如何拯救淹沒在雜訊中的信號

信號是一個奇妙的東西，這個世界傳遞出的信號並非我們的五官所能統攝。於是，人類需要藉助很多儀器設備來偵測很多五官所不能及的信號，感測器便是其中之一。隨著物聯網技術的發展，精密感測器成為萬物互聯的基礎硬體。暢想一下，如果有一天有感測器可以準確偵測人的細微表情變化、多肉植物的呼吸、寵物狗的思維等等，世界將變得多麼精彩絕倫！

但是，問題來了，用什麼將淹沒在雜訊中的微弱信號提取出來呢？舉個簡單的例子，核電站出入口檢測工作人員核輻射劑量的儀器，即使工作人員沾染了極其微量的放射性物質也需要做出警示，不然，久而久之對工作人員身體健康構成威脅。但實際的情況是，直接進行檢測，微弱的輻射信號極有可能淹沒在空氣和電路本身自帶的雜訊之中。小編曾在某核電站接觸過各類輻射檢測設備，敏感和關鍵位置多採用進口輻射探頭，每個探頭價格都不菲，足見微弱信號採集並非易事。

微弱信號採集從理論上講很簡單，不過信號提取、放大和轉換三部曲，但每一步都必須謹小慎微，很多時候三個步驟交織進行。如果信號提取有誤，放大和轉換根本無從談起，那麼如何保證信號提取的準確度儘可能高呢？總體來講應該有如下幾個思路：

1）反應法：依靠物理、化學或生物學原理，讓被測微弱信號直接參与或誘發某特定反應，靠反應的強度、產物等特徵的電氣轉換來變相提取微弱信號。我們常見的血糖儀、霧霾檢測儀等都應屬於此類。

2）對差法：所謂對差法是指利用同步雜訊樣本信號，通過對比做差將所需微弱信號提取出來，該方法對應到實際電路中，即經典的差動放大電路。比如錄音信號降噪（假設談話者聲音極小，無法通過聲音幅度區別談話者聲音和周圍雜訊），就可以同步錄取現場談話者聲音和周圍環境嘈雜聲音，通過將兩個聲音信號對比做差，提取出純凈的談話聲音。

3）選頻濾波法：這種方法需要提前預知被測信號的頻段，以針對性進行選頻和濾波。我們常用的手機信號接收和發射就是如此，專門給手機信號開闢了一個頻段，使用該頻段的載波來傳輸微弱信號，只需經過調製和解調即可完成。

以上的方法仍有很多局限性，可見我們對信號的偵測遠遠不夠，真正的對世界的感知正如很多宗教那樣，靜坐著可以聽到遠方親人的呼喚，可以感知千里之外的寒暑，可以用意念對話……物聯網能否達到如此境界呢？基礎硬體首先要跟上，而且要走的路還很長，畢竟現在製作一個能達到人類感官和思維的機器人都極其困難。你說呢？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！