封鎖雷智能防排系統(tǒng)

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(diǎn)學(xué)科實(shí)驗(yàn)室，江蘇 南京210094)

封鎖雷是一種對(duì)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(shí)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(tái)進(jìn)行拋撒、布置，如飛機(jī)、火炮、火箭、地面車輛、以及便攜式設(shè)備等[1]。目前，對(duì)于封鎖雷的研究主要集中在雷彈個(gè)體之間的組網(wǎng)通信[2-3]、單個(gè)雷彈的目標(biāo)探測(cè)[4-6]和毀傷效能評(píng)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(shí)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(shí)間的方法以有效地防止敵方排雷動(dòng)作為主。因此，封鎖雷需要具有一種可靠的防排機(jī)構(gòu)來阻止敵人的排雷動(dòng)作，延長封鎖時(shí)間。傳統(tǒng)的防排機(jī)構(gòu)主要以機(jī)械類機(jī)構(gòu)為主，包括鋼珠敏感機(jī)構(gòu)和水銀柱防排機(jī)構(gòu)等。傳統(tǒng)的機(jī)械類防排機(jī)構(gòu)誤動(dòng)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(jī)理。而文獻(xiàn)[1，8-9]則針對(duì)幾種常見的排雷動(dòng)作，如：人為搬動(dòng)、車輛推動(dòng)、排雷機(jī)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(jì)試驗(yàn)采集封鎖雷靜止姿態(tài)和運(yùn)動(dòng)狀態(tài)加速度特征信號(hào)，采用SMA和DSVM算法對(duì)特征信號(hào)進(jìn)行分析，提取出識(shí)別雷彈靜止姿態(tài)和運(yùn)動(dòng)狀態(tài)的特征參數(shù)，設(shè)計(jì)了一種封鎖雷人為搬動(dòng)特征識(shí)別算法，并進(jìn)行了試驗(yàn)驗(yàn)證。

1 智能防排系統(tǒng)設(shè)計(jì)

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(hào)采集存儲(chǔ)、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(hào)調(diào)理電路。文獻(xiàn)[12]對(duì)人體行走步伐進(jìn)行了分析，認(rèn)為該類信號(hào)的頻率在5～20 Hz，幅值在2g左右。在人為搬動(dòng)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。可以較好的滿足需求，并具有更大的擴(kuò)展空間。傳感器獲得的加速度信號(hào)通過SPI總線傳輸給微處理器進(jìn)行必要的處理和存儲(chǔ)。

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(jì)算機(jī)接收端進(jìn)行存儲(chǔ)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(chǔ)，還可以將數(shù)據(jù)直接通過SPI總線存儲(chǔ)在板載的存儲(chǔ)器上，或者通過串口傳輸?shù)接?jì)算機(jī)上存儲(chǔ)顯示。但是相較之下，在數(shù)據(jù)采集試驗(yàn)過程中，使用無線數(shù)據(jù)傳輸?shù)男问娇梢詫?shí)時(shí)的把采集到的加速度數(shù)據(jù)通過射頻信號(hào)傳輸?shù)接?jì)算機(jī)中，與傳統(tǒng)的串口、SD卡和CAN口相比，更加高效實(shí)用。同時(shí)，在識(shí)別驗(yàn)證實(shí)驗(yàn)中，可以實(shí)時(shí)的將識(shí)別出來的狀態(tài)信息通過射頻信號(hào)傳輸?shù)接?jì)算機(jī)上，將實(shí)驗(yàn)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(yàn)平臺(tái)與人為搬動(dòng)行走試驗(yàn)圖。在此基礎(chǔ)上，設(shè)計(jì)了一系列針對(duì)雷彈靜止姿態(tài)和運(yùn)動(dòng)狀態(tài)的加速度信號(hào)采集試驗(yàn)。試驗(yàn)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(chǔ)到板載的Flash中。微處理器以30 s為一個(gè)時(shí)間單位，對(duì)Flash中的存儲(chǔ)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(jì)算機(jī)中，實(shí)時(shí)顯示出來。具體試驗(yàn)方案如表1所示。

圖2 試驗(yàn)平臺(tái)與人為搬動(dòng)行走試驗(yàn)圖

表1 雷彈靜止姿態(tài)特征采集試驗(yàn)方案

2 特征信號(hào)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(hào)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(chǔ)。考慮到系統(tǒng)直接采集、存儲(chǔ)的加速度信號(hào)中必然存在大量的量測(cè)噪聲，為了盡量減小其含量，微處理器需要對(duì)獲得的加速度數(shù)據(jù)進(jìn)行必要的信號(hào)調(diào)理，再進(jìn)行數(shù)據(jù)的存儲(chǔ)和傳輸。數(shù)據(jù)調(diào)理過程包括2個(gè)部分：1)為了消除信號(hào)中經(jīng)由加速度傳感器輸出加速度信號(hào)中含有的大量奇異點(diǎn)，加速度信號(hào)由微處理器進(jìn)行5點(diǎn)3次信號(hào)平滑處理；2)考慮到人為搬動(dòng)雷彈運(yùn)動(dòng)過程中，雷彈的運(yùn)動(dòng)狀態(tài)信號(hào)中會(huì)耦合進(jìn)入不必要的高頻噪聲，而雷彈的真實(shí)動(dòng)作頻率均在20 Hz以下，為消除信號(hào)中的高頻噪聲，本系統(tǒng)的微處理器中編寫一個(gè)截止頻率為20 Hz的低通濾波器算法來分離雷彈真實(shí)運(yùn)動(dòng)信號(hào)和高頻噪聲。

2.2 靜止姿態(tài)特征分析

雷彈試驗(yàn)?zāi)Ｐ腿鐖D2，當(dāng)該模型處于直立狀態(tài)時(shí)，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(shí)別雷彈的5種不同靜止姿態(tài)，采用一種在人類日常活動(dòng)識(shí)別領(lǐng)域中經(jīng)常使用的評(píng)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(duì)應(yīng)，加速度傳感器Z敏感軸的加速度數(shù)據(jù)在5個(gè)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(duì)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(shí)別出雷彈5種靜止姿態(tài)來。為此本文對(duì)SMA公式進(jìn)行簡化得到特征提取算法SMAZ，僅對(duì)Z敏感軸數(shù)據(jù)進(jìn)行處理：

(2)

為了驗(yàn)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(jì)了如表1所示的雷彈靜止姿態(tài)特征采集試驗(yàn)方案。

圖4 加速度傳感器Z敏感軸信號(hào)提取

圖4所示為試驗(yàn)采集獲得的雷彈Z敏感軸特征曲線，以及針對(duì)不同雷彈靜止姿態(tài)所計(jì)算出來的SMAZ數(shù)值。可以看到，對(duì)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(gè)靜止姿態(tài)，滿足特征提取的要求。

2.3 為搬動(dòng)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(duì)值DSVM(differential signal vector magnitude)，是在人類日常活動(dòng)識(shí)別領(lǐng)域中廣泛使用的識(shí)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(dòng)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(yùn)動(dòng)的劇烈程度等同于雷彈的運(yùn)動(dòng)情況。故使用該方法提取雷彈運(yùn)動(dòng)加速度信號(hào)的特征，SVM和DSVM的定義為

(3)

(4)

為了驗(yàn)證SVM、DSVM算法提取雷彈人為搬動(dòng)運(yùn)動(dòng)特征的可行性，設(shè)計(jì)了如表2所示的雷彈人為搬動(dòng)運(yùn)動(dòng)特征采集試驗(yàn)方案。

表2 雷彈靜止姿態(tài)特征采集試驗(yàn)方案

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

圖5 人為搬動(dòng)過程的DSVM

可以看到對(duì)應(yīng)不同運(yùn)動(dòng)特征，DSVM顯示出了不同的數(shù)值范圍，以每種運(yùn)動(dòng)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(yùn)動(dòng)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(jì)表

3 分類器設(shè)計(jì)

經(jīng)過大量針對(duì)雷彈靜止姿態(tài)和運(yùn)動(dòng)狀態(tài)的特征信號(hào)采集試驗(yàn)，根據(jù)上文所描述的特征提取方法，選取了6個(gè)特征參數(shù)用于分類器設(shè)計(jì)，如表3所示。可以看到，表4中所示的6個(gè)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(shí)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(gè)偏差量的值為0.02、0.1、0.2、1、10、20。基于所選取的6個(gè)分類器參數(shù)，根據(jù)二叉決策樹[14]思想設(shè)計(jì)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(yàn)驗(yàn)證

為了評(píng)估所選取閾值的合理性以及所設(shè)計(jì)的分類算法性能。進(jìn)行了針對(duì)靜止姿態(tài)和運(yùn)動(dòng)狀態(tài)的識(shí)別試驗(yàn)。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(yàn)方案進(jìn)行試驗(yàn)，并在系統(tǒng)中將識(shí)別出來的狀態(tài)信息通過無線的形式發(fā)送到試驗(yàn)人員的計(jì)算機(jī)上，進(jìn)行識(shí)別率的統(tǒng)計(jì)分析。重復(fù)進(jìn)行試驗(yàn)30次，試驗(yàn)結(jié)果如表5所示。

表5 驗(yàn)證試驗(yàn)結(jié)果

從結(jié)果中可以看到除均速試驗(yàn)中出現(xiàn)了5次識(shí)別錯(cuò)誤外，其余試驗(yàn)的識(shí)別錯(cuò)誤次數(shù)僅為1次或2次。并且靜止姿態(tài)的識(shí)別率明顯好于運(yùn)動(dòng)狀態(tài)的識(shí)別率，尤其是直立和倒立傾斜的識(shí)別率為100%。靜止姿態(tài)試驗(yàn)中的幾次錯(cuò)誤的識(shí)別分別表現(xiàn)為，將直立識(shí)別為直立傾斜、躺識(shí)別為直立傾斜以及將倒立識(shí)別為倒立傾斜。分析認(rèn)為是在確定閾值時(shí)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(shí)別，可以通過更好的優(yōu)化偏差量來減少誤識(shí)別。同理，在針對(duì)運(yùn)動(dòng)狀態(tài)的識(shí)別中，出現(xiàn)的幾次錯(cuò)誤識(shí)別也是由于偏差量的選擇引起的相近狀態(tài)的誤識(shí)別，可以通過優(yōu)化偏差量的選擇來減少誤識(shí)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(jì)了相應(yīng)的封鎖雷特征識(shí)別算法。通過試驗(yàn)驗(yàn)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(yàn)，有助于該系統(tǒng)早日應(yīng)用于工程實(shí)際中。如何實(shí)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(cè)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(qiáng), 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(chǎng)無線通信網(wǎng)絡(luò)的研究[J] . 彈箭與制導(dǎo)學(xué)報(bào),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(jì)的電子防排原理研究[J].彈箭與制導(dǎo)學(xué)報(bào),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(jī)智能雷的目標(biāo)跟蹤方法[J].南京理工大學(xué)學(xué)報(bào) ,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(dòng)下電子防排裝置的響應(yīng)特性[J].彈箭與制導(dǎo)學(xué)報(bào) ,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(duì)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(bào) ,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(yàn)研究[J]. 彈道學(xué)報(bào),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(jì)[J]. 中北大學(xué)學(xué)報(bào),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.