馮 飛,楊 博
(1.91388部隊(duì),廣東 湛江 524022;2.東南大學(xué),江蘇 南京 210096)
水聲換能器是水下各種發(fā)射、接收測(cè)量用傳感器的總稱(chēng),它將水下的聲信號(hào)轉(zhuǎn)換成電信號(hào)(接收換能器即水聽(tīng)器),或?qū)㈦娦盘?hào)轉(zhuǎn)換成水下的聲信號(hào)(發(fā)射換能器)。換能器是聲納的重要組成部分,在水聲工程起著關(guān)鍵作用,許多發(fā)達(dá)國(guó)家都投入巨大的力量進(jìn)行研究[1]。水聲換能器必須定期進(jìn)行校準(zhǔn)以保證其可靠性。采用基于虛擬儀器技術(shù)的換能器自動(dòng)校準(zhǔn)系統(tǒng)可以在節(jié)約人力資源的同時(shí)提高校準(zhǔn)效率。
對(duì)水聲換能器的校準(zhǔn)來(lái)說(shuō),可歸為如何準(zhǔn)確測(cè)量換能器-水聽(tīng)器的轉(zhuǎn)移阻抗[2]。傳統(tǒng)上,對(duì)其測(cè)量多采用譜分析法。針對(duì)譜分析法存在頻譜泄漏及柵欄效應(yīng),以及存在多種限制條件的問(wèn)題,本文提出一種基于Levenberg-Marquardt(L-M)算法的曲線(xiàn)擬合法,實(shí)現(xiàn)對(duì)傳統(tǒng)方法的改進(jìn)。
水聲換能器的主要性能參數(shù)有自由場(chǎng)(電壓)靈敏度、發(fā)送電流響應(yīng)、發(fā)送電壓響應(yīng)、指向性函數(shù)等。根據(jù)國(guó)家標(biāo)準(zhǔn)[3],自由場(chǎng)靈敏度通??刹捎们蛎娌ㄗ杂蓤?chǎng)互易法、柱面波自由場(chǎng)互易法、球面波自由場(chǎng)比較法、柱面波自由場(chǎng)比較法、噪聲均勻場(chǎng)比較法等。發(fā)送響應(yīng)通常采取比較法測(cè)量。
互易法校準(zhǔn)是根據(jù)互易換能器遵守的電聲互易原理進(jìn)行校準(zhǔn)的一種絕對(duì)校準(zhǔn)方法[4]。該法采用3個(gè)換能器,其中至少有一個(gè)互易換能器(H),另兩個(gè)是發(fā)射器(F)和水聽(tīng)器(J)。在自由場(chǎng)遠(yuǎn)場(chǎng)中按圖1所示組合,做3次測(cè)量,分別測(cè)量每換能器對(duì)輸入發(fā)射器的電流i和水聽(tīng)器的開(kāi)路電壓u或其電轉(zhuǎn)移阻抗,就能獲得水聽(tīng)器J和互易換能器H的自由場(chǎng)靈敏度。計(jì)算公式為式(1)、式(2)。
圖1 互易法校準(zhǔn)
式中:MfJ,MfH——水聽(tīng)器J和互易換能器H在頻率f下的自由場(chǎng)靈敏度;
dXY——兩換能器的聲中心之間的距離;
ZXY——每隊(duì)換能器間的轉(zhuǎn)移阻抗,定義為接收端開(kāi)路電壓和發(fā)送端發(fā)送電流的比值。
比較法校準(zhǔn)是與標(biāo)準(zhǔn)水聽(tīng)器或標(biāo)準(zhǔn)聲源比較的一種相對(duì)校準(zhǔn)方法[3]:將發(fā)射器(F)、標(biāo)準(zhǔn)水聽(tīng)器(P)及待校水聽(tīng)器(X)按圖2所示排列,分別測(cè)量換能器對(duì)(F-P)、(F-X)的電轉(zhuǎn)移阻抗模|ZFP|和|ZFX|,則待校水聽(tīng)器的自由場(chǎng)靈敏度MX為
從換能器各項(xiàng)主要參數(shù)的獲得方法[3]可以看出,校準(zhǔn)換能器的關(guān)鍵是獲得換能器的轉(zhuǎn)移阻抗ZXY,即水聽(tīng)器的開(kāi)路電壓與發(fā)射換能器的輸入電流之間的復(fù)數(shù)比值。
基于譜分析法的轉(zhuǎn)移阻抗測(cè)量主要采用以下3種方法[5]:(1)譜分析法。該方法首先對(duì)采樣信號(hào)做傅里葉變換,然后以離散傅里葉變換(DFT)進(jìn)行計(jì)算即可得到信號(hào)幅值。(2)加窗譜分析法。該方法對(duì)信號(hào)直接進(jìn)行截?cái)嘁赃M(jìn)行DFT的計(jì)算,相當(dāng)于對(duì)給信號(hào)加矩形窗,變換不同的窗函數(shù)形式,可以使得對(duì)信號(hào)幅值的估值精度有很大提高,是對(duì)譜分析法的改進(jìn),解決了非整周期采樣造成的頻譜泄漏問(wèn)題。(3)Prony采樣法。采用該方法,是為了實(shí)現(xiàn)對(duì)正弦信號(hào)的整周期采樣,亦稱(chēng)同步采樣法。
圖2 比較法校準(zhǔn)
譜分析法在理論和實(shí)踐中主要存在以下問(wèn)題:
(1)計(jì)算原因引起的估值誤差;(2)頻率分辨力有限的問(wèn)題;(3)非整周期采樣引入的誤差;(4)水聽(tīng)器的接收信號(hào)有一個(gè)穩(wěn)定過(guò)程,傳統(tǒng)上,由人工選取穩(wěn)定區(qū)域,再由計(jì)算機(jī)進(jìn)行計(jì)算,這就導(dǎo)致了穩(wěn)定區(qū)域選擇的不確定性,從而產(chǎn)生了譜分析法結(jié)果的不確定性。
加窗譜分析法可以在很大程度上提高非整周期采樣時(shí)對(duì)信號(hào)幅值的估計(jì)精度,Prony采樣法實(shí)現(xiàn)了信號(hào)頻率與采樣頻率的同步,從而實(shí)現(xiàn)了整周期采樣。然而,這兩種方法都無(wú)法同時(shí)解決上述4個(gè)問(wèn)題。
曲線(xiàn)擬合法采用如式(4)的信號(hào)模型。將信號(hào)幅值A(chǔ)、相位φ和頻率f看作隨機(jī)變量,為換能器接收信號(hào)建模。根據(jù)一系列采樣值(t,f(t)),以最小二乘準(zhǔn)則,采用非線(xiàn)性擬合的L-M算法求解模型參數(shù),最后以參數(shù)的估計(jì)值計(jì)算轉(zhuǎn)移阻抗。曲線(xiàn)擬合采用Levenberg-Marquardt算法進(jìn)行參數(shù)求解:
在非線(xiàn)性問(wèn)題的迭代求解過(guò)程中,高斯牛頓迭代具有二階的收斂速度,但迭代過(guò)程中的Hessian矩陣又可能變成奇異陣,出現(xiàn)迭代無(wú)法進(jìn)行的局面,因而穩(wěn)定性較差。Levenberg-Marquardt(L-M)算法則是在高斯牛頓法和梯度下降法之間進(jìn)行平滑調(diào)和,在遠(yuǎn)離最小值時(shí)逐漸切換到高斯牛頓法。它既有高斯牛頓法的局部收斂性,又具有梯度下降法的全局特性[6]。由于L-M算法利用了近似的二階導(dǎo)數(shù)信息,它比梯度法快得多。設(shè)x(k)表示第k次迭代的權(quán)值和閾值所組成的向量,新的權(quán)值和閾值組成的向量x(k+1)可根據(jù)下面的規(guī)則求得:
設(shè)誤差函數(shù)為
式中:E(x)——誤差;
Q——目標(biāo)向量元素?cái)?shù)目。
那么
式中:▽E(x)——梯度;
▽2E(x)——E(x)的Hessian矩陣;
對(duì)于高斯牛頓法有:
式中:μ——比例系數(shù),常數(shù);
Ⅰ——單位矩陣。
從該式可看出,如果μ=0,則為高斯牛頓法;如果μ取值很大,則L-M算法接近梯度下降法,每迭代成功一步,則μ減小一些,這樣在接近誤差目標(biāo)的時(shí)候,逐漸與高斯牛頓法相似。實(shí)踐證明,采用L-M及其改進(jìn)算法,速度可以比原梯度下降法提高幾十甚至上百倍[7-8]。
實(shí)驗(yàn)以NI PXI-5412信號(hào)發(fā)生器發(fā)射不同頻率的正弦信號(hào),以NI PXI-6133數(shù)據(jù)采集卡對(duì)其進(jìn)行采集,然后對(duì)幅值進(jìn)行估計(jì)。實(shí)驗(yàn)?zāi)M了在實(shí)際校準(zhǔn)中采樣點(diǎn)數(shù)的不確定性。如前文所述,采樣點(diǎn)數(shù)的不同將造成FFT計(jì)算時(shí)補(bǔ)零個(gè)數(shù)的不同。
為了對(duì)比測(cè)量精度,實(shí)驗(yàn)以5412信號(hào)發(fā)生器,發(fā)射幅值為1V,頻率為1~79.5kHz的正弦信號(hào),信號(hào)頻率步長(zhǎng)為500Hz,用6133數(shù)據(jù)采集卡對(duì)信號(hào)采樣,采樣時(shí)間t為滿(mǎn)足1ms 從圖3、圖4中可以看到:(1)譜分析法和Prony采樣法,對(duì)于信號(hào)的采樣長(zhǎng)度與FFT的點(diǎn)數(shù)的對(duì)應(yīng)程度(即需補(bǔ)零的個(gè)數(shù))非常敏感,而加窗譜分析法可以有效地改善這一情況,能夠給出較準(zhǔn)確的幅值估計(jì)。對(duì)于曲線(xiàn)擬合法而言,這一情況對(duì)于幅值的估計(jì)不會(huì)造成影響,計(jì)算精度要高于基于譜分析的各種方法。(2)對(duì)于1~2kHz的頻段,加窗譜分析法產(chǎn)生了較大的誤差,這是由于采得的信號(hào)周期過(guò)少所致,而曲線(xiàn)擬合法對(duì)此情況有很好的適應(yīng)性。(3)曲線(xiàn)擬合法在50kHz的頻率點(diǎn)上出現(xiàn)了較大的誤差。此時(shí),采樣頻率正好為信號(hào)頻率的2倍,而信號(hào)發(fā)生器產(chǎn)生的信號(hào)初相為0,從而導(dǎo)致所有采樣數(shù)據(jù)均為0,曲線(xiàn)擬合法不能給出準(zhǔn)確的估計(jì)。對(duì)于這種情況,在工程應(yīng)用中,只需調(diào)整采樣頻率即可。本文將采樣頻率調(diào)整為110 kHz后,可以準(zhǔn)確得到50 kHz信號(hào)的幅度的估值。(4)在欠采樣的條件下(頻段為50.5~79.5 kHz),曲線(xiàn)擬合法仍然可以給出準(zhǔn)確的估值。 圖3 無(wú)噪聲時(shí)的測(cè)量值 圖4 無(wú)噪聲時(shí)的測(cè)量誤差 為了研究曲線(xiàn)擬合法對(duì)噪聲的魯棒性,對(duì)信號(hào)加入高斯噪聲(σ2=0.03),仍采用前述實(shí)驗(yàn)條件,對(duì)信號(hào)幅值進(jìn)行估計(jì),結(jié)果如圖5、圖6所示。 可以看出,曲線(xiàn)擬合法對(duì)噪聲有很好的適應(yīng)能力,可以滿(mǎn)足實(shí)際校準(zhǔn)的需要。 測(cè)量不確定度是表征合理地賦予被測(cè)量之值的分散性,與測(cè)量結(jié)果相聯(lián)系的參數(shù)[9]。校準(zhǔn)結(jié)果的不確定度反映了對(duì)被校量值認(rèn)識(shí)的不確定性,在水聲領(lǐng)域中通常用作對(duì)校準(zhǔn)結(jié)果的可靠性度量,是測(cè)試方法有效性的重要判據(jù)[10]。在4.1節(jié)所述條件下,進(jìn)行了對(duì)幅值估計(jì)的標(biāo)準(zhǔn)不確定度的比對(duì)實(shí)驗(yàn)。標(biāo)準(zhǔn)不確定度定義為式(11),測(cè)試結(jié)果見(jiàn)圖7和圖8。 圖5 加入高斯噪聲(σ2=0.03)后的測(cè)量值 圖6 加入高斯噪聲(σ2=0.03)后的測(cè)量誤差 圖7 無(wú)噪聲時(shí)的標(biāo)準(zhǔn)不確定度 圖8 加入高斯噪聲(σ2=0.03)后的標(biāo)準(zhǔn)不確定度 可以看出:(1)加窗譜分析法和曲線(xiàn)擬合法有較小的標(biāo)準(zhǔn)不確定度,譜分析法和Prony采樣法的不確定度變化較大。(2)在加入噪聲后,譜分析法、加窗譜分析法和Prony采樣法的標(biāo)準(zhǔn)不確定度均有不同幅度的提高,而曲線(xiàn)擬合法的標(biāo)準(zhǔn)不確定度幾乎沒(méi)有變化。(3)在50kHz的頻率點(diǎn)上,曲線(xiàn)擬合法出現(xiàn)了較大的標(biāo)準(zhǔn)不確定度,原因亦為采樣頻率正好為信號(hào)頻率的兩倍所致,改變采樣頻率為110kHz后,標(biāo)準(zhǔn)不確定度減小。 基于L-M算法的曲線(xiàn)擬合法,在對(duì)水聲換能器的轉(zhuǎn)移阻抗進(jìn)行測(cè)量計(jì)算時(shí),測(cè)量精度高,標(biāo)準(zhǔn)不確定度小,在測(cè)量計(jì)算時(shí),受限條件少,不需滿(mǎn)足基于譜分析法的各種方法所需的計(jì)算條件,在欠采樣的情況下,依然可以獲得很高的估算精度和很小的標(biāo)準(zhǔn)不確定度。同時(shí),具有較強(qiáng)的魯棒性,對(duì)噪聲適應(yīng)能力較強(qiáng),可以滿(mǎn)足實(shí)際測(cè)試校準(zhǔn)工作的需求,具有一定的優(yōu)越性。 [1]王炳輝,陳敬軍.聲納換能器的新發(fā)展[J].聲學(xué)技術(shù),2004,23(1):67-71. [2]金曉峰,袁文俊.一種新的水聲換能器瞬態(tài)校準(zhǔn)方案[J].聲學(xué)學(xué)報(bào),1996,21(4):306-312. [3]GB/T 7965—2002聲學(xué) 水聲換能器測(cè)量[S].北京:中國(guó)標(biāo)準(zhǔn)出版社,2002. [4]GB/T 3223—1994聲學(xué) 水聲換能器自由場(chǎng)校準(zhǔn)方法[S].北京:中國(guó)標(biāo)準(zhǔn)出版社,1995. [5]鄭士杰,袁文俊,繆榮興,等.水聲計(jì)量測(cè)試技術(shù)[M].哈爾濱:哈爾濱工程大學(xué)出版社,1995. [6]Hanan M T,Mfnilaj M B.Training forward networks with the marquardt algorithm[J].IEEE Trans on Neural Net,1994,5(6):989-993. [7]王贊松,許洪國(guó).快速收斂的BP神經(jīng)網(wǎng)絡(luò)算法[J].吉林大學(xué)學(xué)報(bào):工學(xué)版,2003,33(4):79-84. [8]Toledo A,Pinzolas M,Lbarrola J J,et al.Improvement of the neighborhood based Levenberg-Marquardt algorithm by local adaptation of the learning coefficient[J].IEEE Trans on Neural Networks,2005,16(4):988-993. [9]JJF 1059—1999測(cè)量不確定度評(píng)定與表示[S].北京:中國(guó)計(jì)量出版社,1999. [10]楊博,金世俊.基于虛擬儀器的水聲換能器校準(zhǔn)系統(tǒng)[J].東南大學(xué)研究生學(xué)報(bào),2007,5(1):58-63.4.2 測(cè)量不確定度
5 結(jié)束語(yǔ)