论文部分内容阅读
微弱信号测量在激光测距、机械故障诊断、通信传输等领域有着极其广泛的需求。检测淹没在噪声背景中的微弱信号是现代信号处理的研究热点和难点。本课题根据微弱信号与噪声特性,对互相关算法、谱分析鉴相法和Duffing振子混沌算法进行了研究。首先,针对微弱信号检测在激光测距中的应用,介绍了互相关算法和谱分析鉴相法。其中,互相关算法利用微弱信号与噪声的不相关特性,从噪声中提取出待测信号并与参考信号进行互相关运算,进而确定延迟时间。谱分析鉴相法通过频域变换,对待测信号与回波信号主谱线处的相位角相减,计算出两信号的延迟时间。同时,对基于Duffing振子的混沌算法进行了描述,根据混沌对噪声的免疫力及周期信号的敏感性,建立了微弱信号检测模型。其次,基于Matlab设计互相关算法和谱分析鉴相法检测模型。针对不同参数条件进行仿真,确定了两种算法的采样频率及数据长度选取准则,且频率偏移对两种算法影响较大,即在频率出现微小偏移时,误差超过3%。在噪声干扰下,互相关算法虽然信噪比可达到-2dB,但性能不稳定,而谱分析鉴相法性能稳定,在信噪比大于18dB时,最大误差小于3%,进而确定采用谱分析法进行实验。基于QuartusⅡ设计谱分析鉴相模型,选取采样频率为128kHz,信号频率为1kHz,数据长度为128时基于Modelsim仿真,在不同相位差时,误差小于0.08%即0.072°,为FPGA的实现奠定了基础。再次,搭建硬件平台,实现基于FPGA的相位式激光测距实验,选取系统主频25MHz,信号频率195312.5Hz,数据长度128,得到不同相位差时误差小于0.09%,精度为0.0234m。即设计了一种高速、高精度的激光测距方案,可用于工程应用中激光测距仪的设计。最后,针对轧辊偏心现象,介绍了轧辊偏心信号的模型,偏心信号为微弱周期信号,选取混沌算法进行检测,以某轧机偏心信号为例,验证了算法的可行性。针对Duffing振子混沌模型存在的3个问题,提出结合变尺度思想与逆向相变思想进行改进,并作了初步分析,可有效解决存在的问题。