[發明專利]一種基于改進半經典信號分析的微弱信號檢測方法

有效

• 申請號: 202011039187.8
• 申請日: 2020-09-28
• 公開（公告）號: CN112326017B
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 李舜酩;庾天翼;陸建濤;馬會杰;龔思琪;王后明
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G01H17/00
• 分類號: G01H17/00;G06K9/00
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 陳國強

本發明公開了一種基于改進半經典信號分析的微弱信號檢測方法，包括以下步驟：(1)獲取強噪聲背景下包含微弱目標信息的振動信號；(2)對振動信號進行量子域轉換，便于對量子域中的信號進行降噪處理和微弱目標信號檢測；(3)對量子域中的信號進行特征提取；(4)利用自相關算法對量子域信號特征進行降噪處理；(5)對降噪后的量子域信號特征進行重構，將量子域信號恢復為時域信號，此信號即為所需微弱目標信號。本發明使半經典信號分析算法應用于微弱信號檢測，解決了相關檢測算法無法檢測相關性噪聲問題，精確檢測?30dB噪聲下的微弱信號，有效改善信號信噪比，提高微弱信號檢測精度，易于實現。

技術領域

本發明屬于微弱振動信號分析處理領域，具體涉及一種基于改進半經典信號分析的微弱信號檢測方法。

背景技術

微弱信號泛指在強噪聲背景下，目標信號幅值遠遠小于噪聲信號幅值的信號。噪聲信號幅值是目標信號的十倍甚至更高，信噪比為-10dB甚至更低，目標信號完全湮沒在強噪聲之中，如何將這樣的目標信號從強噪聲中檢測并分離，即微弱信號檢測問題。

在生產生活中，強噪聲背景非常常見，如汽車發動機噪聲和胎噪的復合強噪聲、航空發動機運行是產生的強噪聲、輪船輪機噪聲和海浪水聲復合的強噪聲等等。在這樣背景下采集的振動信號很容易湮沒在強噪聲中，振動信號中包含的運行狀態參數、故障特征等目標信息無法及時、準確、有效的被識別和傳遞，會對設備整體運行穩定性和安全性產生極大不良影響。因此，對微弱信號檢測問題的研究有著非常重要的意義。

一些傳統的微弱信號檢測方法，如鎖定放大法，可以避免低頻噪聲的污染，能保證較高的檢測精度，但是有無法處理同頻干擾及較高頻率的信號，相敏檢測器存在相位誤差等缺點；相關檢測方法，具有原理簡單和易于軟硬件實現等優點，但是，隨著噪聲功率的增加或出現相關性噪聲時，微弱信號的檢測成功率和檢測精度會嚴重下降。

半經典信號分析(Semi-Classical Signal Analysis,SCSA)由Taous-Meriem教授在2013年提出，主要用于血壓、核磁共振譜檢測等醫學用途中，對脈沖信號降噪和重構都有很好的效果，但是微弱信號的信噪比遠遠低于血壓、核磁共振譜的信噪比，SCSA算法無法直接用于微弱信號檢測中。因此，本發明探索一種檢測精度更高的，可用于微弱信號檢測的改進半經典信號分析方法。

發明內容

針對現有技術中存在的上述問題，本發明的目的是提供一種基于改進半經典信號分析的微弱信號檢測方法，以提高微弱信號檢測精度。

為實現上述目的，本發明采用如下技術方案：

一種基于改進半經典信號分析的微弱信號檢測方法，包括以下步驟：

(1)獲取強噪聲背景下包含微弱目標信息的振動信號；

(2)對步驟(1)獲取的振動信號進行量子域轉換，便于對量子域中的信號進行降噪處理和微弱目標信號檢測；

(3)對步驟(2)得到的量子域中的信號進行特征提取；

(4)利用自相關算法對步驟(3)提取的量子域信號特征進行降噪處理；

(5)對經步驟(4)降噪后的量子域信號特征進行重構，將量子域信號恢復為時域信號，此信號即為所需微弱目標信號。

所述步驟(2)中，量子域轉換通過式(1)所示的薛定諤乘法算子Φ的離散譜公式實現：

其中，H_h(y)是所求離散譜，是普朗克常量，m是粒子在勢中的質量，▽²Φ是拉普拉斯算子，V(x)是薛定諤算子的勢，是2階Sobolev空間；