摘 要：微弱电信号包含着非常多的有用信息，提取和检测这些信息对预测事物的生长和发展趋势意义重大。本文对微弱电信号的信息融合检测进行了一些有意义的探讨，希望对相关工作能够有所借鉴。
关键词：微弱电信号，信号检测，信息融合
DOI：10.16640/j.cnki.37-1222/t.2018.23.095
1 微弱电信号概述
微弱电信号包含着非常多的有用信息，以植物电信号（如图1所示）为例，探索其内涵对于植物生理研究、相关生产、地震预报以及新型植物病虫害防治研究等都具有积极意义。近年来，微弱电信号的检测与分析处理技术不断取得发展和进步，这为微弱电信号的信息检测奠定了良好的基础。
如果是想分析研究对象的自适应控制特性，构建智能化的决策和控制系统，就需要构建微弱电信号的标准数据集，然后利用信息融合技术来对研究对象未来的发展和成长趋势进行预测，进而为自动化的控制决策提供依据。这其中存在一些技术难点：第一，微弱电信号的强度非常小，有时甚至是微V量级，这给信号的检测和识别增加了难度。如何在复杂的噪声环境中准确检测识别出微弱电信号是该技术应用的一个瓶颈。第二，微弱电信号的功能模型构建。检测微弱电信号的目的是为了分析研究对象未来的生长和发展趋势，所以只有查明微弱电信号的内涵及其与研究对象发展变化间的功能关系，才有可能建立适用于计算机分析处理的智能化模型。
随着信息技术的快速发展，微弱电信号的信息检测能力也大大提升，但一个事物的发展变化往往是受到诸多环境因素刺激或改变的综合结果，单一的信号处理已经难以满足智能控制的需要，所以有必要探讨微弱电信号的信息融合检测问题。
2 微弱电信号的提取和检测原理
现实中，噪声总是会对信号的提取和检测造成影响，对微弱电信号的影响就变地更大。微弱电信号是典型的低信噪比下的信号检测问题，这也是当前信号提取领域的一个研究热点，而强噪音背景下的微弱信号提取更是难点之一。要实现对微弱电信号的提取，首先要做的就是消除噪声，将信号从强噪音背景下剥离出来，或者采用一些新技术或设备来提高检测系统输出信号的信噪比。
通常來说，噪音主要存在以下两种来源：检测系统的电子电路和系统外的电磁干扰。解决噪音也可以采用以下两种途径：第一，通过尽可能地降低系统噪音来促使信噪比提高；第二，可以采用屏蔽等技术手段来隔断外界可能存在的干扰噪音。
在现代电子科学领域，采用低噪音放大技术和适当的滤波器限制系统宽带，就可以有效实现对内、外部噪声的抑制。实践已经证明，这种方式可以大幅度改善信噪比，即使是微弱信号，也能实现信噪比大于1。诚然，任何技术都有一定的适用范围，当信号极度微弱时，甚至比噪声小好几个数量级以至于被噪声彻底淹没，那么该方法所能起到的效果就会非常有限。此外，当我们已知噪声中的信号波形时，就可以利用信号和噪声随同时间变化的规律，采用匹配滤波的方法进行检测。以从白噪声中检测微弱信号为例，考虑到白噪声是典型的随机噪声，随着时间持续会表现出零均值的特性，那么就可以将一定时间区间内的所有检测段的信号进行累加，如果信号均值不为零，那么就可以判断出白噪音背景下存在微弱信号。
现实中，微弱信号的提取和检测已经发展出了多种方法，比如自相关检测方法、多重自相关法等等，这些方法各有其特点和适用条件，我们只有找准所要检测的微弱电信号的内涵和特征，并选择最匹配适用的技术手段，才能完成对微弱电信号的有效提取。
3 微弱电信号的信息融合检测探讨
（1）原始电信号的目标级融合。上文已经介绍，单一微弱电信号检测已经无法满足对事物成长和发展趋势的预测，所以目前多个微弱电信号的融合检测成为主要发展趋势。对于多个维度的微弱电信号，数据融合的首要思路进行维度削减。具体而言，可以先将检测到的微弱电信号映射到高维空间，然后再借助降维算法来削减维度，最后利用傅里叶变环和小波分析等手段就能实现对微弱信号特征的提取，实现原始信号的目标级融合。
（2）参数决策级的信息融合。参数决策级的信息融合是一种多层次、多方面的处理过程，简单来说，就是对多源决策信息进行综合处理，从而得到对事物演变趋势的更准确和可靠的预测。当前应用于信息融合领域的技术手段主要有统计推断方法、信息论方法、决策论方法、人工智能方法等等。现阶段，人工智能方法尤其是其中的深度学习方法是该领域的研究热点，因为可以构建出信息融合智能决策模型，这对促使事物生长和发展的自动化控制具有重要的借鉴意义。
参考文献：
[1]赵琳，乔延华.微弱信号检测系统的设计[J].电子测试，2015（20）
：1-3.
[2]行鸿彦，朱清清，徐伟.一种混沌海杂波背景下的微弱信号检测方法[J].物理学报，2014，63（10）：41-47.
[3]夏均忠，刘远宏，冷永刚等.微弱信号检测方法的现状分析[J].噪声与振动控制，2011，31（03）：156-161.
[4]刘伟，杜娟.基于循环谱理论的弱信号检测及特征参数估计[J].通信技术，2010，43（04）：28-30.