工信部2016379号-11 微弱信号的检测方法

2025-07-12 11:38

这是一份来自工信部的文件,《工信部2016379号-11 微弱信号的检测方法》,发布单位:国家无线电监测中心、国家无线电频谱管理中心。

适用范围

适用于无线电监测中微弱信号的检测、测量和分析;涵盖:短波、超短波、卫星等微弱无线电信号。

核心术语

术语
定义
信号检测
在噪声干扰中识别目标信号存在性的技术过程
微弱信号
信噪比低于0 dB、埋藏于噪声中的信号
微弱信号检测
通过特定处理方法提升信噪比,以识别有用信号的技术

微弱信号检测的三种主要方法

方法
原理
优点
适用场景
自相关检测
利用信号自身相关性
不需参考信号
自发信号监测
互相关检测
利用参考信号与目标信号相关性
抑制干扰能力强
卫星信号提取
锁定放大法
频谱搬移+低通滤波
抗窄带噪声能力强
微弱调制信号
取样积分法
采样+积分平均
实现简单,适合周期信号
工频干扰抑制场景

相关检测法

自相关检测

利用信号本身的时间相关性与噪声的非相关性进行积分识别。

流程

  1. 信号预处理(滤波、混频、中放)
  2. 一路信号延迟后与原信号相乘
  3. 经积分器获得自相关函数
  4. 当噪声为零均值、非周期时,,从而可检测出有用信号

信号模型

接收信号:

:有用信号

:噪声信号(假设为零均值、非周期)

自相关运算

延迟时间为 时,自相关函数为:

展开后:

为非周期、零均值,则有:

结论:当 足够大,噪声项趋近于0,自相关输出反映了有用信号存在。

可观察到:大延迟时噪声相关性降低,仅保留信号结构
可观察到:大延迟时噪声相关性降低,仅保留信号结构

互相关检测

借助参考信号与目标信号之间的相关性提取微弱信号

流程

  1. 信号与参考信号同步处理(滤波、中频)
  2. 二者延迟后进行乘法、积分
  3. 得到互相关函数

优势:对已知特征信号的检测尤其有效

信号模型

接收信号:

参考信号:

:理论相同或相似

:无关噪声

互相关函数定义

若噪声之间不相关,且信号与噪声不相关:

模糊函数形式(附录 A)

定义复模糊函数:

:复包络

峰值位置 可估计频差、时差

互相关信噪比(SNR)

:星上信号 SNR

:星/地 SNR 比值

:噪声带宽,:积分时间

峰值出现的位置即为信号延迟,能识别埋在噪声中的信号
峰值出现的位置即为信号延迟,能识别埋在噪声中的信号

锁定放大法(Lock-In Amplifier)

利用参考信号,将目标信号调制搬移至低频,再用低通滤波器提取幅度与相位

系统组成:前置放大器,相敏检测器(混频器),低通滤波器

步骤

  1. 信号通道:预放 → 滤波 → 交流放大 → 相敏检测
  2. 参考通道:参考信号 → 调整幅度与相位
  3. 输出:经低通滤波器,提取有用信号

信号模型

信号通道输入:

:信号幅度,:目标频率

参考通道输入:

噪声模型(带中心频率为 的窄带噪声):

相敏检测后乘积:

展开(使用三角恒等式):

低通滤波器作用

滤除 和噪声频段分量,保留 DC 项:

得到信号幅度与相位的函数,实现频谱搬移与噪声抑制。

输出信号为DC分量 + 少量残余干扰,代表原信号强度(与相位有关)
输出信号为DC分量 + 少量残余干扰,代表原信号强度(与相位有关)

取样积分法

以参考脉冲采样输入信号并积分,平均处理提高信噪比

流程

  1. 参考信号 生成采样脉冲

  2. 开关 K 进行采样

  3. 多次积分平均:

  4. 对白噪声而言,积分平均有效抑制背景干扰

信号模型

参考信号 :周期性,与 同频

每次采样:

处采样,总共 次:

为白噪声,积分平均后趋近于0:

抑噪机制:

通过“周期同步 + 积分平均”,

信号项 → 保留(同步)

噪声项 → 抵消(非相关)

抽样点平均值接近信号真实幅度,噪声被平均抵消
抽样点平均值接近信号真实幅度,噪声被平均抵消

本来是想在频域里面看看结果的,但是这四个方法信号都不一样,就随便模拟一下了:

缺一个
缺一个

附录 A:互相关检测法应用

用于卫星与地面同步信号提取

通过模糊函数提取信号的到达时差与频差

要求相关峰明显,推荐 SNR > 20 dB

可用于方向识别(如雷达天线转向)

附录 B:锁定放大法应用

模拟目标信号为含噪正弦波

相敏检测器输出为信号与参考信号之乘积

低通滤波器可显著抑制非同步噪声,提高信号可识别度

https://www.srrc.org.cn/srrc/pdf/%E5%B7%A5%E4%BF%A1%E9%83%A8%E6%97%A02016379%E5%8F%B7-11%E5%BE%AE%E5%BC%B1%E4%BF%A1%E5%8F%B7%E7%9A%84%E6%A3%80%E6%B5%8B%E6%96%B9%E6%B3%95.pdf


原文在此


选自微信公众号 云深之无迹