脉冲检测

脉冲检测（共8篇）

脉冲检测 篇1

0 引言

磁刺激技术是近30 a发展起来的一种用于脑科学研究和脑神经疾病诊断与治疗的新技术。该技术通过对磁性线圈通以瞬时、高强度的脉冲电流, 在垂直于线圈平面的方向会产生时变的磁场, 该磁场通过空间耦合进入人体组织内部, 形成的感应电流刺激可兴奋组织并影响生物体内的诸多代谢过程及电活动[1]。经颅磁刺激 (transcranial magnetic stimulation, TMS) 是一种无痛、无创的绿色治疗方法, 磁信号可以无衰减地透过颅骨而刺激到大脑神经, 已被广泛应用于脑认知功能研究和神经疾病的临床应用中, 并取得了丰富的研究成果和良好的诊断与治疗效果[2,3]。

目前, 经颅磁刺激设备只是对线圈输出的磁场强度、脉宽等特性进行理论计算并输出, 并不具备对脉冲刺激线圈产生的磁场实时动态检测功能, 而商品化的磁场检测设备很少能同时满足高频医用磁刺激磁场动态测量的要求[3,4]。本文采用法拉第电磁感应原理, 研究设计了高频脉冲磁场动态检测装置, 该装置能够测量变化的磁场, 测量范围宽、灵敏度高、频响范围大, 可以达到对经颅磁刺激中使用的磁场实时检测的目的[5,6]。

1 方法与设计

1.1 测量原理

基于法拉第电磁感应定律, 将磁场探测线圈 (匝数为N、截面积为S) 置于磁感应强度为B的被测磁场中, 使磁场方向垂直于探测线圈平面, 当垂直穿过探测线圈的磁通量ψ发生变化时, 在探测线圈两端会检测到感应电动势ξ[7,8]:

当探测线圈半径很小时, 则可以认为探测线圈内的磁场强度基本不变, 感应磁场强度可按下式计算:

由此可以求得感应磁场强度。实验中, 探测线圈匝数N与截面积S是定值。因此, 只要对采集到的感应电动势ξ信号进行积分就可测得磁感应强度。

1.2 检测方法

本文设计的高频脉冲磁场动态检测装置原理框图如图1所示。该装置由定标信号、功率放大、磁场检测、信号处理、结果显示5个部分构成。

1.3 磁场检测与定标装置

磁场检测与定标装置由磁场定标发生线圈和磁场探测线圈组成。

测量使用的定标信号为MHz级单周期正弦电压信号, 由AFG3252型函数发生器产生, 通过功放施加于磁场定标发生线圈从而产生高频脉冲磁场[9,10]。磁场探测线圈呈螺旋形, 匝数为9匝, 外径D=15.00 mm, 线圈连接信号处理电路, 用于对测量的感应电动势进行信号处理。

实验过程中, 将磁场探测线圈放置在磁场定标发生线圈中心, 使2个线圈的中心轴线重合, 将2个线圈的相对位置固定。磁场垂直穿过探测线圈平面并在线圈中产生相应的感应电动势, 通过信号处理电路对感应电动势信号进行求差、放大、滤波和积分变换, 从而得到磁场相关参数, 通过与理论计算值比较对该装置进行定标。

1.4 信号处理电路与流程

1.4.1 信号处理电路

信号处理电路用于对微弱感应电动势信号的放大, 去除信号中的高频干扰, 对信号进行积分, 还原磁场信号波形, 完成对感应磁场参数的检测。其主要流程如图2所示。

(1) 差动放大电路。首先对磁场探测线圈两端产生的感应电动势信号求差并进行放大后用于测量。本文中差动放大电路设计如图3所示, 采用三运放结构, 选用放大器芯片为AD8011, 在25 MHz以内增益平坦度为0.1 d B, 差分增益误差只有0.02%, 电路放大倍数为10~100倍可调。

(2) 滤波电路。考虑到使用环境中的高频干扰, 本设计中的滤波电路主要用于滤除电路中的高频噪声成分。如图4所示, 滤波电路采用有源低通滤波电路的基本形式, 选取巴特沃斯逼近, 滤波器阶数为2阶, 通带增益为1, 截止频率设为10 MHz, 从而滤除高频噪声干扰[11]。

(3) 积分电路。信号积分采用积分电路的基本形式, 电路的输出电压与输入电压随时间的不定积分成正比, 放大器工作在反相结构, 输出电压为。加入反馈电阻Rf与电容C并联, 电路图如图5所示。电容的阻抗远小于Rf, 形成积分电路形式, 达到交流信号积分的效果[12,13]。

由于积分电路的输出信号与输入信号幅值之比, f为信号频Vi率。这里取电容C为10 n F, 电阻R为160Ω, 在100 k Hz频率下, 输出信号与输入信号幅值之比为0.995, 接近1∶1。随着频率的变化, 比值呈反比变化, 通过施加幅值适当的输入信号, 使得频率在1 k Hz~1 MHz之间的输入信号经积分后的输出信号在可测量范围内;反馈电阻Rf为160 kΩ, 使得, 能够阻止直流输入参与积分, 同时又减小了100 Hz以下的低频信号参与积分的程度。

1.4.2 测量信号处理

在脉冲磁刺激线圈中产生连续的正弦形式的高频磁场信号B (t) , 对B (t) 用公式表示为:

其中, Bmax为磁场强度的最大值, f为磁场信号的频率。

通过磁场探测线圈对磁场信号进行测量, 磁场探测线圈的截面积为S, 匝数为N, 磁场探测线圈会得到感应电动势Vcoil:

对信号进行求差、放大 (放大倍数为G) 、滤波和积分, 从而输出经电路还原后的磁场信号Vout, 结合积分电路的积分公式, R、C分别为积分电路中的电阻、电容, 则

积分电路输出的连续正弦电压信号与磁刺激磁场的连续正弦磁场信号线性相关, 整体增益为。对信号处理电路的输出信号通过高采样率的全波记录, 系统输出的电压幅度对应脉冲磁刺激线圈产生的感应磁场强度增益为, 感应电信号脉宽与感应磁场脉宽相同。参考数字示波器显示的波形参数, 可以反求原脉冲磁场的强度、脉宽等参数。

1.5 脉冲磁场真实值估计

根据IEEE标准[9], 本文设计了磁场真值的估计与标定方法, 即使用磁场探测线圈测量能准确计算的参考磁场, 并将结果进行比对。实验中的磁场定标发生装置可产生准确计算的参考场, 通过此参考场的计算值对磁场检测装置得到的测量值进行标定。

根据毕奥-萨伐尔定律, 载流导线产生的磁场强度可由如下公式计算:

其中, μ0为真空磁导率, I为载流体中的电流强度, r0是指从电流源位置到磁场测量位置的矢径, 可以推导出载流圆线圈中心处的磁场强度为。线圈电流I可以精确测量, 磁感应强度真值即可精确计算出。

2 测量结果

2.1 电路测试

为了测试电路各部分工作的频率响应、精度等性能是否满足设计指标, 本文设计实验对磁场进行实际测量。

首先测试差动放大电路的幅频响应及准确性。采用函数发生器AFG3252发生200 m Vpp的正弦脉冲信号作为差动放大电路的输入, 电路的放大倍数设为11倍, 在0.1~10.0 MHz之间改变输入信号频率, 通过数字示波器MSO4014对电路的输出信号进行全波记录, 绘得差动放大电路的幅频响应曲线 (如图6所示) 。通过对数据的分析发现, 差动放大电路在增益倍数为11倍的情况下, 电路的截止频率为57 MHz, 可以对频率在4 MHz以内的信号准确放大。在4 MHz范围内, 电路的平均增益为11.15, 最大相对误差仅为1.06%, 可以用作对信号的精确放大。

测试滤波电路幅频响应, 滤波器通带增益为1, 截止频率设为10 MHz。采用函数发生器输入200 m Vpp的正弦脉冲信号, 在0.1~50.0 MHz之间改变输入信号频率, 通过数字示波器对电路的输出信号进行全波记录, 得到滤波电路的幅频响应曲线 (如图7所示) 。通过对数据分析发现, 滤波电路频率在3.0 MHz以下时通带增益平坦, 不会对感应电压信号造成缺失, 电路截止频率为10.1 MHz, 与设计的滤波截止频率一致, 能够对高频噪声进行有效减弱。

由于积分电路的特性, 在输入信号幅值不变的情况下, 输出信号幅值与输入信号的频率成反比, 这里对频率为10 k Hz~1.0 MHz之间的特征频率点进行测试, 实际积分效果均达到理论值。以输入频率50 k Hz的正弦脉冲信号为例, 对电路的实际工作性能测试, 记录电路积分后的信号 (如图8所示) 。电路的输入信号为154.4 m Vpp, 经积分后输出信号波形达到积分并反相的效果, 幅值为302.4 m Vpp, 而电路在50 k Hz下输出的理论值为:

与实际值接近, 达到预期要求。

经测试, 信号处理电路各部分的实际工作性能均达到设计要求, 可以完成对MHz级信号求差、放大、滤波和积分变换的信号处理要求。

2.2 测量结果与误差

通过示波器记录磁场发生线圈的限流电阻上的电压信号, 用于脉冲磁场真值计算。

以频率为50 k Hz的正弦信号输入为例, 图9中的通道1~4分别为频率50 k Hz下1/100的功率放大后的输出信号、限流电阻上的电压信号、探测线圈中的感应电动势信号以及积分后的输出信号。

检测不同频率的感应磁场强度, 改变激励频率, 分别对10、50、100、500 k Hz和1 MHz等5个频率点的磁场强度进行10次重复测量取平均值Bd。将Bd与真值Br (标定值) 相比, 得出相对误差η, 计算结果见表1。

从表中可知, 在10 k Hz~1 MHz频率范围内, 磁场检测结果保持很好的准确性和真实性, 相对误差在可接受范围内, 实测结果能够反映真实磁场的动态特性。

3 讨论

本文研究了高频脉冲磁场动态检测技术, 自主设计了磁场动态检测与标定装置和信号处理电路, 可有效采集高频脉冲磁感应信号, 通过高质量的放大、滤波、避免直流累加的积分等处理, 完成磁场信号还原显示, 实现了MHz脉冲磁场的动态检测。实验结果表明, 动态特性测量值与真值保持良好的一致。

下一步工作是对信号处理电路及磁场检测系统的进一步的误差分析及调试, 在保证测量结果准确性的前提下缩小探测线圈尺寸, 提高整体电路的信噪比, 增大系统的适用范围, 完成系统的集成化以及数字化, 并投入实际应用。

摘要：目的:为解决目前通用的经颅磁刺激设备不具有对磁场实时动态检测功能这一问题, 基于法拉第电磁感应法, 开展对10 kHz1 MHz脉冲磁场动态检测技术的研究。方法:设计一种磁场动态测量与标定装置, 选用正弦脉冲施加于磁场发生线圈, 采集检测装置线圈上的感应电动势, 通过信号处理电路完成所采集信号的求差、放大、滤波和积分处理, 从而得到脉冲磁场参数。结果:该技术实现了对频率在10 kHz1 MHz之间、强度为μT量级磁场的准确测量, 测量结果通过标定, 与真实值的相对误差小于2.5%, 显示出较好的稳定性和一致性。结论:该技术能够对脉冲磁场进行较准确的测量和标定, 可通过进一步的研究投入实际应用。

关键词：高频脉冲磁场,磁场测量,探头设计,标定

脉冲检测 篇2

离子色谱-积分脉冲安培检测法测定大蒜多糖的单糖组成

采用氨基酸分离柱(Amino PAC(R) PA10,2×250 mm),用10.0 mmol/L NaOH溶液作为流动相,以Au为工作电极,Ag/AgCl为参比电极的.脉冲积分安培离子色谱法,分离检测了大蒜多糖水解产生的单糖成分及相对含量.实验结果表明,大蒜多糖中含有半乳糖、葡萄糖、甘露醇和果糖,检出限在0.3～6 μg/L范围,样品加标回收率为95%～112%.该法具有灵敏度高、精密度好、分离效果好和样品不需要衍生处理的优点,适用于各种植物多糖的单糖组成分析.

作 者：李国强 尹平河 赵玲 欧云付 黄雪松 LI Guo-qiang YIN Ping-he ZHAO Ling OU Yun-fu HUANG Xue-song 作者单位：暨南大学,实验技术中心,广东,广州,510632刊 名：分析测试学报 ISTIC PKU英文刊名：JOURNAL OF INSTRUMENTAL ANALYSIS年，卷(期)：26(3)分类号：O657.75 O629.1关键词：离子色谱法 大蒜 积分脉冲安培检测 多糖 单糖

基于模糊函数的脉冲信号检测技术 篇3

关键词：时频分析,模糊函数,距离度量,模式识别

0引言

时频变换作为一种信号处理手段, 具有优良的时频域分辨特性, 能够满足时、频二维对信号的分离, 有一定多信号处理的能力, 作为时频支撑集而具有聚集性, 此外还有其他很多优点。

广大研究人员对威格纳崴利 (WVD) 进行了深入分析和讨论。比如在二次型分布对于非平稳信号的检测性能、WVD对线性调频脉冲信号的分析性能、时频分析的脉内调试识别、多信号分量的二次型分析、核函数滤波[1]等都取得了许多的研究成果。但一般对于Cohen类[2]的模糊函数在电子侦察领域关注得较少, 而模糊函数研究也都是传统雷达信号处理中的匹配信号处理思路对其展开研究, WVD对白噪声中的信号具有良好的检测能力。由于二次型分布具有表现信号瞬时功率谱密度的能力, 因此在二次型分布中讨论信号的检测与识别, 很大程度是对信号的瞬时功率谱密度的特性分析。根据物理能量准则, 依据信号和噪声能量在特定时频域中强弱分布的先验知识, 有效地分离噪声和感兴趣的信号, 从而再进行信号检测, 无疑是一种趋于最优的方法。

1模糊函数基本理论

1.1时频分析原理

在信号分析领域中, 时间和频率是最基本、最常用、最方便的度量子空间, 信号的相关函数和功率谱是这2个子空间中最常用的物理测度。在非平稳信号分析中, 传统的傅里叶变换受到了限制, 因为非平稳信号的频率成分是时变的, 相关函数和功率谱等统计量也是时变函数, 这时只了解信号的全局特性是远远不够的, 需要获得信号的频谱随时间变化的特征以及信号的时频局部化特征, 所以分析非平稳信号要用时间和频率的联合函数来表示。虽然认为信号本身是全局非平稳的, 但是在具体局部域却是近似平稳的。这种表示称为信号的时频表示, 基于信号时频表示的信号分析称为信号的时频分析。

1.2脉冲信号的模糊函数

在脉冲信号处理中, 模糊函数是一种信号分析与设计的重要工具。当目标被视为“点”目标时, 回波信号的波形与发射波形相同, 但有不同的时延τ和ξ不同的频偏 (多普勒频率) , 此时的输出脉冲模糊函数为该信号匹配滤波输出对τ、ξ的二维响应。

在非平稳信号处理中, 模糊函数采用不同的定义:对瞬时自相关函数做关于t的傅里叶反变换而不是傅里叶变换。即定义为:

$\chi {}_x(\tau ,\xi )={{\displaystyle \int }}^{\infty }{}_{{}_{{}_{-\infty }}}x(t+\frac{\tau }{2})x{}^{*}(t-\frac{\tau }{2})\text{e}{}^{j2\text{π}\xi t}\text{d}t$。 (1)

模糊函数也可以用信号的傅里叶变换X (f) 定义为:

$\chi {}_x(\tau ,\xi )={{\displaystyle \int }}^{\infty }{}_{{}_{{}_{-\infty }}}X{}^{*}(f+\frac{\zeta }{2})X(f-\frac{\zeta }{2})\text{e}{}^{j2\text{π}f\tau }\text{d}t$。 (2)

脉冲信号具有多种多样的功能和用途, 与之相对应的有各不相同的信号形式 (不同的模糊函数特征) 。随着综合射频技术及体制的发展, 根据不同用途和功能出现了类型繁多、特征各异的综合射频脉冲信号, 如从频率域的信号形式来看, 基本可以将这类信号分为:单频脉冲信号、调频脉冲信号、调相脉冲信号、频率编码脉冲信号和频率分集脉冲信号等[3]。

2模糊距离空间

如果将截获的脉冲信号时频截段投入到L2空间 (L2是线性空间) 中, 若使用内积定义, 设$\overrightarrow{\mathit{x}}=(x{}_1,y{}_1)‚\overrightarrow{\mathit{y}}=(x{}_2,y{}_2)$均为单位矢量, 是空间内的任意2个向量, 定义:

$\langle \overrightarrow{\mathit{x}},\overrightarrow{\mathit{y}}\rangle =$∫∫ (x1+y1) * (x2+y2) dxdy。 (3)

显然式 (2) 满足内积公理[4,5], 则可成内积空间。由模糊函数的共轭对称性质可推知, 当$\overrightarrow{\mathit{x}},\overrightarrow{\mathit{y}}$为模糊函数时, 内积$\langle \overrightarrow{\mathit{x}},\overrightarrow{\mathit{y}}\rangle$为实数, 则有$\left|\langle \overrightarrow{\mathit{x}},\overrightarrow{\mathit{y}}\rangle \right|\ge 0$。可知此时信号内积空间同时满足距离的定义, 即

$d(\overrightarrow{\mathit{x}},\overrightarrow{\mathit{y}})=1-\frac{\left|\langle \overrightarrow{\mathit{x}},\overrightarrow{\mathit{y}}\rangle \right|}{\left|\langle \overrightarrow{\mathit{x}},\overrightarrow{\mathit{x}}\rangle \right|{}^{1/2}\left|\langle \overrightarrow{\mathit{y}},\overrightarrow{\mathit{y}}\rangle \right|{}^{1/2}}‚$

构成距离空间。

基于投影定理 (Projection Theorem) [6]得到内积$\langle \overrightarrow{\mathit{x}},\overrightarrow{\mathit{y}}\rangle$是信号$\overrightarrow{\mathit{x}}$在$\overrightarrow{\mathit{y}}$上的投影值。使用上面的结论, 投影值此时也是2个信号之间的距离的一种表象, 其物理概念为在标准笛卡尔正交基下, 2个信号模糊函数的相关性度量 (相关性越好, 距离越小) 。

对于本文的应用来说, 模糊域内时延τ和频移ξ构成了L2空间的一组正交基。噪声、各种脉冲信号都具有各自特征的模糊函数, 根据截获的信号时频截段而产生的模糊函数与特征模糊函数之间是可以通过相关性 (距离) 的比对进行判决的。

白噪声模糊函数如图1所示, 从图1可以看出二次型分布对于局部平稳的噪声检测具有良好的适应性。在模糊域, 对于带内的高斯白噪声, 模糊函数有极好的非周期相关性。

白噪声的模糊函数集中在坐标原点 (0, 0) 及周围, 而在广大的平面内少有分布。类似于WVD中的分析, 对于某随机信号x (t) =s (t) +n (t) , 其中s (t) 为解析的确定信号, n (t) 是一平稳零均值有色噪声。可知加性噪声下确定信号的模糊函数有:

$\chi {}_x(\tau ,\xi )=\chi (\tau ,\xi )+\chi {}_n(\tau ,\xi )+2\mathrm{Re}\left[\chi {}_{s,n}(\tau ,\xi )\right]$。 (4)

式中,

χx (τ, ξ) =∫∞-∞s (t+τ/2) n* (t-τ/2) ej2πξtdt=

∫∫∞-∞S (f+υ/2) N* (f-υ/2) ej2πτfdf。

可以证明:χx (τ, ξ) =χs (τ, ξ) +χn (τ, ξ) 。χn (τ, ξ) 代表平稳噪声n (t) 的模糊函数。若假定噪声是带限白噪声, 则上式变为:

χx (τ, ξ) =χs (τ, ξ) +σ${}_n^2$δ (τ, ξ) 。 (5)

式中, σ${}_n^2$为白噪声n (t) 的方差。式 (5) 说明模糊函数也具有用于检测白噪声中的信号的能力。

前面提到的空间内积距离的方法原则上是具有检测的能力, 但由于噪声具有随机特性, 对于使用的噪声模糊函数模板 (某特定时间段内的噪声模糊函数) 与实际噪声之间的模糊函数相关性, 是检验信号检测算法的重要考量。

3仿真分析

3.1判决距离仿真分析

通过Matlab仿真工具软件, 模拟独立的100次噪声数据截断, 与标准噪声模糊函数模板做内积距离估计, 得到蒙特卡洛试验结果如图2 (a) 所示。

从图2 (a) 可以看出, 内积距离结果基本在 (0.993, 1) 区间以内, 而相同的噪声模糊函数模板与简单脉冲信号模糊函数之间的内积距离值为0.999 240, 二者十分接近。这种结果与预想情况是有明显差距的, 究其原因是在内积运算中使用的是复数形式的模糊函数内积。而噪声在独立条件时, 其模糊函数的相位是独立的, 这反映了噪声的高阶非相关性。所以从内积的结果来看, 并没有预想的那样二者内积很小 (相似度很高) 。这就要对信号检测算法进行改进, 以适应噪声的这种特征。

由于模糊函数本身具有体积不变的特征, 而噪声的模糊函数主要集中于原点附近。于是可以提出基于模糊函数绝对值的内积估计方法, 即

使用绝对值后模糊函数对于相位信息不在敏感, 能够对于噪声高阶不平稳性进行一定的滤除。以上面例子中的噪声模拟实验为例, 完全相同的数据经过绝对值内积估计后测量值如图2 (b) 所示, 而此时简单脉冲信号与噪声模板模糊函数的绝对值内积估计为0.839 203 (典型值) 、线性调频为0.846 2 (典型值) 、二相编码为0.687 9 (典型值) , 显然这种测算方法优势明显。

3.2信号检测仿真分析

信号的检测的另一重要考量内容是信号检测所能适应的信噪比, 需要考察检测方法受信噪比下降的影响程度, 以确定算法处理信号的灵敏度。

对于简单脉冲信号引入加性白噪声 (此时噪声可认为是极窄带内或同频噪声) , 设置与数据截段长度相适应的噪声信号, 控制带内信噪比可得如图3 (a) 所示绝对值内积距离仿真测量结果。当信噪比大于-10 dB时, 信号满足一般门限检测条件。

对相位编码脉冲信号引入加性白噪声 (此时噪声可认为是信号带内噪声) , 设置与数据截段长度相适应的噪声信号, 控制带内信噪比可得如图3 (b) 所示绝对值内积距离仿真测量结果。当信噪比大于-3 dB时, 信号满足一般门限检测条件。

对于线性调频脉冲信号引入加性白噪声 (此时噪声可认为是信号带内噪声) , 设置与数据截段长度相适应的噪声信号, 控制带内信噪比可得如图3 (c) 所示绝对值内积距离仿真测量结果。当信噪比大于-11 dB时, 信号满足一般门限检测条件。

以上分析说明取得这种效果的根本原因是利用了噪声在能量域中的二阶统计特征, 这是在常规处理中一般难以取得的。

对于本文的分析来说, 噪声、各种脉冲信号都具有各自特征的模糊函数, 根据截获的信号时频片段而产生的模糊函数与特征模糊函数之间是可以通过相关性 (距离) 的比对进行判决的。这种处理思路有2点理论上的缺陷:

① 由于样本空间的非稠密性而使得空间不具有完备性, 距离不具有绝对的收敛性。简而言之是信号模糊样本不具有针对空间截获信号截段的全部本质表达, 存在漏项, 因而依据距离的判断归类是不严格准确的。

② 由于模糊函数是对信号二阶统计量 (相关函数) 的处理, 对于二阶统计不平稳的信号, 如加性噪声等敏感。所以处理算法对于这类信号也存在缺陷。

这2种缺陷主要表现为处理方法理论上的不完备性, 对实际的工程应用影响不大。

4结束语

从以上的理论推导以及仿真结果来看, 基于模糊域的绝对值内积距离信号检测方法可以在带内或同频噪声中有效地检测微弱信号。对于简单脉冲、相位编码脉冲和线性调频脉冲等信号可分别在信噪比-10 d B、-3 dB和-11 dB条件下实现信号的检测, 该性能指标优于一般处理方法, 具有较好的工程应用潜力。在后续开发中需要关注该方法的计算量优化和硬件设计实现等技术。

参考文献

[1]JEONG J.WILLIAMS W J.Kernel Design for Reduced In-terference Distributions[J].IEEE Trans Signal, 1992, 40 (2) :402-412.

[2]COHEN L.POSH T E.Generalized Ambiguous Function[J].Pro IEEE Cof On ASSP, Tampa, 1985, 27 (3) :61-64.

[3]RICHARDS M A.雷达信号处理基础[M].邢孟到, 译.北京:电子工业出版社, 2008:117-164.

[4]汪学刚, 张明友.现代信号理论[M].北京:电子工业出版社, 2005:28-52.

[5]宋国乡, 冯有钱.数值分析[M].西安:西安电子科技大学出版社, 2002:4-11.

脉冲检测 篇4

锂离子电池具有超长寿命、 使用安全、 大容量、 绿色环保、 无记忆效应、 体积小、 质量轻等其他动力电池无法比拟的优点,从而成为电动汽车动力电池的首选之一[1,2,3]。 由于电池的制作工艺、初始充电的状态不一致、散热条件不同、 环境气温的变化等原因, 都会导致电池的分散性[4,5],引起串联电池的充放电特性不同。 因此,动力电池组在串联充放电过程中,为了使单节动力电池不过充、不过放,以延长动力电池的使用寿命,必须对单节动力电池电压等参数进行检测,并对单节电池的剩余容量(SOC)进行估计[6]。

动力电池的剩余容量的估计与电池的电压有很大关系。 大量在电动汽车电池剩余电量估计上的研究都依赖于电池的开路电压[7,8]。 由于这些研究方法并没有考虑电化学电池的参数变化,使得估计的准确度取决于电池的健康状态(SOH)、 寿命影响以及生产中的缺陷。 加之, 电池使用过程中开路电压并不容易获得, 因而这些方法并不足够准确以至于结果可能对电池的正常充电和性能造成危害,这将造成电池热崩溃。 还有一些方法则是依赖于电池的充放电状态电流或是电池的内部阻抗,而这些方法存在误差大、结果不可靠的问题。

本文提出了一种基于脉冲响应[9]的电池端电压检测方法来预测锂离子电池端电压的方法,通过实验验证了该种检测方法的有效性和可靠性,为电池的剩余容量估计提供了一种有效的工具。

1 锂离子电池等效电路模型

锂离子电池是一种可充电电池, 一般使用锂合金金属氧化物为正极材料,如Li Co O2、 Li Mn O4等,石墨为负极材料,使用非水电解质。 相比于其他类型的电池,锂离子电池保持电量的能力更好,在同样大小的电池中也更轻便,并且其不具有记忆效应,不必在充电前完全放电。 所有的这些优点表明选取锂离子电池作为电动汽车的动力电池是一种很好的选择。

锂离子电池的等效电路一般常采用Thevenin等效电路模型, 如图1 所示。 其中,R0为欧姆电阻,R1、 C1分别为电池的极化内阻和极化电容,Ubatt为电池的开路电压。 该模型考虑了电池电压在充放电流激励下的突变性和渐变性特点, 由R0来等效模拟电压突变的电阻特性, 由R1和C1组成惯性RC环节对应电压的渐变特性。 此外, 为使建模简化, 不考虑温度和电流内阻等的影响。

2 脉冲响应思想及方法描述

2 . 1 脉冲响应思想

函数f与函数g的卷积由f*g表示, 其基本定义是某一在t时刻的函数与另一在t-ζ 时刻的函数相乘的积分(整个域的独立变量,即时间),表达式如下:

在离散域的卷积表达式如下:

由于卷积是可交换的,所以首位函数的选取并不重要。

由线性系统理论可知,对于任意的一个输入,线性时不变系统的输出均可由它的脉冲响应确定,表达式如下:

其中,x [k]、h [k] 和y [k] 分别代表系统的输入、 脉冲响应和输出。 即系统的输入与它的脉冲响应的卷积将得到系统的输出。

为了确定电池的脉冲响应, 向电池施加一个电流脉冲并对电池的输出电压作检测,结果如图2 所示。

电池的脉冲响应可作为电池模型并取代电池来计算输出电压。 将电池的脉冲响应与任意的输入电流作卷积,可计算得到输出电压:

其中i[k]、h[k] 和v[k] 分别代表电池的端电流、 脉冲响应和端电压。

2 . 2 ARMAX模型

自回归移动平均模型(ARMAX)[10,11]可以用数字形式来表示离散线性时不变系统的脉冲响应。 对于单一输入/输出的系统(SISO),给出了ARMAX的多项式模型结构:

其中,y(t)代表在t时刻的输出,u(t)代表在t时刻的输入,e(t)是白噪声干扰,q-1是反向移算子。 并满足:

其中,n、m和r分别是多项式的阶数, 为估计出ARMAX模型需要先确定合适的模型阶数。 针对指定的模型, 采用电池的输入电流作为模型的输入u (t), 而利用多项式可计算出输出电压y(t)。

2 . 3 方法描述

针对模拟锂离子电池模型, 本文采用基于电池的脉冲响应方法,而电池的脉冲响应又取决于电池的剩余容量(SOC)。 不同的SOC对应于不同的脉冲响应。 必须注意的是在固有的脉冲当中电流脉冲的持续时间要远远小于系统中的最小时间常数。 图3 表示的是比克18650 锂离子电池的SOC为80%时的脉冲响应。

计算出不同SOC值所对应的电池脉冲响应并存储于查找表中, 即电池的整个SOC的可取范围由单个i值所对应的特定脉冲响应hi[ k ] 进行分区。 实验中, 向电池施加一个输入电流, 而电池产生的输出电压响应将对应于该特定电流。 将电池的脉冲响应存储于查找表中, 任意输入电流的端电压均可通过输入电流与查找表当中所存储的脉冲响应的卷积得到。 因此就有, 对于任意输入的i值, 输出电压的求解式表达如下:

然后, 将由查表获得的脉冲响应而计算出的电压与实际所测量得到的输出电压作比较,确定出合适的与电池相关的脉冲响应。 因为已知不同的SOC值对应于相应的脉冲响应,从而可以确定出电池的SOC。 图4 表示的是所提出方法的结构框图。

3 实验结果

实验所用电池:比克18650 锂离子电池,容量为2.2 Ah,标称电压为3.7 V, 实验环境温度为25 ℃。 图5 和图6分别表示了SOC=75%和SOC=20%时的电池的脉冲响应。结果表明对于不同的SOC的电池其脉冲响应是不同的。

利用Battery Design Studio仿真工具所得到的仿真结果对该方法进行验证。 向18650 锂离子电池模型施加一脉冲幅度为1 A、脉冲宽度为1 s的充电电流脉冲, 对不同SOC的电池进行测试, 由所获得的脉冲响应数据可知, 同一输入电流脉冲下, 不同SOC的电池, 其输出电压脉冲响应不同,数据表如表1 所示。

同时, 对于同一SOC级而言, 脉冲响应也会受到施加的电流脉冲幅度的影响。 因而对不同的SOC级的电池选取不同的充电电流脉冲来估测其脉冲响应,其结果如表2 所示。 表2 给出了SOC值分别为60%和80%时,输入电流脉冲宽度为1 s,脉冲幅度分别为0.5 A、1 A和1 . 5 A的电压响应数据表。

根据已确定的电池的ARMAX模型,对SOC为100%的18650 锂离子电池施加脉冲幅度为3.8 A、 脉冲宽度为200 s的放电电流脉冲, 图7 所示为对应放电电流脉冲的电池的输出电压。

利用图7 的放电脉冲, 在SOC为100%测试下电池的ARMAX模型的估计如下:

表3 为不同SOC情况下, 分别对电池的ARMAX模型和软件模型施加脉冲幅度为1 A、脉冲宽度为1 s的输入充电电流脉冲的输出电压的对比。 由表可知,两模型的输出电压误差较小且小于0.5% , 充分验证了基于脉冲响应的这一检测方法的可靠性。

4 结语

本文提出了一种基于脉冲响应的电池端电压在线检测方法, 由ARMAX模型来真实反映电池的脉冲响应状态, 根据电池的SOC不同其脉冲响应不同以及同一SOC的电池输入脉冲不同其脉冲响应不同来预测电池的端电压,仿真结果和实验结果充分验证了该方法的有效性和可靠性。 利用该种方法为电池的剩余容量估计提供一种有效的工具, 并且针对不同的电池类型, 该方法也同样适用。

摘要：剩余容量(SOC)和健康状态(SOH)的在线检测是实现车用电池有效管理的关键之一,而电池开路电压作为预测电池剩余容量的一个重要参数在充电和放电周期间不易获得。提出了一种基于脉冲响应预测锂离子电池端电压的方法,通过向电池施加电流脉冲,由输入脉冲与电压脉冲响应的卷积来预测端电压。阐明了脉冲响应的思想以及方法的实现,通过实验验证了该检测方法的有效性和可靠性,能够达到实际应用效果。

关键词：剩余容量,锂离子电池,端电压,脉冲响应

参考文献

[1]卢杰祥.锂离子电池特性建模与SOC估算研究[D].广州华南理工大学,2012.

[2]赵庆河.一种电动车用锂电池剩余容量检测系统[J].信息技术,2012(6):205-207.

[3]田晓辉,刁海南,范波,等.车用锂离子动力电池SOC的预测研究[J].电源技术,2010,34(1):51-54.

[4]李哲.纯电动汽车磷酸铁电池性能研究[D].北京:清华大学,2011.

[5]SHIN H C,PARK S B,JANG H,et al.Rate performance and structural change of Cr-doped Li Fe PO4/C during cycling[J].Electrochimica Acta,2008,53(27):7946-7951.

[6]李国进,董第永,陈双.磷酸铁锂电池的SOC预测[J].计算机仿真,2015,32(3):163-168.

[7]SINKARAM C,RAJAKUMAR K,ASIRVADAM V.Modeling battery management system using the lithium-ion battery[C].Control System,Computing and Engineering(ICCSCE),2012IEEE International Conference on IEEE,2012:50-55.

[8]BOWKETT M,THANAPALAN K,STOCKLEY T,et al.Design and implementation of an optimal battery management system for hybrid electric vehicles[C].Automation and Computing(ICAC),2013 19th International Conference on IEEE,2013:1-5.

[9]郭永刚,许亮华,水小平.基于脉冲响应数据的armax法建模以及模态参数识别[J].地震工程与工程振动,2006,26(5):167-171.

[10]辛斌,白永强,陈杰.基于偏差消除最小二乘估计和Durbin方法的两阶段ARMAX参数辨识[J].自动化学报,2012,38(3):491-496.

脉冲检测 篇5

1.脉冲涡流线圈的工作原理

脉冲涡流线圈采用的是感应电涡流原理。当带有交变电流的线圈靠近被测金属时, 线圈上的交变电流所产生的交变电磁场便在金属表面上产生感应电流, 电磁学上称之为电涡流。如果在交变磁场的有效范围内没有金属导体靠近时, 则磁场能量就会全部损失;当金属导体靠近这一磁场时, 则在此金属导体表面产生电涡流。

随着探头线圈和金属导体之间距离x的变化, 探头线圈的阻抗Z、电感L和品质因数Q将会随探头线圈和金属导体之间的互感系数M的变化而变化。可得出探头线圈的阻抗Z、电感L和品质因数Q都可用以x、μ、ρ和f为自变量的函数来表示。因此有:Z, L, Q=f (x, μ, ρ, f) 。式中:x为探头线圈和金属导体之间距离;μ为金属导体的磁导率;ρ为金属导体的电阻率;f为探头线圈中电流的频率。假设被测金属导体是固定的, 则μ和ρ都是常数, 激励频率f设置好后也是常数, 则探头线圈的阻抗Z、电感L和品质因数Q仅是检测距离x的函数, 即:Z, L, Q=f (x) 。

根据涡流传感器的基本原理, 可有3种不同的输出量, 即阻抗Z、电感L、品质因数Q。它们之间是相互关联的, 通过设计不同的测量电路, 可以直接反映阻抗Z、电感L、品质因数Q的变化, 将其转化为位移x和电压V的特性曲线, 在一定检测距离范围内中间一段是线性关系, 传感器线性范围的大小、灵敏度的高低不仅与阻抗Z、电感L、品质因数Q有直接关系, 还与探头线圈的尺寸和形状有密切关系。

电涡流强度与检测距离之间的关系:

当探头线圈输入的激励频率、被测金属导体的材料和探头线圈的材料一定时, 在一定检测范围内, 不同检测距离下得到的探头线圈阻抗的实部和虚部是呈线性变化的, 且随着检测距离的增大, 品质因数Q变大, 即电涡流强度减弱。

电涡流强度与输入频率之间的关系:

当检测距离、被测金属导体材料和探头线圈的材料一定时, 随着输入频率的增大, 品质因数Q变大, 即电涡流强度减弱。

2.脉冲涡流线圈的初步研究

涡流线圈是20世纪70年代兴起的一种以电磁感应为原理的无损、非接触位移、振动检测装置, 具有灵敏度高、抗干扰能力强、不受介质影响、结构简单等优点。

本文设计的脉冲涡流线圈是以提离为检测量的传感器, 希望有较大的线性范围和较高的灵敏度。

下面对矩形柱和圆柱线圈的轴线磁场分布进行分析。

3.矩形柱和圆柱线圈的模型

本文研究的线圈形状以及相关参数如图1 (a) 、图1 (b) 所示。线圈形状包括圆柱线圈和矩形柱线圈。对于圆柱线圈, 几何参数包括线圈高度h、内半径Ra和外半径Rb;对于矩形柱线圈, 主要包括线圈高度h、长b、宽c和e。

(1) 矩形柱线圈轴线上的磁场分布

矩形柱线圈, 可以想象成很多个单匝矩形线圈叠加而成。设线圈底面中心的坐标为 (0, y, 0) , 线圈的匝数为N, 线圈的截面积为A, 线圈匝数密度为D (D=N/A) 。当线圈中流过电流I时, 电流密度Δi为DI。此时计算微面dx′dy′和dz′dy′上的电流密度分别为 (NI/eh) dx′dy′和 (NI/eh) dz′dy′。参考文献[2], 可以推导出具有矩形截面的矩形柱线圈对称轴 (Y) 上任一点的磁感应强度为:

由于含有二重积分而且被积函数较复杂, 导致矩形柱线圈对称轴线上任意一点上的磁场分布不易获得。

(2) 圆柱线圈轴线上的磁场分布

文献[4]推导出具有矩形截面的圆柱线圈对称轴上的磁感应强度为:

式中:Ra为圆柱线圈的内径, Rb为圆柱线圈的外径, h为圆柱线圈的厚度, C= (y+h) /2。

只要提离高度y给定, 即可获得圆柱对称轴上任一点的磁场分布。

可得到如下结论:

(1) 线圈厚度越薄, BP越大, 传感器的灵敏度越高, 但线性范围窄。

(2) 线圈外径越小, BP越大, 传感器的灵敏度越高, 线性范围窄;线圈外径越大, BP越小, 涡流损耗越小, 线性范围宽, 但传感器的灵敏度低。

(3) 改变线圈的内径对传感器的特性影响不大, 只是在x=0时, 灵敏度稍有变化。

通过有限元分析可知, 圆柱线圈作用下的传感器的磁感应强度和被测体中的涡流强度都大于矩形柱线圈作用下的磁感应强度和涡流强度。由此可知, 在相同条件下, 圆柱线圈的磁场作用更强。

根据上面的理论分析, 本文初步采用了圆柱状的探头线圈, 具体模型如图2所示。这两个线圈是串联的, 且电流方向是相反的。线圈的尺寸:匝数216匝, 内半径12mm, 外半径15mm, 高度15mm, 铜导线的直径0.31mm。

4.试验结果及分析

试验进行了占空比20%、25%、30%、35%、40%情况下, 不同频率对线圈电压变化量的影响, 如图3所示。

由以上各图的分析, 我们可以得出:脉冲激励的占空比和频率的变化都会影响线圈电压变化, 而且同一占空比下, 频率太高或太低线圈电压变化都会减小。通过对比不同占空比和频率下线圈电压的变化可知:在占空比为20%, 频率在700Hz~900Hz之间线圈电压的变化是最大的。

结语

本文对设计的方案进行试验研究, 并验证了理论的正确性和方案的可行性。有以下结论:脉冲激励的占空比和频率的变化都会影响线圈电压变化, 而且同一占空比下, 频率太高或太低线圈电压变化量都会减小。通过对比不同占空比和频率下线圈电压的变化可知:在占空比为20%, 频率在700Hz~900Hz之间线圈电压的变化是最大的。

摘要：随着电磁理论及其实验的不断发展与完善, 促进了涡流检测等无损检测与评估技术的不断发展。在理论上, 分析了脉冲涡流线圈中电涡流强度与检测距离以及电涡流强度和输入频率之间的关系。通过试验, 分析了激励脉冲的频率、占空比因素对脉冲涡流检测系统的影响。对采集得到的数据进行分析, 可以发现感应电压信号的面积差与检测距离有密切的关系, 证明了采用脉冲涡流技术检测的可行性。

关键词：脉冲涡流检测,脉冲涡流线圈,频率,占空比

参考文献

[1]任吉林, 林俊明.电磁无损检测[M].北京:科学出版社, 2008.

[2]GARCIA A, CARRASCO JA, SOTO JF, etal.A method for calculating themagnetic field produced by a coil ofany shape.Sensors and Actuators A, 2001 (91) :230-232.

[3]徐可北, 周俊华.涡流检测[M].北京:机械工业出版社, 2004.

脉冲检测 篇6

脉冲成形信号时域波形的突变点含有能够反应辐射源个体特征的丰富信息, 脉冲成形信号的突变点检测技术在信号侦察、辐射源个体识别领域具有重要的应用价值。传统的脉冲成形信号时域波形检测方法是通过对信号傅里叶变换系数的渐进衰减特性分析实现的, 由于傅里叶变换是对较长时间信号采样数据的频域分析, 不能准确反应信号的时域突变特性。本文提出了一种基于小波分析的脉冲信号时域波形检测方法, 较好地实现了对脉冲成形信号时域波形的检测。

1 脉冲信号波形检测方法

目前脉冲信号波形检测方法常用时域特征参数的测量方法。典型情况下, 脉冲时域特征值是在一定的测量尺度和单位下, 通过比较脉冲及其波形的变异来获得的。信号时域参数测量过程可以分为两个阶段, 脉冲—脉冲波形转换阶段和脉冲波形分析阶段。因此, 脉冲测量过程又可以分为3个步骤:

① 脉冲到它的变形—脉冲波形的转换阶段;② 分析脉冲波形, 确定脉冲特征值点的幅度;③ 判断或总结确定的脉冲波形特征值幅度在一定精度下与实际脉冲是否一致。

参考脉冲波形是分析脉冲的必不可少的工具, 它是指以图形、公式、幅度值序列中任意一种形式定义的, 且满足待测信号产生过程的理想波形。参考脉冲波形和实际脉冲波形的关系如图1所示。二者总体上相近, 但由于器件、工艺等多方面的因素, 设备产生的脉冲波形和参考脉冲波形还是存在差异的。通过对特征值点, 比如, 脉冲底端、脉冲顶端、近点、中点和远点进行分析, 可以实现对脉冲成形信号的检测。

Lipschitz指数α能够较好地反应脉冲成形信号的特性, α定义如下:

设n为非负整数, n≤α≤n+1, 称函数f (t) 在t0处Lipschitz指数为α, 当且仅当存在常数A及h0>0, 及多项式Pn (h) , 使对任何h>h0成立:

|f (t0+h) -Pn (h) |≤A|h|α。 (1)

式中, Pn (h) 为f (t) 在t0处做Taylor级数展开的前n项;α反映了f (t) 在t0点的光滑程度, α值越大, 函数f (t) 在该点变化越缓慢。反之, 在该点变化越剧烈。

积分小波变换定义为:

$Wf(x,s)=\frac{1}{s}{\displaystyle \int }\begin{array}{l}+\infty \\ -\infty \end{array}f(t)\phi (\frac{t-x}{s})\text{d}t$。 (2)

式中, s为小波尺度, s≠0;f (t) 为信号;φ (t) 为小波基函数。

小波基函数是具有紧支撑集合且满足以下条件的n次连续可微函数:

${\displaystyle \int }\begin{array}{l}+\infty \\ -\infty \end{array}x{}^k\phi (x)\text{d}x=0‚0\le k\le n$。 (3)

式中, n为正整数;|Wf (x, s) |为信号f (x) 在s上的小波变换模;α>0时, 小波变换模随s的增加而增大;α<0时, 小波变换模随s的增加而减小。

脉冲成形信号是连续可微的, 且满足α≥0。如果脉冲成形信号变化斜率较大或发生脉冲突变时, 信号的小波变换尺度谱图将出现尖峰, 利用这一特性可实现对脉冲成形信号的奇异性检测。

高斯噪声在时间—尺度空间上能量分布均匀, 在小波变换尺度谱图上不会出现明显的尖峰。对于含有高斯噪声的脉冲成形信号, 小波变换方法具有良好的抗噪声性能。

2 小波函数及尺度因子的选取

不同的小波基函数侧重反应信号不同属性, 最佳小波函数的选择是脉冲成形信号波形检测中的重要环节。

由小波变换的定义可知, 小波变换是信号f (t) 通过冲击响应为φs (t) = (1/s) φ (t/s) 的系统输出。如果ϕ (1) (t) 为某个低通平滑函数θ (t) 的1阶导数, 则可用ϕ (1) (t) 对f (t) 做小波变换。此时小波变换的零点就是dWf (x, s) /dt=0的点, 即Wf (x, s) 的极值点。小波变换的极值点为d2dWf (x, s) /dt2=0的对应点, 也就是y (t) 的转折点, 即信号的阶跃点。如果ϕ (2) (t) 为平滑函数θ (t) 的2阶导数, 则可用ϕ (2) (t) 对f (t) 做小波变换, 此时小波变换的零点就是Wf (x, s) 的阶跃点。

突变点的位置可以由小波变换的过零点或极值点来描述。而过零点容易受到噪声的干扰, 反映的可能不是突变点而是信号在慢变化区间的转折点。检测信号的边缘特征适宜采用ϕ (1) (t) 型的反对称小波, 而检测尖峰脉冲特征则适宜采用ϕ (2) (t) 型对称小波。

为了保证对信号的检测有效性, 采用的小波基函数必须满足以下条件:

① ϕ${}_s^{(1)}$ (t) 和ϕ${}_s^{(2)}$ (t) 是某一平滑函数的一、二阶导数;

② 尺度s必须能够使Wf (x, s) 较准确地反映突变点的特征。

只有在适当的尺度下, 各个突变点引起的小波变换才能避免交叠干扰, 对脉冲成形信号需要在不同尺度下进行综合分析。

高斯小波基具有严格的对称性, 而且它是以高斯函数的各阶导数作为基小波, 满足上述条件。

设小波函数φ (x) 的输入中心频率为fc, 带宽为Δfc, 则

$f{}_c={\displaystyle \underset{R}{\int }}\omega |\phi (\omega )|{}^2\text{d}\omega /{\displaystyle \underset{R}{\int }}|\phi (\omega )|{}^2\text{d}\omega$。 (6)

设小波变换的输出中心频率为f0, 其带宽为Δf0, 可参考选择α值为:

α=fc/f0。 (7)

小波具有多分辨分析的特性, 小波尺度因子较小时, 小波变换对信号的高频分量敏感;小波尺度因子较大时, 小波变换能够更好地反应信号的低频信息。因此, 在研究过程中需要根据信号的频谱分布调整小波尺度因子。

在提取信号波形特征值的过程中, 可以通过式 (6) 初步确定尺度因子。然后, 根据定位的偏差进行调整。尺度因子逐渐减小时, 小波变换峰值点逐渐向脉冲波形的外侧移动, 趋向选择脉冲的边沿;尺度因子逐渐增加时, 小波变换峰值点逐渐向脉冲波形的中心移动, 趋向选择波形的脉冲。

3 仿真分析

采用上述方法对未知信号中的脉冲成形滤波器参数进行分析, 提出了适合对成形滤波器时域波形参数进行分析的特征值, 用小波变换极大值法对信号的特征值进行检测, 并根据检测结果得到成形滤波器的成形方式和成形参数。

滚降系数α不同将导致成形滤波器的冲激响应波形不同, 如图2所示。3条曲线分别为滚降系数α (图中为R) 等于1.0、0.5、0.1的升余弦滚降函数时域波形的右半部。

平方根升余弦滚降函数和升余弦滚降函数的时域波形如图3所示。从图3看差别最大的是极值点, 表现为幅度上的差异;另一种是过零点, 表现为时间轴坐标上的不同。极值点和拐点在时间轴坐标上也存在明显的差异, 可作为检测的特征参数。

仿真中选择高斯2阶和3阶小波作为分析工具, 分别对不同滚降系数的升余弦滚降函数波形进行特征值检测与分析。通过观察特征参数的分布规律得到结论:对于不同的滚降系数, 特征值所对应的小波变换尺度因子是不同的;升余弦滚降滤波器和平方根升余弦滚降滤波器的显著区别不仅表现在小波尺度因子的不同, 更明显表现为小波变换模极值点幅值的差异;升余弦滚降滤波器小波变换模极值明显大于平方根升余弦滚降滤波器;滚降滤波器和小波因子之间具有较好的对应关系。

4 结束语

小波变换模特征能够较好地反应脉冲成形信号的突变特征, 采用小波分析方法对脉冲成形信号奇异点检测结果能够较好地描述脉冲成形信号。仿真研究表明, 通过对未知成形滤波信号的奇异点分析, 能够得到信号成形滤波参数, 较准确地实现了对未知信号波形的检测。该方法算法简单、运算量小、信号参数检测精度高, 具有较好的工程应用前景。

参考文献

[1]丁玉美, 高西全.数字信号处理[M].陕西:西安电子科技大学出版社, 2002.

脉冲检测 篇7

测控装备是保障靶场武器系统试验鉴定的重要环节。测控装备在发生故障时,装备的修复率和修复速度从某种程度上将影响靶场试验的顺利进行,所以运用故障诊断系统来对复杂测控系统装备进行诊断,找出故障原因、给出维修建议,成为辅助技术保障人员维修测控装备必不可少的途径。随着电子技术的发展,人们逐步认识到,对故障诊断问题有必要重新研究,必须把以往的经验提升到理论高度,同时在坚实的理论基础上,系统地发展和完善一套严谨的现代化电子设备故障诊断方法,并结合先进的计算机数据处理技术,实现电子电路故障诊断的自动检测、定位及故障预测。

1 故障树分析方法

故障树分析[1,2]是一种主要的系统可靠性和可用性预测方法,广泛的应用于工程实践中。在系统设计过程中,通过对可能造成系统失效的各种因素(例如硬件、软件、环境、人为等因素)进行分析,画出逻辑框图(图1),从而确定系统失效原因的各种可能组合方式及其发生概率,以计算系统失效概率,并采取相应的纠正措施,是提高系统可靠性、安全性的一种设计分析方法和评估方法。

将系统级的故障现象(称为顶事件)与最基本的故障原因(称为底事件)之间的内在关系表示成树形的网络图[3],各层事件之间通过 “与”、“或”、“非”、“异或”等逻辑运算关系相关联。基于故障树模型可以对系统进行定性和定量的分析,故障诊断则是一个从观测到的顶层故障现象出发,逐步向下演绎,最终找出对应的底层故障原因的过程。他把系统故障与组成系统的部件故障联系在一起,并有层次地分别描述出系统在实效的进程中,各种中间事件的相互关系。故障树模型是描述诊断对象结构、功能和关系的一种定性因果模型,他体现了故障传播的层次性和子节点(即下层故障源)与父节点(即上层故障现象)之间的因果关系。

2 故障树建造

在故障树分析中,建树的关键是要清楚地了解所分析的系统功能逻辑关系及故障模式、影响及致命度,建树完善与否直接影响定性分析和定量计算结果是否正确,故障应是实际系统故障组合和传递的逻辑关系的正确抽象。整个建树过程是工程技术人员对系统的分析思考过程,通过不同角度的建树过程,使分析人员进一步得到系统各种信息而更加熟悉系统,帮助设计人员判明潜在故障,以便改进设计、改进运行和维修方案。建树工作较繁,因此应由系统设计、使用人员和可靠性方面的专家密切合作,而且应该不断深入,逐步完善。

首先,分析系统各个组件的功能、结构、原理、故障状态、故障因素及其影响等,并作深刻透彻的了解,确定一个不希望的顶事件。由此开始,逐级找出各级事件的全部可能的直接原因,并用故障树的符号表示各类事件及其逻辑关系,直至分析到各类底事件为止。按以下4个步骤进行建树[5]:

(1) 熟悉系统

在对一个系统进行故障树分析之前,建树者首先应对系统的功能、结构原理、故障状态、故障因素及其影响等作深刻透彻的了解,收集有关系统的技术资料,这是建树的基础工作。

(2) 确定顶事件

顶事件可以根据研究对象来选取,通常顶事件是指系统不希望发生的故障事件,为了能够进行分析,顶事件必须有明确的定义,能够定量评定,而且能进一步分解出发生的原因。一个系统可能有多个不希望发生的事件,因此可以建立几棵故障树,但一个故障树只能从一个不希望事件开始分析,这就要选择与设计、分析目的最相关的事件作为建树的起始事件,即顶事件。

(3) 构造故障树

由顶事件出发,逐级找出各级事件的全部可能的直接原因,并用故障树的符号表示各类事件及其逻辑关系,直至分析到底事件为止。显然,对于一个复杂的系统构造一颗故障树需要很大的工作量,建树分为2类:人工建树,基本上用演绎法,即对系统的各级故障事件进行逻辑推理;第2类是计算机辅助建树,目前这是个很活跃的研究课题。

(4) 简化故障树

当故障树构成后,还必须从故障树的最下级开始,逐级写出上级事件与下级事件的逻辑关系式,直到顶事件为至。并结合逻辑运算算法做进一步分析运算,删除多余事件。

3 脉冲雷达故障树的建立

电子设备故障检测和定位,由于情况复杂、原因较多,传统的手段难以很快给出相应正确的故障判断,因为故障解决时间的拖延,因此迫切需要可以快速自动检测故障[6]。某装备发射机发射功率大,故障发生频繁,给保养维护带来很多问题。以该发射机为例,建立发射机故障树,应用故障树分析方法对发射机进行分析。

发射机分系统是该雷达的核心部分之一。发射机将激励源所产生的频率稳定度极高的高频小信号放大到所需要的功率电平,具有频率稳定度高,失真小,相位相参等优点。建立故障树建立某型雷达发射机的故障树,如图2所示。

其中,T表示发射机不能上高压;主要故障分别是:U1为末级组件电路故障,U2为前级组件电路故障,U3为激励产生故障,U4为PIN开关故障,U5为组件电源故障,U6为馈线故障。

对应的故障征兆参数有10个,分别是:X1为发射机功率欠输出,X2为末级组件输出故障,X3为前级组件输出故障,X4为前级组件RF功率输出不正常,X5为发射机超温,X6为工作比和脉宽不正常,X7为发射激励故障,X8为发射允许故障,X9为PIN驱动故障,X10为电源过流或欠压。

4 故障树分析

4.1 定性分析

对故障树进行定性分析[7]的主要目的是:寻找导致与系统有关不希望事件发生的原因组合,即寻找导致顶事件发生的所有故障模式,从中确定系统的薄弱环节,采取措施,予以补救。

undefined

同样,引入二值变量Φ,表示顶事件T的状态。定义顶事件的状态为

undefined

割集是导致正规故障树(仅含有底事件、结果事件以及与、或、非三种逻辑门)顶事件发生的若干底事件集合。若有K个状态向量X,能使Φ(X)=1,则称为割向量,割向量对应的底事件集合称为割集。最小割集是导致正规故障树顶事件发生数目不可再少的底事件集合。如图2所示的故障树,利用下行法求最小割集。下行法的特点是根据故障树的实际结构,从顶事件开始,逐级向下寻查,找出故障树的所有割集,然后再通过集合运算规则加以简化、吸收,得到全部最小割集。求解过程如表1所示。

经简化、吸收,去掉重复的割集,得到全部10个最小割集分别为

K1={X1};K2={X2};K3={X3};K4={X4};K5={X5};K6={X6};K7={X7};K8={X8};K9={X9};K10={X10}。最小割集表明系统的危险性,每个最小割集都是顶事件发生的一种可能渠道,最小割集越多系统越危险。

4.2 定量分析

定量分析[8]的目的是计算顶事件的发生概率,以他来评价系统的安全可靠性,将计算的顶事件发生概率与预定的目标值进行比较,如果超出目标值就应该采取必要的改进措施,使其降至目标值以下。各底事件发生概率如表2所示。

根据底事件的发生概率可以计算出顶事件发生概率为

undefined

概率重要度分析是故障树分析中的重要部分,反映了底事件概率变化对顶事件概率变化的难易程度,但并不能反映出不同底事件改进的难易程度。设t=1000h,λ为各底事件的发生概率,则可靠度的计算公式为

Ri(t)=e-λit (3)

各底事件的可靠度为

R1(t)=e-λ1t=0.923;R2(t)=e-λ2t=0.368;R3(t)=e-λ3t=0.895;R4(t)=e-λ4t=0.926;R5(t)=e-λ5t=0.945;R6(t)=e-λ6t=0.932;R7(t)=e-λ7t=0.913;R8(t)=e-λ8t=0.894;R9(t)=e-λ9t=0.941;R10(t)=e-λ10t=0.926。

设t=1000h,Fi(t)=1-Ri(t),则概率重要度的计算公式为

undefined

式中

各底事件的概率重要度为

Δg1(t)=0.221;Δg2(t)=0.850;Δg3(t)=0.231;Δg4(t)=0.239;Δg5(t)=0.219;Δg6(t)=0.263;Δg7(t)=0.256;Δg8(t)=0.219;Δg9(t)=0.245;Δg10(t)=0.219

通过分析可知每个底事件在系统中所处位置的重要性,设计人员在设计过程中应该采取必要的检测手段和保护措施来提高其可靠性和安全性。

5 结束语

由于导致顶事件故障的原因有多个,在故障诊断时,可以判断所有最小割集即故障模式,从而找到故障原因,但是对于复杂电路的故障树分析,将有大量的故障模式需要测试,在此用故障树最小割集重要度进行分析,只要对重要度大的故障模式进行监测,对于重要度小的故障模式可以不进行监测,或者对几个重要度大的故障模式所对应的监测点进行监测,然后综合进行判定。根据故障树分析结果,将脉冲雷达的可靠性指标转换为对各底事件的可靠性要求,通过提高底事件的可靠性达到提高脉冲雷达可靠性的目的。经过可靠性验证,脉冲雷达实际达到的可靠性值与分析结果基本一致。将所有底事件按概率重要度进行排序,由高到低初步设置故障检测点,然后再进行优化,达到用尽量少的检测点来确保尽可能高的故障检测能力。

摘要：首先对某单脉冲雷达建立故障树模型,然后通过建立的故障树对雷达故障进行定性、定量分析、计算,最后对研究结果进行试验验证。可以证明利用构建故障树来进行无线电测量设备故障诊断分析,不仅可以方便推理机构寻找潜在故障和进行故障诊断,而且可以进一步预测未来系统故障发生的概率,便于测量设备故障的检测与定位。

关键词：故障树分析,雷达,故障诊断,重要度

参考文献

[1]朱大奇,于盛林.基于故障树最小割集的故障诊断方法研究[J].数据采集与处理,2002,6(4):46-50.

[2]金星,洪延姬,武江涛,等.基于故障树的智能型故障诊断系统[J].宇航学报,2001(3):34-37.

[3]杨晓川,谢庆华,何俊,等.基于故障树的模糊故障诊断方法[J].同济大学学报,2001,4(2):67-69.

[4]张琦,廖捷,吴建军,等.基于FTA的通用装备电子系统故障诊断专家系统设计[J].兵工学报,2008,3(1):78-80.

[5]Tang Z,Dugan B.Minimal cut set/sequence generation fordynamic fault trees[C]//Annual reliability and maintain-ability symposium on product quality and integrity.Los an-geles:american institute of aeronautics and astronautics,2004:207-213.

[6]罗志勇.雷达系统智能故障诊断技术研究[D].西安:西北工业大学,2006:167-171.

[7]耿宏,刘晔,武泰安.基于模糊故障树的ILS接收机的故障诊断[J].计算机技术与发展,2011,21(9):133-136.

脉冲检测 篇8

末制导雷达作为反舰导弹末制导阶段重要的制导设备, 是反舰导弹能否成功打击目标的关键所在。舷外有源雷达诱饵是舷外对抗设备新的发展方向, 具有作战方式使用灵活、作战效能高的特点, 对反舰导弹的生存构成了严重威胁。进行末制导雷达抗舷外有源雷达诱饵干扰技术的研究, 提高末制导雷达抗舷外有源雷达诱饵干扰的能力, 是当前迫切需要解决的军事前沿问题。

1 单脉冲末制导雷达测角原理

为了提高打击精度和抗干扰能力, 目前的反舰导弹末制导雷达主要采用单脉冲测角体制。振幅和差式测角是常用的单脉冲测角方法, 其原理是发射时采用两个相同的波束且两波束部分重叠, 接收时信号作和差处理。若目标处于两波束等信号轴方向, 则两天线接收到的信号等强度;否则一个天线收到的信号强, 另一个天线收到的信号弱。通过比较两个天线接收到信号的强弱来确定目标偏离等信号轴方向的程度, 以此得到目标所处的方向。

单平面内振幅和差式单脉冲雷达原理如图1所示, 发射机产生的信号被送至和差比较器的Σ端, 1、2端输出等幅同相的激励信号, 由两个馈源天线调制后进行发射。接收回波时, 两馈源将接收到的回波脉冲信号分别送至和差比较器的l、2端, 其中, Σ端两信号相加, 输出和信号;Δ端两信号反相相加, 输出差信号。和差两路信号分别经过混频、中放后, 差信号被送入相位检波器, 和信号分为三路:一路通过检波视放后送入自动距离跟踪系统作测距用;一路为中放提供自动增益控制信号;另一路与差信号一样被送入相位检波器作为基准信号, 输出角误差信号, 送至伺服系统, 控制天线完成角度跟踪。

2 舷外有源雷达诱饵干扰原理

由于单脉冲末制导雷达能够通过瞬时比较两个或多个目标的回波信号振幅的比值完成对目标定向, 因此对单脉冲末制导雷达施加单点源干扰 (干扰源置于舰船上) , 不论采用何种干扰样式, 干扰效果都不够理想。对抗单脉冲末制导雷达必须对其角跟踪系统产生真正的诱骗才能有效。舷外有源雷达诱饵质心干扰是目前最为有效的破坏单脉冲雷达测角体制的干扰形式。

舷外有源雷达诱饵质心干扰的机理是双目标非相干干扰, 当反舰导弹末制导雷达锁定目标舰船后, 末制导雷达进入跟踪阶段, 天线波束中心对准舰船回波能量中心, 舰船侦察系统发现反舰导弹来袭, 选择合适时机, 发射舷外有源雷达诱饵弹至预置地点后, 舷外有源雷达诱饵开机, 搜索和转发舰载侦察系统加载的末制导雷达信号, 由于被转发的信号与真实舰船回波处于同一个分辨单元内, 末制导雷达将跟踪舰船与诱饵的等效能量质心, 如图2所示, 随着反舰导弹逼近舰船和诱饵, 如果诱饵的回波功率强于舰船回波功率, 反舰导弹将逐渐偏离舰船逼向诱饵, 从而达到保护舰船不被反舰导弹袭击的目的。

3 末制导雷达接收机输出信号概率分布

假设舰船目标的RCS符合Swerling IV模型, 舷外有源雷达诱饵转发末制导雷达信号, 因此舷外有源雷达诱饵的回波幅度可以假设与舰船目标的回波幅度具有相同的统计特性, 等效RCS同样符合Swerling IV模型, 回波幅度αi均服从如下分布:

式中α20i=E (αi2) 。

当2个Swerling IV型目标位于单脉冲雷达波束内时, 接收机各通道的输出信号可建模为:

式中:xi=αicosϕi, yi=αisinϕi, i=1, 2;接收机噪声服从如下高斯分布:

回波相位ϕi服从[0, 2π) 的均匀分布, 由于αi与ϕi相互独立, 因此αi, ϕi的联合概率密度函数为:

文献[1]推导得SI的概率密度函数为:

式中:

其中, SQ, DI, DQ的概率分布具有相同的推导过程, SQ与SI具有相同的概率密度函数, DI与DQ具有相同的概率密度函数。将式 (7) 中的α201, α202, σS2分别替换成α201η12, α202η22, σD2即可得到DI与DQ的概率密度函数表达式。

式 (7) 表示的概率分布相当复杂, 难以用现有的检测算法进行处理。然而根据概率论的知识可知, 多个独立同分布的变量和趋近于高斯分布, 若把式 (7) 近似为高斯分布, 那么就可以采用广义似然比检测 (Generalized Likelihood Ratio Test, GLRT) 方法[2]对2个Swerling IV型目标进行检测。

记两目标回波功率比为:

则式 (7) 可写为:

式中:

假定SI可近似于如下高斯分布:

通过仿真实验研究f (SI) 与fg (SI) 的近似条件, 影响近似程度的主要因素是两目标的功率比λ以及目标的信噪比。图3显示了在不同λ及信噪比下, 输出信号SI的概率分布曲线的近似情况。

通过仿真发现两目标的功率比λ在0.2~5之间, 即两目标功率相差7 dB以内时, f (SI) 可由fg (SI) 近似, 特别是当两目标功率相等 (λ=1) 时近似程度最好。此外, 当目标信噪比较低时, f (SI) 也可由fg (SI) 近似。输出信号SQ, DI, DQ也同样近似于零均值的高斯分布。

舷外有源诱饵在对抗末制导雷达时, 与舰船目标回波的功率比一般满足0.2~5范围的要求, 因此可以认为舷外有源诱饵与舰船目标的回波符合高斯分布, 进而可以采用高斯条件下的检测算法对舰船目标和舷外有源诱饵进行检测。

因此, 在上述近似条件下, GLRT方法理论上可对2个Swerling IV型目标进行检测。下面通过仿真实验来验证近似高斯分布的条件下, GLRT方法对2个Swerling IV型目标检测的有效性。

4 仿真实验

仿真实验分为4组, 4组仿真中舰船和诱饵目标的功率之和不变, 即总信噪比不变 (均为16 dB) 。第一组中, 两目标功率相等, 信噪比均为13 dB;第二组中, 舰船目标的信噪比为12.8 dB, 诱饵目标的信噪比为14.9 dB, 两目标的功率比λ=0.6;第三组中, 舰船目标的信噪比为10.8 dB, 诱饵目标的信噪比为15.8 dB, 两目标的功率比λ=0.3;第四组中, 舰船目标的信噪比为7 dB, 诱饵目标的信噪比为16.5 dB, 两目标的功率比λ=0.1。4组实验中两目标都对称地位于天线轴两侧, 脉冲积累数为10;进行Monte Carlo试验50 000次, 4组实验的检测概率如图4所示。

由图4可以看出, 4组仿真实验中, GLRT方法对2个Swerling IV型目标的检测概率略低于对目标近似分布的检测概率。当两目标功率相等时, 具有最大的检测概率, 如4 (a) 所示;而当两目标功率相差较大时, 检测概率最低, 如4 (d) 所示, 这是由于此时接收机输出信号的概率分布已经不能近似为高斯分布, 但采用GLRT方法仍具有较好的检测性能。

5 结语

舷外有源雷达诱饵质心干扰对末制导雷达形成角度欺骗, 末制导雷达接收机输出信号的概率分布在一定条件下近似为高斯分布, 可以采用GLRT方法对舰船和诱饵进行检测。仿真结果表明, 在舰船和诱饵目标的功率相差不大时, 接收机输出信号可以近似为高斯分布, 并且采用GLRT方法对舰船和诱饵目标进行检测时具有较好的检测性能。

摘要：舷外有源雷达诱饵通过与舰船形成双目标非相干干扰, 对单脉冲末制导雷达的角跟踪系统产生真正的角度欺骗, 影响反舰导弹对舰船的可靠跟踪。单脉冲末制导雷达接收机输出信号在一定条件下近似为高斯分布, 采用GLRT方法可以对舰船和诱饵进行检测。

关键词：单脉冲,舷外有源雷达诱饵,高斯分布,GLRT方法

参考文献

[1]来庆福, 赵晶, 冯德军, 等.单脉冲雷达导引头质心干扰检测方法[J].现代雷达, 2011, 33 (11) :40-44.

[2]BLAIR W D, BRANDT-PEARCE M.Unresolved Rayleigh target detection using monopulse measurements[J].IEEE Transactions on Aerospace and Electronic Systems, 1998, 34 (2) :543-552.

[3]李朝伟, 周希元, 陈卫东, 等.单脉冲雷达主波束内多目标的检测方法[J].电子学报, 2006, 34 (6) :1026-1030.

[4]于华, 高东华.舷外诱饵对抗单脉冲雷达体制反舰导弹的研究[J].舰船电子工程, 2003 (2) :51-54.

[5]胡海, 张林, 钟志通.舷外有源诱饵反导方法研究[J].现代防御技术, 2013, 41 (6) :34-37.

[6]BLAIR W D, BRANDT-PEARCE M.Monopulse DOA estimation of two unresolved Rayleigh targets[J].IEEE Transactions on Aerospace and Electronic Systems, 2001, 37 (2) :452-469.

[7]WILLETT P K, BLAIR W D, OGLE T L, et al.Comparison of methods for tracking separating targets with a monopulse radar[C]//Proceedings of 2003 SPIE International Society for Optics Engineering Meeting.[S.l.]:SPIE, 2003:118-130.

[8]朱玉鹏, 李朝伟, 黎湘, 等.单脉冲雷达多目标分辨技术研究[J].电光与控制, 2004, 11 (4) :7-10.

[9]邓杏松.舰载舷外有源雷达诱饵干扰效果研究分析[J].舰船电子对抗, 2011, 34 (6) :42-47.