由于微弱信号幅值很低且通常被强噪声淹没,使得微弱信号检测成为信号处理领域的核心问题和难点。微弱信号检测技术可以检测到传统观念认为检测不到的微弱量(如弱光,小位移,微振动等)。微弱信号检测的方法很多,目前比较常见的方法有:滤波方法、相关检测方法、基于高阶累积量的方法等。但是这几种方法检测的信噪比门限都比较高,并且对于非高斯噪声的处理仍然存在一些困难。混沌检测系统具有初值敏感性和对噪声的免疫性等特征,使其在微弱信号检测技术领域具有很好的发展前景。将混沌理论与微弱信号检测理论相结合进行微弱信号检测能够大幅度提高信噪比,是一种崭新且有效的处理方法。利用此方法进行微弱信号检测首先要确定检测系统从混沌状态跃变到周期状态的临界值,通常状态下的判别方法效率都很低,而且经常出现误判。针对该方法存在的不足,本文深入研究了基于Duffing振子的微弱信号检测方法,在此基础上提出了改进的微弱信号幅值检测方法。本文分析了混沌系统的运动特性,分别讨论了混沌状态判定的几种常用方法。在深入研究Lyapunov特性指数算法的基础上,提出利用周期状态下的Lyapunov特性指数估计微弱信号幅值的改进算法。该方法的基本思想是利用人工神经网络的逼近特性,寻求Duffing系统策动力幅值和混沌动力系统的Lyapunov特性指数间的关系,进而检测微弱信号幅值。通过仿真实验证明了这种检测方法的高精度性,有效降低了微弱信号的信噪比。为了提高抑制噪声的能力,本文将小波去噪方法与混沌检测方法相结合,将混有强噪声的微弱周期信号进行小波降噪处理后的重构信号作为混沌系统的输入,进行微弱信号幅值检测。最后,本文设计了基于DSP(Digital Signal Processor)的Duffing振子检测系统,并在此系统上实现了混沌特性判别和幅值检测方法,为Duffing系统检测微弱信号的实用化奠定了基础。