维普资讯 http://www.cqvip.com 第２９卷第２期 探测与控制学报 Ｖｏ１．２９ ＮＯ．２ ２００７年４月 Ｊｏｕｒｎａｌ ｏｆ Ｄｅｔｅｃｔｉｏｎ＆Ｃｏｎｔｒｏｌ Ａｐｒ．２００７ 静电探测器信号采集与目标特性预测方法研究 刘 实 ，闰 岩 ，徐立新 （１．北京理工大学电子工程系，北京１０００８１；２．北京理工大学机电工程学院，北京１０００８１） 摘要：静电目标特性是静电探测和目标识别的基础。构建了一个基于ＵＳＢ数据采集卡的静电探测器数据 采集系统，给出了低通滤波器算法的基本原理和设计实现过程。为满足高速弹目交会条件下对信号处理速度 的要求，采用线性神经网络和非线性Ｅｌｍａｎ神经网络设计了目标特性预测器，仿真结果表明：非线性Ｅｌｍａｎ神 经网络预测器能够有效给出目标特性预测结果，提高了静电探测系统实时性。 关键词：静电探测器；滤波器；神经网络预测；Ｅｌｍａｎ 中图分类号：ＴＰ２７４．２文献标志码：Ａ 文章编号：１００８－１１９４（２００７）０２－００２０－０３ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ ａｎｄ Ｔａｒｇｅｔ Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ Ｐｒｅｄｉｃｔｉｏｎ Ｍｅｔｈｏｄ ｆｏｒ ｔｈｅ Ｅｌｅｃｔｒｏｓｔａｔｉｃ Ｓｅｎｓｏｒ ＬＩＵ Ｓｈｉ ，ＹＡＮ Ｙａｎ２，ＸＵ Ｌｉ—ｘｉｎ （１．Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｂｅｉｊｉｎｇ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ １０００８１，Ｃｈｉｎａ； ２．ｓｃｈｏｏｌ ｏｆ Ｍｅｃｈａｔｒｏｎｉｃ，Ｂｅｉｊｉｎｇ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ １０００８１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａ ｄａｔａ ｃｏｌｌｅｃｔｉｎｇ ａｎｄ ｐｒｏｃｅｓｓｉｇｎ ｓｙｓｔｅｍ ｉｓ ｐｒｏｐｏｓｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ ｆｏｒ ｅｌｅｃｔｒｏｓｔａｔｉｃ ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ．Ａ ｌｏｗ－ｐａｓｓ ｆｉｌｔｅｒ ｉｓ ｄｅｓｉｇｎｅｄ ｔｏ ｏｖｅｒｃｏｍｅ ｔｈｅ ｉｎｆｌｕｅｎｃｅ ｏｆ ｎｏｉｓｅ Ｔｈｅ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ ａｒｅ ａｐｐｌｉｅｄ ｔｏ ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ｆｉｌｔｅｒ ｆｏｒ ｔｈｅ ｓｙｓｔｅｍ．Ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ Ｅｌｍａｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｃａｎ ａｐｐｒｏｘｉｍａｔｅ ｔｈｅ ｅｘｐｅｃｔｅｄ ｓｉｇ— ａｎｌ ｍｏｒｅ ｃｏｒｒｅｃｔｌｙ ａｆｔｅｒ ｗｅｉｇｈｔ ｔｒａｉｎｉｎｇ，ｔｈｕｓ ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ｆｉｌｔｅｒ ｐｒｏｖｉｄｉｎｇ ａｎ ｅｆｆｅｃｔｉｖｅ ｗａｙ ｔｏ ｅｎｓｕｒｅ ｔｈｅ ｒｅａｌ— ｔｉｍｅ ｗｏｒｋ ｏｆ ｔｈｅ ｅｌｅｃｔｒｏｓｔａｔｉｃ ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ ｓｙｓｔｅｍ． Ｋｅｙ ｗｏｒｄｓ：ｅｌｅｃｔｒｏｓｔａｔｉｃ ｓｅｎｓｏｒ；ｓｉｇｎａｌ ｐｒｏｃｅｓｓｉｎｇ ｆｉｌｔｅｒ；ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｐｒｅｄｉｃｔｉｏｎ；Ｅｌｍａｎ ０ 引言 １０ Ｃ，直升机的带电量可达１０ ～１０ Ｃ。空中 目标在飞行中所产生的静电，在其周围空间几十米 静电探测技术就是以空中目标静电场作为目标 甚至上千米的较大范围内形成可探测的静电场［２］。 信息而探测目标的一种新体制探测技术，可以有效 本文设计了一个数据采集系统以获得目标静电 对抗现有的隐身技术和电子干扰技术威胁，提高战 场在探测器探测极板上产生的电势差信号，给出从 斗部的作战效能。 严重的噪声中提取出有用信号的低通滤波器设计方 任何使用电源或移动的物体都有可能因不同的 法。在对目标特性深入分析的基础上，采用线性神 带电过程而带上静电［１］。对于空中飞行物体来说， 经网络和非线性Ｅｌｍａｎ神经网络设计了目标特性 由于摩擦、静电感应等原因产生的静电场无法去除， 预测器，以提高信号处理系统的实时性。 因此无法如隐身飞机对无线电隐身一样对静电探测 器隐身。这种静电对空中目标尤其明显，飞机制造 １静电目标特性描述 商进行了很大努力来降低这种静电，但飞机的静电 量仍相当巨大。据测量，喷气飞机的带电量可达 典型静电探测器对空中飞行目标探测的目标特 ＊收稿日期：２００６一ｌ１—０２ 作者简介：刘实（１９７９一），男，吉林长春人，博士研究生，研究方向：机载制导武器技术及应用。 维普资讯 http://www.cqvip.com 维普资讯 http://www.cqvip.com 维普资讯 http://www.cqvip.com ２６ 探测与控制学报 ４小结 通过上述试验及数据分析，可以得到以下结论： 随着实验的逐渐深入进行和地震波场信号处理方法 的深入研究，相信可以得到舰船地震波场机理和信 号特征的全面研究结果，为目标探测和识别提供理 论依据。 （１）从两路传感器接收到的信号幅值随时间变 化和传播衰减看，作为舰船低频噪声信号在水中和 参考文献：底质中分别有着不同的传播路径，这也充分说明了 ｄ Ｋｌｅｉｎ，Ｔｏｍａｓ Ｂｏｈｌｅｒｘ Ａｃｑｕｉｓｉｔｉｏｎ ａｎｄ ｉｎｖｅｒｓｉｏｎ ｏｆ 舰船地震波场的存在和可观测性。由于传播介质的 ［１］Ｇｅｒａｌｄｉｓｐｅｒｓｉｖｅ ｓｅｉｓｍｉｃ ｗａｖｅｓ ｉｎ ｓｈａｌｌｏｗ ｍａｒｉｎｅ ｅｎｖｉｒｏｎｍｅｎｔｓ 不同，舰船低频噪声的水中传播和地震波传播有着 ［Ｊ］．Ｍａｒｉｎｅ Ｇｅｏｐｈｙｓｉｃａｌ Ｒｅｓｅａｒｃｈｅｓ，２００５，２６（３）：２８７— 不同的传播速度和传播损失； ３１５． （２）无论是舰船地震波场信号还是舰船次声场 ［２］Ｂｒｅｋｈｏｖｓｋｉｋｈ Ｌ＾／Ｌ Ｗａｖｅｓ ｉｎ Ｌａｙｅｒｅｄ Ｍｅｄｉａ［Ｍ］．Ｂｅｉ— 信号其时域过程都表现出了很好的区域性，近距离 ｊｉｎｇ：Ｓｃｉｅｎｃｅ ｐｕｂｌｉｓｈｉｎｇ ｃｏｍｐａｎｙ，１９８５． 信号幅度变化较大； ［３］Ｓｃｈｍａｆｅｌｄｔ Ｂ，Ｒａｕｃｈ Ｉ］Ｌ Ｅｘｐｌｏｓｉｏｎ－ｇｅｎｅｒａｔｅｄ ｓｅｉｓｉｃｍ ｉｎ— （３）由于舰船低频噪声信号是舰船地震波信号 的激励源，因此，两者的频谱特性有着很强的相关 ｔｅｒｒａｃｅ ｗａｖｅｓ ｉｎ ｓｈａｌｌｏｗ ｗａｔｅｒ：Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ［Ｒ］． Ｌａ Ｓｐｅｚｉａ：ＳＡＣＩ ＡＮＴ Ｕｎｄｅｒｓｅａ．Ｒｅｓｅａｒｃｈ Ｃｅｎｔｅｒ。１９８３． 性，且舰船地震波场有着明显的频谱特征，某些频率 ［４３叶平贤，龚沈光．舰船物理场［Ｍ］．北京：兵器工业出版 社，１９９２． 点上出现显著峰值。 （上接第２２页） 神经网络预测器。Ｅｌｍａｎ神经网络预测滤波器训练 过程中迭代误差如图６所示。 器最大预测误差为０．０９０ ２，显然预测结果优于线性 Ｉ 图４线性神经网络预测器仿真结果 图５ Ｅｌｍａｎ神经网络预测器仿真结果 图６ Ｅｌｍａｎ网络训练误差数据图 ５结论 本文从信号低通滤波器设计和预测器设计两个 方面研究了静电探测信号处理方法。首先构建了一 个基于ＵＳＢ数据采集卡的静电探测器数据采集系 参考文献： ［１］刘尚合静电理论与防护［Ｍ］．北京：兵器工业出版社，１９９９． ［２］毕军建．对空弹药引信用静电矢量探测技术研究［Ｄ］．北 京：北京理工大学，２００５． 统，给出了低通滤波器算法的基本原理和设计实现 过程。为满足高速弹目交会条件下对信号处理速度 的要求，采用线性神经网络和非线性Ｅｌｍａｎ神经网 ［３］李银林．被动式静电引信探测技术及其信息处理［Ｄ］．北 京：北京理工大学，２０００． ［４］陈建艾现代数字信号处理［Ｍ］．北京：电子工业出版社，２００３． ［５］闻新，周露，李翔，等．Ｍａｔｌａｂ神经网络仿真与应用［Ｍ］． 北京：科学出版社，２００３． 络设计了目标特性预测器，仿真结果表明非线性 Ｅｌｍａｎ神经网络预测器能够有效给出目标特性预测 结果，提高了静电探测系统实时陛。 ￣６］Ｅｌｍａｎ Ｊ Ｌ Ｆｉｎｄ Ｓｔｒｕｃｔｕｒｅ ｉｎ Ｔｉｍｅ Ｃｏｇｎｉｔｉｖｅ ｓｃｉｅｎｃｅ［Ｊ］． １９９０。１４（２）：１７９—２１】．