對於雜訊中的訊號檢測，通常會涉及三個方面：訊號濾波、訊號判決、訊號參量估計。訊號濾波是訊號處理中經常採用的方法，主要是從被雜訊汙染的訊號中恢復訊號波形；訊號判決主要是解決從**擾雜訊中發現和分辨微弱訊號的問題，即判斷雜訊中有無訊號的問題；訊號參量估計是關於雜訊中訊號未知參量的測量問題，是在肯定訊號存在的情況下計算訊號的引數。
微弱訊號濾波問題：
1.匹配濾波器
2.維納濾波器
3.卡爾曼濾波器
4.自適應雜訊抵消濾波器（希望濾波器能夠自動適應系統或周圍環境的變化，則需要濾波器的引數可以隨時間做些簡單的變化。）
在設計濾波器時，應採用某些準則，使最終的採集到的訊號滿足人們的需求；通常採用兩種準則：一種是使濾波器輸出的訊號的訊雜比(snr)達到最大；另一種是使用濾波器輸出訊號的均方誤差最小。採用第一種準則的稱為匹配濾波器；採用第二種準則的稱為維納(wiener)濾波器。
1.匹配濾波器：
性質：（1）在所有線性濾波器中，匹配濾波器輸出訊號的訊雜比最大。
（2）常數c表示匹配濾波器的相對放大量，不影響輸出訊號的訊雜比，故取值是任意的。
（3）匹配濾波器輸出訊號在t=t0時刻的瞬時功率達到最大，該時刻t0應該選取等於原訊號的持續時間。
2.維納濾波器
維納濾波是一種在最小均方誤差準則下的最佳線性濾波器，它可用於平滑、濾波和**。
最小均方誤差準則：
用乙個濾波器h(t)對隨機觀測資料x(t)=s(t)+n(t)進行濾波，以實現對訊號是s(t)的恢復或估計y(t)。設y0(t)為希望輸出訊號，也稱期望輸出，通常令y0(t)=s(t+η)：
當η=0時，稱為訊號復現，是利用直到當前時刻的隨機過程的觀察值來得到當前訊號值的估計。
當η<0時，稱為訊號平滑，是利用直到當前時刻的隨機過程的觀察值來得到過去某個時刻訊號的估值。
當η>0時，稱為訊號**，是利用直到當前時刻的隨機過程的觀察值來得到將來某個時刻的估值。
期望輸出y0(t)不會等於濾波器的實際輸出訊號y(t),存在誤差e(t)=y0(t)-y(t),該誤差為隨機變數，不適合作為濾波器的效能評價標準，而均方誤差是確定值，是濾波器效能的主要測度之一。最小均方誤差準則就是對於濾波器h(t),使得均方誤差達到最小，這種濾波器又稱為維納濾波器。
3.卡爾曼濾波器
維納濾波器針對平穩隨機過程，具有最小均方誤差輸出訊號，在知道訊號與雜訊的相關函式或功率譜密度函式的情況下，通過求解維納-霍夫方程，求出被雜訊汙染的訊號的最優濾波值或**值。該方法求解困難，並且不容易實現濾波要求的濾波網路。目前主要採用卡爾曼濾波方法，該方法針對時間序列，以最小均方誤差作為準則，使用遞推估計演算法，採用訊號與雜訊的狀態空間模型，利用前一時刻的估計值和當前時刻的測量值來更新狀態變數，從而求出現在時刻的估計值，它適合計算機實時處理。其實質是由觀測值重構系統狀態向量，以『**、實測和修正』的順序遞推，根據測量值來消除干擾，或恢復訊號。
4.自適應雜訊抵消濾波器：
自適應濾波器是指根據環境的改變，使用自適應演算法來改變濾波器的引數和結構的濾波器。通常情況下，為方便解決問題，不改變自適應濾波器的結構。而自適應濾波器的係數是自適應演算法更新的時變係數。即其係數自動連續地適應給定訊號，以獲得期望響應，從而實現最優濾波。自適應濾波最重要的特徵是：它能夠在未知的環境中有效工作，並能夠跟蹤輸入訊號的時變特徵。
微弱訊號檢測 鎖相放大器在微弱訊號檢測的應用
本文內容將描述鎖相放大器如何用於恢復弱光訊號以實現位移測量。介紹隨著對準確度和精度越來越高的要求，微弱訊號檢測技術已經在很多領域變得至關重要，特別是在雷達 聲納 通訊 工業測量 機械系統的故障分析等領域。一些具體的例子包括材料分析中螢光強度的測量，天文學中衛星訊號的接收，以及 學中 波形和波速的測量...
微弱訊號檢測中四種降噪濾波方法的matlab實現
用matlab實現4種濾波降噪處理演算法，訊號為正弦訊號疊加上白雜訊，引數可自主定製。matlab clear all clc fs 300 time 128 t 0 1 fs time f1 1 t1 1 f1 y1 sin 2 pi f1 t figure plot t,y1 axis 0 4 ...
非線性訊號濾波
統計狀態轉換方程 聯絡當前狀態與以前狀態 x t f x t 1 w t 1 1 統計觀察 測量方程 聯絡觀察資料y與當前狀態x y t h x t e t 2 貝葉斯框架下 公式 1 確定了 當前狀態的條件轉換概率 給定前一時刻的狀態和所有的觀測值 p x t x t 1 y t 1 公式 2 確...