1. 研究目的与意义
| 微弱信号检测技术是电子学和信号处理技术的结合，研究被测信号的特点、相关性和噪声的统计特性。而在强噪声的条件下对微弱信号检测，一直都是工程应用领域的难题。自上世纪以来，相关研究人员对此提出了许多对微弱信号在噪声中处理的办法。其中应用比较广泛的频域检测法、相关检测法、小波分析法、取样积分法。 频谱分析法是最常用的一种方法，频谱分析法是利用傅立叶变换将复杂的时域问题转换为简单的频域问题。这样就能从背景噪声中提取出信号的特征频率成分。 相关检测法利用噪声的杂乱、即时的特点，无法用具体的时间函数来描述。但有用信号是可以用具体的时间函数来表示描述的。所以我们可以使用一个已知的信号来检测和提取待测信号。以达到滤除杂波背景噪声干扰的目的。 小波分析法的原理是将原始信号通过伸缩和平移后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，进而实现对原信号时间、频率的局部化分析。相对于频域检测法,小波分析法不仅可以对微弱信号进行频率域分解,同时可以进行空间域分解, 经过小波分析法分解后, 微弱信号的小波系数幅值要大于噪声的系数幅值，这将噪声完全暴露出来,便于去除。 当微弱信号是周期重复性信号时,可以使用取样积分法。因为无用的噪声信号一般都是无规则的。经过多次取样并求取平均值后, 前者被保留下来, 后者被削弱掉。根据恢复信号的精度要求,将每个信号周期划分为若干个时间间隔,再对这些分隔信号进行取样,将各周期中处于相同位置的取样信号进行积分。 我们的目的就是通过选择合适的探测器,构建合理的系统结构和检测电路,设计一种简易、实用、精度高、成本低的微弱信号检测系统。然后比较各种方法在什么情况下对噪声的处理结果最好，并找出这些方法的局限性。并试着对前人提出的方法加以改良。 提取或恢复被噪声淹没的微弱有用信号的检测技术应用在许多领域,比如海洋探测、建筑物的应力测试和环境监测等。在现代生产生活中，经常通过各类各样的传感器将待测信号转换为电信号，再对电信号做进一步分析、去噪声。但很多领域中目标信号不仅幅度小，还被强噪声淹没，很难提取到有用的信号。如何实现在复杂噪声背景中准确识别出微弱电信号，采取不同的去噪声方法完成对目标信号的特征分析，对满足工程应用的需要具有重要意义。
|
2. 研究内容与预期目标
研究内容：把电子学和光学结合在一起,搭建一个电路通过电子设备或传感器检测信号, 采用stm32f103zet作为系统的主要控制芯片, 由光电传感器采集微弱光信号, 经过前置放大电路, 利用单片机内部的A/D转换进行模数转换, 实现微弱光信号的检测, 且可利用串行通信接口与上位机进行数据通信。
将采集来的信号用传统的频谱分析、相关检测、取样积分和时域平均方法来去噪声。在频谱分析中确定微弱信号检测性能与观测时间具有什么样的关系。对相关检测确定自相关法和互相关的应用前提，比较两者之间的差异性。找到不同精度要求对取样积分造成的影响。并找出这些方法都适合在什么情况下使用，对比这些方法的优劣性。
再使用新近发展起来的小波分析理论、神经网络这些方法实现去噪。对比不同时长的微弱信号使用小波分析的结果。在神经网络中，将微弱信号的特征在不同的层之间映射，使得数据原有的特征映射到新的特征空间得到新的表示，并在这一过程中对信号的特征进行学习，从而达到更优秀的效果。
3. 研究方法与步骤
研究方法：
1、 利用传感器将不同的微弱光信号转换成电流信号；
2、 使用不同的方法对微弱信号行滤波，去噪声；
4. 参考文献
[1]位春燕. 基于神经网络的微弱信号检测技术研究[D].哈尔滨工程大学,2021.
[2]王江峰. 基于嵌入式的低频微弱信号检测系统研究[J]. 中国西部科技,2015,14(07):42-44.
[3]孟宪超,刘纯武,刘晔. 基于径向基神经网络的水声微弱信号检测[J]. 鱼雷技术,2011,19(05):349-354.
5. 工作计划
2022年1月5日-2022年3月1日，有针对性的学习课题相关资料,学习相关学科的基础知识，学习实验所需软硬件的相关知识。
2022年3月2日-2022年3月20日，设定实验方案，采集实验数据。
2022年3月21日-2022年4月25日，进一步理论分析，进行实验，开发相关软硬件系统。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
