【摘要】：微弱信號(hào)檢測(cè)被廣泛應(yīng)用于科學(xué)研究和工程應(yīng)用領(lǐng)域如:光譜分析、化學(xué)樣品檢測(cè)、地質(zhì)勘探、空氣監(jiān)測(cè)等。對(duì)于弱信號(hào)檢測(cè)的理論和方法以及弱信號(hào)檢測(cè)的新型儀器儀表的研究,在信號(hào)檢測(cè)領(lǐng)域受到人們的普遍重視。微弱信號(hào)檢測(cè)技術(shù)的種類有很多,而且每種檢測(cè)方法各有其優(yōu)缺點(diǎn),適用場(chǎng)合也各有不同,早期在進(jìn)行微弱信號(hào)檢測(cè)時(shí),往往采用單一的檢測(cè)方法。隨著弱信號(hào)檢測(cè)研究領(lǐng)域的拓展和研究的深入,遇到的信號(hào)類型越來(lái)越復(fù)雜,采用單一的弱信號(hào)檢測(cè)檢測(cè)方法很難取得好的檢測(cè)效果。本文針對(duì)弱信號(hào)檢測(cè)在GMR生物傳感器中的應(yīng)用,選擇了基于互相關(guān)加小波變換的微弱信號(hào)檢測(cè)方案,制作了一款專門用于磁珠信號(hào)檢測(cè)的弱信號(hào)檢測(cè)電路,并對(duì)該電路實(shí)際效果進(jìn)行了測(cè)試。論文的主要工作如下:(1)通過(guò)文獻(xiàn)檢索了解國(guó)內(nèi)外關(guān)于弱信號(hào)檢測(cè)的現(xiàn)狀,學(xué)習(xí)互相關(guān)檢測(cè)和小波變換的相關(guān)理論知識(shí),確定了基于FFT的互相關(guān)檢測(cè)和小波閾值濾波相結(jié)合的弱信號(hào)檢測(cè)方案。(2)在對(duì)微弱信號(hào)檢測(cè)電路進(jìn)行需求分析的基礎(chǔ)上完成了硬件的選型工作,確定了下位機(jī)加上位機(jī)的硬件系統(tǒng)方案,其中下位機(jī)為STM32,上位機(jī)為PC。自行制作了前端信號(hào)調(diào)理電路,用于完成信號(hào)的放大、濾波和A/D轉(zhuǎn)換工作,并對(duì)各模塊中涉及的具體電路進(jìn)行了仿真。(3)將軟件分為下位機(jī)軟件與上位機(jī)軟件兩個(gè)部分設(shè)計(jì),在下位機(jī)STM32上利用DSP庫(kù)的FIR函數(shù)并結(jié)合MATLAB完成了FIR帶通濾波器的設(shè)計(jì)與驗(yàn)證工作;依據(jù)卷積定理,利用傅里葉變換函數(shù)和復(fù)變函數(shù)完成了互相關(guān)檢測(cè)算法的設(shè)計(jì),并利用MATLAB對(duì)其處理效果進(jìn)行了驗(yàn)證。在上位機(jī)PC上分別利用Python的Pyserial、PyWavelet和Matplotlib庫(kù)完成了通信、小波閾值濾波和輸出顯示三個(gè)模塊的設(shè)計(jì)。(4)搭建了弱信號(hào)檢測(cè)電路實(shí)驗(yàn)驗(yàn)證系統(tǒng),驗(yàn)證實(shí)驗(yàn)結(jié)果表明:制作的弱信號(hào)檢測(cè)電路的靈敏度為1.22818/,可以對(duì)11-100uV的弱信號(hào)進(jìn)行檢測(cè)。
【圖文】：

圖 1.2 三類腦電問(wèn)題的小波-混沌-神經(jīng)網(wǎng)絡(luò)方法處理框圖.2 Overview of the wavelet-chaos-neural network methodology for the 3-clasclassification problem.奧塔哥大學(xué)R. Kozma、N.K. Kasabov 等人試圖通過(guò)對(duì)心率變異性對(duì)冠狀動(dòng)脈粥樣硬化性心臟病的自動(dòng)診斷。在對(duì) HRV 信號(hào)的分用混沌理論和模糊神經(jīng)網(wǎng)絡(luò)算法相結(jié)合的方法對(duì) HRV 數(shù)據(jù)進(jìn)行從而實(shí)現(xiàn)了冠狀動(dòng)脈粥樣硬化性心臟病的自動(dòng)診斷[17]。例子還有很多，，比如日本首都大學(xué)東京 D. Zhou、K. Yasuda 等人改變參數(shù)或者增加混沌耗散的形式，構(gòu)造出了具有混沌特性的，用于提高計(jì)算機(jī)的模式識(shí)別能力[18]。冰島的冰島大學(xué)的 BirJohannes R. Sveinsson 等人在文章中提出將 curvelet 變換與小波方法，并將其用于圖像的去噪工作[19]。有很多類似例子，例如中國(guó)計(jì)量學(xué)院計(jì)量測(cè)試工程學(xué)院林敏、趙周期信號(hào)的信息提取時(shí)，采用單一微弱信號(hào)檢測(cè)方法無(wú)法準(zhǔn)確

圖 1.3 小波-隨機(jī)共振系統(tǒng)Figure1.3 Wavelet - random resonance system電子工程學(xué)院聶春燕等人在研究強(qiáng)噪聲中的微弱正弦周期僅采用互相關(guān)一種檢測(cè)方法時(shí)檢測(cè)門限過(guò)高的問(wèn)題，提出相結(jié)合的微弱信號(hào)檢測(cè)方法，并通過(guò)實(shí)驗(yàn)驗(yàn)證了其檢測(cè)效將待測(cè)信號(hào)與參考信號(hào)進(jìn)行互相關(guān)運(yùn)算，然后將運(yùn)算結(jié)果混沌系統(tǒng)對(duì)初值敏感對(duì)噪聲免疫的特性來(lái)完成正弦信號(hào)的工作。實(shí)驗(yàn)結(jié)果表明這種方法具有以下兩方面的優(yōu)勢(shì)：①易實(shí)現(xiàn)[21]。信號(hào) 互相關(guān)器 混沌系統(tǒng)相關(guān)軌跡顯示器參考信號(hào)
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TN911.23

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李春林;伍勇;;基于FFT與自相關(guān)函數(shù)的快速功率譜估計(jì)方法[J];艦船電子工程;2011年10期

2 夏均忠;劉遠(yuǎn)宏;冷永剛;葛紀(jì)桃;;微弱信號(hào)檢測(cè)方法的現(xiàn)狀分析[J];噪聲與振動(dòng)控制;2011年03期

3 李銳;何輔云;夏玉寶;;相關(guān)檢測(cè)原理及其應(yīng)用[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

4 李楠;劉福;;微弱信號(hào)檢測(cè)的3種非線性方法[J];電力自動(dòng)化設(shè)備;2008年04期

5 吳芳;楊日杰;田淑榮;高青偉;;基于相關(guān)與小波變換相結(jié)合的弱信號(hào)檢測(cè)[J];海軍航空工程學(xué)院學(xué)報(bào);2008年01期

6 杜保強(qiáng);黃留鎖;;基于周期信號(hào)的頻域檢測(cè)方法研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2007年18期

7 袁佳勝;馮志華;;基于相關(guān)分析與小波變換的齒輪箱故障診斷[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2007年08期

8 林敏;肖艷萍;趙軍;;基于小波變換和隨機(jī)共振的微弱信號(hào)檢測(cè)方法[J];傳感技術(shù)學(xué)報(bào);2006年03期

9 周厚奎;張昱;金心宇;;基于傅里葉和小波變換的電網(wǎng)諧波分析[J];電力系統(tǒng)及其自動(dòng)化學(xué)報(bào);2005年06期

10 李鐘慎;基于MATLAB設(shè)計(jì)巴特沃斯低通濾波器[J];信息技術(shù);2003年03期

本文編號(hào)：2596891