磁與超聲波復合車輛位置識別算法

朱海洋，張 合，馬少杰

（南京理工大學智能彈藥技術國防重點學科實驗室，江蘇 南京 210094）

0 引言

車輛探測技術是智能交通系統的一項關鍵技術。車輛探測的傳感器分為兩種［1-2］：第一種是侵入式傳感器，包括感應線圈、磁力計、微環探針、壓電線纜、動態稱重傳感器等；第二種是非侵入式傳感器，包括視頻圖像、微波雷達、激光雷達、被動紅外線陣列、超聲波雷達、被動聲陣列以及幾種傳感器的復合。然而有線傳感器網絡因其布設和維護費用較高，不能被廣泛應用。因此研究經濟型好、能自動值守的無線傳感器網絡（Wireless Sensor Network，WSN）技術對車輛進行大范圍實時監控［2-4］顯得尤為重要。無線傳感器網絡車輛探測技術不僅在智能交通系統（Intelligent Transportation System，ITS）中有著廣泛研究，其在軍事領域也有巨大的潛力，如無人值守傳感器系統［5］、網絡化智能雷等。WSN 節點可通過機載布撒器、火箭、導彈等平臺進行遠程部署，落地后可自主探測、識別和打擊敵方快速行進的機械化部隊，并能遙控起爆或在規定的值守時間后自毀，是一種遠距離攔阻和截擊敵方車輛的有效武器。自組織網絡體系結構主要基于覆蓋和連通性的要求［6］，且節點探測方式與ITS 中的車輛探測不同，節點不僅要探測目標，而且要求實現對目標的最大毀傷效果，這就要求傳感器節點能夠識別出最佳觸發位置。磁傳感器因其對車輛敏感，體積小，且不受外界雨雪霧的影響，被廣泛地應用于車輛探測系統中［7-8］。但是由于WSN 節點落地狀態的差異性，導致傳統的磁探測效果不佳，并且單一磁探測無法精確識別車輛位置。另外戰場上產生的磁場復雜，要準確識別車輛位置的困難很大。本文針對上述問題，提出了磁與超聲波復合車輛位置探測方案。

1 磁軸偏轉對探測性能的影響

地球磁場在幾公里范圍內可視為均勻分布，當鐵磁目標經過時會對周圍磁場產生擾動，車輛磁探測就是利用這種擾動識別和定位目標的。目前車輛磁探測主要是利用單軸磁信號幅值、單軸磁信號梯度或是磁偏角的變化量來進行探測的。

AMR 傳感器的誤差可分為自身誤差和環境誤差［9-11］。可拋撒的無線磁傳感器節點，由于其落地姿態不可預知，使得磁軸發生偏轉，對探測性能有一定的影響［12］。車輛磁探測模型如圖1所示。地磁總磁場強度B、水平分量BH、垂直分量Bz、磁偏角D 為水平分量BH與x 軸的夾角，磁傾角I 為B 與BH的夾角。坐標x′y′z′是坐標xyz 經過章動角θ、進動角ψ 和自轉角φ 旋轉而得。

圖1 車輛磁探測模型Fig.1 Model for vehicle detection

地磁場強度在旋轉坐標系下的表達式：

自轉角對磁場垂直分量和磁偏角的變化沒有影響，而章動角和進動角對其影響較大。令φ=0從而簡化模型，根據式（1）可以得出：

為明確磁軸偏轉對垂直分量Bz′和磁偏角D′的影響大小，選取某一特定的磁場強度B，令Bx=By=Bz，則Bz′／Bz、D′隨章動角和進動角的變化如圖2、圖3所示。

圖2 磁傳感器偏轉對z軸分量的影響Fig.2 The influence of magnetic sensor deflection to Zaxis

由圖2可以看出，垂直分量Bz′隨著進動角周期性的變化，章動角增大，Bz′的變化范圍也隨之增大。進動角ψ等于3π／4和7π／4時，垂直分量出現兩個峰值，在較大的章動角的影響下，其峰峰值甚至達到了標準坐標系下垂直分量Bz的2倍。由圖3可以看出，在進動角ψ 等于π／2和π時，磁偏角的偏差可達到45°。另外，峰值出現的位置和大小也會隨著外界磁場強度而變化，更增加了Bz′和D′的不確定性。

圖3 磁傳感器偏轉對磁偏角D 的影響Fig.3 The influence of magnetic sensor deflection to magnetic declination

考慮到WSN 節點落地后姿態各異，無法滿足z軸垂直度和x、y軸指向性的要求，而總磁場強度的幅值并不會隨著坐標系的旋轉而變化。故采用三軸各向異性磁阻傳感器合成的總磁場強度作為探測信號，從而更加全面和穩定地反映目標對地磁場的擾動效應［13］。但是無論采用Bz、D 或B 的單一磁探測均無法精確識別車輛位置，從而選擇最佳觸發位置，故本文設計了磁與超聲復合傳感器節點。

2 磁與超聲波復合傳感器節點設計

2.1 系統結構及工作原理

無線磁／超聲波復合傳感器節點的主要部分是無線數據傳輸模塊、超聲波收發電路、三軸各向異性磁 阻 傳 感 器 （Anisotropic Magnetoresistive，AMR）、電源模塊和控制芯片。圖4為無線磁與超聲復合探測節點的組合原理圖。

圖4 無線磁與超聲復合傳感器節點結構圖Fig.4 Structure chart of wireless magnetic and ultrasonic compound sensor node

各向異性磁阻傳感器具有體積小、成本低、抗沖擊能力強、分辨率高等特點。超聲波基本上沿直線傳播，具有束射和反射特性。另外其性能幾乎不受光線、粉塵、煙霧、電磁干擾和有毒氣體的影響。超聲波測距的原理是渡越時間法（Time of Flight，TOF），根據超聲波發射后的回波時間來計算距離。本文采用反相器驅動超聲波發射，回波放大后經過比較器變成控制芯片可識別的電壓信號，如圖5所示。

磁傳感器感知目標的臨近喚醒超聲波測距模塊，當車輛從上方通過時，融合磁信號與超聲波測距信號識別出車輛位置。傳感器節點可通過無線網絡向網關節點發送探測情況和自身狀態，由網關節點匯集所有信息后通過衛星或無人機向遠程數據中心匯報。數據鏈也可反向傳輸，從而實現對WSN 遠距離監視和控制。

圖5 超聲波收發電路原理圖Fig.5 Schematic of ultrasonic transceiver circuit

2.2 復合探測車輛位置識別算法

傳感器節點只有在車輛底部作用時才能達到最佳毀傷效果，所以傳感器節點要能夠識別車輛位置。本文設計了磁與超聲復合傳感器節點，通過改進的多中間狀態機算法［1，14］以滿足傳感器節點可靠性、瞬發性的作用要求。通過合理地、實時地切換主被動傳感器［15］，使得在有限時域內，定位精度和值守時間達到合理的平衡。

多中間狀態機包括7個狀態：No＿Target、Recognition、Position＿Control、Position＿Confirm、Count0、Count1 和Count2。被測信號為B（k），閾值為Bmin；Recognition狀態中采用超聲波探測，當US=1代表正上方有目標，US=0代表正上方沒目標；狀態機中Count0、Count1 和Count2 各設置了一個計數器，并設定閾值M 、N ，每當發生狀態轉換時計數器清零。

工作過程為：起始狀態為No＿Target，若B（k）≤Bmin保持在該狀態；當B（k）＞Bmin時，進入Count0狀態；進入Count0后，若B（k）≤Bmin跳至Count1，否則對連續的B（k）＞Bmin進行計數，當累積 值Count0 ≥M 時，跳 至Recognition；進 入Count1后，對連續出現的B（k）≤Bmin進行計數，當累積值Count1≥N 時，進入No＿Target，否則返回Count0；進入Recognition 后，若US = 0，返回Count0狀態，否則進入Position＿Control狀態；進入Position＿Control狀態，當同時滿足B（k）＜B（k-1）和US=1時，即為車輛中間位置；而在Position＿Control狀態出現B（k）≤Bmin時，進入Count2，如果B（k）≤Bmin連續超過N 次，則返回到No＿Target狀態。M 和N 是經驗值，取M=N=5。改進后的狀態機算法如圖6所示，多狀態的存在不僅提高了檢測精度，而且提高了算法的魯棒性和可靠性。

圖7為車輛位置識別示意圖。在無目標狀態和預警狀態下，超聲波電路處于休眠，預警狀態能夠喚醒超聲波檢測，減少了超聲波電路的工作時間，降低了功耗。加入count1計數器能夠有效地濾除干擾，避免了虛警而導致的能源浪費，延長了值守時間；識別判斷狀態能夠確保目標是從正上方通過，消除了目標從旁邊經過時對探測系統的影響；觸發狀態融合了磁與超聲兩路信號，在確保目標在正上方的前提下，選擇在目標中間位置時觸發。

而由圖8的各種算法性能比較中可以看出，閾值法和能量法的車輛識別位置為波形峰值處，但是單軸磁分量的峰值并不能代表目標的中間位置，導致早觸發或晚觸發的現象發生。頻域法雖然能改善這種不確定性，但是觸發位置依舊不在中間位置。另外頻域法、閾值法和能量法均不能確保目標是從正上方通過的。

圖6 多中間狀態的狀態機檢測法Fig.6 Improved multi-state machine algorithm

圖7 車輛位置識別示意圖Fig.7 Schematic diagram of burst-point control

圖8 車輛位置識別算法性能比較Fig.8 Comparison of vehicle location identification algorithm performance

3 實驗結果及分析

3.1 磁信號對比實驗

車輛通過時磁信號為低頻信號，本文以普通車輛為研究對象。圖9為家用轎車從節點正上方通過的磁信號特性曲線。

圖9 從節點正上方通過時特性曲線Fig.9 Intensity curve of target driving through the module

從圖9可以看出，使用三軸合成的磁感應強度B 曲線比Bx，By，Bz曲線的幅值更高，且不受傳感器節點的排放姿態和車輛行駛方向的影響，其信號更能代表車輛對地磁場的擾動效應。車輛的長度為4.5m，按照同比例換算，Bz曲線有信號時距離車頭1m，而B 曲線有信號時距離車頭3m。在相同的條件下，延長了預警距離，提供了超聲波測距模塊的啟動時間，也便于后續的算法處理。

3.2 車輛位置識別實驗

如圖10所示，將傳感器節點放置于馬路中央，且x，y 軸指向任意。一輛小型轎車長約4.5m，以40km／h的速度從節點側邊0.5m 處和節點正上方通過。更改程序，比較能量法、頻域法和磁與超聲復合探測法選擇觸發位置的能力。

圖10 試驗場景圖Fig.10 Test environment

針對三種觸發時機控制算法的側向通過抗干擾性能和正上方通過的觸發時機控制能力分別進行了10次實驗。觸發時，模塊通過無線數據傳輸模塊向位于路邊的監控點發送狀態信息。設定在目標中間觸發時的位置為0，早觸發為負，晚觸發時正。實驗結果如表1所示。

表1 試驗結果Tab.1 Experimental result

由表1可以看出，能量法雖有較好的側向通過性能，但目標正上方通過時觸發位置過于分散。頻域法能夠較好地控制觸發位置，但在目標側向通過時虛警率過高。磁與超聲復合探測在目標側向通過時完全沒有虛警情況，并且能將目標正上方通過時的觸發位置控制在目標中部0.5m 的范圍內。

4 結論

本文提出了磁與超聲波復合車輛位置探測方案。該方案能夠通過改進的多中間狀態機算法融合磁與超聲波信號，將探測狀態區分為無目標狀態、預警狀態、位置識別狀態和觸發狀態。實驗分析表明，該方案克服了節點因落地姿態而導致的磁軸偏轉對探測性能的影響，還能識別出車輛中間位置，誤差在50cm 范圍內，并且能夠抑制目標側向通過時的虛警率。在智能交通、無人值守傳感器網絡等應用中具有很好的應用前景。

［1］Ding J，Cheung S Y，Tan CH W，et al.Vehicle detection by sensor network nodes［R］.US：California Partners for Advanced Transit and Highways（PATH），2004.

［2］Sifuentes E，Casas O，Areny R.P.Wirelessmagnetic sensor node for vehicle detection with optical wake-up［J］.IEEE Sensors Journal，2011，11（8）：1669-1679.

［3］Wang R，Zhang L，Sun R L，et al.EasiTia：A pervasive traffic information acquisition system based on wireless sensor networks［J］.IEEE Transactions on Intelligent Systems，2011，12（2）：615-621

［4］Wang R，Zhang L，Xiao K J，et al.EasiSee：real-time vehicle classification and counting via low-cost collaborative sensing［J］.IEEE Transactions on Intelligent Transportation Systems，2014，15（1）：414-424.

［5］William P E，Hoffman M W.Classification ofmilitary ground vehicles using time domain harmonics’amplitudes［J］.IEEE Transaction on Instrumentation and Measurement，2011，60（11）：3720-3731.

［6］寇明延，熊華鋼，李峭等.面向任務能力的自組織網絡體系結構［J］.系統工程與電子技術，2013，35（5）：980-986.

［7］Shen Y，Gao J Q，Hasanyan D，et al.Investigation of vehicle induced magnetic anomaly by triple-axis magnetoelectric sensors［J］.Smart Materials and Structures，2012，21：1-7.

［8］Cheung S Y，Coleri S.Traffic measurement and vehicle classification with a single magnetic sensor［C］／／84thAnnual Meeting Transportation Research Board.Washington DC：［S.n.］，2005.

［9］Pylvanainen T.Automatic and adaptive calibration of 3D field sensor［J］.Applied Mathematical Modeling，2007（8），32：575-587.

［10］Vansconcelos J F，Elkaim G，Silvester C，et al.A gemometric approach to strapdown magnetometer calibration in sensor frame［R］.Guidance and Control of Underwater Vehicles，2008.

［11］孫宏偉，房建成.一種AMR 磁羅盤的誤差建模與校準方法［J］.北京航空航天大學學報，2009，35（1）：104-107.

［12］Krohn A，Beigl M，Christian D，et al.Inexpensive and automatic calibration for acceleration sensors［J］.Ubiquitous Computing Systems，2005：245-258.

［13］楊波，鄒富強.異向性磁阻傳感器檢測車流量的新方法［J］.浙江大學學報（工學版），2011，45（12）：2109-2114.

［14］楊波，尼文斌.基于異向性磁阻傳感器的車輛檢測與車型分類［J］.儀器儀表學報，2013，34（03）：537-544.

［15］單甘霖，張子寧.面向目標跟蹤的單平臺主被動傳感器長期調度［J］.系統工程與電子技術，2014，36（3）：458-463.