CN115435895A - 一种基于概率分布函数的本底噪声测量方法 - Google Patents
一种基于概率分布函数的本底噪声测量方法 Download PDFInfo
- Publication number
- CN115435895A CN115435895A CN202211111591.0A CN202211111591A CN115435895A CN 115435895 A CN115435895 A CN 115435895A CN 202211111591 A CN202211111591 A CN 202211111591A CN 115435895 A CN115435895 A CN 115435895A
- Authority
- CN
- China
- Prior art keywords
- noise
- distribution function
- signal
- array
- probability distribution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005315 distribution function Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000005259 measurement Methods 0.000 claims abstract description 21
- 238000000691 measurement method Methods 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000003306 harvesting Methods 0.000 claims 1
- 238000012360 testing method Methods 0.000 abstract description 3
- 238000010183 spectrum analysis Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012885 constant function Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及计量测试技术领域，尤其是一种基于概率分布函数的本底噪声测量方法，其步骤为：(1)使用采集系统记录噪声信号的离散信号n[x]；(2)将离散信号数组n[x]根据每个元素的大小对其进行分类，记录每一个数值区间中离散信号数组元素的个数；(3)将数值区间中元素的数量除以离散信号数组中的元素总量，再除以数值区间的长度，得到该离散数组的分布函数R(n)；(4)多次测量，将每次测量得到的分布函数R(n)相加后取平均，得到本底噪声最终的概率分布函数P(n)，本发明能够有效的保留噪声信号的相位分布信息，提高测量效率和测量结果的稳定性。
Description
技术领域
本发明涉及计量测试技术领域，具体领域为一种基于概率分布函数的本底噪声测量方法。
背景技术
本底噪声是决定各个学科中物理量测量最小值的重要技术参数，本底噪声一般由仪器设备中电子元件自带的热噪声和受环境中压力、温度、电磁波、振动等物理场影响产生的噪声组成。
由于噪声在时域、频域的随机性和不相关性，使得本底噪声对测量结果准确性的负面影响无法被彻底消除，只能通过建造低本底噪声试验域、增加传感器数量、提高被测量量数量级等方式提高测量数据的信噪比来降低本底噪声的影响。因此，准确定义、测量本底噪声水平对测量结果的准确性估算有着十分重要的意义。
目前测量本底噪声的方法多采用频谱分析法：通过对稳态下采集系统多次采集得到的噪声频谱信号做平均的方式，得到噪声在各个频率的模量分布来定义采集系统本底噪声和环境噪声叠加后的噪声水平。
该方法存在两个主要问题：
首先，本底噪声作为一种随机信号，其频域测量结果应包含模量、相位等信息，但噪声期望值为0的特点，决定了频谱无法在复数域多次测量求平均，也就是说结果中无法保留相位信息，证明了频谱分析法定义噪声是不全面的。
其次，本底噪声作为一种随机信号，当两种本底噪声产生叠加(如，单传感器测量变为双传感器测量)，由于噪声谱的叠加是非线性的，所以很难对不同的本底噪声进行量化比较，说明频谱分析法定义噪声这种信号处理方法本身就是不完备的。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种基于概率分布函数的本底噪声测量方法。
为实现上述目的，本发明提供如下技术方案：一种基于概率分布函数的本底噪声测量方法，其步骤为：
(1)使用采集系统记录噪声信号的离散信号n[x]；
(2)将离散信号数组n[x]根据每个元素的大小对其进行分类，记录每一个数值区间中离散信号数组元素的个数；
(3)将数值区间中元素的数量除以离散信号数组中的元素总量，再除以数值区间的长度，得到该离散数组的分布函数R(n)；
(4)多次测量，将每次测量得到的分布函数R(n)相加后取平均，得到本底噪声最终的概率分布函数P(n)。
优选的，根据步骤(1)，针对某噪声连续信号信号sn(t)，从t＝0时刻使用采集设备以fs频率进行信号采集，N秒后得到离散信号数组n[x](x为正整数)；
n[x]表达式为：n[x]＝sn(x/fs-1/fs)。
优选的，根据步骤(2)-(3)，将数组在不同区间的元素数量进行整理，并与数组中元素的总个数进行百分比计算，得到噪声的离散采集信号幅值的分布曲线R(n)。
优选的，根据步骤(4)，当N为无穷大时，分布曲线R(n)收敛，称此时的分布曲线为P(n)；那么，P(n)为噪声连续信号sn(t)的概率分布函数；其中，
与现有技术相比，本发明的有益效果是：基于概率分布函数的本底噪声测量方法则可以有效的解决背景技术中提出的问题。基于本底噪声离散信号的随机性和本底噪声期望值为0的特性，提出使用概率分布函数测量本底噪声的方法。该方法可以有效的保留噪声信号的相位分布信息，提高测量效率和测量结果的稳定性。
附图说明
图1为白噪声时域信号；
图2为白噪声频域图像；
图3为白噪声的分布曲线；
图4为红噪声时域信号；
图5为红噪声频域图像；
图6为红噪声的分布曲线图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本专利申请以水听器复数灵敏度校准技术、水下目标强度测量技术、水下声源级测量技术为背景。
本发明提供一种技术方案：一种基于概率分布函数的本底噪声测量方法，其在于以下步骤：
101：利用采集系统采集得到的噪声信号为离散信号，受噪声的特性影响离散信号可视为随机数组，而随机数组的分布规律可以用分布函数的方法表示；
102：对于任意一组由传感器测量得到的随机噪声信号，在噪声信号足够长的前提下，任意时间、任意采样频率中测量得到的离散信号样本的分布函数都相同时，可以视为当前环境中被测物理量的噪声分布稳定；
103：噪声的概率分布函数通过对由传感器测量得到随机噪声信号的离散信号数组进行模量区间分类得到，与时间无关；
104：噪声概率分布函数的测量精度仅与用于分类的数据量有关，与测量时长和采样频率无关；
105：噪声的概率分布函数不能通过多次测量求平均数的方法得到更精确的测量结果，甚至在特殊情况下会降低测量结果的可信程度。
现存在某噪声连续信号sn(t)，从t＝0时刻使用采集设备以fs频率进行信号采集，N秒后得到离散信号数组n[x](x为正整数)。n[x]表达式为：
n[x]＝sn(x/fs-1/fs)
我们可以将离散信号数组n[x]根据每个元素的大小对其进行分类。将数组在不同区间的元素数量进行整理，并与数组中元素的总个数进行百分比计算，将会得到噪声的离散采集信号幅值的分布曲线R(n)。当N为无穷大时，分布曲线R(n)收敛，称此时的分布曲线为P(n)。那么，P(n)为噪声连续信号sn(t)的概率分布函数。其中，
在确定时间点，噪声信号的瞬时幅值是随机的，但每个时间点的瞬时幅值概率是不变的。使用概率分布函数描述噪声特性，更直接稳定。通过分析概率分布函数的特性，可知P(n)与变量fs和变量t无关。
通过本技术方案，
分布函数定义噪声信号的稳定性验证
对比传统的频谱分析方法和分布函数方法，验证分布函数定义噪声信号的稳定性。白噪声的离散采样数组是最大值和最小值范围内所有值出现概率相等的随机函数组，如图1所示，其傅立叶变换如图2所示。
可以看到，不论是图1还是图2都是很散乱的随机数列，无法判断噪声信号的性质。当我们将数列按照大小在不同数值区间内进行统计后得到的分布曲线如图3所示。可以明显的看到，白噪声的分布曲线是在[-0.5,0.5]区间的常函数，白噪声的分布遵循平均分布，与白噪声的性质吻合。
粉红噪声根据定义模拟求得的时域信号如图4所示。可以看到，相比于白噪声，粉红噪声中明显存在更大的低频信号。红噪声的傅立叶变换如图5所示。可以看到，粉红噪声的频域图像符合功率谱密度每倍频程-3dB衰减的要求。而当我们将数列按照大小在不同数值区间内进行统计后得到的分布曲线如图6所示。可以看到粉红噪声的分布曲线类似正态分布函数，以此类推可知红噪声是标准正态分布。
综上可以看到，相比于使用频谱分析，利用分布函数表征噪声信号的特性更清晰、稳定。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种基于概率分布函数的本底噪声测量方法，其特征在于：其步骤为：
(1)使用采集系统记录噪声信号的离散信号n[x]；
(2)将离散信号数组n[x]根据每个元素的大小对其进行分类，记录每一个数值区间中离散信号数组元素的个数；
(3)将数值区间中元素的数量除以离散信号数组中的元素总量，再除以数值区间的长度，得到该离散数组的分布函数R(n)；
(4)多次测量，将每次测量得到的分布函数R(n)相加后取平均，得到本底噪声最终的概率分布函数P(n)。
2.根据权利要求1所述的一种基于概率分布函数的本底噪声测量方法，其特征在于：根据步骤(1)，针对某噪声连续信号信号sn(t)，从t＝0时刻使用采集设备以fs频率进行信号采集，N秒后得到离散信号数组n[x](x为正整数)；
n[x]表达式为：n[x]＝sn(x/fs-1/fs)。
3.根据权利要求2所述的一种基于概率分布函数的本底噪声测量方法，其特征在于：根据步骤(2)-(3)，将数组在不同区间的元素数量进行整理，并与数组中元素的总个数进行百分比计算，得到噪声的离散采集信号幅值的分布曲线R(n)。
4.根据权利要求3所述的一种基于概率分布函数的本底噪声测量方法，其特征在于：根据步骤(4)，当N为无穷大时，分布曲线R(n)收敛，称此时的分布曲线为P(n)；那么，P(n)为噪声连续信号sn(t)的概率分布函数；其中，
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211111591.0A CN115435895A (zh) | 2022-09-13 | 2022-09-13 | 一种基于概率分布函数的本底噪声测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211111591.0A CN115435895A (zh) | 2022-09-13 | 2022-09-13 | 一种基于概率分布函数的本底噪声测量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115435895A true CN115435895A (zh) | 2022-12-06 |
Family
ID=84247239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211111591.0A Pending CN115435895A (zh) | 2022-09-13 | 2022-09-13 | 一种基于概率分布函数的本底噪声测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115435895A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116388696A (zh) * | 2023-06-06 | 2023-07-04 | 苏州华兴源创科技股份有限公司 | 噪声信号的生成方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106092492A (zh) * | 2016-06-01 | 2016-11-09 | 南京航空航天大学 | 一种滤波去噪方法 |
| CN107895411A (zh) * | 2017-11-10 | 2018-04-10 | 北京交通大学 | 一种基于功率和功率变化等效性的锂离子电池工况提取方法 |
| CN108844612A (zh) * | 2018-08-27 | 2018-11-20 | 重庆大学 | 一种基于数理统计概率模型的变压器内部故障识别方法 |
| CN109884481A (zh) * | 2019-02-18 | 2019-06-14 | 上海金艺检测技术有限公司 | 局部放电暂态对地电压现场噪声评估方法 |
| CN111089738A (zh) * | 2019-12-31 | 2020-05-01 | 南京工大桥隧与轨道交通研究院有限公司 | 一种基于噪声信号的轮轨匹配状态识别方法 |
| CN113987416A (zh) * | 2021-11-02 | 2022-01-28 | 东北石油大学 | 一种基于置信水平的油气资源量计算方法及系统 |
| CN114065925A (zh) * | 2021-11-23 | 2022-02-18 | 燕山大学 | 一种基于三维自适应分区算法的脑功能有向连接评估方法 |
-
2022
- 2022-09-13 CN CN202211111591.0A patent/CN115435895A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106092492A (zh) * | 2016-06-01 | 2016-11-09 | 南京航空航天大学 | 一种滤波去噪方法 |
| CN107895411A (zh) * | 2017-11-10 | 2018-04-10 | 北京交通大学 | 一种基于功率和功率变化等效性的锂离子电池工况提取方法 |
| CN108844612A (zh) * | 2018-08-27 | 2018-11-20 | 重庆大学 | 一种基于数理统计概率模型的变压器内部故障识别方法 |
| CN109884481A (zh) * | 2019-02-18 | 2019-06-14 | 上海金艺检测技术有限公司 | 局部放电暂态对地电压现场噪声评估方法 |
| CN111089738A (zh) * | 2019-12-31 | 2020-05-01 | 南京工大桥隧与轨道交通研究院有限公司 | 一种基于噪声信号的轮轨匹配状态识别方法 |
| CN113987416A (zh) * | 2021-11-02 | 2022-01-28 | 东北石油大学 | 一种基于置信水平的油气资源量计算方法及系统 |
| CN114065925A (zh) * | 2021-11-23 | 2022-02-18 | 燕山大学 | 一种基于三维自适应分区算法的脑功能有向连接评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 牛飞 等: "GNSS测量及观测噪声概率分布建模与数据分析", 《第八届中国卫星导航学术年会论文集——S07卫星导航增强技术》, 23 May 2017 (2017-05-23), pages 44 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116388696A (zh) * | 2023-06-06 | 2023-07-04 | 苏州华兴源创科技股份有限公司 | 噪声信号的生成方法及装置 |
| CN116388696B (zh) * | 2023-06-06 | 2023-08-15 | 苏州华兴源创科技股份有限公司 | 噪声信号的生成方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lewandowski et al. | Covariance-based vector-network-analyzer uncertainty analysis for time-and frequency-domain measurements | |
| Offelli et al. | A frequency-domain procedure for accurate real-time signal parameter measurement | |
| Gusmano et al. | Electrochemical noise resistance as a tool for corrosion rate prediction | |
| JP2012047724A (ja) | 電磁波識別装置、電磁波識別方法、及び電磁波識別プログラム | |
| CN103546853A (zh) | 一种基于短时傅里叶变换的扬声器异常音检测方法 | |
| CN108896274B (zh) | 一种基于子集窗长度优化算法的分布式光纤应变解调方法 | |
| CN108680955B (zh) | 一种岩性识别方法及识别系统 | |
| CN109340586B (zh) | 一种供水管道泄露的检测方法及系统 | |
| CN115435895A (zh) | 一种基于概率分布函数的本底噪声测量方法 | |
| CN110514745A (zh) | 一种基于多频声发射信号的缆索断丝位置确定的方法 | |
| CN107064846A (zh) | 局部放电带电检测装置的灵敏度检测方法和装置 | |
| CN114487976B (zh) | Mcm电子式互感器校验仪溯源不确定度评定方法及系统 | |
| CN111123286A (zh) | 一种基于自校准全光纤多普勒电缆长度测试方法及装置 | |
| CN109752633B (zh) | 一种对变电站局部放电信号进行定位的方法及系统 | |
| CN116299110A (zh) | 一种用于双指数波形式电磁脉冲测量的时域标定方法 | |
| CN115792764A (zh) | 一种传输系数法测量电磁脉冲系统误差的分析方法 | |
| CN110032758B (zh) | 计算电信号的能量的方法、装置和计算机存储介质 | |
| Negreiros et al. | Ultra low cost analog BIST using spectral analysis | |
| CN112268608A (zh) | 一种强干扰dvs的高精度解调算法 | |
| CN108414001A (zh) | 非均匀采样正弦波形失真度的确定方法 | |
| CN112033518A (zh) | 一种基于正弦函数拟合的水听器灵敏度标定方法 | |
| Zhivomirov et al. | A method for single-tone frequency estimation | |
| RU2685048C1 (ru) | Способ определения мест появления неоднородностей и повреждений линий электропередачи | |
| CN117009746A (zh) | 一种基于概率反卷积方法的噪声分离方法 | |
| CN114265017B (zh) | 一种基于数字信号处理的相噪测量方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |