微傳感器在執勤監控中的應用研究

楊朋偉

摘 要：文章通過分析MOEMS微型傳感器節點，研究了執勤監控中信息獲取的方法，通過紅外、聲、振動、磁等傳感模塊探測目標信號，建立目標信號發生模型，對目標信號特性進行分析，研究不同類型的目標信號在時域和頻域上的特征表現，建立目標特征數據庫，進而進行信息融合及處理，對目標進行分類和識別，進而為執勤決策提供依據。

關鍵詞：能量捕獲；微型傳感器；數據融合

1 引言

文章從執勤任務實際出發，為加快執勤現代化建設，提出將微型傳感器通過人工布置、飛機或炮彈投擲等方法大量散布到目標區域，形成無線傳感器網絡，進而感知目標區域環境的化學、氣流及電磁信息，為執勤決策提供依據，這將徹底解決連續監視關鍵目標地區、實時探測目標區域、保證執勤安全等技術難題。

2 系統設計方法

（1）研究環境能量捕獲技術。捕捉各種環境能量轉換到微傳感器的電能，實現能源自供給。研究MOEMS微型電池、厚膜電池、太陽能電池板、MOEMS微型發電機及MOEMS集成微能源系統等技術，把外界環境能量轉換為電能，并實現微傳感器節點能量的存儲與管理。

（2）研究微型傳感器自組網技術。研究無線多傳感器網絡時間同步協議及定位算法，從而實現微型多傳感器采集于傳輸數據的正確率，以及多傳感器節點的協同工作，建立低功耗微型多傳感器網絡進行數據結果的采集與傳輸。

（3）研究信號發生機理和信號的傳播過程。通過建立信號發生和傳播的模型，分析信號傳播過程中的頻率特性和衰減特性，為特征提取和目標分類打下基礎，對外界的噪聲做估計，研究有效方法減小噪聲干擾。分析目標的特征提取和選擇方法，研究多特征聯合的目標特征提取方法；通過對實際信號的分析、統計，通過建立特征數據庫匹配并分析計算相關系數提取到目標特征后，建立目標特征數據庫，然后通過有效的識別算法如AR模型、人工神經網絡等實現對目標的分類識別。分析信號的多傳感器和多混疊目標識別問題。建立微型多傳感器信息融合系統模型實現對目標的分類處理。

3 系統實現方法

系統的組成：MOEMS微型傳感器模塊、數據融合與目標判識，傳感器網絡節點的自組網及數據無線傳輸。

（1）微型傳感器模塊。微震動傳感器：地面車輛、人員和低空飛行物等對地面的激勵而產生地震動信號，信號通過地球表面介質向四面傳播，到達傳感器接收端，因此方案利用MOEMS技術制成微型傳感器，通過采集地震動信號來實現對目標的識別。

微傳聲器：由振動薄膜構成，振動薄膜在聲波的振動壓力的沖擊下會發生振動，從而根據振動的大小來探測聲音信號。根據能量轉換原理的不同，微傳聲器可以分為壓阻式、電容式和壓電式等，目前，微加工方法已經能夠制造壓電式、壓阻式、電容式和場效應管式的傳聲器，這些傳聲器的振動膜面積都小于1mm2。因而通過MOEMS技術來制作、加工的微傳感器通過采集聲音信號來識別與判斷聲音信號，從而達到識別目標信息的目的。

微磁傳感器：微磁傳感器是將因磁場、應力、應變、溫度、光等引起的磁特性變化轉換成電信號進行檢測的裝置，磁傳感器在檢測信號時對檢測物本身并無影響，在污染或噪聲多的環境中也能可靠的工作，微磁傳感器通常要求微小空間中的物理量變化也必須高靈敏度地快速反應，要求傳感器體積小，重量輕，速度快，靈敏度高。MOEMS技術的發展促使了磁傳感器的發展，因此采用MOEMS技術加工、制作微型磁傳感器將會實現高靈敏度、低功耗的信號采集及識別。

微紅外探測器：利用紅外輻射與物質相互作用產生的各種物理現象來實現對紅外輻射的探測，這里所說的物理現象是指如尺寸大小、溫度、電阻等，它們會隨著紅外輻射強度的不同而發生相應變化。根據這些物理量的變化就能實現對紅外輻射的探測目的。因此應用MOEMS技術制成微型的紅外探測器就能實現微型傳感器的紅外探測及采集信號的目的。

微氣體傳感器：基于MOEMS的可編程衍射光柵可以用來檢測任何一種化學氣體或多種氣體的混合物，通過它的檢測，系統能夠立即給出關于被測化學物質的成分，而不需要傳統的光譜儀的配合。

（2）數據融合與目標識別方法。不同類型的目標信號在時域和頻域上表現出不同的特征，可以采用相應的識別方案。因此根據目標的振動、紅外、聲信號的特征，可以研制振動、紅外、聲傳感模塊采集目標信號，通過研究各種地面目標（人員、車輛）的信號發生機理和信號傳播的過程，建立信號發生和傳播的基本模型，分析信號傳播過程中的頻率特性和衰減特性，為目標的特征提取和目標分類打下理論基礎。

通過小波分析方法著重分析目標的特征提取和選擇方法。在現有數據庫基礎上，分析不同目標頻譜和時頻域特征，比較各種特征量方法進行選擇。通過時域和頻域上的定量分析，包括信號時域過濾分析、信號的頻譜、能量譜等，定量提取目標時域和頻域上的目標特性。這一過程可以表示為：信號——A/D轉換——時域頻域特征提取——目標特征庫。

模式識別和人工智能技術的不斷發展，為傳感器網絡目標識別提供了理論基礎和技術支撐。通過建立MOEMS微型多傳感器信息融合系統模型實現對信號的分析、判斷，從而實現目標特性的提取。在對目標信息進行特征提取后，通過建立特征數據庫匹配并分析計算相關系數提取到目標特征后，建立目標特征數據庫，再輔以有效的識別算法如AR模型、人工神經網絡，從而實現對目標的分類識別。

每個信息獲取單元系統由多傳感器模塊接收目標信號，經A/D轉換成數字信號，再由控制模塊與CPU系統共同完成原始數據的處理與結果判定，接著把結果通過數據接口送給無線收發模塊，由無線收發模塊進行數據傳輸交換。指揮中心根據收到判定的結果發送單元的動作命令，各單元收到命令，根據對應命令動作。

（3）傳感器網絡節點的自組網及數據無線傳輸。考慮將Zigbee組網技術應用于能量自捕捉微傳感器網絡目標識別系統，從而實現對執勤目標及區域智能監控與控制，通過研究降低微傳感器模塊功耗的方法來實現低功耗數據采集及傳輸。

4 結論

文章通過研究MOEMS技術，研究實現傳感器節點的小型化、智能化的方法，對聲、磁、振動、紅外四種信號探測與感知方法研究，通過能量自捕獲技術方法研究，以及利用小波分析、神經網絡、模式識別等研究MOEMS微型傳感器信息融合系統模型建立方法，為實現執勤監控信息采集提供了可靠的理論基礎。

參考文獻：

[1]曾華鋒，夏洪流等.現代偵察監視技術[M].北京：國防工業出版社，1999.

[2]牛強.漫談地面傳感器偵察[M].現代軍事，1999（12）.

[3]馬寶華，施聚生.遠距離戰場監視傳感器系統人員、車輛、直升機預警[Z].GF：513，1993（03）.