论文部分内容阅读
微弱信号检测问题一直是近年以来国内外研究的重点与热点,能够及早地在强噪声干扰的背景下检测到微弱信号的存在对现实生活有着重要的意义。由于背景噪声过大、微弱信号易受到噪声的影响等特点,因此如果能在强噪声背景下实现微弱信号的有效检测具有十分重要的理论意义与现实意义。HHT方法是一种能够对非线性、非平稳信号进行分析的方法,能够将混合信号中频率不同的分量按照频率由高到低的顺序分解出来,从而产生一系列频率不同的模态分量,并且对这些模态分量进行Hilbert变换后形成的HHT谱与Hilbert边际谱能够对现实中的物理过程有一个准确的体现。HHT中的EMD方法能够将含噪信号中的频率不同的模态分量分解出来,并可以通过HHT谱与Hilbert边际谱来进一步确认含噪信号中是否存在着待测微弱信号的频率,这就为在强噪声背景影响下检测微弱信号的方法探究提供了一个新的方向。因此,本文从HHT变换的理论基础开始研究,通过对HHT中存在的问题以及有效的去噪预处理手段的研究,寻求出能够检测到强噪声背景下微弱信号的方法,提出了基于HHT的微弱信号检测新方法,主要工作如下:1)提出了一种基于HHT与小波阈值去噪的微弱信号检测方法。由于小波阈值去噪方法具有多分辨的特性,故该方法利用小波阈值去噪方法来作为降噪预处理手段,来减弱噪声对检测结果的影响。针对EMD方法产生的端点效应,通过采用具有一定自适应性的斜率端点延拓法来进行改善,使得检测结果更加准确。在强噪声背景下单频率信号的检测方面取得了较好的结果,在混合频率信号的检测方面取得了良好的检测结果。2)提出了一种基于HHT与数字形态学滤波的微弱信号检测方法。通过对数字形态学滤波方法以及EMD去噪理论的研究,提出了一种基于数字形态学滤波与EMD方法的联合去噪方法,通过EMD方法对含噪信号进行分解,并利用归一化能量差分谱对分解出的模态分量进行判定,从而能够去除几乎全是噪声的模态分量,并对剩余的模态分量进行形态学滤波去噪,最后将去噪后的模态分量重构成去噪信号,使得去噪效果得到了大幅度地提高,并将其作为检测方法的去噪预处理方法。利用信号的周期性对信号进行端点延拓的镜像端点延拓法能够对EMD方法的端点效应进行有效的抑制,使得检测结果更加准确。3)提出了一种基于HHT与奇异值分解的微弱信号检测方法。通过对奇异值分解理论的研究,提出了一种确定Hankel矩阵维数以及确定奇异值有效秩阶数的方法,并将其作为检测算法的去噪预处理方法。通过对边界尺度端点延拓法的研究,发现了该理论存在一定的缺陷,并提出一种改进办法,改进后的边界尺度端点延拓法能够有效抑制EMD方法的端点效应,从而使得检测结果更加准确。不论是强噪声背景下的单频率信号的检测还是混合频率信号的检测均取得了较好的结果。