第38卷 第5期 数字技术 与应用 Vol.38 No.

5
第2020年
38 5月
卷 数字技术与应用 www.szjsyyy.com
Digital Technology &Application May 2020

应用研究 DOI:10.19695/j.cnki.cn12-1369.2020.05.41

一种微弱信号检测方法的研究
宋玉珍 刘炼
(辽宁省大连市 91550 部队,辽宁大连 116023)

摘要:微弱信号的提取检测就是利用近代科学技术和信息处理方法把从有用信号从噪声中提取出来,其关键在于压制减弱背景噪声干
扰信号,恢复、增加和提取弱小的有用信号信息。
文中介绍了相关检测方法的原理,利用相关检测技术来检测又弱又小的真实有用信号,可
以提高微弱真实信号功率和噪声干扰功率两者的比值,以期进一步达到从杂乱的强背景噪声干扰信号中把微弱的真实有用信号检测和提
取出来。该方法的最大优点是不需要提前知道弱小的真实有用信号的信息,适用于信噪比值很小的弱小信号,文中针对具体实例进行了
MATLAB软件编程仿真,运行结果表明了该方法的有效性,有着比较广阔的应用前景。
关键词: 自相关函数；弱小信号；相关检测；信噪比
中图分类号:TN911 文献标识码:A 文章编号:1007-9416(2020)05-0066-03

0 引言 杂波背景噪声干扰,复原和进一步加强又弱又小的真实有用信号,

微弱信号的提取检测是从测量技术中发展出来的一个技术分
支,是综合利用日新月异发展的电子科学技术和各种各样信号检测
处理方法的不断开发挖掘,研究分析弱小的真实有用信号产生发展
的规律。
研究并且进一步探索弱小真实有用信号的相关特性和其他
特征,把微弱的真实有用信号从强背景噪声干扰信号中检测并提取
出来[1-3]。
检测微弱信号方法研究的重点是如何把有用的信号从强噪
声背景中检测并且提取出来,并探索利用新的信号信息处理方法来
提高信噪比。
虽然弱小的真实有用信号和杂波背景噪声干扰信号在
时间轴上是重合叠加在一起看起来是不可分割的,但是弱小的真实
有用信号在时间轴上有周期性并且具有自相关性,而杂波背景噪声
干扰在时间轴则是乱七八糟杂乱无章、
是随机的。
本文就是利用弱
小的真实有用信号在时间轴上具有的周期性剔除杂波背景噪声信
号,达到把弱小的真实有用信号从强噪声干扰信号背景中检测并且
提取出来。
1 检测机理
弱小的真实有用信号的分析检测技术是分析和研究又弱又小
的真实有用信号和背景干扰噪声信号的不同特征规律,正确选择恰
当的信号信息检测处理检测方法,从杂乱无章乱七八糟的噪声干扰
背景中检测出又弱又小的真实有用信号。
检测和提取又弱又小的真
实有用信号的要害是选择适当的信号信息处理技术方法,抑制减弱
图1 相关检测的原理框图
这就是平时常说的,改善提高又弱又小的真实有用信号功率与背景
噪声干扰功率两者之间的比值,信号噪声改善比(SNIR)定义[4-6]:
输出信噪比  S N 0
SNIR   (1)
输入信噪比  S N i
即输出又弱又小的真实有用信号噪声功率比  S N  0 与输入信
号干扰噪声信号功率比  S N i 两者之间的比值。
SNIR与选择的信
号信息处理方法的检测水平成正比,较大的SNIR表示选择的信号信
息处理方法的检测水平较高,也就是说抑制背景杂波噪声干扰信号
的能力较强。
1.1 相关检测
噪声和信号从根本上就是不同的,噪声是给干扰的没有任何作
用的信号起的名字。信号是有规则性可以找寻可以重复出现的,后
面随后出现的信号的特点特征与前面出现的信号特点特征有关系,
所以信号是可以用具体的时间函数来表示描述的;但是具体的时间
函数却不能用来表示描述一个噪声干扰信号,干扰噪声是即时的,
是杂乱无章乱七八糟的,没有任何规则能够参考遵循。
因此,信号本
身的特征是可以利用来被检测提取的,利用一个已经知道规则的信
号与等待检测信号具有相同规则特征的部分,可以用来检测和提取
等待检测的信号,以达到滤除杂波背景噪声干扰的目的,相关性检
测的原理就是这样的。
相关检测的具体方法采用这种已知规则信号
和背景干扰噪声各自的相关特性,经历自相关操作或者是互相关操
作,最大程度地抑制减弱背景杂波噪声干扰信号,从而实现又弱又
小的真实有用信号的检测提取。图1是相关检测的原理框图。
混杂在背景杂波噪声干扰信号中的又弱又小的真实有用信号
是具有周期性和相关性的,而噪声干扰信号是随机的乱七八糟杂乱
无章的和不相关的[7-8]。
假如我们能够获得信号的周期或测出它的周
期,继而总结并平均相应的具体位置,平均L次结果之后,有趣的是,
我们可以看到又弱又小的有用信号的功率没有任何变化一直保持

收稿日期:2020-03-24
作者简介:宋玉珍(1980 —),女,山东潍坊人,研究生,工程师,研究方向:飞行器试验鉴定,信号检测等。

66
 宋玉珍 刘炼: 一种微弱信号检测方法的研究 2020年第 5 期

跟原来一样,但是无相关的背景干扰噪声的功率却降低到原来噪声 1 M 1 1 M 1
 
L j 0
s  jT  nt    w  jT  nt 
L j 0
功率的1/L,即提高了又弱又小的真实有用信号功率与干扰噪声功
1 M 1
率两者之间的比值,滤除了乱七八糟杂乱无章的背景干扰噪声信  s  nt    w  jT  nt  (3)
L j 0
号,检测了又弱又小的真实有用信号。
从上式可以看出, P 为又弱又小的真实有用信号功率,噪声干
假设等待检测的信号是 x  n   s  n   w  n  ,在式中 s  n  是
2
扰的均值为零没有变化,而方差则变为 
一个真实有用的又弱又小信号, w  n  是一个背景为白噪声的干扰 L ,又弱又小的真实有用
信号;又弱又小的真实有用信号功率假设是 P ,白噪声干扰信号的 信号功率与干扰噪声功率两者之间的比值经过上述计算之后变成
平均值是零,方差是  ,又弱又小的真实有用信号功率与干扰噪声
2 PM
SNR  ,增加成为原来比值的 L 倍。
在具体运算分析过程中,分
P 2
功率两者之间的比值是 SNR  。 段首先进行求和然后再进行取平均的要害是:如何准确无误地得到
2
按照等待检测信号的周期 T 将有用信号 x  n  分成 L 段,用 又弱又小的真实有用信号 s  n  的周期,每个分段的信号 x j  nt  在进
x j  nt  表示每一小段信号,其中 0  j  L ,则: 行相加的时候如何能够准确无误地按照周期进行对齐。
x j  nt   s j  nt   w j  nt   s  jT  nt   w  jT  nt  (2) 1.2 计算相关函数
L 段信号记录相加求平均为: 对于一个具有周期特征的信号来说,它的自相关函数也是周期
M 1 M 1 M 1
1 1 1 性的并且具有与原始信号相同的周期性[9]。
对于一个包含背景杂波白
 x j  nt   L 
L j 0
s j  nt    w j  nt 
L j 0
j 0 噪声干扰信号的周期信号 x  n   s  n   w  n  ,它的自相关函数为:
1
Rxx  m     s  n   w  n   s  n  m   w  n  m  
L
       

图2 弱小的有用信号 s  n 

图4 x  n  的自相关函数 Rxx  m 

图3 包含噪声干扰的信号 x  n  图5 消除噪声后提取的信号与原始信号 s  n 

67
 第 38 卷 数字技术与应用 www.szjsyyy.com

 Rss  m   Rws  m   Rsw  m   Rww  m  称周期的原理从一侧寻找自相关函数即可找到自相关函数;

 Rss  m   0  0  Rww  m (4) (3)为确保自相关函数 Rxx  m  在叠加的时候,在又弱又小的真
通过式(4)可以得出,背景杂波白噪声干扰信号的自相关函数 实有用信号 x  n  的序列范围内工作,使用取整数的方法进行计算次
是 Rww  m  ,在 m  0 处最是密集的。又弱又小的有用信号 s  n  的 数的叠加,取 L  floor N T ;  
自相关函数是 Rss  m  ,是具有与又弱又小的原始真实信号 s  n  (4)原始又弱又小的真实有用信号叠加L次,达到抵消背景杂波
一样的周期性,则可以得到混杂有白噪声杂波干扰信号 x  n  的自 噪声干扰信号、
增大增强又弱又小的真实有用信号;
相关函数 Rxx  m  也是具有一定的周期性(当然除去 m  0 点),即混 (5)把分段叠加后的信号进行延拓。
杂有白噪声杂波干扰信号 x  n  的自相关函数 Rxx  m  m  0  和又 图2为真实信号 s  n   sin  2  pi  f1  n  , f1  0.05 ;图3为混
弱又小的真实有用信号 s  n  的周期是同等的,利用混杂背景白噪 有白 噪 声 的 信 号 x  n   sin  2  pi  f1  n   w  n  , f1  0.05 ,
声干扰信号的自相关函数的周期,替代原先又弱又小的真实有用 w  n  是白噪声,信号完全被噪声所淹没,根本无法分辨真实信号;
信号自相关函数的周期,进一步可以作为又弱又小的真实有用信 图4是混有白噪声背景干扰信号的 x  n  的自相关函数 Rxx  m  ,利用
号的周期。 混有白噪声背景干扰信号的自相关函数的周期性可以逆推找到原

2 估计相关函数 始又弱又小的真实有用信号的周期;图5为利用相关检测法提取的
信号与原始的真实信号比较图,由图5可见,利用相关检测法提取的
2.1 估计及计算
信号与又弱又小的原始真实信号非常相近,检验了这种方法的可以
Rxx  m   E  x  n  x  n  m   是广义平稳的随机序列 x  n  的自
利用性。
相关函数的定义, 如果离散随机信号 x  n  是各态历经的, 则有
1  3 结语
Rxx  m   lim
x  n  x  n  m  。往常在这种情况下,可以得到的
N N 
文中介绍了相关检测方法的原理,并且给出了具体利用相关检
具体随机信号的观测值 x  n  的数量是有一定限度的,为了简化计
测方法进行又弱又小的真实有用信号提取检测的步骤和实例分析。
算,一般假设能够得到观测值的个数是 N ,假设限度 N 之外的其他
对于提取淹没在背景噪声干扰中的弱小真实有用信号,使用matlab
1 N 1 
值是零。利用方程式 Rˆ xx  m    x  n  x  n  m  估计观测值 编程软件可以很方便计算出该微弱信号的自相关函数,通过自相关
N n0
函数的周期性来确定又弱又小的真实有用信号的周期,再利用相关
x  n  的自相关函数。
因为仅仅可以得到 x  n  的 N 个有限度的观测
检测方法提取又弱又小的真实有用信号。
在实际的具体工程应用领
值,所以对于一个固定的已知延迟 m ,计算能够使用的有限数据仅
域中,通常采用快速傅里叶变换(FFT)方法来计算混有白噪声干扰
仅只有 N  1  m 个,并且在确定的已知确定的范围0～N-1内,有
信号的自相关函数,此信号处理方法的优点是不需要提前知道又弱
xN  n   x  n  ,所以我们在实际应用计算过程中得到的自相关函
N 1 又小的真实有用信号的特性,也可以快捷高效检测出又弱又小有用
ˆ 1
数 Rˆ xx  m  应该是有偏估计 Rxx  m    xN  n  xN  n  m  。利用 真实的周期性信号,同时提高弱小信号功率与噪声干扰功率两者的
N n 0

前面这种方法估计的自相关函数是有偏估计,在实际的计算过程 比值,此法有着比较广阔的应用前景。

中,通常情况下会采用下式的无偏估计: 参考文献
N 1 m
1 [1] 季赛,沈星,沈超.基于matlab的相干平均弱信号检测法[J].淮阴
Rˆ xx  m    xN  n  xN  n  m  (5)
N m n0
师范学院学报,2005,4(2):142-145
利用式(5)计算 Rˆ xx  m  时,如果 N 和 m 这两个值都比较大,需 [2] 卢莉萍,李翰山.强噪声下微弱信号检测方法的研究[J].陕西科
要计算乘法次数太多,限制了在实际过程中的具体运用,这个时候 技大学学报,2011,29(3):66-70.
我们可以利用快速傅里叶变换(FFT)方法来实现快速计算自相关函 [3] 吴芳,杨日杰,田淑荣,高青伟.基于相关与小波变换相结合的弱
数 Rˆ xx  m  。 信号检测[J].海军航空工程学院学报,2008,23(1):26-28.
2.2 仿真实例 [4] 杨汉祥.微弱信号检测技术的研究[J].科技广场,2009(1):27-30.
对于混有背景噪声干扰的信号 x  n   sin  2  pi  f1  n   w n[5], f孟建.分段采样信号的相位关联技术[J].系统工程与电子技术,
1  0.05

 f1  n  w  n  , f1  0.05 利用相关检测方法,设定其中 w  n  为白噪声干扰 2004,26(12):1784-1797.

信号,我们可以利用以下步骤来实现matlab的软件仿真; [6] 于丽霞,等.微弱信号检测技术综述[J].信息技术,2007(2):115-116.
(1)通过函数 xcorr  x, option  求出 x  n  的自相关函数 Rxx  m ; [7] 聂春燕,石要武.基于互相关检测和混沌理论的弱信号检测方法
(2)对子相关函数的序列进行研究解析,混有白噪声干扰信号的 研究[J].仪器仪表学报,2001,22(1):33-35.
x  n  的自相关函数 Rxx  m  是一个周期性序列,在图形可以看出有 [8] 梁军利,杨树元,唐志峰.基于随机共振的微弱信号检测[J].电子
对称性的特点。
从序列的中间最高点开始分别向左边和右边两边同时 与信息学报,2006,28(6):1068-1072.
开始寻找一直找到 Rxx  i  最小峰值的两个顶点,设定这两个最小顶点 [9] 程佩青.数字信号处理教程[M].北京:清华大学出版社,2007．
我们只需利用自相关函数 Rxx  m  对
的下标之差就是 Rxx  m  的周期。 ······下转第70页

68
第 38 卷 数字技术与应用 www.szjsyyy.com

定每个电力消费单元的平均中断率,然后根据上级供电单元的供应 2.8 认知无线电频谱感知技术在卫星导航中的应用

量、
每个电力消费单元的平均中断率以及每个电力消费单元的用电 随着GPS、GLONASS、BDS和Galileo四大卫星导航技术的发
量调整用电价格,实现社会效益的最大化。 展,卫星频谱资源的利用也面临瓶颈,认知无线电频谱感知技术在
2.6 认知无线电频谱感知技术在公共安全网中的应用 卫星导航中的应用应运而生。在军事方面,可以根据频谱感知结果
报警、
火警和医疗急救等公共安全事务需要使用无线电,然而 关闭部分卫星的导航,使得敌方捕获不到导航信号;又或者主动对
目前分配给公共安全网的频谱资源有限,且公安、
消防、
医院等部门 作战区域或敌方进行频谱干扰,从而使敌方设备失去导航作用而无
所用的硬件软件不统一,部门之间网络联动存在障碍。将频谱感知 法正常作战,通过科技技术提高我方战斗力。
在民用方面,可以对根
技术引用公共安全网,公共安全工作者使用具有认知功能的移动设 据频谱感知,对目标区域的导航信号进行增强,对非目标区域的导
备,能够实时监测信道频谱变化,保证网络畅通,随时随地接入网 航信号消弱,保证目标区域连续可靠导航,而非目标区域不享受导
络,为公共安全提供可靠的网络服务。 航服务,使卫星的导航作用得到充分发挥。
2.7 认知无线电频谱感知技术在远程医疗中的应用
3 结语
远程医疗是通过无线通信技术建立病患与医疗资源之间的沟
频谱感知是认知无线电中最为关键的技术之一,频谱感知技术
通桥梁,为远地病患提供医疗服务。
在远程医疗中,通过多个医学传
以其突出的优点而具有广泛的应用前景。然而,频谱感知技术从概
感器节点、
移动终端、
基站、
远程医疗监控中心构建基于无线体域网
念到应用尚面临诸多挑战,还有很多难题需要解决,认知无线电频
的认知远程医疗网络模型,其中,医学传感器节点感测病患的生理
谱感知技术的检测硬件、通信协议、以及在其他领域的应用等方面
状况并传送给移动终端,按照紧急程度进行分级,对生命攸关的数
将需要进一步的研究。
据优先分配良好的资源,对于非紧急的生理参数、
保健信息、
教育信
息等数据可以分配较低级别的资源,除了使用针对医疗无线体域网 参考文献

开放的2360-2400MHz频段外,还可以检测并使用其他空闲频段,由 [1] 冯文江,郭瑜胡,志远.认知无线电中的频谱感知技术[J].重庆大

移动终端通过基站传输到远程医疗监控中心,再由医疗人员或相关 学学报(自然科学版),2007(11):46-49.
医疗设备对远程数据信息进行处理及反馈,保证了远程医疗的顺序 [2] 杜江,朱春姣,陈昭辉.认知无线电频谱感知技术研究[J].计算机
开展[2]。 光盘软件与应用,2013(2):154-155.

The Application of Cognitive Radio Spectrum Sensing Technology

MA Xiao-xiao
(Patent Examination Cooperation Guangdong Center of The Patent Office Cnipa, Guangzhou Guangdong 510000)

Abstract:This paper discusses the basic principle and function of cognitive radio spectrum sensing technology, and analyzes the application of
cognitive radio spectrum sensing technology.
Key words:cognitive radio; spectrum sensing; Internet of things

······上接第68页

Research on a Weak Signal Dtection Method

SONG Yu-zhen,LIU Lian

(Unit 91550 PLA, Dalian Liaoling 116023)

Abstract:The extraction and detection of weak signals is to extract useful signals from noise by means of modern science and technology and
information processing methods. The key is to suppress the noise interference signal and restore, increase and extract the weak useful signal information.
In this paper, the principle of correlation detection method is introduced. Using correlation detection technology to detect weak and small real useful
signals can improve the ratio of weak real signal power to noise interference power, in order to further achieve the detection and extraction of weak real
useful signals from cluttered strong background noise interference signals. For the small signal-to-noise ratio (SNR) signal, the MATLAB software
simulation is carried out in this paper. The results show that the method is effective and has a broad application prospect.
Key words:autocorrelative function; weak signal;correlation detection; SNR

70