噪声信号采集

2024-10-08

噪声信号采集（共7篇）

噪声信号采集篇1

引言

机电设备在运转过程中,不可避免地发出一些声音,这些无规则、不协调的声音,是由许多不同频率和声强的声波无规律杂乱组合起来,统称噪声。机电设备持续发出的噪声易导致工人听力受损,严重时造成耳聋。此外还能引起高血压、心脏病、神经官能症等疾病,严重危害职工的身心健康。噪声是目前职业危害评价中一项重要的工作场所物理因素检测,我国发布的国家标准GBZ/T189.8-2007《工作场所物理因素测量:噪声》对工作场所的噪声规定了噪声职业接触限值。每周工作5d,每天工作8h,稳态噪声限值为85d B(A),非稳态噪声等效声级的限值为85d B(A)。

开展噪声污染研究与治理,就需要测量工作环境的噪声强度,更进一步需要对噪声进行频谱分析,找出导致噪声超标的主要原因,可以有针对性采取有效的降噪措施,使其噪声符合规定要求,以保障工人的健康。因此,开发噪声信号采集系统是首要任务。

本系统是基于虚拟仪器技术开发完成的。虚拟仪器的概念是美国NI公司在1986年提出的。它是由计算机硬件资源、模块化仪器硬件和用于数据分析、过程通讯及图形用户界面的软件组成的测控系统,是一种由计算机操纵的模块化仪器系统。伴随着计算机技术的不断深化,虚拟仪器无疑在现代工业中将扮演更为重要的角色,因而也成为今后测控领域的研究重点。利用NI公司提供的Lab VIEW技术开发平台,结合噪声信号采集硬件,能方便快捷地开发完成噪声信号采集系统。

1系统硬件

本系统硬件主要包括爱华AWA14425传声器、爱华AWA14604前置放大器和NI USB-4431数据采集卡等组成。

1.1测试传声器与前置放大器

测试传声器与前置放大器是本系统的重要组成部分,它把采集到的声音信号直接转换为与之有确定对应关系并且容易检测的电信号输出,以满足信息的传输、记录、显示、分析、处理等要求。

杭州爱华AWA14425测试传声器是精密的声学测量用声-电换能器,用于将声信号转换为电信号。采用镍振膜和镍合金外壳,并进行特殊的稳定性处理,具有频率范围宽、频率特性好、动态范围宽、动态特性好、温度和长时间稳定性好等优点。其中预极化测试电容传声器,由于不需要另加极化电压,电路简单,使用更加广泛。传声器外径Φ12.7mm(1/2inch),标称灵敏度40m V/Pa,极化电压V=0,频率范围10~16000Hz,频响特性自由场,动态范围17~140d B,电容量20p F。

杭州爱华AWA14604前置放大器是输入电阻很高、输入电容很小、输出阻抗很低的特种放大器,用来与测试传声器配合,进行阻抗变换和前置放大。AWA14604型前置放大器为恒流源(ICP)前置放大器,由恒流源供电,使用BNC插头输出,可很方便地连接。频率范围10~100,000Hz,测量范围15~134d B,增益-0.15d B,ICP工作电压2~10m A,极化电压V=0,外径Φ12.7mm(1/2 inch)。

爱华AWA14425测试传声器和AWA14604前置放大器如图1所示。

1.2数据釆集卡

美国Ni公司的USB-4431数据采集卡如图2所示,是一款具有5通道的便携式USB动态信号采集模块,用于通过集成电路压电式(IEPE)与非集成电路压电式(IEPE)传感器进行高精度声音和振动测量,具有可溯源至NIST的校准。USB-4431数据采集卡具有4路模拟输入(AI)通道,每路同步采样率最高102.4k S/s。四路通道均具有针对传感器的信号调理功能。第五路通道是一个模拟输出通道。USB-4431的AI通道具有100d B动态范围,且每个AI通道具有用于加速度计和麦克风的软件可选式交流/直流耦合IEPE信号调理。这些通道还可兼容IEEE 1451.4(TEDS)传感器,以实现传感器即插即用功能。模拟输出(AO)通道是激励-响应测试的理想之选,可同步至AI通道。AO通道还具有最高96KS/s的更新速率和89d B的动态范围。USB-4431数据采集卡具有24位分辨率,可使模拟输出(AO)和模拟输入(AI)通道获得良好的信噪比。因此采用USB-4431作为噪声分析系统的数据采集卡是很好的选择。

2噪声信号采集系统软件

开发完成的噪声信号采集系统软件主要包括噪声信号采集与存储模块、噪声信号处理与分析模块两部分,界面如图3所示。

2.1噪声信号采集与存储模块

噪声信号采集模块可采集并存储原始的噪声信号,用户可以设置设备名、物理通道、噪声频率范围、传声器灵敏度及采样频率等参数,系统能采集环境噪声信号,并实时显示噪声信号波形图和声压级。采集过程的起止可通过“开始采集”和“停止采集”两个按钮控制,采集信号以TDMS文件格式存储。TDMS文件是NI公司最新推出的数据管理系统。TDMS文件以二进制方式存储数据,它同时拥有方便、高速以及文件小、易存取等诸多优势。它在具备二进制文件优点的同时,又具备关系型数据库的一些优点,它还可以在NI的各种数据分析或挖掘软件之间进行无缝交互,TDMS文件查看器以树形方式列出文件的属性和数据。

2.2噪声信号处理与分析模块

噪声信号处理与分析主要包括信号读取、数字滤波、时域分析、频谱分析等功能。信号读取主要完成对已存储的TDMS文件格式噪声信号的重新读取并显示波形图。在噪声信号采集、转换和传输过程中,会在采集的数据中混入干扰信号。因此,信号必须经过滤波器滤波。系统中采用数字滤波器。数字滤波器是用有限精度算法实现的离散时间线性非时变系统,可以将所需运算编成程序让计算机来执行。数字滤波器不需要增加额外的硬件,而且可随时根据需要更换滤波算法实现不同的滤波方法,因此具有长期工作时稳定性高、精度高、灵活性大等优点。系统中主要选择Butterworth低通滤波器。其特点是通频带内的频率响应曲线最大限度平坦,没有起伏,而在阻频带则逐渐下降为零。时域分析是直接在时域中对系统进行分析的方法,包括信号的均值、均方值、峰值及卷积和相关性分析等。频谱分析是信号的一种频域分析方法,为了解信号的频率成份以及每种成份的强度大小,它利用傅立叶变换将时域信号转换为频域信号。通过分析噪声信号的频率组成和相应量的大小,可以判断机电设备噪声源及产生噪声的原因。

3结论

基于NI公司的Lab VIEW虚拟仪器技术平台,开发完成了噪声信号采集系统,并能实现噪声信号的采集、处理与分析等功能。在此基础上,可进一步进行噪声源识别与噪声污染治理等方面的研究。

参考文献

[1]贺启环.环境噪声控制工程[M].北京:清华大学出版社,2011.

[2]中国安全生产科学研究院.建设项目职业病危害评价[M].徐州:中国矿业大学出版社,2012.

[3]白云,高育鹏,胡小江.基于Lab VIEW的数据采集与处理技术[M].西安:西安电子科技大学出版社,2009.

[4]Jeffrey Travis,Jim Kring.Lab VIEW大学实用教程(第三版)[M].乔瑞萍等译.北京:电子工业出版,2011.

[5]杭州爱华仪器有限公司.测试传声器[EB/OL].http://www.hzaihua.com.cn/products_show.aspx id=114.

[6]杭州爱华仪器有限公司.前置放大器[EB/OL].http://www.hzaihua.com.cn/products_show.aspxid=37.

[7]美国国家仪器(NI)有限公司.USB-4431数据采集卡[EB/OL].sine.ni.com/nips/cd s/view/p/lang/zhs/nid/206676.

[8]陈树学,刘萱.Lab VIEW宝典[M].北京:电子工业出版社,2011.

[9]周新祥.噪声控制技术及其新发展[M].北京:冶金工业出版社,2007.

噪声信号采集篇2

声卡是多媒体计算机系统中最基本、最常用的硬件之一, 其技术发展已经成熟, 它具有AD/DA转换功能, 现已被广泛应用于声音信号采集。MATLAB是Math Works公司推出的一种面向工程和科学运算的交互式计算软件, 其中包含了一些非常实用的工具——数据采集工具箱 (Data Acquisition toolbox) 和信号处理工具箱 (Signal Processing toolbox) , 使用这类工具箱更容易将实验测量、数据分析和可视化的应用集合在一起。因此可以用MATLAB去控制声卡来完成噪声信号采集与分析, 实现人们对其生存空间的噪声分布进行定量与定性分析。

1 噪声采集理论依据

1.1 噪声的特性

噪声作为声音的一种同样具有声学特性。声音是由不同频率的声波通过空气产生震动, 刺激人耳的结果。声波本身存在着频率、幅度和相位的特征, 如果能获取声音的这三个特征值, 就可以定量地分析声波。

而噪声, 则是无规则的声波信号, 噪声的频率、幅度、相位三个参数都是随机的。因而, 人们听到的是一片混乱。它的频率从直流 (0Hz) 到高频 (MHz) , 在甚高频 (100MHz) 、超高频 (1000MHz) 都有能量分布;而幅度有高有低, 从这个角度讲, 似乎无法精确地描述它。但从统计学的角度来看, 可以对噪声的统计分布进行量化。因为, 通常噪声的能量分布主要集中在某些频段, 人们通过对噪声的频谱进行分析, 就可以得到噪声特征数据。

1.2 噪声的采样与量化

噪声信号是一种模拟信号, 要用计算机分析噪声必须将其转换为计算机能够处理的数字信号, 这一过程称之为采样与量化。使用声卡的A/D转换器就可以完成噪声的采样和量化。单位时间内采样的次数越多, 数字的变化越接近于电平的真实变化。根据奈奎斯特理论[1], 当声音采样频率达到44.1k Hz时, 采样产生的数据已能真实地反映人身听觉范围内的频率变化了 (20Hz~20k Hz) 。通过采样与量化得到的噪声是表现的是声音强弱随时间变化的过程特性, 即x (t) , 在这种时-幅数据中, 我们无法看出噪声的规律性, 因为表现出的完全是一组随机变化的图像。要对噪声进行定量分析, 就必须将时-幅数据转化成频-幅数据, 才能显示出其规律性来, 利用MATLAB中的频谱分析函数或数值分析函数就可将采集到的噪声信号进行频谱分析, 并且可方便的将分析结果以图的形式显示出来。

2 噪声信号的采集

在开始噪音采集之前, 要先将传声器 (话筒) 等与声卡的模拟输人端连接起来, 需要注意的是模拟信号的引人应使用音频电缆或屏蔽电缆以减小干扰信号的引人, 然后由MATLAB控制PC机声卡将话筒得到的模拟信号转变为数字信号存储在计算机中。Matlab函数库中的analoginput () 函数可实现对模拟信号的采集, 采集前要根据数据分析的需要设置好采样的通道、频率和时间。以下是噪声信号采集主要四个步骤:

1) 初始化。MATLAB将声卡等设备都作对象处理, 其后的一切操作都不与硬件直接相关, 而是通过对该对象的操作来作用于硬件设备, 所以首先要对声卡产生一个模拟输入对象 (AI) [2].

依次执行上面的函数便完成了一次对噪声信号的数据采集过程。要说明的是, 执行完一次数据采集工作后要删除设备对象的目的是将内存中的数据存储在硬盘上之后释放数据存储所占用的内存空间, 以备下一次采集能有足够的内存空间存储新的数据。

以上的采样过程是对声卡产生的模拟输入对象 (AI) 进行操作的, 由于计算机配置和模拟通道的运用使得数据采集过程显得烦琐, 有时还不易获得采样数据。实验过程发现一种更为简单实用的数据采集方法, 即使用MATLAB数据采集箱中wavrecord函数利用Windows音频输入设备记录声音, 其调用形式为:wavrecord (n, fs, ch) [3], 其主要功能是利用Windows音频输入设备记录n个音频采样频率为fs Hz, 通道数为ch;采样值返回到一个大小为n*ch的矩阵中, 缺省情况下, 采样频率为fs=11025, ch=1。采集完成后调用wavwrite函数将采集到的噪音存储为WAV文件, 采集到的声音可以用waveplay函数来播放, 其调用形式为:waveplay (y, fs) , 其主要作用是利用Windows音频输出设备播放声音, 以采样频率fs向Windows音频设备发送向量信号。

应用wavrecord进行一次简单的汽车噪声信号的采集实验, 记录2秒钟的音频信号并回放之, 采样频率设为44100Hz, 声音采集的程序如下:

将以上的程序命令存储为M文件, 在MATLAB中打开并运行, 即可进行多次噪音信号的采集, 下图1是利用该程序采集到的汽车噪声波形图:

除此以外, 利用Windows自带的录音机程序也可驱动声卡来采集声音信号, 并能保存为WAV格式文件, 供MATLAB相关函数直接读取、写入或播放。MATLAB中的wavread函数用于读取Microsoft的扩展名为“.wav”的声音文件。其调用形式为:y=wavread (file) 。其作用是从字符串file所指的文件路径读取wave文件, 将读取的采样数据送到y中。

3 噪声信号的分析

采集得到的噪声信号是时域特征的, 但通常分析声音信号是看它的频域特征, 从它的频域特征图上能够提取出更多有效的特征量。因此, 对声音信号进行频谱分析、研究其在频域内的某些特征与频率变化的关系更有实际意义。将采集到的时-幅噪声数据转化成频-幅数据, 我们可以通过快速傅立叶变换 (FFT) [4]来完成这一变化过程。

利用以上程序分析得到如图2所示的汽车噪声频谱图:

从图2中可以看出采集到的汽车噪声信号的频谱主峰在150-265 Hz之间, 主峰最高点对应的频率为173 Hz。因此, 利用噪声频谱能够清晰地表示出一定频带范围内的声压级分布情况, 从中可以了解噪声的成分和性质, 有助于了解声源特性, 频谱中各峰值所对应的频率或频带就是某声源产生的噪声, 找到了主要峰值声源就为噪声控制提供了依据。

4 结束语

利用现有多媒体电脑, 在对硬件平台几乎没有任何附加要求的情况下, 借助于MATLAB软件的声卡控制功能、强大的数值计算和信号分析能力, 能够实现对噪声信号的采集、数据分析以及结果显示等功能。实验证明这是一种具有精度高、实时性好、性价比高数据采集与分析方法, 具有很好的应用价值和发展前景。

参考文献

[1]鄂大伟.多媒体技术基础与应用[M].北京:高等教育出版社, 2004.

[2]全必胜, 李斌.基于声卡和MATLAB的数据采集与分析系统[J].计算机仿真, 2003 (8) :149-150.

[3]王彬.MATLAB数字信号处理[M].北京:机械工业出版社, 2010.

噪声信号采集篇3

HFC双向系统是一种成熟的宽带接入技术系统,尽管现在以EPON为代表的其他多种宽带技术发展十分迅速,但真正实现商业化、规模化的系统依然是HFC双向系统。目前,上海、北京、深圳、广州、南京、福州、大连、保定等城市广电系统的宽带化均采用了HFC双向技术,因此,HFC是目前国内广电宽带接入的主流网络形态。笔者在近期拜访了上述城市的网络公司,与各网络公司负责宽带技术的人员就HFC双向系统的运行、维护、监测技术作了深入的交流,同时也感受到了国内宽带工程技术人员对适合国内网络特点的HFC反向通道监测技术的热切需求。

2 研究意义

在HFC双向系统中,工程技术人员普遍对正向(下行)通道技术比较熟悉,也容易把握。从技术特点上考虑,这是自然的,因为对于正向通道而言,信号是从前端这一点进入分配系统的,一个良好的信号是从前端逐级分散到终端的,只要运营者严格控制住前端的信号,就比较容易把握住整个系统的稳定。反向(上行)通道恰恰相反,信号从与系统连接的各个终端出发,进入反向通道向前端传送,在此过程中,所有终端回传信号汇聚到一个点上,同时噪声和干扰也汇集在一起。因此,反向通道的分片设计是对付这种噪声漏斗效应的必需选择。

但是这种分片设计必然带来一个矛盾。从经济的角度来看,设计者希望每个节点能支持的终端数越多越好,而更多的终端数意味着噪声与干扰的汇聚效应可能造成整个节点所有的终端业务停滞。设计者不得不在两者间艰难地寻求平衡,如果没有一个很好的系统实际监测结果作为参照,设计者往往选择减少终端数来换取系统可靠性的提升。笔者认为,HFC反向通道监测技术研究的一个重点是告诉设计者和营运者当前系统的噪声和干扰有多强,增加多少终端才会接近业务受限的临界线。当一个系统投入运营后,营运者最关心的是系统的可靠性,只有保证了可靠性,网络的规模扩展才有基础,用户才会选择,而用户数量的增加反过来是对系统可靠性的挑战。除了机械损伤外,噪声和干扰是影响反向通道可靠性最重要的因素。营运者必须要知道噪声与干扰是什么样的,何时、以何种频度出现,是什么性质,因何引起等。了解了这些技术细节,网络维护者就可以有的放矢,快速发现故障并快速排除故障。HFC反向通道监测技术研究的另一个重点是如何捕捉、分析噪声与干扰,并通过对比分析与判别来实现网络维护者的上述要求。

3 反向通道中的噪声和干扰

在反向通道中,主要的噪声和干扰有5类:热噪声、侵入噪声、光纤链路噪声、组合互调噪声和正向差拍。

3.1 热噪声

热噪声是由反向通道的各类有源器件产生。热噪声能使传输信号的载噪比(C/N)劣化。反向通道中最主要的有源器件是放大器,其C/N计算公式是

式中:A是输入放大器的载波信号电平;NF是放大器的噪声系数,可以从设备参数中查到,一般单口输出的放大器NF约为7 dB;Ns称为噪声本底,可表示为

式中:BWn是噪声信号实际带宽,单位Hz;-65.2 dBμV实际上是75Ω系统下单位赫兹的热噪声。

因此,分析热噪声必须准确知道噪声带宽。同时,由于热噪声通常是非相关的,噪声以功率相加,所以当放大器级联时,总的C/N可表达为

式中:n表示级联的个数。随着放大器阶数的增加,载噪比降低。

3.2 侵入噪声

侵入噪声包括不连续的HF频谱辐射和弥漫性干扰。不连续的HF频谱辐射包括公共无线电频段和短波通信频段的信号,它们可以通过屏蔽不良、未连接终端匹配的功分器端口,连接不良的电缆端口侵入反向系统。弥漫性干扰通常是冲击型噪声,其特征是由频谱很宽的瞬时脉冲型噪声组成,电器开关的启动或切换、电弧、电机的换相过程都会产生瞬时冲击噪声,如图1所示。

3.3 光纤链路噪声

光纤链路噪声与激光器、光纤、光接收机有关,6种类型的噪声会影响光纤链路的载噪比。

1)激光器噪声,是激光器内在的固有特性引发的,称为相关强度噪声(RIN)。RIN在光纤内与信号特征相似,即信号在光纤内衰减量与RIN的衰减量相同。因此,RIN引起的载噪声与光纤的衰减(长度)无关,构成了基本的光纤链路噪声。

2)模式分隔噪声MPN,是一种光纤噪声,是光纤的色散对RF信号带来的随机变化。由于光纤的色散引起的时间偏差正比于光纤的长度,因此MPN随光纤的长度而增加,也就是说,光纤链路长度越长,MPN的对C/N影响的权重越大。同时,RF信号的频率也影响MPN。

3)杂散辐射,也是一种光纤噪声。由于光在光纤的散射作用,信号反射到激光器后产生工作模的变化。输出时间上不相关的两个信号,这样的两个信号在检波器被混频产生随机的差拍信号,形成噪声特性的干扰。值得注意的是,这种杂散辐射通常是以随机冲击性的尖峰形式出现的,同时对于高阶调制的影响很大。

4)干涉强度噪声(IIN),同样是一种光纤噪声。由于光在光纤的散射作用,如果信号在光纤内多次反射,总有一部分随机散射信号和主信号到达检波器,与杂散机理一样,混频后产生随机的差拍信号形成噪声特性的干扰。IIN与光纤的长度有关,当光纤长度增加,反射增多,IIN应当增强,但伴随着长度增加,光的衰减加大,IIN反而减小。当光纤长度较短时,IIN的增长近似于长度的平方关系。因此,无论是光纤很短还是很长时,IIN的作用都不如中间长度时大。

5)检波器散弹噪声,是一种随机噪声,是由检波器输出电流随输入光子的随机到达而呈现统计性波动产生的。在所有的光纤长度上,散弹噪声都起着较大作用,并且在激光器处于弱调制时,随着光纤长度的增加,损耗每增加1dB,C/N劣化1 dB。

6)检波器热噪声,其机理与放大器的热噪声相同。当输入信号光功率低于某一阀值时,热噪声效应显著。因此,光纤长度较长时,热噪声将处于决定性的地位。

从上述分析可知,光纤链路噪声主要由于光链路的有源器件(激光器和检波器)、光纤长度(损耗)以及光纤本身的特质(散射系数、色散特性)相互作用引起,并且光纤链路噪声对总的C/N影响最大,是最主要的噪声来源。

3.4 削波失真

当加在激光器上的RF峰值功率足够高时,在负方向上低于驱动阀值时,会引发削波失真。

由于反向通道上所传输的是数字载波信号,削波失真产生差拍时,互调产物也必然是数字载波特征的信号,由于数字载波信号更像固定宽带噪声,其互调产物的特征也表现为噪声,这种数字信号失真称为组合互调噪声(CIN),CIN类似于模拟通道中的CTB和CSO。

应当指出的是,即使没有削波朱真,差拍产生的互调依然是存在的,只是大多数情况不必区分是削波还是单纯的差拍,因为两者的互调产物具有同频特性,但削波时失真产物才足够大。CIN对整个反向通道的噪声影响体现在整体噪底的提升或某块区域的噪声提升。

信号通道受到白噪声污染和受到CIN污染时的响应是不同的,从星座图上可以一目了然,如图2和图3所示。

3.5 正向差拍

正向信号由于相互混频,产生的差拍产物会落入反向通道中,形成干扰信号,如图4所示。

由于正向信号电平较高,而反向回传电平较低,这些差拍对反向路径产生很大的影响。表现为持续性的尖峰干扰或局部噪底提升。这些差拍干扰信号一般是不稳定的,当接头或触点受到压力、温度、湿度变化影响时,形成的差拍会发生很大的变化,因此是很容易进行区分的。

4 噪声和干扰的测量

如果用普通的测量手段,对如此复杂的噪声与干扰是无法准确识别的,这正是工程人员普遍对反向路径的测量不知所措的原因。当一个信道有多达十余种类型的干扰和噪声时,如何通过测量工具准确捕捉到它们并且区分出每一种噪声和干扰的类型,近而协助查找引起故障的原因是工程技术人员最希望掌握的。大多数从事反向路径维护测试的工程技术人员都了解这些噪声和干扰,也知道用扫描速度较快的频谱分析仪或用具有频谱分析功能的手持电平测量仪器可以协助查找和分析,但如果仔细分析了以上干扰和噪声的机理就会发现这些经验是远远不够的。首先是因为许多干扰和噪声在频谱上是相似的,比如杂散辐射与模拟正向差拍的频谱特征很相似,又比如削波和普通的失真都会引起CIN。其次,如果检测装置的测量速度不够快,不能捕捉到真实的信号“场景”,一方面可能丢失一些瞬发的信息,另一方面可能把在中间截取的实际信号的片段当作干扰,比如,回传信号的特征是Burst方式,这种Burst信号在实时性不强的测量仪中往往被误认为是原来频谱的局部,如图5和图6 所示。

一个良好的反向路径监测装置应该很好地解决上述矛盾。一般的,可以按作用效应把上述噪声与干扰如实记录并分类。重要的是,可以把这些信号按照时间顺序进行对比分析,通过噪声与干扰信号的时间分布特性的差异把具有相同频谱特征的不同干扰识别出来,这种增加一维的分析方法称为TDM方法。

摘要：分析了HFC反向通道中主要的噪声和干扰信号，并提出了测量时需注意的主要问题。为反向通道的维护检测工作提供了技术上的依据。

传感器信号调理电路的噪声优化篇4

在信息技术不断发展的今天, 获取准确可靠的信息成为做好一切工作的前提。最近2 0多年传感器技术获得了长足的进步, 在国民经济相关领域中应用日益广泛, 作为信息的采集和信息的转换的重要部件, 是测量和控制系统的首要环节, 成为测试计量和工业自动化智能化的关键技术。传感器是一种能按一定规律将各种非电量转换为电信号的装置。而随着模数转换器和数模转换器分辨率的提高以及电源电压的降低, 最低有效位 (L S B) 变得更小, 使得信号调理变得更加困难。由于信号大小更接近于本底噪声, 因此, 必须对外部和内部噪声源 (如Johnson噪声、散粒噪声、宽带噪声、闪烁噪声和EMI噪声) 进行处理来减小系统噪声, 处理传感器产生的小信号, 而不引起信号失真。

2 解决途径

图1所示的是典型信号调理电路中的噪声源:

总的输出噪声, 即折合到输入端噪声 (R T I) 由电阻噪声、运算放大器电压和电流噪声组成, 公式如下:

在反相和同相配置中, 噪声增益 (即噪声增大的倍数) 都等于1+R 2/R 1.B W是频带宽度。输出端噪声 (R T O) =输入端噪声 (RTI) ×噪声增益 (G) 。

一般噪声大小是以输入端噪声 (R T I) 来衡量的, 可以从器件及其特征噪声、阻抗、响应方面考虑, 实现最低的折合到输入端噪声 (RTI) , 优化信噪比 (S N R) 。

为了实现传感器信号调理电路的低噪声, 需考虑放大器的工作区:宽带或1/f, 挑选合适的有源器件, 以及在放大器周围放置无源器件, 并限制带宽。分析非噪声需求, 如输入阻抗、开环增益和电源电流。可以通过以下途径对传感器信号调理电路的噪声进行优化。

2.1 运算放大器的选择

某些情况下, 运算放大器的宽带噪声为20 nV/rt-Hz可能优于宽带噪声为10nV/rt-Hz的器件。当传感器工作在极低的频率下, 具有低1/f噪声的放大器可能是最好的。

2.2 无源元件的选择

放大器选择好之后, 应在放大器周围放置合适的电阻和电容, 而这些元件也有噪声。图2所示的是在增益都是1000情况下使用不同电阻值所造成的影响。输出噪声随着用于设置增益的电阻的增大而增大, 所以应选用合适的电阻值。

若忽略R1和R2的噪声, 而只考虑源阻抗R3的噪声时, 则R3值较小时, 放大器的电压噪声占主导地位;当R3值为中等大小时, 电阻R3的John噪声占主导;当R3值较大时, 流入电阻R3的放大器电流噪声的占主导地位。因此, 低输出阻抗的传感器应使用低电压噪声的运算放大器和小电阻。除此之外, 电容也能用于补偿和减小噪声。虽然电抗 (电容和电感) 元件不会增加噪声, 但流经它们的噪声电流将产生噪声电压。总之, 应在放大器周围使用低阻抗来降低热噪声、电流噪声和电磁干扰 (EMI) 噪声带来的影响。

2.3 带宽选择

在选择好放大器以及相关的电阻和电容后, 需要设计合理的频率带宽 (BW) 。带宽不应设计过宽, 足够通过基频和重要的谐波即可。选择具有足够带宽的放大器, 在其后放置R C滤波器。放大器和电阻在带宽范围内都有噪声, 因此, 带宽越大, 输出噪声越大, 信噪比 (SNR) 越低。图3所示的是在具有相同配置的电路中使用具有不同带宽的放大器时, 放大器带宽与噪声之间的关系。为限制附加的噪声, 带宽应该尽可能的窄。

在传感器之后使用R C滤波器来限制带宽。如图4所示, 放大器带宽为300MHz, 输入噪声电压频谱密度为和ADC具有170μV rms的噪声。在运算放大器之后增加R C滤波器后 (R=50Ω, C=100pf) , 将产生50MHz的有效带宽, 能把噪声降低到70μV rms。

B W (噪声带宽) =

图5是实际运用中采用三个运算放大器构成的高精度传感器的接口电路:

3 结语

传感器是采集和信息的转换的重要部件。每个传感器都有其噪声、阻抗和响应特性。应了解噪声源, 合理选择器件, 带宽, 分析非噪声需求。实现传感器信号调理电路的低噪声, 获得最佳S N R, 处理传感器产生的小信号获得高分辨率。

参考文献

[1]王雪文, 张志勇.传感器原理及应用.北京航空航天大学出版社.2004.

[2]李希文, 赵建.传感器与信号调理技术.西安电子科技大学出版社.2008.

噪声信号采集篇5

关键词：弱信号,数据采集,低噪声,FPGA,CS套片

进入21世纪以来,油气勘探的重点已从陆地向海洋转移。在近年的EAGE、SEG年会上,海洋电磁法勘探方面的论文、报告成为地球物理界关注的热点之一[1]。海洋电磁法勘探技术能够识别高阻油气藏,作为地震勘探法的有效补充可提高海上钻探成功率,大大降低钻探风险[2]。

海洋电磁勘探方法分为天然场源(Marine MT,海洋大地电磁法)和人工场源(Marine CSEM,海洋可控源电磁法)[3]。搭载在海底电磁采集站上的电磁数据记录仪是海洋电磁勘探的关键装备之一,负责采集海底微弱的电场和磁场信号[4]。微弱磁场信号通过精细设计的超低噪声磁场传感器采集,磁场传感器本底噪声要求低于;电场信号利用“固态不极化Ag/AgCl电极+低噪声放大电路”采集,采集通道本底噪声要求低于,电场信号为低频宽带微弱信号。

针对海洋电磁勘探方法中的微弱电场和磁场信号的采集需求,本文采用美国Cirrus Logic公司的24位数据采集套片CS5376A、CS5372A和CS3301A,基于FPGA技术,开发了一种同步、低噪声数据采集系统。给出了系统的总体设计方案。详细介绍了数字滤波芯片CS5376A的接口逻辑设计和软件设计。

1 数字采集系统设计

本文提出的基于CS套片的低噪声数字采集系统拓扑如图1所示,包括CS套片部分和数字采集存储部分。CS套片是由四片低噪声、可编程增益、差分放大器CS3301A,两片高性能Δ∑调制器CS5372A和一片多通道数字滤波器CS5376A组成。数字采集存储部分由ST公司的ARM芯片STM32F207、Altera公司的FPGA芯片EP3C16F484和San Disk公司的32GB CF卡组成。FPGA芯片负责数字采集,包括配置CS5376A的SPI端口驱动逻辑、读取转换数据的SD端口驱动逻辑、数据缓存模块、配置CS5376A的命令缓存等。数据缓存模块包括选择控制逻辑、数据缓存1、数据缓存2和输出数据选择输出逻辑,其中控制逻辑负责控制使能两个数据缓存、进行输出数据选择和产生ARM读数据中断信号,两个数据缓存采用乒乓操作,能够保证将CS套片采集的数据进行无缝缓冲和处理。配置CSCS5376A需要下发不同字节数量的命令包,存储在命令缓存中,分为5字节、8字节和11字节命令包,在命令缓存的尾地址存储命令包数据字节数,传输完成后处理器下发开始传输命令通知SPI端口驱动逻辑,按照CS5376A要求的SPI写时序将命令包转换成串行数据,对CS套片进行配置和访问。

3 CS5376A接口设计

3.1数字逻辑设计

数字滤波芯片CS5376A数字逻辑设计,如图2所示,包括SPI端口驱动和SD端口驱动,通过SPI端口,能够对CS套片进行配置和读取CS套片的寄存器,通过SD端口读取CS套片的模数转换数据;SPI端口驱动负责将来自处理器的配置数据从命令缓存中读取并且按照要求的时序驱动SSI_N、SCK1、MOSI等引脚。图中命令缓存,是16字节深度的双口RAM,末地址存放命令包的有效数据数目。SPI端口驱动,需要对CS5376A的状态进行监测,等待SINT_N负脉冲产生或是间隔1ms后,才能进行下一次命令传输,确保CS5376A能够正确接收命令。SD端口驱动负责将CS套片转换完成的串行数据转换成并行数据data[127..0],每一次读取完成后产生data_load脉冲,通知数据缓存模块进行相应的数据处理。根据令牌输入口SDTKI的输入信号类型,SD端口有两种工作模式:单次工作和连续工作。本文将1MHz信号接至SDTKI口,使SD端口连续工作。

SPI端口驱动逻辑程序,如图3所示,基于单进程采用状态机思想进行程序设计。SPI端口驱动分为6个状态,写数据命令,状态跳转依次为S1->S2->S3->S4->S5->S1;读数据命令,状态跳转依次为S1->S2->S3->S4->S5->S6->S1。

16字节深度的RAM,以16进制文件作为存储器寄存器内容,前5个地址数据顺序设置为0x55、0x0F、0x55、0x0F、0x55,最后一个地址数据设置为0x05。时序仿真波形,如图4所示。

SD端口驱动,负责按照CS5376A的数据传输协议读取CS套片采集完成数据,转换成并行数据,并负责将并行数据准确传输给数据缓存模块。

图5是SD端口驱动时序仿真图,仿真条件是设置数据准备好信号为低电平,测试SDCLK等信号输出,本文设计的数据采集系统一个CS套片含有4路采集通道,图5中列出了4路并行数据输出。

3.2软件设计

针对CS5376A的不同工作模式,本文设计了三个函数,分别是初始化配置函数、模式切换函数和实时参数配置函数。

数字滤波芯片CS5376A,在复位信号端口释放后,但在引导程序前,需要60ms时间进行一系列的数字滤波器自检操作。自检结果存储在自检寄存器(0x2F)中。本文设计的上电启动采样函数程序流程,如图6所示。读取自检寄存器,需要下发8个字节数据(“0x02 0x03 0x00 0x00 0x02 0x00 0x000x2F”);设置ROM系数,是对片上FIR和IIR滤波器系数进行设置;写配置寄存器,是设置滤波器频率、MCLK频率和MSYNC使能控制。写滤波器配置寄存器,是对滤波器数据输出速率、偏置补偿、通道使能数量等进行设置;配置片上GPIO外设,是对CS3301A的MUX1、MUX0、PWDN和CS5372A的OFST、PWDN引脚进行设置。最后下发启动命令,使CS5376A开始工作。

为了降低采集系统的功耗,在不需要对信号进行采集时,需要将数据采集系统工作于低功耗模式。本文设计的进入低功耗模式函数程序流程如图7所示,需要下发停止采样命令,并通过CS5376A设置CS3301A和CS5372A的PWDN引脚为高电平,置CS3301A和CS5372A为低功耗模式。

在在采采集集系系统统调调试试阶阶段段,,需需要要实实时时改改变变对对CCSS55337766AA的的相相关关配配置。。本本文文设设计计了了实实时时参参数数配配置置函函数数,,程程序序流流程程图图如如图图88所所示示。。

4 测试实验

为了测试基于CS套片的数字采集系统的性能,搭建了如图9所示的实验测试系统。测试系统包括数字采集板、信号发生器、直流稳压电源、上位机监控软件等。信号发生器产生一定频率的正弦信号,上位机检测数字采集板采集到的信号波形。信号发生器采用Agilent的33522A,直流稳压电源采用YB1731B。

5 结论

强噪声背景下的弱信号检测仿真篇6

对于一些需要测量的弱信号, 例如弱光、弱磁、弱声、弱位移等, 一般都是通过相应的传感器将其转换为弱电压或弱电流, 再经放大器放大其幅度来指示被测量的大小[1]。但是由于被测量的信号较弱, 传感器噪声、放大电路和测量仪器固有噪声以及来自外界的干扰噪声往往比有用信号的幅度大得多, 且放大被测信号的过程同时也放大了噪声, 所以仅仅靠放大是不能把弱信号检测出来的。只有在有效抑制噪声的前提下增大弱信号幅度, 才能提取出所需要的有用信号。本文提出一种基于锁定放大器 (Lock-in Amplifier, LIA) 的弱信号检测的数字实现方案, 较之传统的检测方案, 数字实现具有无直流漂移和较好的灵活性等优点, 同时将弱信号检测中的数字式平均原理应用于锁定放大器中滤波器的设计, 并对其抑制宽带噪声和单频噪声的性能进行了仿真分析。

1 弱信号检测系统的实现方案

在检测系统中, 由传感器获得的弱信号为较小的直流信号或慢变信号, 为了防止1/f噪声和直流放大器的直流漂移的不利影响, 通常都使用调制器或斩波器将其变换为交流信号后, 再进行放大和处理[1,2]。在本文提出的检测系统实现方案中, 为了仿真实现方便, 待检测的有用信号均已调制为弱正弦信号, 则实现框图如图1所示, 其中待测慢变信号经过载波频率为ω0的调制处理之后进入检测系统, 经过中心频率为ω0的带通滤波器提高信噪比之后, 进入锁定放大器, 经锁定放大器检测并最终得到输出, 由图可知, 锁定放大器主要由信号通道、参考通道、相敏检测器 (PSD) 和低通滤波器 (LPF) 组成[2,3]。

在锁定放大器中, 信号通道输入的是被调制为弱正弦信号的待测信号。参考输入为用于调制的载波信号, 参考通道对参考输入进行移相处理, 以使各种不同相移信号的检测结果达到最佳。PSD以参考信号r (t) 为基准, 对有用信号x (t) 进行相敏检测, 从而将x (t) 的频谱由ω=ω0处迁移到ω=0处, 再经频带极窄的LPF滤除噪声, 输出uo (t) 对x (t) 的幅度和相位都敏感, 以达到既鉴相又鉴幅的目的[3,4]。

图1中x (t) 为被调制后的弱正弦信号, r (t) 为经参考通道以信号通道为参考, 做移相处理之后与x (t) 同频同相的信号, r (t) 一般可选方波信号或正弦波信号, 但由方波信号的傅里叶级数展开式:

$Y (t) = V_{r} \frac{4}{π} \sum_{n = 0}^{\infty} \frac{1}{2 n + 1} \sin [(2 n + 1) (ω_{r} t + θ_{r})] (1)$

可以知道, 它不但含有基波而且还有其他谐波, 它会扩展干扰噪声的相对带宽从而影响到检测弱信号时的精确度[5]。故在此将选择正弦信号作为参考信号, 则:

$\begin{array}{l} x (t) = V_{s} \cos (ω_{0} t + θ) + n (t) (2) \\ r (t) = V_{r} \cos ω_{0} t (3) \end{array}$

式中:Vs, Vr为信号幅度, 不失一般性, 取Vr=1, 则θ为被测信号与参考信号的相位差, 经参考通道移相处理之后, θ可为0, n (t) 为噪声。x (t) 与r (t) 相乘的结果为:

up (t) =x (t) r (t) =0.5Vscos θ+0.5Vscos (2ω0t+θ) +n (t) cos ω0t (4)

式 (4) 经理想低通滤波之后, 只剩下第一项, 它包含了被测信号的幅度和相位信息, 即达到弱信号检测的目的。

2 锁定放大器 (LIA) 中滤波器的设计[1,6]

由公式 (4) 可知, 锁定放大器中滤波器的设计在一定程度上决定了检测系统抑制噪声、检测有用信号的能力[1,7]。在此, 将弱信号检测中得到广泛使用的数字式平均原理——指数加权平均算法应用于锁定放大器中的滤波器设计, 设计出的滤波器具有调整方便, 实现简单和易获得极窄带宽的优点。其中指数加权平均算法的表达式可写为:

$A (Ν) = β A (Ν - 1) + (1 - β) x (Ν) (5)$

可见, 它是在每次数据到来时, 根据新的数据对上次的平均结果进行修正, 得到本次平均结果, 参数β决定了递推更新过程中新数据和原平均数据各起多大的作用。对式 (5) 两边做Z变换, 则其传递函数H (z) 可表示为:

$Η (z) = \frac{1 - β}{1 - β z^{- 1}} (6)$

若T为取样间隔, 则其幅频响应为:

$Η (e^{j ω}) = \frac{1 - β}{\sqrt{1 + β^{2} - 2 β \cos ω Τ}} (7)$

可见, 指数加权数字式平均的实现在0<β<1相当于一个一阶的低通滤波器, 其带宽取决于β, β越接近1, 带宽越窄[1,8]。图2画出了不同β值时指数加权平均的幅频响应。可以看出, 应用这种算法在可编程逻辑器件实现中可以通过调整β值非常方便地得到所需的滤波器。

3 系统仿真

在本文中, 以Matlab为平台, 对系统在强宽带噪声和单频噪声背景下检测弱信号的能力进行仿真分析。设输入信号为x (t) =Vscos (ω0t+θ) +n (t) , r (t) =Vrcos ω0t, 且参考通道工作正常, 则经参考通道处理之后, θ为0。取Vr=1, Vs的幅度由仿真时的输入信噪比决定, n (t) 则依据仿真条件不同来设定。

3.1 提取被宽带噪声淹没的弱信号

n (t) 为服从正态分布的0均值随机噪声, 则当输入信号信噪比为-3 dB和-23 dB时的检测结果如图3所示。

由图3可知, 在经过一定时间系统输出稳定之后, 其输出逼近理论计算值, 特别是当输入信号信噪比为-23 dB时, 系统仍然能够从中检测出所需信号的幅度, 表现出较强的抑制噪声的能力。以图3 (b) 为例, 由系统输出可以知道待测信号的幅度为0.1 V, 其计算方法为:Vreal=k·Vo, k为比例系数, Vo为检测系统稳定之后的输出, Vreal为待测弱信号幅值[9]。当r (t) 为正弦信号时, uo (t) =x (t) ·r (t) =0.5Vscos θ, θ为0, 则k=1/0.5=2。在实际应用中, 如已测得弱信号的幅度值, 则可由此幅度值, 依据所测弱光、弱位移、弱磁等和传感器之间的响应关系即可转换出所测物理量的大小[10]。

3.2 提取被单频噪声淹没的弱信号

同理, 假设n (t) 为频率成分单一的噪声信号, 在此条件下仿真系统抑制噪声的能力, 分别取n (t) =cos (6.67ω0t) 和n (t) =cos (0.9ω0t) , 前一种情况下, 干扰噪声的频率离信号频率较远, 后一种情况下两种信号频率较为相近。则仿真得到的结果如图4所示。

由图4可知, 当噪声频率离信号频率较远时, 系统能够较好地抑制噪声, 得到较为准确的输出值。但当噪声与信号的频率较近时, 系统的输出就不能收敛到准确值上, 这是因为此时噪声通过相敏检测器之后得到的频率成分中有低频分量通过了低通滤波器, 且这些分量有较大的幅度, 这部分噪声极大地破坏了系统检测弱信号的能力。若将仿真条件设定为SNR=-40 dB, β=0.999 9时, 当噪声的频率不在0.75ω0～1.25ω0之内时, 系统可以较好地检测出其中的弱信号。由此可见, 在此弱信号检测系统中, 只要设计的滤波器的等效噪声带宽足够窄, 就可以获得满意的抑制噪声的能力。

图5为在不同噪声背景和不同输入信噪比条件下, 系统输出相对于理论输出的偏移程度, 偏移量 (E) 等于理论输出和仿真输出的差与理论输出的比值。由图5可知, 在宽带随机噪声条件下, 随着输入信噪比的减小, 系统输出偏移理论预期增大, 而在单频噪声条件下, 这种偏移要小而且平稳得多。

4 结语

由上述仿真可知, 文中提出的弱信号检测系统, 主要是基于数字锁定放大器实现弱信号检测的, 其中滤波器的设计对系统检测弱信号的性能起着决定性作用。数字式平均本身就是一种从噪声中提取弱信号的方法, 在此将其中的指数加权平均算法应用于锁定放大器的滤波器设计, 得到了比较满意的结果, 它具有算法简单, 实现容易, 调整方便的特点, 特别是在使用可编程逻辑器件来实现上述系统时, 这种优点将体现得更为明显。

摘要：针对被噪声淹没的弱信号的检测提出一种基于数字锁定放大器 (LIA) 的实现方案, 该方案将弱信号检测中的数字式平均原理应用于锁定放大器中的滤波器设计, 传统的滤波器相比, 该滤波器具有结构简单、通带易于调整控制的优点。以检测传感器电路中的弱电压信号为基础建立检测仿真系统, 并以Matlab为平台, 对方案抑制宽带噪声和单频噪声的性能进行了仿真分析, 可以看到, 本方案取得了较好的抑制噪声的能力, 对于两种不同的噪声污染, 当输入信噪比分别为-23 dB和-60 dB时仍可较精确地检测出淹没在噪声中的弱信号幅度。

关键词：弱信号检测,锁定放大,数字式平均,传感器

参考文献

[1]高晋占.微弱信号检测[M].北京:清华大学出版社, 2004.

[2]刘俊, 张斌珍.微弱信号检测技术[M].北京:电子工业出版社, 2005.

[3]焦斌亮, 李素静.锁相放大器及其相关检测的仿真分析[J].电子技术, 2008 (1) :111-112.

[4]董景新.微惯性仪表——微机械加速度计[M].北京:清华大学出版社, 2003.

[5]胡锦, 凡金湘, 谢沙天.利用DSP改善对微弱信号的检测性能[J].计量与测试技术, 2005 (10) :5-8.

[6]谢立新.数字式多点均衡的微弱信号检测仪设计[J].微计算机信息, 2008, 24 (7) :189-190.

[7]于丽霞, 王福明.微弱信号检测技术综述[J].信息技术, 2007 (2) :114-116.

[8][美]恩格尔.数字信号处理——使用Matlab[M].刘树棠, 译.西安:西安交通大学出版社, 2002.

[9]莫冰, 谭晓昀, 刘晓为.电容检测型微机械陀螺的信号检测电路[J].仪器仪表学报, 2005, 26 (8) :324-326.

噪声信号采集篇7

1 噪声调频干扰信号

噪声调频信号的时域关系如下形式[2]

J(t)=U cos(ωjt+KFM∫ $_{0}^{t}$ un(τ)dτ+ϕ) (1)

式中,un(t)为调制噪声;U为载波振幅;ωj为载波频率;KFM表示调制噪声每伏电压引起的频率变化;ϕ为[0,2π]上的均匀分布且与噪声un(t)相互独立。噪声调频信号的有效调频指数mfe=KFMσn/ΔΩn,ΔΩn为调制噪声的频谱宽度,σ $_{n}^{2}$ 为调制噪声功率。当mfe≫1可以得到噪声调频干扰信号的功率谱密度为[3]

$p (f) = \frac{U^{2}}{2} - \frac{1}{\sqrt{2 π} f_{d e}} \exp [- \frac{(f - f_{j})^{2}}{2 f_{d e}^{2}}] (2)$

此时噪声调频信号的半功率干扰带宽 $Δ f_{j} = 2 \sqrt{2 \ln 2} f_{d e} = 2 \sqrt{2 \ln 2} Κ_{F Μ} σ_{n}$ 。当mfe≪1时,噪声调频信号的功率谱为

$p (f) = \frac{U^{2}}{2} \frac{f_{d e}^{2} / (2 Δ F_{n})}{(π f_{d e}^{2} / (2 Δ F_{n}))^{2} + (f - f_{j})^{2}} (3)$

此时噪声调频信号的干扰带宽(-3 dB带宽)为:Δfj=πf $_{d e}^{2}$ /ΔFn=πm $_{f e}^{2}$ ΔFn,ΔFn=ΔΩ/2π。通常情况下mfe≫1。

2 能量法检测技术原理

对于噪声调频干扰信号,由于其信号的随机性很强,很难再使用相关的办法对其进行检测,但在雷达接收系统的设计时,其系统的热噪声相对比较稳定,所以其自身的热噪声功率也是相对稳定的。更为重要的是,对雷达接收机而言,其本身的带宽有限,接收到的雷达脉冲信号的占空比较低,其平均功率也较小,所以从长时间统计意义上看,雷达信号对噪底的功率影响也较小。当有噪声干扰信号进入时,在其干扰频带上会比无噪声干扰信号时在能量上有明显的提高,即雷达接收机的噪声电平将抬高。

图1给出了能量法检测技术信号处理的流程图。在图1中,Jn(t)为噪声调频干扰信号,s(t)为雷达脉冲信号,n(t)为输入噪声。y(t)为接收天线未对准干扰源时进入接收机的信号。首先,在没有干扰信号背景下进行系统标校,通过多次测量一定时间内的信号能量,经平均后得到系统和环境背景本身的噪声电平,计其功率为σy。具体检测时,对相同时间内输入信号进行能量统计,将统计结果与标校结果σy进行比较,其判决准则为

${\begin{cases} σ_{s}^{2} \geq k σ_{y}^{2}, 有干扰 \\ σ_{x}^{2} ＜ k σ_{y}^{2}, 无干扰 \end{cases} (4)$

其中,系数k可适当调整。当k选择为1表示当信号的统计能量高于雷达信号与噪声的能量之和时认为有干扰。但实际中由于虚警的可能,一般k不选为1。例如若选择k为2,即统计结果比标校值高3 dB即认为有干扰,否则判决为无干扰。

对于检测门限的设定,在实际的系统中,系统的热噪声是在设计时所确定的固有性质,相对于外界的环境要稳定得多。在设置门限时,可以在侦察天线没有对准干扰源的情况下得到内外混合噪声以及雷达回波信号的混合平均功率值作为参考信号,其优点是能够真实地反应实际情况,但是此时应避免有其他发射机在工作。因若有其他发射机信号的输入,将参考门限抬高,检测概率降低,出现漏警的概率增加。

文中算法的两个重要参数σ $_{y}^{2}$ 和k决定了检测门限。σ $_{y}^{2}$ 是实际中的统计结果,在这里σ $_{y}^{2}$ 与实际中无干扰仅有雷达信号和噪声进入时的信号功率值越接近越好。影响σ $_{y}^{2}$ 的主要因素是统计时长等,增加统计时长并多次测量后进行平均有利于找到合适的σ $_{y}^{2}$ 值。此外对于k的选择也至关重要,若k过小导致门限过低,虚警率将增大。反之则漏警率增大。

能量法检测的优点是适合于各种噪声压制性干扰,简单实用并易于实现。缺点是没有从频域上分析信号,也不能确定是何种噪声调制干扰。

3 能量统计检测法硬件电路设计

CPLD或FPGA技术的出现,为DSP系统的设计又提供了一种崭新的方法[4]。全新的CPLD/FPGA系列正在越来越多地替代ASIC和PDSP用于前端数字信号处理的运算。

本文利用QuartusⅡ设计了能量统计检测法的硬件电路,其电路图如图2所示。硬件电路的设计思想是:对每1 ms时长接收到的信号进行能量统计,之后与门限进行比较,输出标志表示前1 ms时间有无噪声调频干扰。本电路采用模块化设计,这里设左起第1排的上下两模块分别为模块1和2,第2排为模块3和4,第3排为模块5,第4排为模块6。模块1是信号分路电路,将输入的信号分成两路进行处理,主要是为了降低速度。因噪声调频干扰信号的带宽很大,采样率一般要求较高,分成多路处理可有效降低系统时钟速度,这里采用2路;模块2是分频器,用以产生1 ms的时钟,将每1 ms时长数据的计算结果输出出去。模块3和4均为信号处理模块,进行能量统计,时钟为输入信号速率的一半,由模块1提供。模块5对两路信号能量求和,得到总能量,模块6是比较器。电路的输出flag相对于输入信号延迟1 ms。

4 仿真

为了讨论方便,假设接收机为理想接收机,接收机的带宽足够大并且假设噪声为高斯白噪声,这样的假设具有一般性。仿真使用的噪声调频信号的中心频率为100 MHz,干扰带宽为50 MHz(75～125 MHz),采样率为300 MHz。在不加干扰的情况下进行第一次仿真,产生1个10 ms长的高斯白噪声并叠加1个脉宽为5 μs,重复周期为10 μs的雷达脉冲信号,信噪比为10 dB;第2次仿真时,在3.5～7 ms之间叠加1个上述性质的噪声调频信号,信干比为10 dB。使用Matlab产生数据并将数据量化成8位有符号数。编写Testbench[5]文件并利用Modelsim进行仿真,两次仿真的门限保持一样。利用Matlab计算出无干扰时所产生信号1 ms时长的平均能量 $\bar{E}$ ,再把k取2,以 $2 \bar{E}$ 作为检测门限,表示统计结果比标校值高3 dB即认为有干扰。仿真结果分别,如图3和图4所示。

图3和图4中横坐标的单位为ps,每格时长为1 ms,系统时钟clock为300 MHz,clk_1 ms的周期为1 ms。图3中flag一直为0,表示没有检测到干扰,而图4中可以看出在5～8 ms区间flag为1,因为flag相对于信号输入延迟1 ms输出,说明在4～7 ms区间有噪声调频干扰,这与Matlab产生的信号吻合。容易看出,对于3.5～4 ms区间的干扰信号没有检测到,可见对于每1 ms区间的信号,若只有很短一部分有干扰信号,此方法对此时间信号存在检测盲区。但对于长时间的连续信号,此方法具有较好的检测性能。