[发明专利]一种基于改进半经典信号分析的微弱信号检测方法

说明书

本发明公开了一种基于改进半经典信号分析的微弱信号检测方法，包括以下步骤：(1)获取强噪声背景下包含微弱目标信息的振动信号；(2)对振动信号进行量子域转换，便于对量子域中的信号进行降噪处理和微弱目标信号检测；(3)对量子域中的信号进行特征提取；(4)利用自相关算法对量子域信号特征进行降噪处理；(5)对降噪后的量子域信号特征进行重构，将量子域信号恢复为时域信号，此信号即为所需微弱目标信号。本发明使半经典信号分析算法应用于微弱信号检测，解决了相关检测算法无法检测相关性噪声问题，精确检测‑30dB噪声下的微弱信号，有效改善信号信噪比，提高微弱信号检测精度，易于实现。

技术领域

本发明属于微弱振动信号分析处理领域，具体涉及一种基于改进半经典信号分析的微弱信号检测方法。

背景技术

微弱信号泛指在强噪声背景下，目标信号幅值远远小于噪声信号幅值的信号。噪声信号幅值是目标信号的十倍甚至更高，信噪比为-10dB甚至更低，目标信号完全湮没在强噪声之中，如何将这样的目标信号从强噪声中检测并分离，即微弱信号检测问题。

在生产生活中，强噪声背景非常常见，如汽车发动机噪声和胎噪的复合强噪声、航空发动机运行是产生的强噪声、轮船轮机噪声和海浪水声复合的强噪声等等。在这样背景下采集的振动信号很容易湮没在强噪声中，振动信号中包含的运行状态参数、故障特征等目标信息无法及时、准确、有效的被识别和传递，会对设备整体运行稳定性和安全性产生极大不良影响。因此，对微弱信号检测问题的研究有着非常重要的意义。

一些传统的微弱信号检测方法，如锁定放大法，可以避免低频噪声的污染，能保证较高的检测精度，但是有无法处理同频干扰及较高频率的信号，相敏检测器存在相位误差等缺点；相关检测方法，具有原理简单和易于软硬件实现等优点，但是，随着噪声功率的增加或出现相关性噪声时，微弱信号的检测成功率和检测精度会严重下降。

半经典信号分析(Semi-Classical Signal Analysis,SCSA)由Taous-Meriem教授在2013年提出，主要用于血压、核磁共振谱检测等医学用途中，对脉冲信号降噪和重构都有很好的效果，但是微弱信号的信噪比远远低于血压、核磁共振谱的信噪比，SCSA算法无法直接用于微弱信号检测中。因此，本发明探索一种检测精度更高的，可用于微弱信号检测的改进半经典信号分析方法。

发明内容

针对现有技术中存在的上述问题，本发明的目的是提供一种基于改进半经典信号分析的微弱信号检测方法，以提高微弱信号检测精度。

为实现上述目的，本发明采用如下技术方案：

一种基于改进半经典信号分析的微弱信号检测方法，包括以下步骤：

(1)获取强噪声背景下包含微弱目标信息的振动信号；

(2)对步骤(1)获取的振动信号进行量子域转换，便于对量子域中的信号进行降噪处理和微弱目标信号检测；

(3)对步骤(2)得到的量子域中的信号进行特征提取；

(4)利用自相关算法对步骤(3)提取的量子域信号特征进行降噪处理；

(5)对经步骤(4)降噪后的量子域信号特征进行重构，将量子域信号恢复为时域信号，此信号即为所需微弱目标信号。

所述步骤(2)中，量子域转换通过式(1)所示的薛定谔乘法算子Φ的离散谱公式实现：

其中，H_h(y)是所求离散谱，是普朗克常量，m是粒子在势中的质量，▽²Φ是拉普拉斯算子，V(x)是薛定谔算子的势，是2阶Sobolev空间；