信号比较范文

信号比较范文（精选7篇）

信号比较 第1篇

之前吴江有线选用1, 550nm光混合方式进行信号插播 (如图1) , 这种方式是目前最为常见的一种插入方式, 利用一台与广播发射机不同波长的“窄播”发射机, 在网络上的某一个合适的位置, 用复用器波混的方式将窄播信号插入到网络中, 以覆盖相应的服务组, 俗称“光插”方式。一般而言, 当互动业务较少时, 插入的地方需要靠前一些, 而当互动业务比较多的时候, 则需要在靠后的地方插入窄播信号, 此时由于并列着众多的服务组, 因此需要相应数量的IPQAM组对其进行分别覆盖。

采用“光插”的方式引起的一个头痛的问题是两个波长的光强度、调制度等参数的配合。为了使光点转换为射频的信号一致, 且需要保证广播信号与窄播信号都符合要求, 就需要按照以下规则进行光强度和光调制度的配合:将窄播插入的光强度降低X dB, 并将窄播的OMI相对于广播发射机的OMI抬高2X dB, 再与广播的光波混合。这种插入方式引起的问题包括以下几个方面:一是将光点的输出调为一致的难度非常大。这里不但涉及到光强度不同, 还涉及到OMI的不同, 而提高OMI又容易将激光器的驱动过载, 技术非常复杂。二是直调1, 550nm发射机存在严重的Chirp, 因此所能加载的频道数量不能太多, 一般在200MHz以内。对于未来越来越多的交互内容, 该发射机的能力则成为问题———运营商面临着未来数目庞大的直调1, 550nm设备淘汰的风险。三是每当交互内容出现变化时 (例如IPQAM组的频点数量增加) , OMI就会出现变化 (也需要相应调整) , 为了使光节点的输出保持一致, 有必要也将光功率比值进行调整, 造成网络的维护极为复杂。

我们以常见的两个波长功率相差6dB为例说明。为了光节点的输出一致, 窄播发射机的OMI要比广播发射机的OMI高12dB。假设发射机的驱动总功率要求都大致相同 (~25%的总调制度) , 设窄播的频点数为N, 则log (60/N) =12dB (此处60为广播信号的频道数量) 。解N~=4。这是一个比较令人尴尬的结果:窄播的频点数不能大于4。如果大于4, 则需要降低窄播发射机的OMI, 否则激光器会可能过载。而降低OMI又引起了光节点输出不一致。运营商所做的则需要进一步将两个波长的光功率之比缩小。而光功率比的缩小还会引起指标变差。为了解决这一弊端, 在双向用户不断上升的情况下, 吴江有线放弃了光混合的方案, 而选用了一种新的1, 550nm直调技术 (以ARRIS公司的GX2-DM2000为代表) , 这项技术为两级光网开启了新的实现方式 (图2) 。GX2-DM2000完全可以像1, 310nm发射机一样进行满频带信号加载 (50~1000MHz加满信号) 使用, 并且可以在1, 550nm上进行放大以便于将信号馈送给庞大数量的光点。

如图3所示, 首先通过前置接收机 (RX1000模块) 将前端总公司机房所发射的1, 550nm直播电视信号进行一次光电转换, 然后通过混合设备, 将广播站机房IPQAM输出的本地VOD、省网VOD信号进行电混合, 规避了光插播中所存在的调试复杂、插播频点限制等一系列问题。之后通过直调发射模块 (DM2000模块) 进行光信号传输, 这种传输结构与“1, 550nm城区骨干+1, 310nm光分配+RF放大/分配”的传统结构将为相似, 但是它区别于1, 310nm发射机的一大特点就是可以像外调1, 550nm发射机一样进行EDFA放大, 从而衍生了覆盖面, 提高了灵活性, 但它的价格又远远低于外调1, 550nm发射机。

目前吴江有限已经通过此技术在全区10个分机房, 部署了90组互动分组, 覆盖双向互动用户9万多户, 此方案在保障了信号质量的同时, 大大降低了部署成本。

摘要：有线数字电视视频点播 (VOD, 如吴江有线的文广点播、频道回看、省网点播) 作为广播电视的增值业务之一, 从根本上改变了传统电视媒介的观赏方式, 使得看电视不再是以往的被动收看, 而是变为电视观众的自主选择。要实现VOD业务, 需要点播信号通过IPQAM设备混入电视直播的HFC网络中。

关键词：信号混合,VOD,模拟电视,数字电视

参考文献

[1]谷德露.外调制光发射机关键技术研究[D].电子科技大学, 2009

[2]王飚, 冯金林.主路信号OMI与光差之间关系的分析与研究[J].有线电视技术, 2015

比较好的微信号id号 第2篇

2、Instinct.初衷

3、Anougme 匿名

4、Review 旧爱

5、Amour″暮想

6、Smile凉城

7、sally

8、Weirdo.（怪人）

9、tfboys发光少年

10、Serenity（宁静）

11、loser遗失者

12、Philip

13、fanny

14、Meditation ? 冥想

15、Tattoo

16、Oscar

17、Allure°（倾城）

18、Only one“默爱╯

19、Pink

20、Apicallover心尖爱人

21、Remain（残骸）

22、mildness(温暖)

23、prostitute 浪妓

24、Record(记录)

25、Blind.(盲目)

26、alice

27、handsome

28、Cousin 怦然心动

29、only love

30、Meditation 冥想

31、Apicallover|心尖爱人

32、zenobia

33、Michael

34、Stupid（笨蛋）

35、Softsister

36、Quella

37、Moment ° 格调

38、relinquish放手

39、Brooklyn：布鲁克琳

40、Ava：艾娃

41、hero(英雄)

42、Fiee ? 追寻

43、Vera

44、kristin

45、Vito

46、run away

47、Rosalie：罗莎莉

48、Salvation ?拯救

49、Marmalade 橘子酱

50、Star River 星河

51、cardiac﹙心亡﹚

52、Lost love°失爱

53、Hickey吻痕

54、Miss”Love

55、hildishness(稚气)

56、outsiders 局外人

57、Azalea：杜鹃花

58、Excuses. 借口。

59、buford

60、first（最初）

61、Demi

62、Autism゛陌亡

63、肆虐ヽ Ragingヽ

64、stranger 陌路

65、Evangeline：伊万杰琳

66、Naive(幼稚)

67、Fiona：菲奥娜

68、December想你

69、waajok

70、farewell(深情)

71、Ainsley

72、Raccon浣熊

73、Lonesome.孤寂

74、Pass #流逝

75、Britney

76、Dont cry 不要哭

77、pear

78、Like Old Dream ?譬如旧梦

79、Break feeling断情

80、Polite

81、Give up on love放下爱

82、Breaking

83、cornelia

84、Sydney：雪莉

85、Grom

86、Sandm°旧梦

87、kate

88、Richard

89、Nostalgia 留恋

90、Only care只是在乎

91、Geek（怪咖）

92、Gorgeous 绚丽

93、Daisy

94、pizazz（潇洒）

95、Hugo

96、Arianna：阿里安娜

97、heloise

98、clumsy（笨拙）

99、HONM 箫

100、时光稀释 Dusty°

101、Promiscuous youth

102、Youthful(妙龄)

103、一纸荒年 Trace。

104、Last heart 最终的心

105、stranger゜ 陌

106、dialog对白

107、Dreams°凉兮

108、偷心じò ぴé

109、Mo Maek

110、Nefertari深渊

111、Clover：三叶草

112、Barbie

113、Shine （光芒）

114、Steven

115、Elegant(儒雅)

116、too late（太迟）

117、Stay挽留

118、chihiro千寻

119、Barefaced露骨

120、初雪 Surname@

121、husky沙哑

122、Blockhead 笨蛋

123、Skye

124、Frown(蹙眉)

125、Cassiel

126、fickle薄情

127、Forever浅笑

128、Old woundaged scar ?旧伤

129、Formerly（原来）

130、Anna：安娜

131、Agoni暮念

132、Morbid病态

133、Future（未来）

134、Shine(光芒)

135、Juvenile少年°

136、cherry(樱桃)

137、couple（情侣）

138、Sandm°(旧梦)

139、A few degrees 几度

140、Tears°眼泪

141、Lonely lonely

142、Adalyn：阿达琳

143、Heather：石南花

144、Clara：克莱拉

145、Archer丶久遇

146、Maid(少女)

147、Maid

148、Desdemona

149、kohl

150、John

151、Gorgeous 绚丽

152、memories°落寞的回忆

153、Aida

154、Star°（时光）

155、Northern Dream ?北梦

156、hushnow(安静)

157、Eternity（永恒）

158、Socialman社会人

159、Daisy：雏菊

160、Acquisition(初识)

161、Gentleman 绅士

162、Baby Doll

163、garland

164、tom

165、Luna

166、Saraphines ?炽天使

167、Silkage

168、Nora：诺拉

169、Coquettish

170、Instinct（初衷)

171、Iris：鸢尾花

172、救赎redemption

173、heat snow(热雪)

174、Muse

175、Mist （薄雾）

176、Evilangel |邪恶的天使

177、Desert（舍弃）

178、mark

179、格调Moment°

180、Absurd(荒唐)

181、Chafferer迷心

182、Torture 煎熬

183、Deep-rooted【刻骨】

184、Anthony

185、Curtain(落幕)

186、Abigail：阿比盖尔

187、underneath 云影

188、primary (最初)

189、Macy

190、Delete&删除

191、penny

192、apple

193、Autism(孤独症)

194、Chloe

195、Madison：麦迪逊

196、Evelyn：伊芙琳

197、will

198、Emotional(昔年)

199、遗忘。Forgotten.

200、hushnow(安静)

201、Cato

202、rebirth重生

203、vevive（苏醒）

204、OneLife 独厮守 ぢ.

205、Old Town 旧城

206、Pussy 猫咪

207、Calla：马蹄莲

208、maroon栗色

209、Fairy flavor (仙女味)

210、farewell(深情)

211、peter

212、Charlotte：夏洛特

213、Deeplove(深爱)

214、As before 如初

215、Zoey：佐伊

216、release释怀

217、Alisa

218、Intransigeant 倔强

219、Asshead @傻瓜

220、complete(完成)

221、jessica

222、Curtain落幕

223、Passerby 过路人

224、percy

225、Traveler 过客

226、Lillian：莉莲

227、Eyeland

228、maggie

229、Enemy (宿敌)

230、murphy

231、あ宣泄 Amor

232、windy

233、Heretic

234、Transparent 透明

235、Nana

236、lila：莱拉

237、mango

238、Gina

239、Sily°小晴天

240、Waiting for Love(等爱)

241、Felix

242、Petunia：矮牵牛花

243、Indifference 淡漠

244、Irreversible

245、miercle

246、Memory 回忆

247、jeremiah

248、caroline

249、shoulder 依靠

250、betty

251、Vivienne：薇薇安

252、Destiny （怎挽）

253、imprinting(印记)

254、Bohe浪荡不羁

255、holding wind 挽风

256、Adolescent ^青春年少

257、Vincent

258、dialog对白

259、Firecracker 花火

260、Arrogant高傲

261、Genevieve：珍妮芙

262、Cyan

263、koko

264、erica

265、carry

266、Ninety丶所谓爱情

267、Quorras chord. 心弦

268、late summer(夏末)

269、Amor°（小情绪）

270、Deephug ? 深拥

271、Weirdo ^怪人

272、Bohe. 浪荡不羁

273、lie [说谎]

274、healer (治愈者)

275、Cherie

276、Thorns荆棘

277、Replace 代替

278、Rosemary：迷迭香

279、independence独立

280、Night Drunk ^夜醉

281、garfield

282、Instinct「初衷」

283、Chafferer 迷心

284、Archer（久遇）

285、Otto

286、Arrogant（傲慢）

287、Corner(转角)

288、lemon（柠檬）

289、Lily

290、firstlove.初恋

291、A dream 一场梦

292、Care and miss 顾与念

293、Jackal

294、Emily

295、倾城°Allure Love

296、Sundial(暖阳)

297、Subsequently（之后）

298、Partiality偏心

299、Joab

信号比较 第3篇

从强噪声背景中提取微弱有效信号,是近代信息理论和信号处理技术的一个重要内容。微弱信号检测的方法有许多种[1],包括基于随机共振原理的微弱信号检测、混沌背景中的微弱信号检测和基于混沌振子的微弱信号检测。其中,基于混沌振子的微弱信号检测系统通过利用混沌系统的非平衡相变对系统参数的扰动和对噪声具有免疫力的特点,可以实现强噪声背景下微弱信号的检测。

本研究主要针对Holmes型的Duffing振子,建立混沌检测系统,对带有噪声的信号进行检测,并对Duffing方程进行改进。

1 Duffing振子检测系统原理

1.1 Melnikov方法

定理1 如果二维映射D具有双曲不动点0,且它的稳定流形与不稳定流形横截相交于点p,则D是混沌的。

判断出现横截交点的一种方法是梅尔尼科夫(Melnikov)函数方法[2]。这种分析方法实质上是一种测量技术。

定理2 设Melnikov函数为:

M(t0)=∫∞-∞f(q0(t))…g(q0(t),t+t0)dt

如果满足下列条件:

(1) 存在与ε无关的t0,使M(t0)=0;

$(2)\frac{\text{d}{\rm M}(t{}_0)}{\text{d}t{}_0}\ne 0$。

则对于充分小的ε,在与系统相应的映射中,鞍点型不动点的稳定不变流形与不稳定不变流形二者必横截相交,亦即此时必出现横截同宿点(如果相交而不变流形分别属于同一鞍点型不动点)或横截异宿点(如果相交而不变流形分别属于两个不同的鞍点型不动点),从而系统有可能出现混沌解[3]。

用Melnikov函数来判定混沌的产生,它通过已知函数的一个解析式的参变积分的零点和零点处的导数来判定混沌的发生,是混沌研究中的解析方法之一。通过Melnikov函数和检测系统方程,可以推导出出现混沌的阈值表达式[4]。

1.2 建立混沌检测系统

建立对正弦信号敏感的混沌系统是信号检测的首要条件。下面采用Holmes型Duffing振子作为模型,具体形式如下:

$\underset{\cdot \cdot }{{\displaystyle x}}(t)+k\dot{x}(t)-x(t)+x{}^3(t)=\gamma \cos (\omega t)(1)$

这是一个描述非线性弹性系统的运动方程,其中,k—阻尼比;-x+x3—非线性恢复力;γcos (ωt)—周期策动力;γ,ω—周期策动力的幅度、频率。

由数学模型(1),可建立Duffing混沌系统的模型,如图1所示。为了说明其工作原理,取γcos(t)为周期策动力,即系统频率ω=1 rad/s。当k取某一固定值(通常取阻尼比k=0.5)时,随着γ由零逐渐增大,系统状态出现有规律的变化:历经同宿轨迹、分岔轨迹、混沌轨迹、大尺度周期状态。

由Melnikov方法求解,其存在混沌的阈值为:

$\frac{\gamma }{k}=R(\omega )=-\frac{4\cdot \cos h\left(\frac{\text{π}\omega }{2}\right)}{3\sqrt{2}\cdot \text{π}\cdot \omega }(2)$

当ω = 1 rad/s,k=0.5时,计算上式得γ>0.376 51时,系统处于混沌状态。若要控制系统的混沌,可以使其参数不满足上式。除此方法外,还可以引入周期性小摄动来抑制混沌。但后者的人为因素作用比较大,无固定模式。

2 Duffing系统的改进与仿真

前面讨论了周期频率为ω=1 rad/s的Duffing方程,而实际检测中需要检测的信号频率不一定是1 rad/s。为了减少计算的麻烦,可以对方程(1)进行变形,使得变形后的方程可用于测量任意已知频率的待测信号。

Duffing方程的形式为:

$\underset{\cdot \cdot }{{\displaystyle x}}(t)+k\dot{x}(t)-x(t)+x{}^3(t)=\gamma \cos (t)(3)$

令t=ωτ,则:

x(t)=x(ωτ) (4)

$\dot{x}(t)=\frac{\text{d}x(t)}{\text{d}t}=\frac{\text{d}x(\omega \tau )}{\text{d}(\omega \tau )}=\frac{1}{\omega }\cdot \frac{\text{d}x(\omega \tau )}{\text{d}(\tau )}=\frac{1}{\omega }\cdot x(\omega \tau )(5)$

同理可求得:

$x(t)=\frac{\text{d}\left(\frac{1}{\omega }\cdot \underset{\cdot \cdot }{{\displaystyle x}}(\omega \tau )\right)}{\text{d}(\omega \tau )}=\frac{1}{\omega {}^2}\cdot x(\omega \tau )(6)$

将以上3个式子代入式(3)中,得:

$\begin{array}{l}\frac{1}{\omega }\cdot \underset{\cdot \cdot }{{\displaystyle x}}(\omega \tau )+\frac{k}{\omega }\cdot \dot{x}(\omega \tau )-\\ x(\omega \tau )+x{}^3(\omega \tau )=\gamma \cos (\omega \tau )(7)\end{array}$

上式以时间尺度τ为变化过程,其状态方程可以写成以下形式:

$\{\begin{array}{l}\dot{x}=\omega y\\ \dot{y}=\omega (-ky+x-x{}^3+\gamma \cos (\omega \tau ))\end{array}(8)$

这样,只需要改变方程(8)中的ω值,就可以检测不同的待测信号的频率。例如取ω=2 rad/s,k=0.4时,通过仿真实验测得γd=0.676 541 40,此时系统的混沌状态和周期状态分别如图2、图3所示。

在Duffing振子检测系统方程改进后,可以根据实际情况调整参数ω、k以进行系统各个状态的仿真和计算。

3 噪声背景下的微弱信号检测

将带有噪声的检测信号作为周期策动力的摄动并入系统。噪声对系统的影响是客观存在的,但也取决于系统本身的特性,对于杜芬振子,噪声在有限的时间内使系统产生复杂的运动,但是最终会趋于规则[5],这也为噪声背景下信号检测提供了依据。假设待测信号为acos (t)+n(t)(其中,a—正弦信号的幅值;n(t)—均值为零的高斯白噪声)。调整Duffing方程,使策动力幅值γ=γd,将带有噪声的信号并入系统,系统方程可重写为:

$\{\begin{array}{l}\dot{x}=y\\ \dot{y}=-ky+x-x{}^3+(\gamma +a)\cos (t)+n(t)\end{array}(9)$

计算机采用四阶龙格-库塔方法对Duffing方程进行求解,经过若干次迭代运算后系统稳定在某一运动形式上。在实验时,根据系统是否是大尺度周期状态,判断输入信号中是否带有微弱正弦信号。

在实验中加入微弱正弦信号s=0.01cos (t)+n(t),其中高斯白噪声n(t)的噪声方差为0.01。具体检测过程如下:待测信号为s=acos (t)+n(t),此时a是未知的(频率已知),将s加入系统后,此时系统策动力变成rd+a+n(t),相轨迹由原来的混沌状态变成大尺度周期运动状态,如图4所示。然后调节混沌系统中的策动力γ值,当调节到相轨迹又出现混沌而转为周期运动临界状态时(如图5所示),γ=γ0=0.666 739 89,由于系统又重新回到临界状态,此时两次的系统策动力值应该相等,即:γd=a+γ0,则:

a=γd-γ0

a=0.010 000 08

误差为:0.010 000 08-0.01=0.000 000 08

此时信噪比门限为:

$\begin{array}{l}S{\rm N}R=10\lg \frac{\text{微}\text{弱}\text{信}\text{号}\text{功}\text{率}}{\text{噪}\text{声}\text{方}\text{差}}=\\ 10\lg \frac{\frac{1}{2}\times 0.01{}^2}{0.01}=-52.98\text{d}\text{B}\end{array}$

继续增大噪声方差,当其取0.1时,加入带有噪声的0.01cos (t)后,按照上面的实验方法,调节混沌系统中的策动力γ的值,当调节到相轨迹又出现混沌转为周期运动临界状态时,γ=γ0=0.666 739 95,则可求得误差为0.000 000 02,此时信噪比门限为-76.01 dB。

继续增大噪声的方差,仍能检测到微弱正弦信号,但是达到一定数值时,相轨迹就无法辨识出信号了,存在一个最低的信噪比门限,经过大量仿真实验,测得信噪比门限为-92.5 dB ,而目前在微弱信号检测领域里,用时域方法处理的最低信噪比门限只有-10 dB [6]。

4 Duffing方程的改进

前面所用到的原始Duffing方程为:$\underset{\cdot \cdot }{{\displaystyle x}}(t)+k\dot{x}(t)-x(t)+x{}^3(t)=0$,在上一节中,仿真实验和理论分析都证明Duffing方程构成的系统能够产生混沌现象。随着γ的变化,系统经历了同宿轨道、倍周期分岔、混沌轨迹、临界周期轨迹、大尺度周期等各个状态。当非线性项(αx+βx3)系数α和β增加时,系统的检测下限降低,但抗干扰性差。Duffing方程对正弦信号的响应不太令人满意,理论分析也验证了这一点[7,8,9]。为了检测微弱正弦信号,需要对Duffing方程进行改进。系数α和β分别取-1和1,由于外加信号确定时,系统的特性主要取决于系统的非线性恢复力,从微弱信号的检测下限、混沌系统检测信噪比、系统混沌判据的证明几个方面综合考虑,该项的幂次提高,对正弦信号的灵敏度也有提高,非线性项取(-x3+x5)。由于幂次再增加,性能提高不大,而且给系统的混沌判据的推算带来很多的障碍,本研究选用正弦信号的混沌检测模型为:

$\underset{\cdot \cdot }{{\displaystyle x}}(t)+k\dot{x}(t)-x{}^3(t)+x{}^5(t)=\gamma \cos (\omega t)(10)$

式中 k—阻尼比;(-x3+x5)—非线性恢复力;γcos (ωt)—内置信号。

由数学模型(10)可以建立混沌系统的仿真模型,该模型加入了白噪声进行正弦信号的检测,利用与上节相同的实验过程,可以求得此时的信噪比门限约为-111.5 dB,要比上节的检测系统信噪比门限(-92.5 dB)的效果更好[10]。

5 结束语

本研究通过建立Duffing振子检测系统,分析检测微弱信号的原理,根据Melnikov方法求出阈值,对系统进行改进并仿真,并对不同频率的微弱正弦信号进行了检测;在此基础上,加入高斯白噪声,进行信号检测,并得出最低信噪比门限;最后,根据检测系统的原理改变非线性策动力,从而提高了检测效果。另外,对于非周期信号、色噪声检测等混沌振子检测方法的研究与探讨还在不断的进行中。

参考文献

[1]SANYAM,BARTK.Adaptive Stochastic Resonance[C]//Proceedings of the IEEE 1998.San Franeisco:[s.n.],1998:2182-2183.

[2]刘曾荣.混沌的微扰判据[M].上海:上海科技教育出版社,1994.

[3]CHEN G,DONG X.On feedback control of chaotic contin-ous-time systems[J].IEEE Transactions on Circuits andSystem,1993,40(9):591-601.

[4]李月,杨宝俊.混沌振子检测引论[M].北京:电子工业出版社,2004.

[5]冯奇.噪声对杜芬振子的混沌性质的影响[J].同济大学学报,1994,22(1):69-75.

[6]聂春燕,石要武.基于互相关检测和混沌理论的弱信号检测方法的研究[J].仪器仪表学报,2001,22(1):34-35.

[7]李月,杨宝俊,石要武.色噪声背景下微弱正弦信号的混沌检测[J].物理学报,2003,48(1):19-21.

[8]李月,杨宝俊,石要武,等.用混沌振子检测淹没在强背景噪声中的方波信号[J].吉林大学自然科学学报,2001(2):65-68.

[9]李月,杨宝俊,石要武,等.混沌振子用于强噪声下微弱正弦信号的检测[J].吉林大学自然科学学报,2001(1):75-77.

配料秤信号传输方式的比较与应用 第4篇

关键词：配料秤,信号传输方式,比较研究,故障诊断

配料料斗秤在冶金工业生产中广泛使用, 传统料斗秤信号传输过程是称重传感器感应物料重量产生的毫伏信号接入接线盒, 经接线盒汇集后输出一路毫伏电压信号送至重量变送仪表, 重量变送仪表对重量信号进行处理、计算, 然后输出一路电流环信号或者串行信号到外围显示屏, 输出另一路4~20m A标准电流信号给工控PLC用于配料监视控制。这种称重方式由于从传感器到二次仪表往往距离较远, 所传输的信号为毫伏级弱电信号, 在冶金企业, 变频器、对讲机、大功率整流逆变设备、大功率开关设备等辐射到空间的杂散电磁波严重污染了电磁环境, 由于弱电信号对干扰噪声的敏感性较强, 一旦出现干扰现象, 难以找到有效的解决手段。另外, 多个模拟传感器的信号经过接线盒并接后成为一个信号, 每个传感器的信号就不再是可辨别的, 仪表无法在线发现问题, 进行故障定位, 制约了基于传感器的底层故障诊断功能的开发, 很难满足连续生产对高可靠性的要求。针对上述问题, 对6种配料秤信号传输方式进行比较, 以选择合适的信号传输方式, 适应生产对稳定性、智能性的要求。

1 配料秤信号传输方式

1.1 信号传输方式一 (见图1)

称重传感器感应物料重量产生的毫伏信号进入接线盒, 经接线盒汇集后输出一路毫伏电压信号送至重量变送仪表, 重量变送仪表对重量信号进行处理、计算, 然后输出一路电流环信号或者串行信号到外围显示屏, 输出另一路4~20m A标准电流信号给工控PLC用于配料监视控制。

1.2 信号传输方式二 (见图2)

称重传感器感应物料重量产生的毫伏信号进入接线盒, 接线盒本身具有信号放大和A/D转换功能, 称重传感器产生的毫伏信号在接线盒内转换成标准的4~20m A信号, 经信号电缆传输到工控PLC普通模拟量模板, PLC通过编程完成重量信号的处理、计算、校验等功能, 然后输出一路电流环信号或者串行信号到外围显示屏。

1.3 信号传输方式三 (见图3)

传感器感应物料重量产生的毫伏信号经称重A/D模块变换成标准4~20m A信号, 对应3只传感器输出3路4~20m A信号, 直接进入PLC的模拟量输入通道, 由PLC通过编程完成重量信号的处理、计算、校验等功能。在PLC中开发基于传感器的故障诊断功能, 可以对单只传感器的断线、短路、接地、超差以及3只传感器失衡等常见故障给出较为准确的诊断信息。

1.4 信号传输方式四 (见图4)

传感器感应物料重量产生的毫伏信号首先进入无线发射端, 无线发射端对3只传感器的信号进行调制, 然后以无线电波形式发射, 无线接收端接收信号, 完成重量信号的处理、计算、校验、传感器诊断等功能, 然后输出一路电流环信号或者串行信号到外围显示屏, 输出另一路4~20m A标准电流信号给工控PLC用于配料监视控制。

1.5 信号传输方式五 (见图5)

传感器感应物料重量产生的毫伏信号首先进入西门子专用接线盒, 接线盒汇总3只传感器的信号后输出一路毫伏电压信号经信号电缆接入西门子专用称重模块。称重模块完成重量信号的处理、计算、校验等功能, 同时具有超限、短路、开路等故障诊断功能, 但是不能对单只传感器的断线、短路、接地、超差以及3只传感器失衡等故障给出诊断信息。

1.6 信号传输方式六 (见图6)

数字称重传感器感应物料重量并在传感器内部进行A/D转换, 输出信号以485串行通信方式进入接线盒, 接线盒汇集3只传感器的信号后, 再以485串行通信方式输出一路信号到PLC的串行接口模块或称重变送仪表。

2 配料秤信号传输方式比较

2.1 信号传输方式一

优点:一种传统的信号传输方式, 技术成熟, 应用广泛;成本低, 一台料斗秤的仪电部分投资不超过1万元。

缺点:从传感器到二次仪表往往距离较远, 所传输的信号为毫伏级弱电信号, 对干扰噪声较为敏感, 容易受到变频器、对讲机、大功率整流逆变设备、大功率开关设备等辐射到空间的杂散电磁波的干扰, 而且一旦出现干扰现象, 难以找到有效的解决手段;另外, 多个模拟传感器的信号经过接线盒并接后成为一个信号, 每个传感器的信号就不再是可辨别的, 仪表无法在线发现问题, 进行故障定位, 制约了基于传感器的底层故障诊断功能的开发, 很难满足连续生产时高可靠性的要求。

2.2 信号传输方式二

优点:取消了称重变送仪表, 减少了投资和故障点;现场信号传输采用标准4~20m A信号, 稳定性和抗干扰能力显著提高;PLC处理称重信号灵活;成本低, 一台料斗秤的仪电部分投资不超过2万元。

缺点:也是由接线盒输出一路信号, 无法开发传感器诊断功能。

2.3 信号传输方式三

优点:信号传输采用标准4~20m A信号, 稳定性和抗干扰能力显著提高;取消了称重变送仪表, 减少了投资和故障点;能够支持基于传感器的底层故障诊断;PLC处理称重信号灵活。

缺点:信号传输需要3条传输通道, 如用于旧称改造, 需要新增敷设2根电缆, 作业量较大, 实施难度大。

2.4 信号传输方式四

优点:采用无线信号传输, 具有较强的抗干扰能力;节约了电缆投资;二次变送仪表本身具有传感器诊断功能, 能够支持基于传感器的底层故障诊断;适于行车等移动设备的称重应用。

缺点:增加了发射、接收等无线设备, 成本较高, 单台料斗秤的仪电部分投资超过3万元;采用无线信号传输, 易受到建筑物遮挡, 信号稳定性较难保证。

2.5 信号传输方式五

优点:取消了称重变送仪表, 减少了投资和故障点;能够支持有限的故障诊断;数据处理较为灵活。

缺点:传输信号采用毫伏信号, 抗干扰能力较弱;西门子专用称重模块是内置CPU的智能模块, 其对异常信号较为敏感, 容错性能较差, 报错频率较高;西门子专用称重模块成本较高, 单台料斗秤的仪电部分投资超过3万元。

2.6 信号传输方式六

优点:数字称重传感器内部有微处理器, 可以对自身进行诊断, 每个都有自己的地址, 仪表或PLC能够在线监测各个传感器的输出并进行智能处理, 能够对故障传感器进行准确定位, 大大提高了称重系统的可靠性;具有独特的高精度高速A/D转换技术、全面的传感器数字补偿技术以及远程高速防爆通信能力, 其性能超越了模拟传感器的极限, 达到OIML C6的精度;信号传输采用485串行通信, 稳定可靠, 易于组网和拓展。

缺点:对于原采用模拟传感器的配料秤改造, 传感器、仪表等需要全部更换, 成本较高;数字传感器本身价格较高, 对于大量使用的配料秤性价比较差。

3 结语

(1) 对原有配料料斗秤改造时, 如不要求开发诊断功能, 优先考虑采用方式二。

(2) 对原有配料料斗秤改造时, 如要求开发诊断功能, 可考虑方式三、方式五、方式六, 推荐采用方式三。

(3) 新增配料料斗秤时, 可考虑方式二、方式三、方式五、方式六, 优先考虑方式六。

(4) 对于运动设备上的称量设备, 推荐采用方式四。

参考文献

[1]孙旺, 刘秀丽, 王云民.浅谈数字式称重传感器的原理与应用[J].科技信息, 2010, (25) :498-505

[2]金延国, 韩明海.串行通讯及其在电子衡器中的应用[J].衡器, 2001, 30 (5) :21-24

测量信号电平所用几类仪器的比较 第5篇

关键词：电平,测量接收机,频谱分析仪,功率计

信号电平指的是信号幅度的大小。在计量测试中, 测量信号电平是最普遍的一类工作。为了获取高精度的电平值, 常用功率计、测量接收机和频谱分析仪等高端仪器作为测试工具。

1 信号电平的测量仪器及其特性

1.1 功率计和频谱分析仪的特性

使用高精度功率计测量信号电平是业界普遍认同的较为准确的方法, 其测试误差通常小于0.1 d B, 线性误差小于0.02 d B, 适合高精度电平的测量。不过功率计的动态范围较低, 常用的功率计其动态范围大约只有50 d B左右。

频谱分析仪可以在频域内对信号进行分析, 测量频率值和电平值。频谱分析仪的测量下限由噪声决定, 上限由1 d B压缩点或由频谱分析仪过载而造成的失真决定, 因此动态范围都可达到100 d B以上。同时, 频谱分析仪的另一个优势在于可以将信号的谱线呈现于屏幕上, 能够直观的表现出一个信号。

然而频谱分析仪的测试精度相对较低, 受到包括绝对电平测量、频率响应、衰减器转换、参考电平、对数显示刻度、显示线性度和带宽转换等多项指标的影响。

1.2 测量接收机的特性

测量信号电平还可以使用测量接收机。如上文所述, 功率计的精度高、动态范围小, 而频谱分析仪动态范围大、精度低, 若将这两类仪器结合, 取各自的优势, 则不失为一种更合适的测量方法。例如, 对于一个固定的电平值 (例如0 d Bm) , 用功分器将信号分成两路, 用功率计测量其中一路电平, 作为基准, 用频谱分析仪测量另一路电平, 将两个测量值相减, 所得的差值作为修正值;然后改变被测电平 (例如-10 d Bm) , 用频谱分析仪测量降低后的电平值, 用修正值对这个读数加以修正;当被测电平降低到一定数值时 (例如-40d Bm) , 重新使用功率计和频谱分析仪进行测量和修正。这便是测量接收机的基本工作原理。

以8902A型测量接收机为例, 仪器采用了功率计与中频替代技术相结合的测量方法, 同时还采用选择射频增益和中频增益的不同组合, 使混频器和中频检波器工作在最佳线性区。当测量射频调谐电平时, 测量接收机通常将电平测量范围分为几段量程。测量时, 由信号发生器输出0 d Bm的电平值, 通过功率传感器的测量, 显示读数, 然后将输入信号转至接收机的输入端, 再显示另一读数, 同时得到这一量程的校准系数, 用于此量程下测量值的修正。当信号降低至-40 d Bm和-80 d Bm时, 射频衰减和射频增益换挡。换挡时, 中频衰减器用于校准和修正射频衰减和射频增益, 从而得到相应量程的校准系数, 这样, 测量接收机便能够实现在较大的动态范围内进行精确的测量。

功率计、频谱分析仪和测量接收机的性能比较如表1所示。

2 电平信号的测量实例

2.1 功率计测量信号电平实例

测量3 d B同轴衰减器的衰减量时, 可以采用功率计作为测量标准器, 连接方式如图1所示。此类衰减器的技术指标较高, 而3 d B的衰减量又使得信号电平的动态范围相对较低。采用频谱分析仪测量, 无法满足测量精度的要求;采用测量接收机, 虽然测量精度可以得到保证, 但是测量过程中信号电平的动态范围远小于测量接收机的测量能力范围, 同时仪器连接、操作等有略显复杂, 因而采用功率计测量最为合适。

2.2 频谱分析仪测量信号电平实例

测量屏蔽室屏蔽效能时, 可以采用频谱分析仪作为测量标准器, 连接方式如图2所示。屏蔽室的屏蔽效能通常都会达到100 d B以上, 甚至更高, 远超过功率计所能达到的动态范围。测量接收机虽然在动态范围上能够满足要求, 但是由于信号经过了屏蔽室, 其电平值一般都会降低至-110 d B以下, 甚至更低, 其信号十分不稳定, 若采用测量接收机测量, 接收机的读数同样会频繁闪跳, 甚至有可能会由于信号电平的跳动太过频繁而造成接收机无法正常显示读数。而采用频谱分析仪测量, 则会在屏幕上显示出当前的信号频谱线, 再通过频谱分析仪的曲线平滑、增加平均次数等功能使得能够捕捉到信号谱线的峰值, 进而得到测量值。

2.3 测量接收机测量信号电平实例

依据JJG 173—2003《信号发生器》对标准信号发生器进行检定或者校准, 应采用测量接收机作为测量标准器, 连接方式如图3所示。测量标准信号发生器的信号电平参数时既要求有较高的测试精度, 又要求在20d Bm至-120 d Bm整个电平范围进行测试, 动态范围可达140 d B以上, 此时不论是功率计还是频谱分析仪都无法同时满足测试要求, 因而测量接收机成为标准信号发生器检定或者校准的首选仪器。

3 结束语

综上所述, 功率计、频谱分析仪、测量接收机都可以用于信号电平的测量, 各有各的特点, 功率计的准确度高;频谱分析仪可用于多类信号 (例如标准正弦信号、调制信号、视频信号、扫频信号等) 的测量;而测量接收机则成为标准信号发生器检定和校准的首选仪器。测量时, 可以依据所测信号的类型及测试精度要求的不同来选择最合适的仪器, 从而更好地保证测量结果的准确性。

参考文献

[1]张睿, 周峰, 郭隆庆.无线通信仪表与测试应用[M].北京:人民邮电出版社, 2012.

[2]陈峰.高精度电平测量及分析[J].计量技术, 2007 (1) .

信号比较 第6篇

多小波的尺度函数和小波函数是多维的,而需要处理的信号是一维的,所以需要进行预处理,而不同的预处理方法对多小波的应用影响很大。预处理的方法主要有两种:预滤波和平衡处理。预滤波的方法包括:过采样预滤波、矩阵预滤波及双正交插值预滤波等。根据以往的研究可知:平衡预处理与CL多小波相结合处理的效果较好;而过采样滤波中的系数重复行与GHM多小波结合处理的效果较好[8]。

为了寻求更好的处理效果,笔者采用SA4多小波,并分别采用平衡法和正交插值法两种预处理方法,仿真评估这4种方法对同一个风机故障信号的降噪效果。

1 多小波理论

多小波同时拥有单小波所不具备的对称性、正交性、紧支撑性及高阶消失矩等特性[9,10]。对称性可使小波具有线性相位,避免因重构产生误差,使信号失真;正交性使信号分解后各子带之间的相关性为零,有利于信号重构且节省运算量;紧支撑性决定了在小波分解和重构过程中滤波器的长度,进而决定信号的光滑性;高阶消失矩使得小波逼近光滑函数的能力更强。

尺度函数又称为小波父函数。根据双尺度方程,可以由尺度函数生成小波函数。进行信号处理时,先要对信号进行逼近,也就是用尺度函数对信号进行分解,尺度函数的频带与待分析信号的频带相同,然后将逼近函数分别在尺度空间和小波空间中进行分解,就得到了信号的低频粗略部分和高频细节部分。此时新的尺度函数频带是原信号频带的一半,小波函数的频带是另一半(高频部分)。由此实现了对原信号的按频带分解(尺度函数与小波函数的区别)。

1.1 GHM和CL多小波

GHM多小波是二维多小波,通常情况下,小波函数ψ(x)由尺度函数ϕ(x)生成,尺度函数也称为父小波。二者的关系为:

undefined

其中,ϕ(x)=[ϕ0(x),ϕ1(x)];ψ(x)=[ψ0(x),ψ1(x)];ϕ0(x)的支撑区间是[0,1],ϕ1(x)的支撑区间是[0,2],且ϕ0(x)与ϕ1(x)是对称的,具有二阶消失矩;Hm、Gm分别是尺度函数和小波函数的滤波器系数。

CL多小波是由Chui C K 和 Lian J 根据函数的对称性构造的多小波,根据其支撑区间的长度又可分为CL3和CL4两类。其中,CL3多小波的尺度函数ϕ0(x)、ϕ1(x)和小波函数ψ0(x)、ψ1(x)的支撑区间均为[0,2],滤波器长度为3;而CL4多小波的尺度函数ϕ0(x)、ϕ1(x)和小波函数ψ0(x)、ψ1(x)的支撑区间均为[0,3],滤波器长度为4。

1.2 SA4多小波

SA4向量小波是Shen L等在Daubechies小波的基础上构造出来的正交向量小波,且其多尺度函数、小波函数分别是对称与反对称的[4]。其分解算法为:

undefined

其重构算法为:

undefined

其中,H*和G*分别是H和G的共轭转置[11]。

SA4多小波的滤波器系数为:

undefined

SA4多小波对应的尺度函数和小波函数如图1所示。

此外,它的等价标量低通滤波器具有完全的低通性质,而常用的GHM及CL等多小波的等价标量低通滤波器却没有这个性质,因而SA4多小波的滤波效果要优于GHM及CL等多小波。

2 多小波的预处理

多小波具有多个尺度函数和小波函数,它的滤波器系数均为矩阵形式,所以在应用中要面临两个问题:待处理的信号一般都是L2(R)上的一维信号,而多小波的滤波器是矩阵形式,所以需要矢量输入流,也就是需要将一维信号转换成与滤波器相同维数的数据;多小波没有单小波那样明显的高、低通特性,信号经过分解后会出现高、低频混叠的现象。因此在利用多小波处理信号之前需要进行适当的预处理。

预处理的方法之一就是把原数据通过一个预滤波器使其按两行方式输出,重构时让两行数据通过后滤波器恢复为原维数的数据,所以关键在于设计多小波处理的预滤波器。正交插值法属于预滤波中的一种,定义为:

undefined

undefined

相应的滤波器可以写成:

平衡多小波的定义为:若称一正交多小波系统是平衡的,当且仅当多小波的合成算子LT保持向量u1=[…,1,1,1,…]T不变,即LTu1=u1。其中,低通合成算子LT是指多小波的低通分析滤波器序列构成的带状矩阵;HT是指多小波的高通分析滤波器序列构成的带状矩阵,则:

undefined

多小波的正交关系有:

undefined

可得LTL+HTH=I,LTL=I,LHT=0,HTH=I,若LTu1=u1,则有Hu1=0,即向量u1被高通分支取消。意味着,若正交多小波系统是平衡的,则向量u1=[…,1,1,1,…]T被该多小波的低通分支保留,而被该多小波的高通分支取消,但对于目前的大多数多小波是不平衡的。消除多小波不平衡的方法是构造平衡多小波,对不平衡的多小波进行平衡,即按照一定的变换,平衡已知的不平衡多小波。其关键是希望[1]T是H(0)对应特征值1的右特征向量,一般的方法是利用一个酉矩阵U,使得

undefined

。

笔者运用正交插值法和平衡法这两种预处理方法与SA4多小波相结合,并与处理效果较好的“系数重复行的GHM”和“平衡的CL”多小波对同一风机的故障信号进行降噪。

3 实验结果

风机的故障信号一般多集中在低频段,而噪声信号一般都表现高频特性。降噪过程一般先对原始故障信号进行分解,采用阈值对高频系数进行处理,最后重构的信号就是降噪后的信号。多小波的降噪过程如图2所示。

笔者均采用最大层数(即7层)多小波分解和重构,采用相同的硬阈值处理,图3所示为应用了平衡法预处理的SA4多小波的降噪效果,是这几种方法中降噪效果最好的。

为了在数值上比较几个多小波的降噪效果,采用信噪比(SNR)和均方根误差(RMSE)来衡量降噪效果。信噪比和均方根误差的公式为:

undefined

式中 n——离散信号长度;

ix() ——原始信号;

iundefined() ——降噪后的信号。

表1所列为用不同多小波对同一故障信号进行降噪所得的信噪比和均方根误差。通过表1可以看出:SA4多小波分别应用正交插值和平衡处理两种预处理方法,结果显示平衡预处理的信噪比较大、均方根误差较小,说明预处理方法中平衡预处理比正交插值更适合SA4多小波。

4 结束语

降噪信号的信噪比越高,均方根误差越小,表明降噪效果越好。平衡预处理的SA4多小波在几种预处理的多小波中信噪比最大,均方根误差最小,平衡预处理的SA4多小波对风机故障信号降噪效果要比GHM和CL多小波要好。同时也说明即使是相同的多小波,如果采用不同的预处理方法,则对同一故障信号的降噪效果也是不同的,表明预处理在故障诊断中起关键作用。

参考文献

[1]彭玉华.小波变换与工程应用[M].北京:科学出版社,1999.

[2]Geronimo J,Hardin D,Massopust P R.Fractal Functionsand Wavelet Expansions Based on Several Functions[J].Approx Theory,1994,78(37):373～401.

[3]Chui C K,Lian J A.A Study of Orthogonal Multi-wave-lets[J].Approx Numer Math,1996,20(3):273～298.

[4]Shen L,Tan H H,Tham J Y.Symmetric and Anti-sym-metric Orthonormal Multiwavelets and Related ScalarWavelets[J].Applied and Computational Harmonic A-nalysis,2000,8(5):258～279.

[5]武建军,邓松圣,周爱华,等.自适应小波降噪的泵机组故障诊断[J].化工自动化及仪表,2010,37(4):23～26.

[6]费佩燕,郭宝龙.基于多小波的图像去噪技术研究[J].中国图象图形学报,2005,10(1):107～112.

[7]刘志刚,黄慧汇.基于不同预处理方法的多小波暂态信号去噪[J].电子学报,2004,32(6):105～107.

[8]李文斌.基于多小波分析的滚动轴承故障诊断方法研究[D].北京:北京工业大学,2011.

[9]程正兴,杨守志,张玲玲.多小波理论的发展与研究[J].工程数学学报,2001,18(z1):3～18.

[10]程正兴,张玲玲.多小波分析与应用[J].工程数学学报,2001,18(1):99～107.

信号比较 第7篇

B淋巴细胞活化因子的肿瘤坏死因子家族(B lymphocyte activating factor of the tumor necrosis factor family,BAFF)是一类参与B细胞成熟与发育的重要的细胞因子,在机体的固有免疫和获得性免疫中具有重要的作用[1,2]。机体通过剪切及自组装产生不同类型的BAFF蛋白并与其相应的受体结合。同型三聚体BAFF与BAFF-R结合,多聚体BAFF或膜结合BAFF与TACI结合[3],低亲核力BAFF则与BCMA结合[4]。一旦BAFF与其相应的受体结合,将会激活不同的细胞信号通路。其中,只有BAFF/BAFF-R能够激活NF-κB信号通路来提高B细胞的成活率[5]。此外,BAFF/BAFF-R能够通过激活Pim2来促进新陈代谢的适应性并诱导糖代谢的加速[6]。对于BAFF/TACI和BAFF/BCMA则通过激活传统的NF-κB信号通路和Mek通路产生凋亡抑制作用[7]。研究显示,BAFF可以作为类风湿性关节炎[8]、多发性硬化症[1]、Sjundefinedgren综合征[9]等疾病的治疗靶点。

随着人类基因组计划的完成及其他物种基因组计划的开展,为采用比较生物信息学方法来发现新的免疫基因并探讨免疫系统的进化提够了新的方法[10]。目前,BAFF相关的研究多集中在哺乳类中,在低等脊椎动物的研究相对较少。本文选取了两栖类重要的模式生物-非洲爪蟾(Xenopus tropicalis)为研究对象,通过对非洲爪蟾基因组和EST数据库进行挖掘,首次系统地对非洲爪蟾BAFF及其信号通路上重要的基因进行了分析。这对于进一步研究低等脊椎动物BAFF功能及其信号传导具有一定的理论指导意义。

1 材料与方法

1.1 数据库搜索

采用bBLASTp软件对非洲爪蟾的基因组数据库进行搜索,所用的基因组数据库由Ensembl提供(http://www.ensembl.org/index.html)。对所得到的序列采用FGENESH(http://www.softberry.com)和GenScan(http://www.genscan.com)分析,得到预测的基因结构及蛋白质序列。采用NCBI网站中的BLAST对所得蛋白质序列分析。

1.2 生物信息学分析

采用ExPASy网站(http://www.expasy.org)进行氨基酸序列推导。采用CLUSTAL W 1.83软件对氨基酸序列进行比对分析[12]。序列相似性采用DNASTAR软件包中的MEGALIGN程序分析。采用Mega4.1软件中的N-J法构建系统发育树,并进行1 000次Bootstrap分析以评估各分支的可信度(http://www.megasoftware.net/mega.html)。蛋白质的3-D结构采用SWISS-MODEL蛋白结构预测软件进行预测(http://expasy.org/swissmod/SWISS-MODEL.html)[13]。所得到的3-D结构采用Swiss-PDB进行分析并采用Rasoml程序(http://www.umass.edu/microbio/rasmol/)作图。

2 结果与分析

2.1 BAFF基因座同线性分析

图1显示了不同物种的BAFF基因座同线性分析。从图中可以看到,BAFF基因座在进化过程中较为保守。BAFF周围的基因同样较为保守,如在哺乳类、鸟类和爬行类中保守的LIG4、MYO16和ABHD13基因;在爬行类和两栖类中保守的IRS2基因。

2.2 BAFF基因结构分析

分别对哺乳类的人(H.sapiens)、鼠(M.musculus)、鸟类的鸡(G.gallus)、爬行类的美洲安乐蜥(A.carolinesis)、两栖类的非洲爪蟾(X.tropicalis)和硬骨鱼类河豚(F.rubripes)数据库进行bBLASTp分析,对得到的相似性较高的序列进行FGENESH和GenScan分析,得到BAFF基因的染色体分布。预测到的非洲爪蟾BAFF cDNA 全长为557 bp,编码218个氨基酸(图2a)。与人BAFF序列相似性为37.5%。非洲爪蟾BAFF基因含有6个外显子和5个内含子结构。这种6个外显子和5个内含子基因结构在进化过程中同样较为保守。除了爬行类含有4个外显子和3个内含子结构外,人、鼠等其他物种中的BAFF基因均具有该基因结构(图2b)。

2.3 系统发育分析

以非洲爪蟾TNF为外类群,采用Mega4.1构建的N-J系统进化树(图3)显示,各个分支具有较高的枝值。同时,不同物种的BAFF按进化关系聚为一支。两栖类BAFF与鸟类BAFF较近。鱼类BAFF单独聚为一支。

2.4 BAFF信号通路分析

以人BAFF信号通路中的基因为诱饵,对非洲爪蟾的基因组和EST数据库进行bBLASTp分析,一共得到了14个BAFF信号通路相关基因,结果见表2。从表2中可以看到,在人BAFF信号通路中存在的一些基因在非洲爪蟾中并没有发现,这可能是由于非洲爪蟾的基因组还没有完全拼接所致。值得一提的是,鸟纲的BCMA是一个假基因[14]。但对非洲爪蟾的BCMA进行分析显示,在鸟类中发现的终止密码子在非洲爪蟾的BCMA中并未发现(图4),这提示非洲爪蟾的BCMA可能是一个完整的基因。

3 讨论

BAFF作为一类重要的细胞因子,在B细胞的发育与成熟过程中具有重要的作用。研究表明,当BAFF缺失时,90%以上的B细胞成熟受阻[15]。本文首次通过比较生物信息学方法

首次对非洲爪蟾的BAFF基因结构进行了分析。结果显示,BAFF在进化的过程较为保守。与人BAFF相比,不同物种之间的BAFF具有较高的相似性,在59.7～33.1%之间。其6外显子/5内含子的基因模式在不同物种同样较为保守。但是爬行类的BAFF却由4外显子/3内含子构成。尽管基因结构不同,但爬行类BAFF在cDNA 和蛋白质序列上均与其他物种BAFF保持一致。系统进化树分析显示,不同物种的BAFF可能由一个含有6外显子/5内含子的祖先基因进化而来。在进化的过程中,在爬行类中可能发生了逆转座机制,导致含有4外显子/3内含子的BAFF产生。