电子技术与软件工程 电子技术

Electronic Technology & Software Engineering Electronic Technology

强噪声下的微弱信号检测技术
李妙珍 李舜酩
（南京航空航天大学 能源与动力学院 江苏省南京市 210016）

摘 要：本文首先分线性方法和非线性方法对微弱信号检测技术进行了介绍。线性检测方法一般分为时域分析法、频域分析法和时频
分析法；混沌理论法、随机共振法和差分振子法是目前主要的微弱信号非线性检测方法。然后，本文从应用范围、优势和缺点等方面对常
用的微弱信号检测方法进行了对比分析和总结展望。
关键词：微弱信号；线性检测方法；非线性检测方法

在工程应用中，通常需要利用系统在工作过程中产生的微弱信
号来对系统的工作状态进行判断。例如，旋转部件在工作过程中所
产生的某些特定振动信号可以反映系统的工作状态以及系统的健康
水平，但是此类有效信号通常会被较强的噪声所掩盖，使有效信息
难以被提取，因此，研究微弱信号检测技术尤为重要。
微弱信号检测是利用近代电子学和信号处理方法从噪声中提取
有用信号的一门技术学科 [1, 2, 3]。它利用电子学、信息论和物理学的
方法，研究噪声和有用信号，检测被噪声背景或干扰信号淹没的微
弱信号。
1 线性检测方法
微弱信号的线性检测方法一般分为时域分析法和频域分析法和
图 1：取样和数字平均运算过程
时频分析法。
1.1 时域分析法 （6）
时域分析方法更加适用于检测周期性的微弱信号，常用的方法 此时得到的结果只与有用信号和参考信号有关，噪声的影
包括相关检测、锁相放大、取样积分与数字式平均、时域平均等方 响被去除掉了 [6]。在进行相关计算时，由于信号长度有限，所以
法 [4]。 Rs2n(τ)≠0，这就是所谓的残留噪声 [7]。
相关检测通过对信号进行相关性分析，利用有用信号的相关性 锁相放大技术利用的是互相关的原理，通过相敏检波器 (PSD)
和噪声的随机性提取有用信号。相关性分为自相关函数和互相关函 和低通滤波器 (LPF) 完成互相关运算来检测微弱信号，克服了以往
数两种。自相关函数用来描述同一信号在不同时刻取值的相关性 [5]， 带通滤波器要求带宽窄而产生中心频率发生变化的问题 [8, 9]。
设某一信号为 x(t)，则其自相关函数为： 取样积分与数字式平均技术是利用有用信号的周期性和噪声的
随机性，在每个信号周期中取样多次，将每个周期中同一位置的信
号相加，从而降低噪声对有用信号的影响，增大信噪比的一种微弱
（1）
其值域为 0-1。不同信号之间的相关性用互相关函数描述，设 信号检测方法 [10]。周期数越大，信噪比改善程度越大，但由于信
某组信号为 x(t) 和 y(t)，则互相关函数为： 号长度限制，噪声不能完全去除 [11]。取样和数字平均运算过程如图
1 所示。
当用在非周期信号的检测工作中时，通常运用调制或者斩波的
（2）
当 Rxy(τ)=0 时，x(t) 和 y(t) 相互独立。 方法人为地给待测信号赋予周期 [12]。焦光龙等人 [13] 利用平衡混频
设待测信号为： 器能够消除本振噪声的原理，提高了取样积分器的稳定性。
（3） 时域平均是一种积累平均抗干扰过程，对输入信噪比没有要求，
其中，s1(t) 为有用信号，n(t) 为噪声。用于互相关检测的参考 适合对淹没在强噪声里微弱信号进行预处理。此外，信号时域平均
信号为： 处理的结果是时域波形，易识别出信号的冲击特征，在故障诊断中
（4） 被广泛应用。时域平均法对信号周期的要求较高，对此，陈韶华等
其中，s1(t) 和 s2(t) 频率相同。则 f1(t) 和 f2(t) 的互相关函数为： 提出了一种变截断周期时域平均搜索方法 [14]，使其信噪比下限达
到 -35dB。
1.2 频域分析法
频谱分析法是频域分析的常用方法 [15]。它利用傅里叶变换将
信号转换到频域，提取出信号的频率成分、各谐波的幅值、相位、
功率以及能量与频率的关系等信息。
（5） 频域分析法主要采用功率谱法进行微弱信号检测，主要用于检
其 中，Rs1s2(τ) 为 s1(t) 与 s2(t) 的 互 相 关 函 数，Rs2n(τ) 为 s2(t) 与 测平稳随机信号。功率谱估计是利用广义平稳随机过程的 N 个样
n(t) 的互相关函数。因为噪声随机，与信号不相关，所以 T→∞ 时 本数据来估计该过程的功率谱密度 [16, 17]。经典谱估计（非参数化方
有 Rs2n(τ)=0，式（5）变为：

●基金资助：（1）国家重点研发计划“微弱电信号精密检测及高速数据处理技术”资助项目（编号：2018YFB2003300）；（2）国家自然
科学基金资助项目“转子系统数据不均衡微弱故障的智能敏捷诊断与预测”（51975276）。

85
电子技术 电子技术与软件工程
Electronic Technology Electronic Technology & Software Engineering

表 1：各种检测方法适用范围和特点

检测方法 适用范围 优势 限制
相关检测 微弱周期信号如微弱正弦信号
原理简单 残留噪声问题
有窄带滤波的作用，对环境
锁相放大 周期信号如光纤陀螺输出的微弱光信号 需要确定参考信号
要求低
时域 周期信号如地震信号，也可用于非周期 去除噪声效果受取样长度
取样积分与数字式平均 可实现较高分辨率
信号 限制
某周期内发生多个冲击的信号如齿轮
线性 时域平均 易识别出信号冲击特征 需要对信号周期准确估计
故障信号
方法
平稳随机信号如正态有色噪声中的信号 频率分辨率高，能改善谱线
频域 频谱分析 缺少时域上定位功能
检测 分裂和频率偏移等问题
可检测信噪比较低的非平稳
小波变换 非平稳信号如机电系统信号预处理 小波基函数没有标准选择
信号
时频域
可检测信噪比较低的非平稳
短时傅里叶变换 非平稳信号 缺乏细化功能
信号

混沌振子法 非线性噪声背景下的周期信号 可处理复杂信号 运算量大

非线性方法 随机共振法 信号频带与噪声频带重叠 可利用噪声、计算量小 参数调整较繁
差分振子法 故障检测，如转子碰摩故障识别 计算量小，可用于在线检测 难以反应信号绝对幅值

法）以傅里叶变换为基础，计算简便，但有泄漏效应，且方差性能
不好；现代谱估计（参数化方法）以随机过程的参数模型为基础，
具有频率分辨率高，能改善谱线分裂和频率偏移等问题的优点。
在工程应用中，傅里叶变换在分辨率上有一定的局限性，另外
用傅里叶变换的方法提取信号频谱时，需要利用信号的全部时域信
息，所以缺少在时域上进行定位的功能 [18]。频域分析方法主要用于
平稳随机噪声下信号的检测 [19, 20]。
1.3 时频分析法
当检测信号为非周期信号时，表述时间 - 频率局部性质成为必
然要求。短时傅里叶变换和小波变换等时频分析采用时间 - 频率联
合表示信号，可以全面反映观测信号的时频特征 [21, 22]。
短时傅立叶变换是 Gabor 在传统的傅立叶变换的基础上提出的
一种时频分析方法，可以看作信号在分析时间 t 附近由时间窗限定
的一小段信号的“局部频谱”，代表时间 t 和频率 f 所确定的二维
时频分布，这种算法的主要缺点是，一旦窗函数确定下来，时频分
辨率就固定下来，因此缺乏细化功能。只有当基函数与信号尺度函
数相匹配时，才能够检测出信号轮廓 [23]。
小波变换的基本思想是将原始信号分解为一系列具有良好的时
域、频域等局部特征的子带信号，进而实现对信号时间、频率的局
部化分析。小波变换具有很强的去数据相关性，能够使信号的能量
在小波域集中在一些大的小波系数中，而噪声的能量却分布于整个
小波域内 [24, 25, 26]。但小波基函数没有一个标准选择，对小波分解尺
度范围的确定也没有一个通用的方法。
自 1984 年从事石油信号处理的工程师 Morlet 提出小波变换以
来 [27]，小波变换理论得到了迅速发展 [28, 29]，并且被不断应用到故
障诊断、解决残留噪声等问题中 [30, 31, 32]。
2 非线性检测方法
为了便于分析，通常将非线性系统简化为线性系统，但精度较
低，所以需要精度更高的非线性方法，主要包括混沌检测法、随机
共振法、差分振子法 [33]。
2.1 混沌振子法
混沌是非线性动力系统的固有特性。混沌理论最大的特点是混
沌系统有不确定性，混沌系统具有对初值敏感性及对噪声免疫的特
点 [34]，因此，可通过观察系统相轨迹的变化实现微弱信号的检测。
基于混沌振子的信息检测技术主要有三种形式 [35]：
（1）根据接收到的信号重构出混沌背景信号的相空间，得到
混沌的预测模型，从待测信号中减去预测到的混沌信号，得到有用
信号。
（2）利用混沌理论构造“混沌”测量系统，实现高精度的测量。
（3）使混沌动力学行为处于特定状态下，将待测信号作为混
沌系统特定参数的补充，利用混沌系统对参数摄动的敏感性，根据
混沌系统状态的相变实现对强噪声干扰下微弱信号的检测。
虽然混沌控制从总体上无统一的共同理论框架，但混沌控制都
是利用连续小微扰变原来的正的 Lyapunov 指数为负值，实现从不
稳定到稳定的转变 [36, 37, 38]。
2.2 随机共振法
随机共振可以抽象概括为一种物理现象：利用噪声增强非线性
系统中的微弱周期信号。
当非线性系统与输入的信号和噪声之间存在某种匹配时，如果
增加输入噪声，输出信噪比反而大幅度增加 [39]。利用随机共振理
论设计非线性接收系统，可实现噪声能量向信号能量的转换 [40]，
在短数据集条件下检测更低信噪比的信号且不会产生误报现 [41]。
随机共振的概念是由 Roberto Benzi、Alfonso sutera 和 Angelo
vulpoiani 等人于 1981 年在研究古气象冰川问题时提出的 [42]。在信
号处理领域微弱信号检测方向，对随机共振已经有了大量的研究 [43,
44, 45]
。
2.3 差分振子法
与 Duffing 振子法一样，差分振子法也是利用非线性系统中参
数的摄动引起周期解发生本质的变化来检测微弱信号 [46]。差分振
子法基于构造差分方程检测 , 确定系统激励频率 fe 及检测频率 fd，
当被测信号中含有 fd 这一频率成分时，则系统产生共振，其相图随
即发生变化，通过观察系统的相图变化来判断系统是否发生故障，
实现早期故障的可视化检测 [47，48，49]。且差分振子法只需求解一个
差分方程组，计算量小 [50]，适用于在线检测 [51]。
3 总结
3.1 总结
本文分线性方法和非线性方法对微弱信号检测技术进行了介
绍。其中，线性检测方法一般分为时域分析法和频域分析法和时频
分析法。常用的时域分析法包括相关检测、取样积分与数字式平均
等方法；频谱分析是常用的频域分析法；常用的时频分析法包括小
波变换、短时傅里叶变换方法。混沌理论法、随机共振法和差分振
子法是主要的微弱信号非线性检测方法。

86
电子技术与软件工程 电子技术
Electronic Technology & Software Engineering Electronic Technology

在应用范围上，时域分析、频域分析适用于周期性信号的检测， [14] 陈韶华 , 相敬林 . 一种改进的时域平均法检测微弱信号研究

而对于非周期信号而言，通常用时频分析法来对其进行检测。非线 [J]. 探测与控制学报 ,2003(04):56-59.
性系统可以在一些不稳定、非平衡的状态中提取信息，具有很强的 [15] 张伟达 . 频谱监测中微弱信号检测与提取的实现 [D]. 电子科
灵活性 [52]。 技大学 ,2017.
各个检测方法的适用范围和特点如表 1 所示。 [16] 杜保强 , 黄留锁 . 基于周期信号的频域检测方法研究 [J]. 计
3.2 展望 算机工程与设计 ,2007(18):4555-4556+4560.
[17] 夏均忠 , 刘远宏 , 冷永刚 , 葛纪桃 . 微弱信号检测方法的现
基于以上现有的线性、非线性检测方法，对微弱信号检测技术
状分析 [J]. 噪声与振动控制 ,2011,31(03):156-161.
有以下的展望：
[18] 马启明 , 王宣银 , 杜栓平 . 基于频谱幅度起伏特性的微弱信
（1）目前对非线性方法的研究尚且不够，能够解决的非线性
号检测方法研究 [J]. 电子与信息学报 ,2008(11):2642-2645.
问题有限，所以对非线性检测方法还有待更加深入的研究。例如，
[19] 李志华 . 功率谱估计在微弱信号检测中的应用 [J]. 大连海事
寻找更加高效的自适应随机共振系统，使其可以自适应调整参数，
大学学报 ,1998(01):103-105.
更加高效智能地进行微弱信号检测。
[20] 陈明杰 . 心率变异信号采集及其功率谱分析的研究 [D]. 重庆
（2）每种微弱信号检测方法都有其独特的优势，也有其难以
大学 ,2002.
克服和避免的缺点，如何更加高效完美地融合两种或多种检测方法，
[21]Fan Mo,Qun Mo,Yuanyuan Chen,David R Goodlett,Leroy
取长补短，以达到精度更高的目的，有待进一步进行研究和试验。
Hood,Gilbert S Omenn,Song Li,Biaoyang Lin.
例如，几种非线性方法之间既有不同点，又有相通点，可以以此角
WaveletQuant, an improved quantification software based
度研究它们之间的联系，将其有机结合起来，达到对更低信噪比信
on wavelet signal threshold de-noising for labeled
号的检测目的。
quantitative proteomic analysis[J]. ,2010,11(1).
[22]Boashash, B., Ristic, B.. Polynomial Time-frequency
参考文献
Distributions And Timevarying Higher-order Spectra:
[1] 张威 , 王旭 , 葛琳琳 , 张卓 . 一种强噪声背景下的微弱信号检
A Review Of Performance For Non--stationary Signal
测的新方法 [J]. 计量学报 ,2007(01):70-73.
Analysis[P]. Signal Processing and Its Applications,
[2] 李方方 . 微弱信号检测与采集技术的研究 [D]. 哈尔滨工业大
1996. ISSPA 96., Fourth International Symposium
学 ,2006.
on,1996.
[3]Yong Lv. Weak Signal Detection System based on Lock-
[23]S.H. Mahdavi,H. Abdul Razak. A wavelet-based approach
in Amplifier Technology[C]. Information Engineering
for vibration analysis of framed structures[J]. Applied
Research Institute, USA.Proceedings of 2013
Mathematics and Computation,2013,220.
International Conference on Mechatronic Systems
[24]Hamid Karamikabir,Mahmoud Afshari. Generalized
and Materials Application(ICMSMA 2013).Information
Bayesian shrinkage and wavelet estimation of location
Engineering Research Institute, USA: 智能信息技术应用学
parameter for spherical distribution under balance-
会 ,2013:501-505.
type loss: Minimaxity and admissibility[J]. Journal of
[4] 李锐 , 何辅云 , 夏玉宝 . 相关检测原理及其应用 [J]. 合肥工
Multivariate Analysis,2020,177.
业大学学报 ( 自然科学版 ),2008(04):573-575+579.
[25]Shu-Li Mei, Hong-Liang Lv, Qin Ma. Construction of
[5] 刘道文 , 王红祥 . 基于信号相关性微弱应变信号检测 [J]. 山
Interval Wavelet Based on Restricted Variational
西电子技术 ,2008(05):5-6.
Principle and Its Application for Solving Differential
[6]Yanjun Lu,Junying Wang. Application research
Equations[J]. Mathematical Problems in Engineering,
of correlation detection technology in optical
2008, 2008.
densitometer[P]. Software Engineering and Service
[26]Hakan Gurkan. Compression of ECG signals using
Science (ICSESS), 2012 IEEE 3rd International
variable-length classifıed vector sets and wavelet
Conference on,2012.
transforms[J]. EURASIP Journal on Advances in Signal
[7] 刘政伟 . 基于互相关与小波变换的微弱信号检测研究 [D]. 重
Processing, 2012, 2012(1).
庆大学 ,2018.
[27] 林京 , 屈梁生 . 基于连续小波变换的信号检测技术与故障诊
[8] 刘红丽 , 李昌禧 . 一种测量微弱信号的锁定放大电路设计 [J].
断 [J]. 机械工程学报 ,2000(12):95-100.
武汉理工大学学报 ( 交通科学与工程版 ),2002(05):619-621.
[28] 李世玲 , 李治 . 基于小波变换的传感器故障检测技术研究 [J].
[9] 蔡屹 . 基于双相锁相放大器的微弱信号矢量测量 [J]. 微计算
机车电传动 ,2000(04):18-21.
机信息 ,2007(25):111-112+228.
[29] 乔飞 , 杨小军 , 马岸英 . 基于小波分析的多普勒弱信号检测
[10] 姜卓娇 , 于生宝 , 白毅等 . 基于取样积分技术的数据采集系
方法 [J]. 探测与控制学报 ,2008(01):48-52.
统 [J]. 吉林大学学报 ( 信息科学版 ),2007,25(3):233-238.
[30] 李富才 , 何正嘉 , 陈进 . 小波域相关滤波法及其早期故障预
[11]XING Hongyan,LU Chunxia,ZHANG Qiang.Frequency
示应用 [J]. 振动工程学报 ,2005(02):145-148.
modulated weak signal detection based on stochastic
[31]Naohiro Fukuda,Tamotu Kinoshita,Kazuhisa Yoshino.
resonance and genetic algorithm[J].Instrumentati
Wavelet transforms on Gelfand-Shilov spaces and
on,2016,3(01):41-49.
concrete examples[J]. Journal of Inequalities and
[12] 杨兴国 , 郭勇 , 马厚雪 . 基于 DSP 的取样数字式平均器的设
Applications,2017,2017(1).
计与实现 [J]. 微计算机信息 ,2007(05):179-181.
[32]Xiaoli Zhang,Xiongfei Li,Yuncong Feng. Image fusion
[13] 焦 光 龙 , 付 红 卫 , 向 正 义 , 王 斌 科 , 戴 国 宪 . 提 高 取 样 积
based on simultaneous empirical wavelet transform[J].
分器稳定性的平衡取样法 [J]. 空军工程大学学报 ( 自然科学
Multimedia Tools and Applications,2017,76(6).
版 ),2001(02):85-87.
[33] 曾丽萍 . 基于混沌理论检测微弱信号研究综述 [J]. 电子世

87
电子技术
Electronic Technology
红外热成像测温技术
王鑫
（苏州长风航空电子有限公司
摘 要：本文在对热成像测温基本原理分析的基础上，进一步分析了热成像测温的误差及其校正方法，利用面源黑体对热像仪进行辐
射定标，通过 Qt 软件在上位机上设计了一套基于非制冷红外热像仪的测温系统。
关键词：红外测温；热像仪；黑体；Qt 软件
所有高于绝对零度的物体都在向外发射红外线，其红外辐射能
量的强弱与其温度直接相关，温度越高则辐射的能量越强，这便是
红外测温的基本理论依据。
根据普朗克公式可推导出物体的辐射与其温度的对应关系，进
一步得出红外探测器的响应电压与被测物体温度的关系，然后以面
源黑体作为定标源，标定出探测器输出电压（一般转换为数字信号
D）与目标温度的一组对应数据，将该组数据拟合为合适的函数，
当测温时，根据数字信号 D 即可计算出被测目标的温度。
1 红外测温算法研究
1.1 基本辐射定律
普朗克黑体辐射定律描述了在单位时间黑体向周围空间辐射的
辐射功率与辐射波长和温度的关系。普朗克黑体辐射定律如下：
（1）
界 ,2019(03):45+47.
[34]Dezhao Jiao,Zikuan Wang,Jin Li,Feilong Feng,Fengzhen
Hou. The chaotic characteristics detection based on
multifractal detrended fluctuation analysis of the
elderly 12-lead ECG signals[J]. Physica A: Statistical
Mechanics and its Applications,2020,540.
[35] 李楠 , 刘福 . 微弱信号检测的 3 种非线性方法 [J]. 电力自动
化设备 ,2008(04):82-86.
[36] 孙自强 . 基于混沌分形理论的大型风电机械故障诊断研究 [D].
沈阳工业大学 ,2013.
[37] 刘海波 , 吴德伟 , 金伟 , 王永庆 .Duffing 振子微弱信号检测
方法研究 [J]. 物理学报 ,2013,62(05):42-47.
[38]Zhao Zhihong,Yang Shaopu. Application of van der
Pol–Duffing oscillator in weak signal detection[J].
Computers and Electrical Engineering,2015,41.
[39] 陆思良 . 基于随机共振的微弱信号检测模型及应用研究 [D].
中国科学技术大学 ,2015.
[40] 蔡卫菊 , 金波 , 刘开健 . 随机共振理论与微弱信号检测应用
综述 [J]. 计算机与信息技术 ,2010(04):16-19.
[41]Noise-Induced Chaos in Duffing Oscillator with Double
Wells[J]. Chunbiao Gan. Nonlinear Dynamics. 2006 (3)
[42] 吴冬梅 . 基于达芬振子的微弱信号检测方法研究 [D]. 哈尔滨
工程大学 ,2010.
[43]Steeve Zozor,Pierre-Olivier Amblard. On the use of
stochastic resonance in sine detection[J]. Signal
Processing,2002,82(3).
[44]Zaitsev, S., Almog, R., Shtempluck, O., Buks, E..
Nonlinear dynamics in nanomechanical oscillators[P].
88
电子技术与软件工程
Electronic Technology & Software Engineering
江苏省苏州市 215000）
其中，Mbλ 为黑体光谱辐射出射度，单位为 W·m-2·μm-1；
C1=2πhc2=3.7418×10-16W·m2；C2=hc/k=1.4338× 10-2m·K；λ 为 辐
射波长 (μm)；T 为黑体的绝对温度 (K)。
对普朗克黑体辐射公式在波长范围为零到无穷大上积分可得斯
特藩 • 波尔兹曼公式：
（2）
对非黑体则有：
M=εσT4 （3）
其中：ε 为物体表面发射率，σ=5.6704×10-8 （W·m-2·K-4），
T 为物体的绝对温度 (K)。
公式（3）是利用红外热成像测量温度的依据。
1.2 红外测温算法及误差校正
热像仪探测到的红外辐射可分为目标本体辐射、环境反射辐射
和大气辐射三部分。
MEMS, NANO and Smart Systems, 2005. Proceedings. 2005
International Conference on,2005.
[45]Bin Liu, Iyengar, S., Hao Chen, Michels, J.H.,
Varshney, P.K.. Sensor fusion enhancement via optimized
stochastic resonance at local sensors[P]. Information
Fusion, 2007 10th International Conference on,2007.
[46] 赵吉祥 , 陈超婵 , 王欢 , 陆福敏 , 桑昱 . 微弱电信号检测方
法回顾 [J]. 中国计量学院学报 ,2009,20(03):201-210.
[47] 任千尧 . 带限噪声下基于 Duffing 振子的信号检测方法研究
[D]. 哈尔滨工业大学 ,2017.
[48] 李楠 , 赵东成 , 李虹波 , 李天云 . 电机转子系统早期故障可
视化检测的差分振子法 [J]. 电力自动化设备 ,2007(06):74-
77+107.
[49] 董一多 . 旋转机械转子早期故障诊断系统设计 [D]. 大连交通
大学 ,2018.
[50]Song H,Shao X,Su Q. A study on the detection of weak
photoacoustic signals by stochastic resonance.[J].
Fresenius' Journal of Analytical Chemistry,2001,370(8).
[51] 胥永刚 , 马海龙 , 冯明时 , 崔玲丽 . 基于差分振子的轴承早
期故障可视化检测 [J]. 北京工业大学学报 ,2012,38(07):980-
987.
[52] 梁倩 . 微弱信号的混沌检测方法 [D]. 西北工业大学 ,2007.
作者简介
李妙珍（1997-），硕士研究生。主要进行微弱信号检测方法研究。
李舜酩（1962-），博士，教授，博导，从事振动与噪声控制、信
号处理、故障监测等研究，