利用相關法進行微弱信號檢測利用相關法進行微弱信號檢測主要內容背景知識相關算法基礎知識matlab編程實現實例：用相關分析法確定深埋地下的輸油管裂損位置主要內容背景知識背景知識微弱信號檢測技術是近年來迅速發展起來的，運用結合電子學、信息論和物理學方法的一種信號處理技術。微弱信號檢測通過分析噪聲產生的原因和規律，研究被測信號和噪聲的統計性及其特性，并采用一系列的信號處理電路或方法，檢測出被背景噪聲覆蓋的微弱信號。背景知識微弱信號檢測技術是近年來迅速發展起來的，運用結合電子常見的微弱信號檢測方法有：鎖定放大取樣積分自適應濾波相關算法：自相關

互相關常見的微弱信號檢測方法有：鎖定放大自相關函數描述了信號本身在一個時刻的瞬時值與另一個時刻的瞬時值之間的依賴關系。在信息分析中，通常將自相關函數稱之為自協方差方程。用來描述信息在不同時間的，信息函數值的相關性。自相關白噪聲的自相關函數=0自相關函數描述了信號本身在一個時刻的瞬時值與另一個時刻的瞬時互相關函數描述了兩組信號之間的一般依賴關系。在信號處理領域中，互相關是用來表示兩個信號之間相似性的一個度量，通常通過與已知信號比較用于尋找未知信號中的特性。互相關互相關函數描述了兩組信號之間的一般依賴關系。在信號處理領域中周期或頻率fiXi(t)與y(t)=sin(2πfi)互相關函數Rxy(τ）幅度Ai和相位φix(t)=x(t)-Aicos(2πfi+φi)Rx(τ)自相關是組合Xi(t)=si(t)+n(t)i=1si(t)Xi(t)否相關法恢復諧波分量流程圖周期或頻率fiXi(t)與y(t)=sin(2πfi)幅度Amatlab編程實現matlab編程實現采樣點數為1000，采樣頻率為1000，作幅值為3，頻率為10HZ的正弦波正弦信號s=3*sin(2*pi*f*t)采樣點數為1000，采樣頻率為1000，作幅值為3，頻率為1加入高斯噪聲的信號：n=wgn(1,1001,2);正弦信號s=3*sin(2*pi*f*t)正弦信號s=3*sin(2*pi*f*t)加入高斯噪聲的信號：n=wgn(1,1001,2);正弦信自相關：[a,b]=xcorr(x,'unbiased');自相關：[a,b]=xcorr(x,'unbiased');y=fft([a,b],M);%進行fft變換mag=abs(y);%求幅值plot(f,mag);%做頻譜圖y=fft([a,b],M);%進行fft變換互相關：[a,b]=xcorr(x,y1，'unbiased');互相關：[a,b]=xcorr(x,y1，'unbiased還原信號還原信號實例：用相關分析法確定深埋地下的輸油管裂損位置

如下圖所示，漏損處K可視為向兩側傳播聲音的聲源，在兩側管道上分別放置傳感器1和2。因為放置傳感器的兩點相距漏損處距離不等，則漏油的聲響傳至兩傳感器的時間就會有差異，在互相關函數圖上τ=τm處有最大值，這個τm就是時差。S為兩傳感器的安裝中心線至漏損處的距離

實例：用相關分析法確定深埋地下的輸油管裂損位置

如下圖所示，程序：N=1000;n=0:N-1;Fs=500;t=n/Fs;Lag=200;%最大延遲單位數

x1=90*sinc(pi*(n-0.1*Fs));%第一個原始信號，延遲0.1sx2=50*sinc(pi*(n-0.3*Fs));%第二個原始信號，延遲0.3s[c,lags]=xcorr(x1,x2,Lag,'unbiased');%計算兩個函數互相關subplot(2,1,1),plot(t,x1,'r');%繪制第一個信號holdon;plot(t,x2,'b');%繪制第二個信號legend('信號x1','信號x2');%繪制圖例holdoff;subplot(2,1,2),plot(lags/Fs,c,'r');%繪制互相關信號xlabel('時間/s');ylabel('Rxy(t)');程序：相關法進行微弱信號檢測課件THANKYOU!THANKYOU!利用相關法進行微弱信號檢測利用相關法進行微弱信號檢測主要內容背景知識相關算法基礎知識matlab編程實現實例：用相關分析法確定深埋地下的輸油管裂損位置主要內容背景知識背景知識微弱信號檢測技術是近年來迅速發展起來的，運用結合電子學、信息論和物理學方法的一種信號處理技術。微弱信號檢測通過分析噪聲產生的原因和規律，研究被測信號和噪聲的統計性及其特性，并采用一系列的信號處理電路或方法，檢測出被背景噪聲覆蓋的微弱信號。背景知識微弱信號檢測技術是近年來迅速發展起來的，運用結合電子常見的微弱信號檢測方法有：鎖定放大取樣積分自適應濾波相關算法：自相關

互相關常見的微弱信號檢測方法有：鎖定放大自相關函數描述了信號本身在一個時刻的瞬時值與另一個時刻的瞬時值之間的依賴關系。在信息分析中，通常將自相關函數稱之為自協方差方程。用來描述信息在不同時間的，信息函數值的相關性。自相關白噪聲的自相關函數=0自相關函數描述了信號本身在一個時刻的瞬時值與另一個時刻的瞬時互相關函數描述了兩組信號之間的一般依賴關系。在信號處理領域中，互相關是用來表示兩個信號之間相似性的一個度量，通常通過與已知信號比較用于尋找未知信號中的特性。互相關互相關函數描述了兩組信號之間的一般依賴關系。在信號處理領域中周期或頻率fiXi(t)與y(t)=sin(2πfi)互相關函數Rxy(τ）幅度Ai和相位φix(t)=x(t)-Aicos(2πfi+φi)Rx(τ)自相關是組合Xi(t)=si(t)+n(t)i=1si(t)Xi(t)否相關法恢復諧波分量流程圖周期或頻率fiXi(t)與y(t)=sin(2πfi)幅度Amatlab編程實現matlab編程實現采樣點數為1000，采樣頻率為1000，作幅值為3，頻率為10HZ的正弦波正弦信號s=3*sin(2*pi*f*t)采樣點數為1000，采樣頻率為1000，作幅值為3，頻率為1加入高斯噪聲的信號：n=wgn(1,1001,2);正弦信號s=3*sin(2*pi*f*t)正弦信號s=3*sin(2*pi*f*t)加入高斯噪聲的信號：n=wgn(1,1001,2);正弦信自相關：[a,b]=xcorr(x,'unbiased');自相關：[a,b]=xcorr(x,'unbiased');y=fft([a,b],M);%進行fft變換mag=abs(y);%求幅值plot(f,mag);%做頻譜圖y=fft([a,b],M);%進行fft變換互相關：[a,b]=xcorr(x,y1，'unbiased');互相關：[a,b]=xcorr(x,y1，'unbiased還原信號還原信號實例：用相關分析法確定深埋地下的輸油管裂損位置

如下圖所示，漏損處K可視為向兩側傳播聲音的聲源，在兩側管道上分別放置傳感器1和2。因為放置傳感器的兩點相距漏損處距離不等，則漏油的聲響傳至兩傳感器的時間就會有差異，在互相關函數圖上τ=τm處有最大值，這個τm就是時差。S為兩傳感器的安裝中心線至漏損處的距離

實例：用相關分析法確定深埋地下的輸油管裂損位置

如下圖所示，程序：N=1000;n=0:N-1;Fs=500;t=n/Fs;Lag=200;%最大延遲單位數

x1=90*sinc(pi*(n-0.1*Fs));%第一個原始信號，延遲0.1sx2=50*sinc(pi*(n-0.3*Fs));%第二個原始信號，延遲0.3s[c,lags]=xcorr(x1,x2,Lag,'unbiased');%計算兩個函數互相關subplot(2,1,1),plot(t,x1,'r');%繪制第一個信號holdon;plot(t,