孫宇嘉, 王曉鳴, 賈方秀, 于紀(jì)言

(南京理工大學(xué) 智能彈藥技術(shù)國防重點學(xué)科實驗室，江蘇 南京210094)

封鎖雷是一種對地面上大面積軍用設(shè)施進(jìn)行封鎖控制的新型子彈藥，它集狀態(tài)識別能力、組網(wǎng)通信能力、智能毀傷能力于一身，可以借助多種平臺進(jìn)行拋撒、布置，如飛機、火炮、火箭、地面車輛、以及便攜式設(shè)備等[1]。目前，對于封鎖雷的研究主要集中在雷彈個體之間的組網(wǎng)通信[2-3]、單個雷彈的目標(biāo)探測[4-6]和毀傷效能評估上[7-10]。封鎖雷以封鎖敵方大面積地面設(shè)施為目的，深入敵軍陣地內(nèi)部處于無人值守狀態(tài)，封鎖時間的長短必然是衡量封鎖雷效能的主要指標(biāo)，應(yīng)該深入研究。延長封鎖時間的方法以有效地防止敵方排雷動作為主。因此，封鎖雷需要具有一種可靠的防排機構(gòu)來阻止敵人的排雷動作，延長封鎖時間。傳統(tǒng)的防排機構(gòu)主要以機械類機構(gòu)為主，包括鋼珠敏感機構(gòu)和水銀柱防排機構(gòu)等。傳統(tǒng)的機械類防排機構(gòu)誤動作率較高，可靠性、穩(wěn)定性較差[1]。為此，尋求一種穩(wěn)定、可靠的防排系統(tǒng)具有很重要的意義。文獻(xiàn)[11]介紹了多種排雷過程，分析了主要機理。而文獻(xiàn)[1，8-9]則針對幾種常見的排雷動作，如：人為搬動、車輛推動、排雷機器人抓拿、彈片擊中等情況，進(jìn)行了一定的理論分析，并提出了基于MEMS加速度傳感器構(gòu)建一種智能防排系統(tǒng)的可行性。

本文介紹了一種基于MEMS加速度傳感器的新型智能防排系統(tǒng)的主要組成模塊和功能。設(shè)計試驗采集封鎖雷靜止姿態(tài)和運動狀態(tài)加速度特征信號，采用SMA和DSVM算法對特征信號進(jìn)行分析，提取出識別雷彈靜止姿態(tài)和運動狀態(tài)的特征參數(shù)，設(shè)計了一種封鎖雷人為搬動特征識別算法，并進(jìn)行了試驗驗證。

1 智能防排系統(tǒng)設(shè)計

如圖1所示，本系統(tǒng)以Cortex-M3內(nèi)核的32位微處理器為核心，集加速度信號采集存儲、無線射頻數(shù)據(jù)發(fā)送于一體。該系統(tǒng)選用ADI公司的一款三軸數(shù)字加速度傳感器，相比于模擬類型的加速度傳感器省去了復(fù)雜的外圍信號調(diào)理電路。文獻(xiàn)[12]對人體行走步伐進(jìn)行了分析，認(rèn)為該類信號的頻率在5～20 Hz，幅值在2g左右。在人為搬動雷彈步行情況下，可以認(rèn)為雷彈和人體步伐具有相同的頻率，固將本系統(tǒng)傳感器通過軟件設(shè)定其量程為±16g(g為重力加速度)、采樣率為800 Hz、分辨率為4 000g?？梢暂^好的滿足需求，并具有更大的擴展空間。傳感器獲得的加速度信號通過SPI總線傳輸給微處理器進(jìn)行必要的處理和存儲。

圖1 智能防排系統(tǒng)框圖

該系統(tǒng)搭載了TI公司的2.4 GHz的無線數(shù)據(jù)傳輸模塊。微處理器將處理后的數(shù)據(jù)通過SPI總線傳輸給無線模塊并通過Balun匹配電路處理后經(jīng)天線發(fā)送給計算機接收端進(jìn)行存儲顯示。系統(tǒng)除了通過無線傳輸?shù)男问竭M(jìn)行數(shù)據(jù)的存儲，還可以將數(shù)據(jù)直接通過SPI總線存儲在板載的存儲器上，或者通過串口傳輸?shù)接嬎銠C上存儲顯示。但是相較之下，在數(shù)據(jù)采集試驗過程中，使用無線數(shù)據(jù)傳輸?shù)男问娇梢詫崟r的把采集到的加速度數(shù)據(jù)通過射頻信號傳輸?shù)接嬎銠C中，與傳統(tǒng)的串口、SD卡和CAN口相比，更加高效實用。同時，在識別驗證實驗中，可以實時的將識別出來的狀態(tài)信息通過射頻信號傳輸?shù)接嬎銠C上，將實驗結(jié)果更加直觀地展現(xiàn)出來。

本文以尼龍材料為殼體制作了雷彈等質(zhì)量模型，圖2為試驗平臺與人為搬動行走試驗圖。在此基礎(chǔ)上，設(shè)計了一系列針對雷彈靜止姿態(tài)和運動狀態(tài)的加速度信號采集試驗。試驗過程中，通過軟件配置智能防排系統(tǒng)的微處理器以100 Hz的采樣率讀取加速度傳感器中的加速度數(shù)據(jù)，存儲到板載的Flash中。微處理器以30 s為一個時間單位，對Flash中的存儲的數(shù)據(jù)進(jìn)行讀取，并將數(shù)據(jù)通過射頻發(fā)送到計算機中，實時顯示出來。具體試驗方案如表1所示。

圖2 試驗平臺與人為搬動行走試驗圖

表1 雷彈靜止姿態(tài)特征采集試驗方案

2 特征信號提取及分析

2.1 數(shù)據(jù)預(yù)處理

在加速度傳感器采集特征信號過程中，系統(tǒng)的微處理器以100 Hz的采樣率讀取加速度傳感器中的數(shù)據(jù)，并進(jìn)行處理和存儲?？紤]到系統(tǒng)直接采集、存儲的加速度信號中必然存在大量的量測噪聲，為了盡量減小其含量，微處理器需要對獲得的加速度數(shù)據(jù)進(jìn)行必要的信號調(diào)理，再進(jìn)行數(shù)據(jù)的存儲和傳輸。數(shù)據(jù)調(diào)理過程包括2個部分：1)為了消除信號中經(jīng)由加速度傳感器輸出加速度信號中含有的大量奇異點，加速度信號由微處理器進(jìn)行5點3次信號平滑處理；2)考慮到人為搬動雷彈運動過程中，雷彈的運動狀態(tài)信號中會耦合進(jìn)入不必要的高頻噪聲，而雷彈的真實動作頻率均在20 Hz以下，為消除信號中的高頻噪聲，本系統(tǒng)的微處理器中編寫一個截止頻率為20 Hz的低通濾波器算法來分離雷彈真實運動信號和高頻噪聲。

2.2 靜止姿態(tài)特征分析

雷彈試驗?zāi)Ｐ腿鐖D2，當(dāng)該模型處于直立狀態(tài)時，傳感器的Z敏感軸豎直向上。根據(jù)傳感器Z敏感軸的方向，將雷彈的5種靜止姿態(tài)定義如圖3。

圖3 雷彈靜止姿態(tài)

為了識別雷彈的5種不同靜止姿態(tài)，采用一種在人類日?；顒幼R別領(lǐng)域中經(jīng)常使用的評定算法SMA(signal magnitude area)[10，13]。定義為

(1)

式中：x、y、z分別表示加速度傳感器的X、Y、Z敏感軸的加速度輸出。

如圖3所示，雷彈的靜止姿態(tài)與雷彈智能防排系統(tǒng)的加速度傳感器的Z敏感軸方向相對應(yīng)，加速度傳感器Z敏感軸的加速度數(shù)據(jù)在5個靜止姿態(tài)下，具有明顯不同的加速度輸出數(shù)值。所以只要通過對加速度傳感器Z敏感軸數(shù)據(jù)進(jìn)行一定的提取分析就可以識別出雷彈5種靜止姿態(tài)來。為此本文對SMA公式進(jìn)行簡化得到特征提取算法SMAZ，僅對Z敏感軸數(shù)據(jù)進(jìn)行處理：

(2)

為了驗證SMAZ算法提取雷彈5種靜止姿態(tài)特征的可行性，本文設(shè)計了如表1所示的雷彈靜止姿態(tài)特征采集試驗方案。

圖4 加速度傳感器Z敏感軸信號提取

圖4所示為試驗采集獲得的雷彈Z敏感軸特征曲線，以及針對不同雷彈靜止姿態(tài)所計算出來的SMAZ數(shù)值?？梢钥吹?，對于雷彈不同的姿態(tài)，SMAZ具有明顯的不同，可以很好的展現(xiàn)雷彈的5個靜止姿態(tài)，滿足特征提取的要求。

2.3 為搬動狀態(tài)特征提取

加速度向量幅值SVM(signal vector magnitude)和微分加速度幅值的絕對值DSVM(differential signal vector magnitude)，是在人類日?；顒幼R別領(lǐng)域中廣泛使用的識別算法[11]。DSVM算法可以很好地描述人類在行走過程中的劇烈程度，在人為搬動雷彈行走過程中，雷彈可以認(rèn)為是同人體固連在一起，人體運動的劇烈程度等同于雷彈的運動情況。故使用該方法提取雷彈運動加速度信號的特征，SVM和DSVM的定義為

(3)

(4)

為了驗證SVM、DSVM算法提取雷彈人為搬動運動特征的可行性，設(shè)計了如表2所示的雷彈人為搬動運動特征采集試驗方案。

表2 雷彈靜止姿態(tài)特征采集試驗方案

如圖5所示為由試驗采集獲得的加速度數(shù)據(jù)繪制成的DSVM隨時間變化圖。

圖5 人為搬動過程的DSVM

可以看到對應(yīng)不同運動特征，DSVM顯示出了不同的數(shù)值范圍，以每種運動特征下的DSVM的最小值、最大值和均值作為參考，如表3所示，DSVM的均值可以很好的展現(xiàn)雷彈不同的運動特征，選作特征參數(shù)能夠滿足特征提取的要求。

表3 DSVM統(tǒng)計表

3 分類器設(shè)計

經(jīng)過大量針對雷彈靜止姿態(tài)和運動狀態(tài)的特征信號采集試驗，根據(jù)上文所描述的特征提取方法，選取了6個特征參數(shù)用于分類器設(shè)計，如表3所示?？梢钥吹?，表4中所示的6個分類器參數(shù)均由特征參數(shù)加上一定的偏差量得來，即Δ1、Δ2、Δ3、σ1、σ2、σ3。適當(dāng)?shù)倪x取這些偏差量有助于分類器更好的識別目標(biāo)狀態(tài)，適當(dāng)?shù)倪x取這些偏差量也是影響分類器性能的主要因素。本文通過樣本數(shù)據(jù)訓(xùn)練分類器，確定出6個偏差量的值為0.02、0.1、0.2、1、10、20?；谒x取的6個分類器參數(shù)，根據(jù)二叉決策樹[14]思想設(shè)計了封鎖雷智能防排系統(tǒng)的目標(biāo)分類器，其分類算法的流程圖如圖6所示。

圖6 分類算法流程圖

表4 分類器參數(shù)

4 試驗驗證

為了評估所選取閾值的合理性以及所設(shè)計的分類算法性能。進(jìn)行了針對靜止姿態(tài)和運動狀態(tài)的識別試驗。將分類算法以C語言的形式寫入到封鎖雷智能防排系統(tǒng)中，以表1、2所示的試驗方案進(jìn)行試驗，并在系統(tǒng)中將識別出來的狀態(tài)信息通過無線的形式發(fā)送到試驗人員的計算機上，進(jìn)行識別率的統(tǒng)計分析。重復(fù)進(jìn)行試驗30次，試驗結(jié)果如表5所示。

表5 驗證試驗結(jié)果

從結(jié)果中可以看到除均速試驗中出現(xiàn)了5次識別錯誤外，其余試驗的識別錯誤次數(shù)僅為1次或2次。并且靜止姿態(tài)的識別率明顯好于運動狀態(tài)的識別率，尤其是直立和倒立傾斜的識別率為100%。靜止姿態(tài)試驗中的幾次錯誤的識別分別表現(xiàn)為，將直立識別為直立傾斜、躺識別為直立傾斜以及將倒立識別為倒立傾斜。分析認(rèn)為是在確定閾值時所選取的偏差量并不適合，導(dǎo)致在相鄰狀態(tài)之間的誤識別，可以通過更好的優(yōu)化偏差量來減少誤識別。同理，在針對運動狀態(tài)的識別中，出現(xiàn)的幾次錯誤識別也是由于偏差量的選擇引起的相近狀態(tài)的誤識別，可以通過優(yōu)化偏差量的選擇來減少誤識別。

5 結(jié)束語

本文利用封鎖雷加速度信息，搭建了一種新型的封鎖雷智能防排系統(tǒng)，并設(shè)計了相應(yīng)的封鎖雷特征識別算法。通過試驗驗證，該系統(tǒng)有效，且具有一定的可靠性，進(jìn)一步優(yōu)化算法中的參數(shù)值，并進(jìn)行大量的可靠性試驗，有助于該系統(tǒng)早日應(yīng)用于工程實際中。如何實現(xiàn)分類器參數(shù)的智能選取是該問題有待解決的問題。

參考文獻(xiàn)：

[1]于紀(jì)言. 封鎖雷彈總體以及探測系統(tǒng)研究[D]. 南京: 南京理工大學(xué), 2004：1.

YU Jiyan. Study on the detection system of the blockage mine[D].Nanjing:Nanjing University of Science and Technology, 2004: 1.

[2]顧強, 李曉晨, 張亞, 等. 基于nRF905的智能封鎖雷無線通訊技術(shù)[J]. 火力與指揮控制,2011,35(5):181-184.

GU Qiang, LI Xiaochen, ZHANG Ya, et al. Study on wireless communication technology of intelligent blockade land mine based on nRF905[J]. Fire Control & Command Control, 2011,35(5):181-184.

[3]袁平, 程翔, 張河. 智能雷場無線通信網(wǎng)絡(luò)的研究[J] . 彈箭與制導(dǎo)學(xué)報,2003,23(2):43-45.

YUAN Ping, CHENG Xiang, ZHANG He. The research of wireless communication network for smart mines field[J]. Journal of Projectiles, Rockets, Missiles and Guidance , 2003,23(2):43-45.

[4]李文彬, 王曉鳴, 柏杰鋒, 等. 基于加速度計的電子防排原理研究[J].彈箭與制導(dǎo)學(xué)報,2007,27(2):169-170.

LI Wenbin, WANG Xiaoming, BAI Jiefeng, et al. Research on the principle of electronic anti-removal device based on accelerometer[J].Journal of Projectiles, Rockets, Missiles and Guidance,2007,27(2):169-170.

[5]王勇, 王曉鳴, 李文彬. 一種用于反直升機智能雷的目標(biāo)跟蹤方法[J].南京理工大學(xué)學(xué)報 ,2005,29(3):281-284.

WANG Yong, WANG Xiaoming, LI Wenbin. A tracking solution in anti-helicopter mine[J]. Journal of Nanjing University of Science and Technology, 2005,29(3):281-284.

[6]李文彬, 王曉鳴, 柏杰鋒, 等. 車輛推動下電子防排裝置的響應(yīng)特性[J].彈箭與制導(dǎo)學(xué)報 ,2009,29(3):238-240.

LI Wenbin,WANG Xiaoming,BAI Jiefeng,et al.Research on the response of electronic anti-removal device moved by vehicles[J]. Journal of Projectiles, Rockets, Missiles and Guidance, 2009,29(3):238-240.

[7]尹建平, 王志軍. 起爆方式對智能雷戰(zhàn)斗部毀傷概率的影響[J]. 解放軍理工大學(xué)學(xué)報 ,2010,13(5):512-516.

YIN Jianping, WANG Zhijun. Influence of initiation ways on killing probabilities of intelligent mine warhead[J]. Journal of PLA University of Science and Technology, 2010,13(5):512-516.

[8]王曉鳴, 李文彬, 趙國志. 智能雷多自鍛破片戰(zhàn)斗部試驗研究[J]. 彈道學(xué)報,2002,14(3):81-84.

WANG Xiaoming, LI Wenbin, ZHAO Guozhi. Study on the MEFP warhead of the anti-helicopter intelligent mines[J]. Journal of Ballistics, 2002,14(3):81-84.

[9]常變紅, 王志軍, 尹建平. 智能雷殼體參數(shù)的正交優(yōu)化設(shè)計[J]. 中北大學(xué)學(xué)報,2009,30(5):425-429.

CHANG Bianhong, WANG Zhijun, YIN Jianping. Orthogonal optimization design of case parameters for intelligent mine[J]. Journal of North University of China, 2009,30(5):425-429.

[10]王建平, 焦國太, 劉彩花. 智能封鎖雷自修復(fù)策略研究[J] . 科學(xué)技術(shù)與工程 , 2013,13(3)588-592.

WANG Jianping, JIAO Guotai, LIU Caihua. Study on the self-repair strategy of intelligent blockade landmines[J].Science Technology and Engineering, 2013,13(3)588-592.

[11]GOONERATNE C P, MUKHOPAHYAY S C , GUPAT G S. A review of sensing technologies for landmine detection: unmanned vehicle based approach[C]// International Conference on Autonomous Robots and Agents. Palmerston Noth, New Zealand, 2004:401-407.

[12]JEONG D U, KIM S J, CHUNG W Y. Classification of posture and movement using a 3-axis accelerometer[C]//International Conference on Convergence Information Technology. Gyeongju, Korea, 2007:837-844.

[13]NIAZMAND K, TONN K, KALARS A, et al. A measurement device for motion analysis of patients with Parkinson's disease using sensor based smart clothes[C]//International Conference on Pervasive Computing Technologies for Healthcare and Workshops. Dublin, Ireland, 2011:9-16.

[14]KARANTONIS D M, NARAYANANM R, MATHIE M, et al. Implementation of a real-time human movement classifier using a triaxial accelerometer for ambulatory monitor[J]. Information Technology in Biomedicine,2006,10(1):156-167.