摘 要: 噪声是限制微弱信号检测系统的首要因素。对于微弱信号检测来说,如能有效克服噪声,就可提高信号检测的灵敏度。研究利用自适应滤波和小波分析来对微弱信号进行降噪,通过Matlab仿真证明,自适应滤波和小波分析对噪声有着很强的抑制作用。
关键词: 自适应滤波;小波分析;噪声
微弱信号检测的目的是利用电子学、信息论以及物理学的方法,分析噪声产生的原因,规律及被测信号的特点,检测被背景噪声淹没的弱信号[1]。但是由于微弱信号的信噪比低、信号幅度较小、噪声特性不稳定等原因,不适合用常规的滤波方法对信号进行降噪。如何对微弱信号进行有效的降噪,使微弱信号信噪比得到提升,就显得尤为重要。自适应滤波和小波分析在信号处理方面有着巨大的优势,并均能增强微弱信号的信号特征,有利于提高对有用信号的识别率。
1 自适应滤波
1.1 自适应滤波概述
自适应滤波理论和技术是统计信号处理和非平稳随机信号处理的主要内容,它可以在无需先验知识的条件下,通过自学习适应或跟踪外部环境的非平稳随机变化,并最终逼近维纳滤波和卡尔曼滤波的最佳滤波性能。因而,自适应滤波不但可以用来检测确定性信号,而且可以检测平稳的或非平稳的随机信号。
1.2 自适应滤波MATLAB降噪仿真
应用自适应滤波对被噪声所污染的微弱信号进行降噪处理,在Matlab软件中进行仿真实验。自适应滤波Matlab降噪仿真如图1所示,序列号n强调的是数的前后顺序,而淡化顺序表示为物理意义。图中可以看到被均值为零、信噪比为3 dB的高斯白噪声污染的微弱信号经过一段自适应时间之后,噪声逐渐降低,波形逐渐向原信号恢复,最后达到和原信号几乎一致,去噪效果明显。图2所示为在最