维持在零电位上，短路电流被转换成电压。PIN二极管的输出电流的数量级为10-8A,所以设计的前置放大电路的放大倍数大约是104～105之间。
1.2 信号调理电路的设计
为了实现使用单片机对于数据的处理，因此对于经过前置放大后的信号还需要进行必要的处理。因为虽然在前置放大电路部分电压信号经过了放大，但是其输出也只能达到mV级，而这个数要要用AD转换器对其进行处理，AD转换器的输入电压要求达到5～10V的数量级，因此前置放大器的输出还需要一个具有放大功能的信号条理电路对其进行条理。具体的电路如图4所示。
1.3 单片机数据处理电路
经过处理后的模拟量，将首先依靠单片机进行A/D转换，然后进行数据的处理以及最后的数据显示。
在本设计中，我们采用STM32单片机进行最后的数据处理。STM32系列是基于专为要求高性能、低成本、低功耗的嵌入式应用专门设计的ARM Cortex-M3内核，它除了比传统的单片机有更高的性能以外，还能通过USB接口与电脑进行通信。
系统的主流程图如图5所示。
2 实验结果及分析
图6是根据实验数据绘制出来的曲线。在光强很弱的时候，输出电压并不是和输入电流成线性关系，而且输入电流为零时，输出电压并不为零。因为实验并不是在理想的环境中进行的，存在着外部杂散光的影响，此时相对信号光来说，外部干扰可以与其相当，所以对测量精度的影响很大。当光强增加的时候，二者基本上是线性关系，随着光强的增加，外部干扰相对减弱。当光强增加到一定程度的时候，输出电压不再变大，这是由放大器本身所决定的，放大器采用双电源供电，供电电压为±5V。所以设计电路的电压输出最大值被控制在+5V以内，由于放大器以及电路的影响一般要比+5V要小，而这个设计电路的满度输出即为+4.254V，当输入电流达到7以后，输出电压就已经满度输出，因此当输入电流继续增加，输出电流都不再变化。
3 结束语
实验数据表明，该系统可以对较微弱的电流信号进行直接且精确的测量。同时也可以间接的应用于其他方面的测量，例如温度的变化，压力的变化等等，先把它们的变化转化为电流信号，就可以很精确的检测出它们所发生的即使是很微弱的变化。
摘要：随着微电子技术的迅速发展,电子产品已经进入了国民经济的各个领域。展望21世纪,信息高速公路的开通,以计算机为核心的多媒体信息网将进入千家万户,对人类社会的生活方式将再一次进行重大的变革,其前途不可限量。同时,对于测量技术也是一样的,当测量电路与计算机接轨以后,测量一起以其测量精度高、测量的速度快、以及操作的简便性价比高而得到了广泛的发展和应用。
关键词：光纤传感仪,自发辐射过程,激光辐射过程,多媒体信息网
参考文献
[1]传感器的接口及信号调理电路[M].北京:国防工业出版社,1984.
[2]高光天.传感器与信号调理器件应用技术[M].张伦,冯新强,吴常津,编译.北京:科学出版社,2002.
[3]STMicroelectronics.STM32 Reference Manual[Z],2008.
[4]潘天明.半导体光电器件及其应用[M].冶金工业出版社,1985.9.
微弱信号检测系统设计 篇2
关键词：电磁防护；EAST；微弱信号；电路系统
磁约束核聚变是将聚变材料在一种特殊的磁容器中进行加热，根据强磁场对带电粒子的物理约束特性，进行聚变反应，最终形成一个聚变反应堆。东方超环（EAST）的核聚变实验装置的成功建立使中国的磁约束聚变技术站到了世界前列，这种EAST实验用探测器进行探测，在微弱的信号转换过程中极易引入噪声，因此，要采取适合的电路系统电磁防护措施，减弱噪声的引入，从而提高信噪比。由于X射线诊断系统对电路系统要求更高的带宽、更低的噪声，因此，在微弱信号的电磁兼容设计中，通过最佳电磁防护措施，可以提高电路系统的稳定性。
1 电路系统中的电磁干扰简述
由于EAST装置的电磁环境比较复杂，电磁干扰源的传播也比较多元化，电源、信号线等导线还有屏蔽体和接地导体都是干扰传播源，称之为传导干扰，另外还可以通过空间的电磁传播以及线缆等进行干扰传播，称之为辐射干扰。针对这些电磁干扰，运用EMC设计，其设计对象是针对低频的微小信号，可以使外界对微弱信号处理电路的干扰减小，抑制外界对电路系统的噪声干扰，增强其稳定性和安全性能。
2 电磁防护措施在信息处理电路系统中的有效应用
在复杂的EAST装置的电磁环境中，主要针对上述的两种电磁干扰进行针对性的电磁防护措施：运用屏蔽措施可以有效针对处理辐射性电磁干扰，运用接地和滤波的措施，可以有效针对传导干扰。下面，主要介绍这几种电磁防护措施的具体应用：
2.1 针对辐射性电磁干扰的屏蔽措施
屏蔽的概念，即是指在复杂的EAST装置的电磁环境中，采用特定的材料，对传输过程中的电磁干扰进行有效拦截，从而使电磁干扰的能量逐渐减弱，起到减小噪声的作用。
2.1.1 电屏蔽措施。这种措施的采用前提是必须进行良好的接地条件，在这一条件之下，选择由特定材料制成的屏蔽体，通过减弱一两组电路间的电场感应，起到屏蔽电磁干扰的作用。
2.1.2 磁屏蔽措施。因磁场耦合的作用，在电磁干扰源与电路设备中会产生电磁干扰，磁屏蔽措施就是采用分流的磁场效应，将内外磁场阻隔于屏蔽体内，仅提供低磁阻的通路来进行分流。
2.1.3 电磁屏蔽措施。这种措施是将特殊金属作为屏蔽体，特殊金属与电磁波之间必然会产生物理反应，因其特定的特性，对电磁波会产生反射和吸收的物理效应，将外界的干扰屏蔽，就可以有效地屏蔽来自电场和磁场的干扰分量。
在復杂的EAST装置的X射线诊断和XUV诊断的微弱信号处理系统中，其屏蔽方式如图所示：
通常采用哑铃模型的分立屏蔽方式，对哑铃的两端：包括探测器、信号转接机柜和双铰传输线进行分别屏蔽，再用信号和电源线进行合理而安全的连接，这样就实现了电路系统的整体屏蔽效果。
2.2 针对传导性电磁干扰的接地措施
2.2.1 电缆屏蔽层接地措施。复杂的EAST装置的X射线诊断和XUV诊断的微弱信号处理系统中，可以有效地将屏蔽与接地联合运用，采用特定材料的金属屏蔽层，并且用双绞线电缆进行微弱处理信号的传输，这种措施可以使工频噪声降到允许范围值内，大约在10mV左右。
2.2.2 电路系统接地措施。在进行电路系统接地的设计中，要考虑多个不同的电路，减小各不同电路之间的电流，断绝电路系统中各单元电路之间的耦合，采用串行单点接地和并行单点接地两种方式，缩减微弱信号处理回路，并消除地电位差，这两种方式都可以对传导性的电磁干扰产生影响，各有优缺点，因而也在实验测试中可以与在实际应用中互为补充。
2.3 针对传导性电磁干扰的滤波措施
2.3.1 微弱信号处理电路的滤波。在EAST装置中，由于电磁环境复杂，一般采用有源2阶的滤波器，它可以使电压产生增益放大功能，并且在稳定的带宽之内能实现低通滤波功能。
2.3.2 微弱信号处理电路的电源滤波。微弱处理信号的电路设计中，由标准的机箱提供直流电源，但是在电流输出过程中呈现一定的纹波，这对微弱信号处理电路的影响不利，因此，要采用电源滤波措施，经实验得知，机箱电源自身产生的噪声值为2mV，而使用了电源EMI滤波器的装置，其输出的噪声值为1mV，由此可以看出，在标准机箱的DC电源下，采用电源EMI滤波器可以明显地降低电源噪声，抑制了传导性电磁的干扰。
3 结束语
综上所述，在EAST复杂的电磁环境中，仔细分析电磁干扰的不同干扰因素，区分辐射干扰和传导性干扰的具体情况，可以针对性地采用不同的屏蔽、接地和滤波等电磁防护措施，可以有效地产生电压增益放大功能，并实现稳定的带宽功能。这些电磁防护措施在微弱处理信号的电路系统中，可以成功地应用于EAST的X射线和XUV系统当中，经过实践测试，获得合理的信号输出噪声比值，同时根据电路系统的实际需要，获得更多的物理相关信息，用稳定且较高的带宽处理电路，阻隔电磁干扰，获得较高的信噪比。
参考文献：
[1]曲兆明，雷忆三，王庆国，闫丽丽，秦思良.高效电磁屏蔽复合材料设计及其屏蔽效能测试[J].高电压技术，2012（09）.
[2]肖冬萍，袁军，何为，简鑫，周小艳.高空核爆电磁脉冲对便携式监护仪的辐射效应[J].高电压技术，2011（07）.
[3]李建刚.我国超导托卡马克的现状及发展[J].中国科学院院刊，2007（05）.
一种简单微弱信号检测系统的设计 篇3
1 项目方案
1.1 总体设计方案
系统的总体设计方案如图1所示。输入正弦波信号VS的频率为1 k Hz、幅度峰峰值在200m V到2V范围内叠加VN的均方根电压值固定为1V+-0.1V的噪声源时, 能够成功检测输出正弦波, 振幅误差不超过5%。采用TI公司超低功耗单片机MSP430G2553为核心的Launchpad开发板来处理数据和驱动1602液晶屏显示正弦波信号的幅度值。
1.2 微弱信号检测电路
微弱信号检测电路是核心, 相敏检波器构成的微弱信号检测部分的原理框图如图2所示。混叠信号通过带通滤波器滤除带外噪声, 与检测标识信号经过移相器后一起通入相敏检波器, 则混叠在噪声中的原信号会被取出, 再通过低通放大后恢复出标识信号。
2 电路设计
附属电路包括加法器、带通滤波器、低通滤波器、正弦波振荡器和移相器。其中, 加法器为输入信号分别为1KHz的正弦波信号和噪声信号, 通过主要由TL084ACD构成的加法器电路后得到一个与正弦波同频同相、幅度一致的带毛刺的正弦波 (VC=VS+VN) 。带通滤波器是一个允许特定频段的波, 通过同时滤除带外噪声的电路。在本电路图中, 保留在1KHz频率左右的信号 (500Hz~2k Hz) 。移相器电路:如果一个频率为ω的正弦信号通过系统后, 它的相位落后D, 则该信号被延迟了D/的时间。所以我们利用LF353P芯片, 对相位进行调整。低通滤波器:从相敏检波器得到的交流信号经过低通滤波器后将被滤除掉 (大于40Hz的频率被滤除) , 得到平稳的直流电压信号 (幅值等于输入正弦波的VS的幅度) 。
主要电路为相敏检波电路:
两个同频信号之间的相位进行检波, 经过相敏检波后的波形为整流后的波形, 频率变成正弦频率的两倍即2KHz。如图3所示。
3 信号处理电路相关设计及测试情况
本设计以带通滤波电路、移相电路、相敏检波电路、低通滤波电路实现锁相放大的功能;加法器和电阻分压网络为辅助电路;MSP430G2553单片机实现信号输出和显示功能。测量结果见表1所示测量数据, 由表中数据知此方案性能良好, 能够达到微弱信号检测的设计要求。
结束语
该系统目前可以应用于正版光碟的防伪中。在制作光碟时, 加一个微弱的正弦信号作为防伪标记 (该微弱信号不会对光碟的音质产生任何影响) , 通过该微弱检测装置检测到防伪标记, 从而达到防伪的目的。
摘要：为了实现在强噪声背景下检测已知频率的微弱信号, 本设计主要利用锁相放大的方法进行微弱信号检测的电路设计方案, 以带通滤波电路、移相电路、相敏检波电路、低通滤波电路实现锁相放大的功能;加法器和电阻分压网络为辅助电路;MSP430G2553单片机实现检测输出信号的显示功能。该系统可以应用多领域的微弱信号检测环节中。
关键词：锁相放大,相敏检波,带通滤波,低通滤波
参考文献
[1]王卫东.高频电子线路 (第二版) [M].北京:电子工业出版社.
微弱信号检测系统设计 篇4
聚合酶链式反应(Polymerase Chain Reaction,PCR)最早是由Kary B.Mullis博士于1983年发明。1985年,Mullis与Saiki等人正式发表了第一篇关于PCR技术的论文[1],PCR技术是生物医学领域中的一次革命,使生物医学的研究从整体和细胞水平发展到分子水平,广泛应用于病原体测定、免疫分析、基因表达、多态性研究以及评价临床治疗效果等各个方面[2]。实时PCR技术是美国PE公司于1995年研制出的一种新的核酸定量技术,其原理是在PCR的反应体系中加入荧光标记探针,巧妙地把核酸扩增、杂交、光谱分析和实时检测技术结合在一起,利用荧光信号的积累来实时监测PCR的进程,然后通过标准曲线对未知模板进行定量分析。实时PCR技术,一方面由于其可以实时定量检测,已被广泛应用于分子生物学、分子医学诊断的各个领域;另一方面,这种仪器技术也在迅速发展,使实时PCR技术具有更广泛的应用范围与前景[3,4,5]。目前,PCR仪主要依靠进口,价格昂贵,因此,开发具有自主知识产权且价格适当的PCR仪器,建立基于仪器的测试标准具有重要的意义。本研究针对PCR反应中的微弱信号采集进行研究。首先建立了采集系统的仿真模型,从原理上保证了系统的可行性;再搭建采集系统,采用NI公司最新的LabVIEW 8.5图形化软件设计,实现了微弱光电信号的采集与分析,为PCR仪中的信号采集提供了一定的理论与应用基础。
1 微弱光电信号采集系统
本系统采用激光诱导荧光检测法提供原始信号。经激光诱导出的荧光信号,由光电倍增管(Photo Multiplier Tube,PMT)放大,输出最大为1V的电压信号,再经过放大、滤波、电路保护后,由LabVIEW对电路输出信号进行实时采集与分析[6,7,8,9]。
2 系统设计
整个系统包括:光电倍增管放大模块、前置放大滤波电路模块、50Hz陷波电路模块以及LabVIEW采集模块。
2.1 光电倍增管选择
PMT采用滨松公司的光电倍增管。此光电倍增管具有低功耗、低噪声、高灵敏度、带宽达200kHz、集成高压电源等特点,且最大输出电流10μA,最大输出电压1V,满足系统性能要求。
2.2 放大滤波电路设计
放大滤波电路采用TI公司的LM324N,且系统设计为有源滤波电路,并将带通滤波和放大电路结合起来,最大化的精简了电路,电路原理图如图1所示。
此电路的放大倍数由R1和R2决定,增益为:A=1+(R1/R2);其中,低通滤波的截止频率为200kHz;放大倍数为2。
2.3 50Hz陷波电路设计
50Hz陷波采用特殊的非对称阻容网络构成陷波器回路,实现用单一电位器调整陷波器的中心频率,可以有效避免由于元件不匹配导致中心频率不准确的问题。电路原理图如图2所示。
陷波器的中心频率为:
本系统取C2=C3=C4=0.047μf,R16=6.2kΩ,R17=150kΩ,RP1=RP2=10kΩ滑动变阻器。当f0=50Hz时,RP1L=10-RP1R,代入(1)式得:RP1L=4.3kΩ;RP1R=5.7 kΩ。(其中,RP1L代表RP1左半部分电阻;RP1R代表RP1右半部分电阻)。
3 系统设计仿真
电路仿真常用的软件是Multism7.0,通过构建仿真模型,可以在理论层面上初步验证系统的可行性[10]。
3.1 前端保护电路设计仿真
说明:Multism不能仿真二极管击穿,因此只能在实际测试中验证。
3.2 信号放大滤波模块仿真
如图3所示,根据测试结果分析,输出端的信号幅值为3.9V,输入端的信号幅值为2.0V,信号放大倍数为1.95倍。
3.3 测试200kHz低通滤波
输入信号2V,调整输入信号的频率(10kHz,20kHz,50kHz,100kHz,150kHz,200 kHz,1 MHz,2 MHz,5MHz),统计低通滤波结果并用MATLAB7.0画图[11],如图4所示(其中,横坐标单位:kHz;纵坐标单位:V)。
说明:为了能够在一个图片上完整地显示以上数值,对X轴坐标取对数,便于显示。图中标记的红点处(横坐标为2.3)对应的实际横坐标是200kHz。其中,最大输出电压为4V,最小输出电压为0.0189V,中间部分为过渡带。
3.4 测试50Hz陷波电路
输入信号2V,调整信号的频率(10Hz,40Hz,45Hz,48Hz,50Hz,52Hz,55Hz,57Hz,59Hz,61Hz,100Hz),统计陷波结果并用MATLAB7.0画图,如图5所示(其中,横坐标单位:Hz;纵坐标单位:V)。
说明:图中标记红点处即对应50Hz,结果表明陷波电路可行。
4 系统实现
4.1 前端保护电路验证[12]
经测量,管子B-E间压降在0.6V～0.8V之间,正常管子击穿电压在4V～7V左右,可以避免高压脉冲损坏后级放大器。
4.2 信号放大、200kHz低通滤波模块验证
测试数据如表1所示(由于篇幅限制,仅取部分数据):
根据表1数据,用Matlab7.0编程并画图,其程序如下,显示结果如图6所示。
说明:为了能够在一个图片上完整地显示以上数值,对X轴取对数。
结论:第一级放大倍数为1.2,第二级放大倍数约为2倍。理论上放大倍数为2.4,输入为1.04V正弦波,经放大,理论输出为1.04*2.4=2.496V。实际输出电压为2.48V～2.64V,即实际放大倍数为2.38倍～2.54倍。根据以上分析,放大倍数满足系统要求;200kHz低通滤波满足系统要求。
4.3 50Hz陷波电路验证
测试数据,用Matlab7.0编程并画图,如图7所示。
如图7所示,50Hz陷波电路陷波效果明显,优于仿真效果,满足系统要求。
5 基于LabVIEW软件的微弱光电信号采集
Lab VIEW(Laboratory Virtual Instrument Engineering)是一种图形化的编程语言,它广泛地被工业界、学术界和实验室所接受,被视为一个标准的数据采集和仪器控制软件。在本系统中,我们采用NI公司最新的LabVIEW 8.5软件,配合PCI6221型数据采集卡来完成A/D转换[13]。
由于普通的A/D转换容易引入噪声且转换速度慢、精度低,不适合作微弱荧光信号的采集。综上,我们将PCI数据采集卡应用在系统设计中。本系统选用的采集卡具有16通道同步模拟量输入,16位A/D分辨率,采样率250kS/s,可以对多路光电信号完成同步采集,且支持二次开发。
5.1 LabVIEW采集及系统分析
利用LabVIEW图形化编程语言,开发出一套模块化、用户界面友好的测试系统,并完成对信号的采集与分析,如图8所示。
说明:分别输入50*10Hz、100*10Hz,1V的正弦波,经放大、滤波,显示结果如图8所示,其中功率谱的X轴为10倍放大,因此500Hz出现在坐标50处,1000Hz出现在坐标100处,输出与预期结果吻合。
5.2 系统验证
将信号发生器输出的1V模拟信号,连接到我们制作的硬件电路,经放大滤波、保护电路,输出的信号同时由示波器和LabVIEW显示。结果表明,我们设计的LabVIEW采集软件正确、可靠,不但可以完成对输入信号的采集,同时可以进行相关分析(如现代谱分析),扩展性强,可以方便地在此基础上作二次开发,扩展系统功能。
6 结论
该系统通过光电倍增管放大、前置电路二次放大滤波、电路保护、LabVIEW采集,实现微弱光电信号实时采集与分析且系统搭建方便。对比现有采集系统,这种利用LabVIEW采集微弱信号的方法,充分发挥了其开发上层应用程序优势,极大的缩短了开发周期,并能保证采集信号的准确性与可靠性;同时,图形化的设计方法,便于系统扩展,这些工作为本研究正在进行的PCR仪研制提供了一定的理论与应用基础。
摘要：本文介绍一种采集微弱光电信号的方法,通过电路设计、系统仿真,实现了系统验证。该系统将采集的微弱光电信号,经硬件放大、滤波、电路保护,再由LabVIEW对电路输出信号进行实时采集与分析。该系统搭建方便,检测准确,具有较强的实用性与灵活性,为开发PCR(Polymerase Chain Reaction)仪提供了一定的理论与应用基础。
微弱信号检测系统设计 篇5
随着各种可编程逻辑器件价格的降低和性能的不断提高,数字信号处理已成为应用电子领域的潮流.模拟信号必须先经过A/D转化,成为数字信号,才能通过可编程逻辑器件实现一系列对输入信号的算法,以得到正确的函数关系式.A/D转换芯片接口电路的选择自然成为光纤光栅传感系统信号检测和处理的首要环节,因此,本文有针对性的分别介绍了3种接口电路的设计方案.
1 TLV1544与DSP TMS320VC5402的接口设计
1.1 TLV1544芯片
TLV1544是TI公司生产的CMOS型10 b模数转换芯片,内部采用开关电容逐次近似来得到模数转换结果.芯片有4路模拟信号输入通道,通过芯片内部参数设置选择不同通道输入,进行A/D转换输出.该器件非常适合于数据分析仪器仪表、医疗监护仪等,通过多通道输入不同信号并转换为数字信号,经DSP或微处理器进行数字信号处理得出所需的不同参数的值.表1为 TLV1544各引脚说明.
1.2 接口原理图
以TMS320VC5402为例介绍TLV1544与DSP的接口设计.TMS320VC5402是TI公司1999年10月推出的具有很高性价比的定点DSP.它有2个多通道缓冲串口(McBSP),设计中使用McBSP0完成配置TLV1544以及接收转换好的数字信号.接口原理图如图1所示.
TLV1544的INV CLK、CSTART接高电平,输入/输出时钟不翻转且采样/转换开始控制功能不使用.TMS320VC5402的XF引脚提供TLV1544的片选信号.TLV1544的EOC触发DSP的外部0中断,转换结束通过中断接收转换好的数据.
1.3 软件设计
软件的设计主要包括DSP串行口的初始化和TLV1544的内部参数设置及转换结果的接收.串行口的初始化为对McBSP0的控制寄存器的配置,使DSP可以为TLV1544提供片选、时钟、帧同步信号等控制信号,同时从BDX0串行发送TLV1544的内部设置参数,并从BDR0串行接收转换后的数据,完成一次完整的A/D转换过程.
系统上电后,DSP的XF引脚输出高电平,即TLV1544的undefined位置高,转换芯片处于非激活状态,并关闭所有中断.初始化MeBSP后,打开接收及外部中断,XF引脚输出低电平,即TLV1544的undefined位置低,转换芯片开始工作.发送转换速度选择及通道选择参数,芯片开始模/数转换.程序进入等待状态,转换结束时EOC由低变高,进入外部中断处理程序,接收转换输出的数字信号,存入相应的数据空间以待进一步处理[1].
2 AD574A与EPM7128SLC84的接口设计
2.1 AD574A芯片介绍
AD574A是美国模拟数字公司(Analog)推出的单片高速12位逐次比较型A/D转换器,内置双极性电路构成的混合集成转换显片,具有外接元件少、功耗低、精度高等特点,并且具有自动校零和自动极性转换功能,只需外接少量的阻容件即可构成一个完整的A/D转换器,其主要功能特性如下:分辨率:12位;非线性误差:小于±1/2 LBS或±1 LBS;转换速率:25 μs;模拟电压输入范围:0～10 V和0～20 V,0～±5 V和0～±10 V两档4种;电源电压:±15 V和5 V;数据输出格式:12位/8位;芯片工作模式:全速工作模式和单一工作模式[2,3].表2为AD574A逻辑控制真指表.
2.2 接口原理图
EPM7128SLC84是Altera公司生产的CPLD芯片,该芯片密度为6000门,有60个专用I/O口,PLCC84封装,正常工作温度范围0～70 ℃.该芯片内部由逻辑阵列模块、可编程I/O单元和可编程连线阵列3部分组成.每个逻辑阵列模块中包含16个宏单元,共128个宏单元.可编程I/O单元能兼容TTL和CMOS多种接口和电压标准,可配置为输入、输出、双向、集电极开路和三态等形式,能提供适当的驱动电流,以降低功耗,防止过冲和减少电源噪声.可编程连线阵列在各个逻辑宏单元之间以及逻辑宏单元与I/O单元之间提供信号连接.与AD574A接口原理图如图2所示.
2.3 软件设计
软件设计部分采用了有限状态机FSM控制,状态机控制AD574A的原理如图3所示.
VHDL以其具有强大的行为描述能力,丰富的仿真语句和库函数,支持多进程并发执行等优点在现代数字系统中得到越来越广泛的应用.本系统采用硬件描述语言VHDL进行CPLD的内核硬件设计.由于篇幅关系程序代码不在此列出[4].
3 AD574A与MCS-51单片机的接口设计
3.1 MCS-51单片机介绍
AT89C51是一种带4 K字节闪烁可编程可擦除只读存储器(falsh programmable and erasable read only memory (FPEROM))的低电压,高性能CMOS 8位微处理器.该器件采用ATMEL高密度非易失存储器制造技术制造,与工业标准的MCS-51指令集和输出管脚相兼容,将多功能8位CPU和闪烁存储器组合在单个芯片中.
3.2 接口原理图
MCS-51外带4个8-bit并行I/O端口,足以与AD574A连接,并于TTL及CMOS电平兼容,片内有高精度基准电源和时钟电路,完成转换不需要外部电路或时钟信号.接口设计可以采用定时、查询和中断方式,不同的方式下,与单片机的连接有所不同.查询和中断的区别在于对转换结束信号状态端(STS)的处理:查询方式时,将STS与1条I/O口线相连即可;中断方式时,利用STS的下降沿作为外部中断请求信号.采用定时方式时,既可通过延时(35 μs)的方法来读取数据,也可以利用定时中断在中断服务程序中完成此任务.
现以MCS-51系列的8031单片机为例,以查询方式连接.连接原理图如图4所示.
当CE=1且undefined时,AD574处于工作状态.undefined启动AD转换,undefined时读出数据.在启动信号有效前,undefined必须为低电平.undefined和A0端用来控制转换字长和数据格式.A0=0时,按12位方式进行转换,A0=1时则按8位转换.在读出数据时,undefined时,相应12位并行输出;undefined时,对应8位双字节输出.A0=0时输出高8位,A0=1时,低4位有效,中间4位为“0”,高4位为三态.A0在数据输出期间应保持不变[5].
3.3 软件设计
根据时序要求,启动转换时需使undefined,即向AD574A执行写入操作时,地址线A7,A1和A0须为“0”.启动AD后,通过查询P1.0状态来判断是否完成转换[6].下面是查询方式的程序段,12位数据分别存在R2和R3中.
4 结 论
选择不同的A/D转换芯片,对接口电路的设计也不同,不能一概而论.本文介绍了3种A/D转换芯片与可编程逻辑器件接口电路的设计方案,各有其优缺点.方案一的DSP接口系统体积小,响应速度快,可测量低信噪比的信号,但性价比不高.方案二采用硬件描述语言进行算法编程,清晰且可用输出管脚多,带负载电路能力强,由于内部要进行向量算术运算,可能导致有些低级的开发模拟板不能综合.相比而言,方案三是性价比最高的,而且单片机电路控制能力强,可操作,其缺点在于运算速度慢,尤其是浮点运算方面.
要注意的是,光纤光栅传感器中的微弱信号常被噪声淹没,但由于信号具有周期性、相干性,而噪声具有随机性,所以可以采用相关检测技术把信号中的噪声排除.本文介绍的3个方案是建立在以上检测技术的基础上的,目的在于保证电路信噪比尽可能高地将检测后的信号进行A/D转换和后期数据处理.
参考文献
[1]骆开庆,肖化.A/D转换芯片TLV1544及其与DSPTMS320VC5402的接口设计[J].现代电子技术,2003(24):7-8.
[2]于进杰,肖献保,李威.A/D芯片选型[J].计算机与信息技术,2007(12):64-66.
[3]王艳军,张勇.一种实用的多芯片系统同步复位方法[J].光电技术应用,2007,22(5):60-62.
[4]陈兵飞,杨碧石.基于EPM7128SLC84实现的AD574A采样控制器[J].仪表技术,2005(2):69-72.
[5]戴胜华.单片机原理与应用[M].北京:北京交通大学出版社,2005.
微弱信号检测系统设计 篇6
针对待测信号是大参数条件，冷永刚、赖志慧等人提出了利用二次采样的方法来实现大参数随机共振[6,7]，林敏、夏均忠等人提出了调制随机共振[8,9]。在研究以上方法的基础上本文提出了系统参数调整法，不需要对待测微弱信号进行预处理，通过对系统参数的调整直接将待测大参数信号输入非线性系统就能实现随机共振。
1 双稳系统随机共振模型
在随机共振的研究中，采用二阶Duffing振子非线性系统，其Langevin方程[10]如下:
式(1)中，k为阻尼比系数，U(x)为非线性系统势函数，s(t)表示外加微弱信号且s(t)=Acos(2πft),x表示系统输出信号;n(t)是均值为0，噪声强度为D的高斯白噪声，满足
白噪声可以表示为
式(3)中，σ2表示噪声方差，ξ(t)表示均值为0，方差为1的高斯白噪声。方程(1)描述了双势阱粒子收到驱动信号s(t)，随机力n(t)共同作用时，在过阻尼条件下的运动。令系统势函数为计算可知系统势函数存在一个势垒点(x=0)和两个势阱点()，当非线性系统中只收到周期驱动力s(t)作用的时候存在系统临界值当A<Ac时，粒子只能在单个势阱中运动而不能越过势垒完成跃迁;当A≥Ac时，粒子将越过势垒做大范围的跃迁运动。这是由于足够大周期驱动力引入，使得粒子能够越过势垒，从而打破系统的平衡。然而，将驱动信号噪声同时加入非线性系统时，即使A<Ac时，只要系统、信号和噪声达到最佳匹配，随着周期驱动力和噪声的系统作用，将噪声部分能量转移到信号能量，从而放大信号，实现随机共振，并且在系统输出功率谱中出现谱峰值特征。
当输入信号满足绝热近似理论的小参数条件时，设输入正弦信号幅值A=0.1，频率f0=0.01 Hz，采用频率fs=5 Hz，噪声强度D=0.4，系统参数a=b=1。将以上参数带入方程(1)，采用四阶RungeKutta算法进行数值求解，采样点数为4 096，图1(a)和(b)为未加入噪声系统输入波形和输出功率谱图，图1(c)和(d)为加入适量噪声的系统输出波形和功率谱图，由图1分析可知，即使输入信号幅值小于临界值，只有加入适当的噪声使得系统产生协同效应，系统就能达到随机共振。
2 大参数随机共振
2.1 信号频率为大参数
基于绝热近似理论的随机共振产生条件中，输入信号频率必须满足其中rk为Kramers逃逸率[11,12]，其表达式为
当参数a=b=1时，由式(4)可以计算出Kramers逃逸率极限值因此，双稳Duffing系统随机共振只能在频率为小参数条件下实现，理论上输入信号频率必须满足0<f0<0.112 Hz。将双稳系统势垒ΔU=a2/4b代入式(4)得
从Kramers逃逸率极限值可以看出，增大参数a可以使极限值rklim增大，由式(5)可知，随着参数a的增大，rk将更快的减小并趋于0，因此只调整参数a并不实现大频率信号的随机共振。增大参数b可以使rk增大趋近于极限值rklim，但是并不能改变极限值rklim的大小，因而只调整参数b也不能实现大频率信号的随机共振。由此可知，只有同时对参数a、b进行调整，使得rk、rklim能够同时增大，即rklim增大，ΔU变小，这样才能实现大频率信号随机共振。令a2=Ra,b2=R3b(R≥1)，代入式(1)得
经过参数调整，rklim 1=Rrklim，ΔU2=ΔU/R。因此只需要调整适当的R就能实现大频率随机共振。
2.2 噪声强度为大参数
当输入信号中包含高强度噪声[13](即噪声强度D>>1)，双稳系统将会产生过共振，使得微弱信号特征难以被检测。大量的仿真数据表明，调整阻尼比k能够改变系统输出功率谱的形状特征。当阻尼比k越小，功率谱中高频成分越多，低频成分越少然而当阻尼比k越大，功率谱中高频成分越少，低频成分越多，说明了阻尼比k决定了噪声能量的转移特性。由此可知，只有选择适当的阻尼比k才能使得系统在某一特定噪声强度下达到最佳随机共振输出。
3 数值仿真分析
3.1 输入微弱信号频率为大参数
设输入正弦信号幅值A=0.1 V，频率f0=5Hz，采样频率fs=100 Hz，噪声强度D=0.4，取Duffing方程系统参数k=0.5,a=b=1。系统输出信号波形及功率谱如图2(a)和(b)，由图2(a)、(b)可以看出，大频率信号经过未经调整的双稳系统之后，输出信号中仍然包含较多的噪声信号，所以波形也较为混乱，从功率谱图中可以看出，在频率f0=5 Hz处也没有出现谱峰值，由此可知系统未能产生随机共振。令R=100，即理论上最大可以满足频率为1.12 Hz<f0<11.2 Hz的信号产生随机共振。调整参数后系统输出信号波形及频率如图2(c)和(d)，由图2(c)和(d)可以看出，系统输出信号中只包含少部分噪声信号且波形较为整洁，输出信号频谱中f0=5 Hz也出现了谱峰值特征。由以上分析可以得出结论，通过调整系统参数，能够实现大频率信号随机共振。
3.2 输入微弱信号噪声强度为大参数
设输入正弦信号幅值A=0.1 V，频率f0=0.01Hz，采样频率fs=5 Hz，噪声强度D=5,Duffing方程系统参数k=0.5，α=β=1。系统输出信号功率谱如图3(a)，由图可知噪声强度过大使得系统不能产生随机共振，微弱特征信号湮没在噪声中不能被识别。调整阻尼比参数分别为1.2,1.9和2.6，其系统输出功率谱如图3(b)、(c)和(d)。从功率谱图中可以看出对于噪声强度D=5的输入信号，在k=1.9即图3(c)的时候达到最佳系统输出，从而产生随机共振。在特征频率f0=0.01 Hz处出现了明显的谱峰值特征，由图3(b)可以看出，当阻尼比较小的时候系统输出功率谱包含大量的高频成分，然而由图3(d)可以看出，当阻尼比较大的时候系统输出功率谱中又包含过多的低频成分，由此可见在阻尼比k=0.5,1.2,2.6的时候系统都不能实现最佳系统输出，使得特征信号难以识别。
4 结论
微弱信号检测系统设计 篇7
关键词：级联分段线性系统,随机共振,降噪,故障诊断
0 引言
随机共振 (stochastic resonance, SR) 的概念是意大利学者Benzi等[1]在1981年研究古气象冰川问题时提出的, 其独特的微弱信号检测机制使它成为近年来弱信号检测领域的研究热点之一。SR的基本思想如下:在一个非线性双稳系统中, 当仅在小信号的周期驱动下时, 不足以使系统响应在两个稳态间进行跃迁, 但当有噪声协助时, 系统响应会按小信号的频率在两稳态间进行切换, 最终达到强化周期信号的效果。
现有的信号降噪方法如经验模态分解 (empirical mode decomposition, EMD) [2]、奇异值分解降噪[3]等, 其主要思想大都是立足于抑制噪声以增大信号的信噪比。但这些方法在降低噪声的同时, 也削弱了微弱信号。与传统的弱信号检测机制相比, SR的不同之处在于它是利用噪声甚至只有增大噪声才能检测到微弱信号, 通过调节双稳系统结构参数和噪声强度来实现微弱信号的检测。经典SR理论只适用于小参数信号 (幅值、频率和噪声强度远小于1) 。这极大地限制了SR在工程领域中的应用, 近年来, 对于大参数信号发生随机共振的研究已取得了一定成果, 研究者们相继采用了归一化变换随机共振[4]、调制随机共振[5]、变尺度随机共振[6]、变尺度频移随机共振[7]等方法, 使大参数信号实现了随机共振, 这些方法的使用极大地拓宽了随机共振在工程实际中的应用领域。以上研究大多是以经典的双稳态模型展开的。文献[8]提出了一种分段线性双稳态模型, 并证明了该模型相对于连续双稳态模型的优越性, 最后通过硬件电路进行了微弱信号检测的实验研究。文献[9]对大参数信号的分段线性随机共振进行了仿真分析。分段线性模型的提出进一步提前了随机共振处理强背景噪声下微弱信号的能力。当噪声强度更大时, 可以通过分段线性系统级联的形式, 将高频噪声能量不断向低频部分转移, 达到降噪目的。文献[10]验证了级联双稳系统的低通滤波特性, 并成功应用于轴承的故障诊断。文献[11]研究了级联双稳随机共振下的EMD分解, 级联双稳系统在去除高频噪声的同时, 减少了EMD的层数。
结合利用分段线性模型随机共振方法处理强噪声下弱信号的优点, 本文提出一种基于级联分段线性系统检测微弱信号的方法。仿真分析和实验结果表明, 该方法可以提高信噪比, 实现滚动轴承微弱信号的检测。
1 随机共振理论
1.1 双稳系统随机共振模型
随机共振利用输入信号和噪声的非线性系统中的协同作用, 将噪声能量部分转移到有用信号, 产生共振输出, 使信号能量增强, 从而达到识别微弱信号的目的。随机共振产生的三个条件是:非线性系统、输入周期信号和噪声。且三者达到最佳匹配时, 随机共振对信号的放大作用最明显。在研究中最常用的随机共振模型是双稳态系统, 双稳态系统的郎之万方程[4]为
式中, s (t) 为输入信号;U (x) 为势函数;a、b为双稳系统大于0的结构参数;n (t) 为噪声信号;D为噪声强度;ξ (t) 为高斯分布白噪声。
n (t) 满足如下条件:
式中, σ (τ) 为信号的统计特性。
双稳系统U (x) 在信号s (t) 和噪声n (t) 的协同作用下, 输出随机共振响应x (t) 。双稳系统描述了一个过阻尼质点的布朗运动。在没有噪声和调制作用时, 质点处于两个势阱中的任意一个势阱, 由系统的初始状态决定。如图1所示, 势函数在处有极小值U (x) =-a2/4b, 在x=0处有极大值U (x) =0, 势垒高度ΔU=-a2/4b, 左右两外侧曲线与轴U (x) =0相交于。当外部输入为0时, 势能最小, 系统响应x (t) 处于势阱的最低点。当给系统输入一个微弱信号s (t) 时, 输出响应x (t) 只能在一个势阱内运动;当同时输入微弱信号和噪声时, 噪声部分能量将会转移给信号能量, 造成两双稳态势阱位置之间的差值ΔU远大于输入信号的幅值, 使得输出信号幅值被有效放大, 从而提高了输出信号的信噪比。
1.2 分段线性随机共振模型
分段线性随机共振数学模型[8]的势函数为
其中, a1>b1>0, c1>0, 均为实参数。势函数U1 (x) 的图形如图1所示, 曲线由一条分段线性函数组成, 左右外侧与横坐标轴交x=a1, 在x=±b1处, 系统有极小值U1 (x) =-c1, 在x=0处, U1 (x) =0。势阱底部位于x=±b1处, 仅与参数b1有关。势垒高度ΔU=c1, 仅与参数c1有关。
根据式 (1) , 系统模型可以写为如下形式:
其中, H (t) =K (s (t) +n (t) ) , s (t) 和n (t) 同式 (1) , K为系数。对于大频率信号, 分段线性模型也可以处理。当频率大于1的信号被输入模型时, 通过增大系统参数c1来达到加深势阱深度的目的, 同时, 加大信号幅值放大倍数K使其发生随机共振[9]。然后采用四阶Runge-Kutta法对双稳系统的微分方程进行求解即可。
图1所示两种势函数具有相同的势垒高度和势底位置。对比两曲线可知, 分段线性模型要想改变势垒高度ΔU大小, 调节系统参数c1即可, 要想改变势底位置调节b1即可, 单独调节b1和c1互不影响。而对于双稳系统模型要达到同样的目的则需同时调节a和b。另外, 前者可通过调节单个参数a1来改变势函数左右外侧线与横坐标的交点, 而后者则无法改变势函数的局部形状。显然, 在调节参数个数增加的前提下, 前者参数调节更容易和灵活。
1.3 级联分段线性随机共振
将若干个分段线性系统串联, 就形成了级联分段线性系统, 其结构如图2所示, 其中x1 (t) 、x2 (t) 、…分别为第一级分段线性系统Uα (t) 、第二级双稳系统Uβ (t) 、…的输出信号。分段线性系统的级联用来将高频能量不断地向低频转移, 这样高频成分逐渐被滤除, 低频成分凸显, 达到良好的降噪效果。
2 仿真信号分析
为了验证级联分段线性模型检测信号的能力, 对仿真信号x (t) =0.3cos (2π×0.01t) 进行分析, 采样频率fs=10Hz, 采样点数N=8000。图3为叠加噪声 (强度D=0.5) 后的时域波形和频域图。对于分段线性模型参数, 取参数a1=1.5, b1=1, c1=0.25 (势函数如图1所示) , 得到的第一级级联分段线性随机共振系统输出信号和频谱图见图4, 第二级级联分段线性随机共振系统输出信号和谱图见图5, 从这3个图中可以看到, 高频噪声随着级联次数的增加而减少, 时域波形越来越光滑, 频谱能量越来越集中在低频成分上, 说明分段线性系统和级联分段线性系统均具有良好的降噪性能。在模型的势垒高度、势阱位置相同, 输入信号和噪声完全相同情况下, 得到如图6和图7所示的第一级和第二级级联双稳随机共振系统 (参数为a=b=1) 输出信号波形和频谱, 可以看出, 虽然双稳系统及其级联也达到了较好的降噪效果, 但仔细观察图5和图7, 发现图5第二级分段线性系统输出信号振幅变大, 而图7所示第二级双稳系统输出信号振幅相对平稳, 这是由于双稳模型的响应一旦越过势垒就趋于饱和, 振幅不再增大, 而分段线性模型随着输入信号的增强, 输出信号振幅成倍增强。也正是由于分段线性模型的这种特性, 使它比双稳模型具有更强的在强背景噪声下检测信号的能力。
3 应用实例
滚动轴承的故障信号具有典型的非平稳性、调制性和微弱性。本文采用级联分段线性随机共振对这种微弱故障进行检测分析。选用美国Case Western Reserve University[12]电气实验室滚动轴承故障实验数据。实验装置中轴承采用6205-2RS SKF深沟球轴承, 轴承转速为1772r/min, 计算得转频fr=29.53Hz, 轴承结构参数如表1所示。
滚动轴承的内圈故障特征频率按下式计算:
式中, n为滚子个数;Dz为轴承节径;d为滚子直径;α为轴承压力角。
采样频率为12kHz, 采样点数为4800, 由式 (6) 计算得内圈故障频率fi=159.93Hz。内圈故障信号波形如图8所示。时域波形存在较为明显的周期性冲击成分, 而在频域图中看不到明显的低频故障特征, 只能看到频谱能量分布在一个很宽的频率范围内。对图8所示的故障信号依次进行第一级 (参数a1=1.05, b1=1, c1=100, K=50 000) 和第二级 (参数a1=1.05, b1=1, c1=800, K=20 000) 分段线性随机共振处理, 输出信号波形和频谱如图9、图10所示。由图9中频谱可以得知, 通过第一级分段线性系统后, 频率成分高于3kHz的被滤掉, 同时, 低于500Hz的频率成分出现了, 这一现象说明分段线性系统可以滤掉高频成分, 把能量转移到低频区域, 这时故障频率fi出现, 大小为159.7Hz。然而, 在故障频率fi附近仍然存在一些幅值较大的干扰成分, 对故障识别造成一定影响。为此, 对信号进行第二级分段线性随机共振, 由图10中频谱看出, 高频成分被进一步滤掉, 低频特征得到凸显, 并且159.7Hz的频率非常明显。对比图8中的频谱, 图10中fi清晰可见, 从而确定了故障频率。由于分段线性模型不存在饱和现象, 使得图10输出信号振幅随着输入信号幅值的增大而成倍增大。
图11和图12分别为采用二次采样小参数化得到的第一级和第二级双稳随机共振系统 (参数a=0.001, b=1) 输出信号及频谱, 双稳系统的级联取得了较好的降噪效果, 但是对于双稳系统, 为了达到最优效果, 需要同时调节相互关联的参数a和b, 而对于分段线性系统, 参数a1、b1和c1是不关联的, 调节起来更为灵活方便。
4 结论
本文在研究典型非线性系统———双稳系统的随机共振发生机理和条件要求的基础上, 提出了一种基于级联分段线性随机共振系统的滚动轴承微弱故障检测方法。对分段线性模型和双稳模型的势函数进行了对比分析, 通过数值计算, 考察了相同条件下两种模型分别进行一级和二级级联时在强噪声背景下提取微弱周期信号的效果。分段线性模型随着输入信号的增大振幅不断加大, 可以适应更低信噪比信号检测。利用该模型的级联, 可以逐步消除高频噪声, 加强低频信号能量。滚动轴承内圈故障信号的验证结果表明, 该方法可以提高信噪比并有效检测出强噪声背景下的微弱信号, 准确提取出故障信息。
参考文献
[1]Benzi R, Sutera A, Vulpiana A.The Mechanism of Stochastic Resonance[J].Journal of Physics A:Mathematical and General, 1981, 14:453-257.
[2]Huang N E, Shen Z, Long S R.The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Non-stationary Time Series Analysis[J].Proceedings of the Royal Society of London, 1998, 454 (1) :903-995.
[3]赵学智, 叶邦彦, 陈统坚.基于小波奇异值分解差分谱的弱故障特征提取方法[J].机械工程学报, 2012, 48 (7) :37-47.Zhao Xuezhi, Ye Bangyan, Chen Tongjian.Extraction Method of Faint Fault Feature Based on Wavelet-SVD Difference Spectrum[J].Journal of Mechanical Engineering, 2012, 48 (7) :37-47.
[4]陈敏, 胡茑庆, 秦国军.参数调节随机共振在机械系统早期故障检测中的应用[J].机械工程学报, 2009, 45 (4) :131-135.Chen Mi, Hu Niaoqing, Qin Guojun.Application of Parameter-tuning Stochastic Resonance for Detecting Early Mechanical Faults[J].Journal of Mechanical Engineering.2009, 45 (4) :131-135.
[5]林敏, 黄咏梅.调制与解调用于随机共振的微弱周期信号检测[J].物理学报, 2006, 55 (7) :3277-3282.Lin Min, Huang Yongmei.Modulation and Demodulation for Detecting Weak Periodic Signal of Stochastic Resonance[J].Acta Physica Sinica, 2006, 55 (7) :3277-3282.
[6]Leng Yonggang, Wang Taiyong, Guo Y, et al.Engineering Signal Processing Based on Bistable Stochastic Resonance[J].Mechanical Systems and Signal Processing, 2007, 21:138-150.
[7]Tan Jiyong, Chen Xuefeng, Wang Junying, et al.Study of Frequency-shifted and Re-scaling Stochastic Resonance and Its Application to Fault Diagnosis[J].Mechanical Systems and Signal Processing, 2009, 23 (3) :811-822.
[8]王林泽, 赵文礼, 陈旋.基于随机共振原理的分段线性模型的理论分析与实验研究[J].物理学报, 2012, 61 (16) :1-7.Wang Linze, Zhao Wenli, Chen Xuan.Theory and Experiment Research on a Piecewise-linear Model Based on Stochastic Resonance[J].Acta Physica Sinica, 2012, 61 (16) :1-7.
[9]Wang Linze, Zhao Wenli.A New Piecewise-linear Stochastic Resonance Model[C]//IEEE International Conference on Systems, Man and Cybernetics.San Antonio, Texas, 2009:5209-5214.
[10]He Huilong, Wang Taiyong, Leng Yonggang, et al.Study on Non-linear Filter Characteristic and Engineering Application of Cascaded Bistable Stochastic Resonance System[J].Mechanical Systems and Signal Processing, 2007, 21 (3) :2740-2749.
[11]赵艳菊, 王太勇, 冷永刚, 等.级联双稳随机共振降噪下的经验模式分解[J].天津大学学报, 2009, 42 (2) :123-128.Zhao Yanju, Wang Taiyong, Leng Yonggang, et al.Empirical Mode Decomposition Based on Cascaded Bistable Stochastic Resonance Denoising[J].Journal of Tianjin University, 2009, 42 (2) :123-128.
微弱信号检测系统设计 篇8
强噪声背景下微弱信号的检测广泛应用于工业故障诊断及通信信号接收等领域,对新技术研究及相关领域的发展具有重要的意义[1,2]。噪声对弱信号检测实现的影响是该领域中的一个重要课题。文献[3]讨论了高斯白噪声对弱信号混沌检测的影响,文献[4]主要研究了色噪声背景下微弱正弦信号的混沌检测方法,文献[5]研究了基于混沌相平面变化的微弱信号检测算法,实现了信噪比为-48 dB条件下微弱信号的检测。
应用混沌相平面检测算法对各种噪声条件下系统的检测性能进行了研究,对基于Duffing方程的混沌系统在白噪声、色噪声及脉冲噪声等各种噪声背景下的免疫性进行了仿真分析,为进一步探究混沌系统优良抗噪性能的机理,降低强噪声背景下可检测信号的信噪比门限提供了一定的依据和借鉴。
1 基于Duffing振子的正弦信号检测
混沌动力学系统主要有Duffing模型和Lorenz模型和Vanderpol模型等,其中Duffing方程研究的比较充分,在微弱信号检测领域应用广泛[6]。Holmes型Duffing方程标准形式如下:
式中,γcos(ωt)为系统内置周期策动力,k为阻尼比,-x+x3为非线性恢复力。
基于Duffing方程构成的混沌系统对周期策动力的强度γ有强烈的敏感性,在阻尼比固定的情况下,随着周期性策动力的强度变化,系统将历经同宿轨道、分叉轨迹、混沌状态、临界状态以及大尺度周期状态等,表现出丰富的非线性动力学特性[7]。其中,系统在混沌态对应的相图为一定区域内永不封闭的轨迹,在大尺度周期态对应的相图为封闭曲线,二者截然不同,因此,常将系统由混沌状态到大尺度周期状态的转变作为微弱信号检测的依据,如图1所示(图2均略去了过渡状态点)。
弱信号检测原理:将待测信号作为作为Duffing方程周期策动力的摄动,当系统周期策动力γ=γd时,系统处于临界状态。但是此时若有满足特定条件的信号加入到系统中,即使信号的幅值极小,系统也将发生相变由混沌状态进入大尺度周期状态,然后根据系统是否发生相变来判定信号的存在与否及被测信号幅度、频率等物理量。
2 噪声影响分析
如果在微弱信号检测中不考虑噪声的影响,系统在混沌态和大尺度周期态下的相平面轨道都是平滑的。但是,事实上在任何信号检测过程中,检测过程中的噪声都是不可避免的。
假设n(t)为检测过程中的噪声,添加噪声n(t)后,系统检测方程为:
分析表明,Duffing系统在外加周期驱动力时的平衡态为双曲平衡态。假设系统检测方程在临界状态下的解为x,用Δx(t)表示噪声对系统检测输出x(t)的微小扰动,其中,假设噪声的均值为0,方差为σ2,经整理得出噪声存在的情况下系统的随机微分方程形式[8]:
相比系统检测输出x(t),Δx(t)的值很小,所以略去Δx(t)的高阶量,得到式(3)的矢量微分方程形式:
其中,主要矢量分别表示为:
, (5)
, (6)
。 (7)
该矢量微分方程存在一个满足某个初始条件的唯一的解,可以表示为:
X(t)=Φ(t,t0)X0+∫
式中,Φ为系统的状态矩阵。由于主要对系统稳态时的性能进行分析,而式(10)第1项为暂态解,将很快衰减为0,对于第2项,考虑其统计特性,有:
E[X(t)]=∫tt0Φ(t,u)E[N(u)]du=0, (9)
ΓXX(u,v)=∫
其中,
。 (11)
ΓYY(u,v),ΓXX(t,s)分别表示输入噪声在时刻u和v,输出噪声在时刻t和s的相关函数矩阵。在式(11)中,令u=v,t=s,t0=-∞,可以得到噪声在某时刻的均方值:
由上可以得出结论:噪声并没有对系统原轨迹产生根本的影响,只是使系统的运行轨迹变得不再光滑,在理想轨迹附近有波动,即噪声使系统输出相轨道上布满了“毛刺”,其粗糙程度的大小由方差决定,但总体均值为零。另外,由于上述推导过程中对噪声分布的问题并没有进行限定,因而理论上,对于任意分布的平稳随机噪声,基于Duffing方程的混沌系统都具有良好的免疫性能。
3 仿真实验分析
(1)实验1 混有白噪声的正弦信号检测
调整系统的内置周期策动力强度为γ=0.80,使系统处于临界状态,加入高斯白噪声并逐渐增加噪声强度,发现系统仍将处于混沌状态,如图2(a)所示;加入混有高斯白噪声的正弦信号,待测信号强度为0.01 V,系统将跃变到大尺度周期状态,如图2(b)所示;由于噪声方差较小,系统相轨迹比较平滑,“毛刺”几乎看不到;继续增大白噪声强度,系统轨道将变粗,“毛刺”增多,如图2(c)所示;当噪声增加到一定强度时,噪声干扰将占据主导地位,由系统相图将无法判别系统是否发生相变进入了大尺度周期状态,如图2(d)所示。
系统可检测信号的信噪比为:
其中,图2(b),图2(c),图2(d)的信噪比分别为:-26 dB,-36 dB和-46 dB。进一步的仿真实验表明,基于Duffing方程的混沌检测系统的检测门限可达-42 dB。
(2)实验2 混有色噪声的正弦信号检测
采用高斯白噪声通过低通滤波器的方法产生色噪声,其中滤波器为四阶低通滤波器。系统传递函数为:
其中,通过调节滤波器参数k,可以实现对噪声功率的控制。归一化的通带截止频率为ωp=0.15 Hz,阻带起始频率为ωs=0.2 Hz,调整滤波器参数k,使得噪声功率变为2.115×10-4 W,待测正弦信号强度为0.01 V,加入正弦信号后系统的相轨迹跃变到大尺度周期状态,此时系统实现检测信号的信噪比为SNR=-29.633 0 dB。
(3)实验3 混有脉冲噪声的正弦信号检测
该节对混有脉冲噪声的正弦信号进行检测实验,噪声的脉冲峰值分别为Vp=0.4,0.6,0.8,1.0,1.2,1.4,对受到不同强度噪声污染的正弦信号进行检测实验,待测信号强度为B=0.01 V。检测结果表明,Vp=1.0时,系统相轨迹仍然非常平滑,Vp=1.2时,系统相轨迹在脉冲噪声峰值处有相应的大幅度冲击相应。故系统可检测信号的最大信噪比表示为:
(4)实验4 混有复杂噪声的正弦信号检测
对复杂噪声条件下混沌检测系统的抗噪性能进行实验分析。这种噪声在低振幅部分具有高斯特性,在高振幅部分具有近似于指数正态分布特性,总体可以表示为背景高斯白噪声和脉冲噪声的叠加,噪声模型为:
n(t)=Aem(t)sin[w0t+θ(t)], (16)
式中,m(t)为零均值实平稳高斯过程,方差为σ
定义偏差Vd为:
Vd=10σ
通过控制Vd的大小来模拟噪声成分的变化。Vd较小时,噪声中的脉冲成分所占的比例较小,噪声主要表现高斯特性;而当Vd的值增大时,噪声中的脉冲成分所占的比例也会随之变大,此时,脉冲成分集中了噪声的大部分能量,将对检测系统的性能产生显著的影响。
Vd=2和Vd=10时的噪声分布分别如图3和图4所示,由仿真可以明显地看出2种情况下噪声分布的差别(仿真实验中固定常量A=1)。
仿真实验结果表明,Vd较小时(Vd=2),噪声主要表现高斯特性,只有极少脉冲成分。采用式(15)的信噪比计算公式,系统可实现的信号检测门限为SNR=-41.693 3 dB;Vd较大时(Vd=4.5),噪声中的脉冲成分将继续增加,系统可实现的信号检测门限为-39.385 1 dB;继续增大Vd值(Vd=7),噪声中的脉冲成分增加,系统可实现的信号检测门限为-25.342 2 dB;
Vd非常大时(Vd=10),噪声将以脉冲成分为主,系统可实现的信号检测门限为-17.605 5 dB。
4 结束语
研究了基于Duffing方程的微弱信号检测方法,采用混沌相平面检测算法对不同噪声条件下算法的抗噪性能进行了分析,理论分析和仿真实验均表明基于Duffing方程的混沌检测算法对白噪声、色噪声、脉冲噪声及混叠噪声等都具有较强的免疫性和较低的信噪比工作下限,相对于传统的时域信号处理方法具有很大的优势。对基于Duffing方程的微弱信号检测方法的抗噪性能进行分析,为进一步探究混沌系统优良抗噪性能的机理, 降低强噪声背景可检测信号的信噪比门限提供了一定的理论依据和借鉴。混沌检测方法优异的抗噪性能,使得它在弱信号检测及相关领域极具发展前景。
参考文献
[1]李爽,徐伟,李瑞红.利用随机相位实现Duffing系统的混沌控制.物理学报,2006,55(3):1049-1054.
[2]CHEN H,VARSHNEY P K,KAY S M,et al.Theory ofstochastic renson-ance effect in signal detection:part1-dixed detectors.[J].IEEE transactions on SignalProcessing,2005,55(7):3172-3185.
[3]兀旦辉,李秦君,杨萍.噪声对基于Duffing方程弱信号检测的影响研究.计算机测量与控制,2010,18(1):61-63.
[4]李月,杨宝俊,石要武.色噪声背景下微弱正弦信号的混沌检测[J].物理学报,2003,52(3):526-530.
[5]张浩然,侯楚林.基于混沌相平面变化的微弱信号检测[J].计算机测量与控制,2010,18(12):2718-2720.
[6]WANG Xu-yi,FEI Rui-wang.Detection of Amplitude-varied Weak Signal by Gene-tic Adaptive StochasticResonance Algo-rithm[C]∥ICEMI,2007(2):626-630.
[7]叶青华,黄海宁,张春华.用于微弱信号检测的随机共振系统设计[J].电子学报,2009,37(1):216-220.