運載火箭靶場測試數據自動判讀方法

周輝峰，王一雄，曾少龍，鄧家權

(西昌衛星發射中心，四川 西昌 615606)

CZ-3A 系列運載火箭在靶場測試過程中，除遙測系統記錄的各系統遙測數據外，各系統還生成比遙測數據豐富的地測數據，通過網絡傳送至遠控技術區，在各系統主控微機(或大屏幕上)實時顯示，輔助各系統專家和科技工作者對衛星、火箭進行全面把關和輔助決策。這些數據文件包含了系統箭上單機元器件工作遙測參數、工作電壓電流、性能狀態指標，地面設備工作狀態，系統之間指令、狀態、指令執行情況反饋等信息。這些測試數據按系統類型分為:利用、環境、動力、姿控、外安、控制、遙測等參數;按變化速率分為:速變、緩變參數;按物理類別分為:電量、非電量參數。

可見，測試數據信息量大、參數數量巨大、參數數據種類繁雜，僅靠人工進行數據判讀、比對以及復查，不僅測試人員工作量大、效率低，而且容易造成人為判讀遺漏和偏差，判讀準確度難以控制。尤其是對一些復雜而又十分重要的臺階參數和脈沖參數進行判讀時，必須每個臺階依次判讀，準確讀出每個臺階值、變化范圍以及臺階的時間間隔，準確找到脈沖參數發生的時間和動作相對應等等，判讀要求十分嚴格。

鑒于以上不足，為適應靶場高密度任務形勢需要，本文針對靶場幾類參數，采用中值濾波算法實現臺階參數和脈沖參數的濾波平滑處理;創造性設計了雙邊多點閾值判斷方法與符號判斷方法相結合的臺階自動識別算法，實現了在噪聲較大情況下的臺階參數的自動識別與判讀;引入6σ 原則，實現了脈沖參數的脈沖識別和統計;并對每個臺階進行濾波前后的數理統計，實現了運載火箭靶場測試數據自動輔助判讀功能。

1 算法設計

1.1 臺階參數識別算法設計

針對臺階參數的自動判讀與識別，本文設計了雙邊多點閾值判斷方法與符號判斷方法相結合的臺階參數自動識別算法。首先采用奇數模板中值濾波算法將參數中的大量噪聲濾除。采用奇數模板中值濾波保證了參數原有數據臺階特征不變，同時平滑了每個臺階的噪聲。其次，在中值濾波的基礎上，將雙邊多點閾值判斷方法與符號判斷方法相結合，準確找到參數中的每一個臺階，并對每一個臺階進行標記、計數和保存。在每一個臺階內再進行均值濾波，最后，對每一個臺階進行數理統計分析和比對。算法設計流程如圖1 所示。

圖1 臺階參數濾波與臺階識別算法流程設計

中值濾波是一種非線性信號處理方法，由J.W.Turky 首先提出，并應用于一維信號處理技術中(時間序列分析)［1］。能夠克服線性濾波(如均值濾波)所帶來的細節模糊，后來被二維圖像信號處理技術引用。中值濾波的原理是用一個有奇數點的滑動窗口，將窗口中心點的值用窗口內各點的中間值代替，從而可以消除孤立噪聲點，達到濾波目的。

對于一組數據，先對其進行排序。本文采用起泡法排序［2］，按大小順序排列，中間位置的數據稱為中值。假設集合為，則中值濾波的輸出為

閾值矩陣Mdelta為M ×N 矩陣，大小由用戶指定，或者設計固定大小。筆者推薦閾值矩陣Mdelta取值為3 ～7 階方陣。矩陣賦值由程序自動進行動態賦值，當且僅當Mdelta所有元素均大于閾值Tk時，程序才能繼續往下執行。閾值矩陣Mdelta為

閾值Tk取值設計與臺階參數噪聲、臺階參數量級有關。針對靶場測試數據物理量，閾值Tk取0.1 ～0.3;對于遙測分層值臺階判讀閾值Tk取5 ～20 個分層。

當閾值矩陣滿足判斷條件時，程序進行符號矩陣Msign判斷，符號矩陣全為1 或-1，時滿足臺階判讀要求。當且僅當閾值矩陣Mdelta、符號矩陣Msign同時滿足判斷條件時，系統才認為當前點處于新臺階位置，并進行新臺階的計數和保存。符號矩陣Msign為

其中，函數sign 為取符號函數。sign 函數的定義如式(4)所示。當Msign矩陣為全1 矩陣時所識別臺階為上跳臺階，全-1 矩陣時為下跳臺階

1.2 脈沖參數識別算法設計

針對脈沖參數的自動判讀與識別，本文基于概率論的6σ 原則，實現了脈沖參數的準確識別與判讀。如果脈沖參數里同時有臺階特性(如靶場測試加電前后的參數情況)，則先進行臺階識別，然后在每一個臺階內再進行脈沖識別。在對脈沖參數進行濾波時，需同時檢測脈沖的出現。臺階識別算法在上一節中已經詳細介紹，此處不再贅述。

本文在對靶場脈沖測試進行統計分析時，發現脈沖參數的脈沖均在10σ 值以外，絕大多數噪聲值一般在3σ 值以內或附近。系統出現丟幀時，較為容易識別，一般為0 或者檢測范圍的最大值。根據對靶場測試數據的統計分析，本文在進行脈沖檢測時，取6σ 值。數理統計分析方法見參考文獻［3］。脈沖參數的濾波與脈沖檢測流程設計如圖2 所示。

圖2 脈沖參數濾波與脈沖檢測流程設計

2 算法仿真分析

2.1 臺階參數濾波與臺階識別

采用Matlab 與Visual Studio 聯合編程實現上述算法，應用于靶場測試數據智能輔助判讀系統。并針對靶場測試數據，對上述算法進行了大量測試實驗與分析驗證。以運載火箭靶場測試數據某臺階參數地面采集數據判讀為例進行詳細分析，中值濾波模板取1 ×9，中值濾波、均值濾波次數均取1 次，閾值Tk取0.1 ～0.3，閾值矩陣Mdelta與符號矩陣Msign取3 ×3 方陣。圖3 為某臺階參數靶場地面測試數據濾波和臺階識別情況。局部放大效果如圖4 所示。

圖3 某臺階參數識別及濾波前后對比

圖4 某臺階參數識別和濾波放大圖

從濾波前后對比可以看出，濾波后曲線噪聲顯著得到抑制，7 個臺階全部準確識別出來。該參數臺階識別情況與濾波前后數理分析情況統計如表1 所示。

表1 某參數臺階識別情況與濾波前后數理分析情況統計

從表中統計分析數據可知:濾波后和均值濾波后數據統計均值和原始數據保持基本一致，但濾波后數據方差明顯變小(數據質量大致提高了3 ～5 倍)，大量噪聲被濾除，數據曲線明顯平滑，最值間隔也明顯得到抑制。提高了靶場測試數據判讀效率。測試試驗表明:上述設計算法有效實現了臺階參數的臺階識別和自動判讀分析功能，結果表明本文設計的算法在靶場測試數據判讀中具有普遍的適應性和較強的可推廣性。

2.2 脈沖參數濾波與脈沖識別

以運載火箭靶場測試數據某脈沖參數地面采集數據判讀為例進行詳細分析。中值濾波模板取1 ×9 的向量，中值濾波1 次，脈沖識別取6σ。脈沖的識別與參數濾波如圖5 所示。參數中實際脈沖數2 個，采用本文設計算法成功識別脈沖數2 個。

圖5 運載火箭某脈沖參數的識別與濾波

準確識別脈沖的特性及參數濾波前后的自動判讀分析結果如表2 所示。從表中信息可知:該算法成功識別了脈沖個數、脈沖峰值、脈沖發生時間點等信息，同時還完成了非脈沖發生點的數據平滑濾波處理，輔助測試人員進行數據判讀與比對，提高了靶場測試數據判讀效率和判讀準確性。

表2 某脈沖參數的脈沖識別與統計

3 結束語

為適應西昌衛星發射中心持續高密度發射任務需要，針對運載火箭靶場測試數據臺階參數和脈沖參數判讀困難、效率低下的問題，創造性提出了基于中值濾波算法的雙邊多點閾值判斷方法和符號判斷方法相結合的臺階參數自動判讀識別算法;采用了6σ 原理實現了脈沖參數的自動判斷與識別，并應用于了運載火箭靶場測試數據自動判斷系統。實現了臺階參數和脈沖參數的濾波平滑與自動準確識別處理;濾波后數據平滑程度得到很大改善，統計方差、最值間隔等指標減小至原始數據統計指標的3 ～5 倍;引入6σ 原則，實現了脈沖參數的脈沖自動準確識別和統計分析。該方法的成功應用，有效提高了發射場數據判讀比對效率和判讀準確度，為中心圓滿完成高密度任務提供有力支持。

［1］阮秋琦. 數字圖像處理［M］. 北京: 電子工業出版社，2001:180-190.

［2］徐士良.常用算法程序設計［M］.北京:清華大學出版社，2004:456-457.

［3］盛驟，謝式千，潘承毅.概率與數理統計［M］.第3 版.北京:高等教育出版社，2001:160-161.

［4］邢維艷，張治政，張玉倫.一種適合靶場測試裝備應用軟件的可靠性評估方法［J］.四川兵工學報，2011（4）:137-140.