基于SOPC的高精度超聲波雷達測距系統設計

摘要：本文基于NIOS II軟核處理器和卡爾曼濾波算法，利用FPCJA平臺，超聲波傳感器和LCD液晶顯示系統，設計了一種高精度超聲波雷達測距系統。以這種方法設計的SOPC系統，克服了傳統超聲波雷達測距系統噪聲干擾過大的問題，提高了測距系統的測量精度。本文網絡版地址：http：//www.eepw.com.cn/article/281893.htm

關鍵詞：卡爾曼濾波器；NIOS II軟核處理器；超聲波傳感器；可編程單芯片系統；軟硬件協同設計

DOI：10.3969/j.issn.1005-5517.2015.10.017

劉超（1990-），碩士，研究方向：集成電路設計。田俊杰（1992-），碩士，研究方向：集成電路設計。

引言

傳統的超聲波雷達測距系統面臨噪聲過大、測量精度不夠高的問題，卡爾曼濾波算法是一種最優化自回歸數據處理算法，在雷達測距和目標跟蹤等領域有廣泛應用，可以用來提高測距系統的精度。但是卡爾曼濾波算法的實現需要用到大量的浮點數矩陣運算，軟件實現方式通常很難滿足系統對于高實時性的要求，硬件雖然可以保證系統的高實時性，但是硬件無法直接處理浮點數，并且硬件開發周期過長，成本過高，這都限制了卡爾曼濾波算法的應用。

NIOS II處理器是可編程邏輯器件的軟核處理器，可以和存儲器、I/O接口等外設嵌入到FPGA中，組成一個靈活、高效的可編程單芯片系統（SOPC），大大降低了系統的成本、體積和功耗，適合網絡、電信、數據通信、嵌入式和消費市場等各種嵌入式應用場合^[1-3]。

本文基于FPGA平臺，采用NIOSII軟核處理器，利用卡爾曼濾波算法對系統測量值進行濾波處理，設計了一種SOPC系統，以這種方法設計的測距系統綜合利用了軟件編程靈活的優點以及硬件并行處理、速度較快的特點，運用軟硬件協同設計方法保證系統的整體性能最優^[4]，從而大大提高了測距系統的性能和精度。

卡爾曼濾波理論

對于卡爾曼濾波器，首先我們需要引入一個系統方程：

對于系統方程，矩陣A稱為轉換矩陣，矩陣B稱為控制矩陣，矩陣C稱為測量矩陣，u是控制量，A、B、C、u由實際濾波模型決定，均為已知，上述參數可以是恒定的，也可以是隨時間變化的^[5]。w是系統噪聲，v是測量噪聲。

卡爾曼濾波算法由五條濾波公式組成：

公式一：狀態預測方程

卡爾曼濾波算法如圖1所示。濾波算法用反饋控制的方法估計過程狀態，濾波器首先預測過程某一時刻的狀態，然后通過測量值對預測值進行反饋和校正，其中公式一和公式二組成預測方程，產生先驗估計，公式三、公式四和公式五組成校正方程，將先驗估計和測量值結合構造改進的后驗估計，即用測量值對預測值進行校正，卡爾曼濾波器就是通過這樣一個不斷的“預測（先驗）-測量-校正（后驗）”的過程，使得最優估計的誤差隨時間以指數衰減，從而使得數據逐漸“收斂”，以此來達濾波的目的_[6]。

系統硬件設計

如圖2所示，系統的硬件部分由超聲波傳感器，FPGA開發板以及LCD液晶屏組成。系統工作時，FPGA通過超聲波傳感器的驅動模塊來讀取傳感器采集的實時測量數據，這些數據經過卡爾曼濾波算法進行濾波和去噪處理后，再通過LCD驅動模塊控制LCD液晶屏進行數據的實時展示。

在該系統中，超聲波傳感器驅動和LCD驅動采用Verilog HDL設計，卡爾曼濾波模塊通過NIOS II軟核中的C語言實現。這樣既可以發揮硬件處理速度快的特點，又可以很好的發揮C語言處理浮點數運算和編程靈活的特點，從而保證系統性能最優。

系統采用的LCD液晶屏的尺寸是320*240。圖3是LCD屏幕的分區顯示效果圖，液晶屏最上部顯示運動狀態檢測結果，下部顯示實時數據，其中左側顯示實時波形曲線，右側顯示實時數值數據。

系統軟件設計

該系統的軟件算法流程如圖4所示，FPGA通過超聲波傳感器采集距離信息，并進行距離信息的存儲以完成被檢測物體的運動狀態判斷，當物體處于靜止狀態時則使用一維卡爾曼濾波算法對含噪聲的距離測量值進行濾波去噪；當物體處于運動狀態時，則使用二維卡爾曼濾波算法對含噪聲的距離測量值進行去噪和優化處理，并可以利用關系矩陣和濾波算法得到運動物體的速度值。

上述經卡爾曼濾波算法優化后的數據會送到LCD液晶屏顯示，一部分數據顯示為實時數值數據，另一部分則先存儲，然后在LCD液晶屏的指定區域顯示為實時波形數據。

濾波參數設置

當系統檢測到物體處于靜止狀態時，利用一維卡爾曼濾波算法進行濾波去噪；當系統檢測到物體處于運動狀態時，則采用多維卡爾曼濾波算法，由于我們采用的超聲波傳感器的測量范圍較小，在短距離變化內，我們可以將運動物體近似看成勻速運動，所以對于運動物體，采用二維卡爾曼濾波算法進行濾波去噪。根據實際系統的噪聲和系統調試情況，一維濾波模型和二維濾波模型的系統參數設置如表1所示，其中為采樣時間間隔，由于該系統無額外控制量，所以考慮設計控制矩陣B為零矩陣。

應用結果

5.1輸入測量值分析

圖5是系統的輸入測量值，被測量物體首先處于運動狀態，由于系統噪聲和測量噪聲干擾，從該圖中可以看到實際測得的物體距離值存在較嚴重的噪聲干擾，上下波動比較大。

隨后物體處于靜止狀態，繼而又處于運動狀態，我們可以看到在檢測過程中，物體距離測量值都有較大的噪聲干擾，波動較大，我們使用卡爾曼濾波算法的目的就是對測量值進行去噪處理，以提高系統的測量精度。

5.2濾波輸出數據分析

圖6是經過卡爾曼濾波算法濾波之后的距離數據。卡爾曼濾波算法在工作中，需要一定次數的算法迭代過程才能實現數據收斂，即達到較好的濾波效果。由圖6可以看到每當物體運動狀態轉換后，在經過一定次數的濾波算法迭代后，數據都能達到很好的去噪和收斂效果，對比圖5含噪聲的測量數據，在精度上有大幅提高。

卡爾曼增益可以用來衡量卡爾曼濾波算法在工作過程中的去噪效果，在實際的濾波系統中，卡爾曼濾波增益會隨著迭代次數的增加而成指數下降，以此來實現濾波去噪的效果。圖7展示的是卡爾曼增益的變化過程，我們可以看到在每次運動狀態轉換后，卡爾曼增益都會快速下降，以使數據收斂。

5.3性能數據分析

表2列出了該系統對測量數據進行濾波處理的性能分析，當系統數據收斂后，我們對數據進行統計整理并列于表2中。由表2可以看出，該系統對噪聲有很好的濾波效果，可以大大提高系統的測量精度。

總結

利用本文提出的設計方法設計實現的超聲波雷達測距系統，結合了軟件設計方法和硬件設計方法的優勢，可以高性能的完成距離的測量，同時，卡爾曼濾波算法的引入，提升了系統的抗干擾能力，大大提高了系統的測量精度。

參考文獻：

[1]栗素娟，朱清智，閻保定基于Nios II的機器人視覺伺服控制器的研究與設計[J].電子設計應用，2007，（6）：104-105

[2]方茁，彭澄廉，陳澤文，基于NIOS的SOPC設計[j].計算機工程與設計，2004，25（4）：504-507

[3]王銳，雷金奎，基于軟核Nios II的SOPC數據采集系統的設計[J].計算機測量與控制，2008，（8）

[4]唐思章，黃勇，SOPC與嵌入式系統軟硬協同設計[J].單片機與嵌入式系統應用，2005，（12）：5-8

[5]Auger F， Hilairet M， Guerrero J M， et al Industrial Applications of the Kalman Filter： A Review[J]. Industrial EIectronlcs IEEE TransacIlons on.2013.60（12）：5458—5471

[6]Welch G，Bishop G. An Introduction to the Kalman Filter[J]. University of North Carolina at Chapel Hill，1995