封鎖雷智能防排系統

孫宇嘉, 王曉鳴, 賈方秀, 于紀言

(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)

封鎖雷是一種對地面上大面積軍用設施進行封鎖控制的新型子彈藥，它集狀態識別能力、組網通信能力、智能毀傷能力于一身，可以借助多種平臺進行拋撒、布置，如飛機、火炮、火箭、地面車輛、以及便攜式設備等[1]。目前，對于封鎖雷的研究主要集中在雷彈個體之間的組網通信[2-3]、單個雷彈的目標探測[4-6]和毀傷效能評估上[7-10]。封鎖雷以封鎖敵方大面積地面設施為目的，深入敵軍陣地內部處于無人值守狀態，封鎖時間的長短必然是衡量封鎖雷效能的主要指標，應該深入研究。延長封鎖時間的方法以有效地防止敵方排雷動作為主。因此，封鎖雷需要具有一種可靠的防排機構來阻止敵人的排雷動作，延長封鎖時間。傳統的防排機構主要以機械類機構為主，包括鋼珠敏感機構和水銀柱防排機構等。傳統的機械類防排機構誤動作率較高，可靠性、穩定性較差[1]。為此，尋求一種穩定、可靠的防排系統具有很重要的意義。文獻[11]介紹了多種排雷過程，分析了主要機理。而文獻[1，8-9]則針對幾種常見的排雷動作，如：人為搬動、車輛推動、排雷機器人抓拿、彈片擊中等情況，進行了一定的理論分析，并提出了基于MEMS加速度傳感器構建一種智能防排系統的可行性。

本文介紹了一種基于MEMS加速度傳感器的新型智能防排系統的主要組成模塊和功能。設計試驗采集封鎖雷靜止姿態和運動狀態加速度特征信號，采用SMA和DSVM算法對特征信號進行分析，提取出識別雷彈靜止姿態和運動狀態的特征參數，設計了一種封鎖雷人為搬動特征識別算法，并進行了試驗驗證。

1 智能防排系統設計

如圖1所示，本系統以Cortex-M3內核的32位微處理器為核心，集加速度信號采集存儲、無線射頻數據發送于一體。該系統選用ADI公司的一款三軸數字加速度傳感器，相比于模擬類型的加速度傳感器省去了復雜的外圍信號調理電路。文獻[12]對人體行走步伐進行了分析，認為該類信號的頻率在5～20 Hz，幅值在2g左右。在人為搬動雷彈步行情況下，可以認為雷彈和人體步伐具有相同的頻率，固將本系統傳感器通過軟件設定其量程為±16g(g為重力加速度)、采樣率為800 Hz、分辨率為4 000g。可以較好的滿足需求，并具有更大的擴展空間。傳感器獲得的加速度信號通過SPI總線傳輸給微處理器進行必要的處理和存儲。

圖1 智能防排系統框圖

該系統搭載了TI公司的2.4 GHz的無線數據傳輸模塊。微處理器將處理后的數據通過SPI總線傳輸給無線模塊并通過Balun匹配電路處理后經天線發送給計算機接收端進行存儲顯示。系統除了通過無線傳輸的形式進行數據的存儲，還可以將數據直接通過SPI總線存儲在板載的存儲器上，或者通過串口傳輸到計算機上存儲顯示。但是相較之下，在數據采集試驗過程中，使用無線數據傳輸的形式可以實時的把采集到的加速度數據通過射頻信號傳輸到計算機中，與傳統的串口、SD卡和CAN口相比，更加高效實用。同時，在識別驗證實驗中，可以實時的將識別出來的狀態信息通過射頻信號傳輸到計算機上，將實驗結果更加直觀地展現出來。

本文以尼龍材料為殼體制作了雷彈等質量模型，圖2為試驗平臺與人為搬動行走試驗圖。在此基礎上，設計了一系列針對雷彈靜止姿態和運動狀態的加速度信號采集試驗。試驗過程中，通過軟件配置智能防排系統的微處理器以100 Hz的采樣率讀取加速度傳感器中的加速度數據，存儲到板載的Flash中。微處理器以30 s為一個時間單位，對Flash中的存儲的數據進行讀取，并將數據通過射頻發送到計算機中，實時顯示出來。具體試驗方案如表1所示。

圖2 試驗平臺與人為搬動行走試驗圖

表1 雷彈靜止姿態特征采集試驗方案

2 特征信號提取及分析

2.1 數據預處理

在加速度傳感器采集特征信號過程中，系統的微處理器以100 Hz的采樣率讀取加速度傳感器中的數據，并進行處理和存儲。考慮到系統直接采集、存儲的加速度信號中必然存在大量的量測噪聲，為了盡量減小其含量，微處理器需要對獲得的加速度數據進行必要的信號調理，再進行數據的存儲和傳輸。數據調理過程包括2個部分：1)為了消除信號中經由加速度傳感器輸出加速度信號中含有的大量奇異點，加速度信號由微處理器進行5點3次信號平滑處理；2)考慮到人為搬動雷彈運動過程中，雷彈的運動狀態信號中會耦合進入不必要的高頻噪聲，而雷彈的真實動作頻率均在20 Hz以下，為消除信號中的高頻噪聲，本系統的微處理器中編寫一個截止頻率為20 Hz的低通濾波器算法來分離雷彈真實運動信號和高頻噪聲。

2.2 靜止姿態特征分析

雷彈試驗模型如圖2，當該模型處于直立狀態時，傳感器的Z敏感軸豎直向上。根據傳感器Z敏感軸的方向，將雷彈的5種靜止姿態定義如圖3。

圖3 雷彈靜止姿態

為了識別雷彈的5種不同靜止姿態，采用一種在人類日常活動識別領域中經常使用的評定算法SMA(signal magnitude area)[10，13]。定義為

(1)

式中：x、y、z分別表示加速度傳感器的X、Y、Z敏感軸的加速度輸出。

如圖3所示，雷彈的靜止姿態與雷彈智能防排系統的加速度傳感器的Z敏感軸方向相對應，加速度傳感器Z敏感軸的加速度數據在5個靜止姿態下，具有明顯不同的加速度輸出數值。所以只要通過對加速度傳感器Z敏感軸數據進行一定的提取分析就可以識別出雷彈5種靜止姿態來。為此本文對SMA公式進行簡化得到特征提取算法SMAZ，僅對Z敏感軸數據進行處理：

(2)

為了驗證SMAZ算法提取雷彈5種靜止姿態特征的可行性，本文設計了如表1所示的雷彈靜止姿態特征采集試驗方案。

圖4 加速度傳感器Z敏感軸信號提取

圖4所示為試驗采集獲得的雷彈Z敏感軸特征曲線，以及針對不同雷彈靜止姿態所計算出來的SMAZ數值。可以看到，對于雷彈不同的姿態，SMAZ具有明顯的不同，可以很好的展現雷彈的5個靜止姿態，滿足特征提取的要求。

2.3 為搬動狀態特征提取

加速度向量幅值SVM(signal vector magnitude)和微分加速度幅值的絕對值DSVM(differential signal vector magnitude)，是在人類日常活動識別領域中廣泛使用的識別算法[11]。DSVM算法可以很好地描述人類在行走過程中的劇烈程度，在人為搬動雷彈行走過程中，雷彈可以認為是同人體固連在一起，人體運動的劇烈程度等同于雷彈的運動情況。故使用該方法提取雷彈運動加速度信號的特征，SVM和DSVM的定義為

(3)

(4)

為了驗證SVM、DSVM算法提取雷彈人為搬動運動特征的可行性，設計了如表2所示的雷彈人為搬動運動特征采集試驗方案。

表2 雷彈靜止姿態特征采集試驗方案

如圖5所示為由試驗采集獲得的加速度數據繪制成的DSVM隨時間變化圖。

圖5 人為搬動過程的DSVM

可以看到對應不同運動特征，DSVM顯示出了不同的數值范圍，以每種運動特征下的DSVM的最小值、最大值和均值作為參考，如表3所示，DSVM的均值可以很好的展現雷彈不同的運動特征，選作特征參數能夠滿足特征提取的要求。

表3 DSVM統計表

3 分類器設計

經過大量針對雷彈靜止姿態和運動狀態的特征信號采集試驗，根據上文所描述的特征提取方法，選取了6個特征參數用于分類器設計，如表3所示。可以看到，表4中所示的6個分類器參數均由特征參數加上一定的偏差量得來，即Δ1、Δ2、Δ3、σ1、σ2、σ3。適當的選取這些偏差量有助于分類器更好的識別目標狀態，適當的選取這些偏差量也是影響分類器性能的主要因素。本文通過樣本數據訓練分類器，確定出6個偏差量的值為0.02、0.1、0.2、1、10、20。基于所選取的6個分類器參數，根據二叉決策樹[14]思想設計了封鎖雷智能防排系統的目標分類器，其分類算法的流程圖如圖6所示。

圖6 分類算法流程圖

表4 分類器參數

4 試驗驗證

為了評估所選取閾值的合理性以及所設計的分類算法性能。進行了針對靜止姿態和運動狀態的識別試驗。將分類算法以C語言的形式寫入到封鎖雷智能防排系統中，以表1、2所示的試驗方案進行試驗，并在系統中將識別出來的狀態信息通過無線的形式發送到試驗人員的計算機上，進行識別率的統計分析。重復進行試驗30次，試驗結果如表5所示。

表5 驗證試驗結果

從結果中可以看到除均速試驗中出現了5次識別錯誤外，其余試驗的識別錯誤次數僅為1次或2次。并且靜止姿態的識別率明顯好于運動狀態的識別率，尤其是直立和倒立傾斜的識別率為100%。靜止姿態試驗中的幾次錯誤的識別分別表現為，將直立識別為直立傾斜、躺識別為直立傾斜以及將倒立識別為倒立傾斜。分析認為是在確定閾值時所選取的偏差量并不適合，導致在相鄰狀態之間的誤識別，可以通過更好的優化偏差量來減少誤識別。同理，在針對運動狀態的識別中，出現的幾次錯誤識別也是由于偏差量的選擇引起的相近狀態的誤識別，可以通過優化偏差量的選擇來減少誤識別。

5 結束語

本文利用封鎖雷加速度信息，搭建了一種新型的封鎖雷智能防排系統，并設計了相應的封鎖雷特征識別算法。通過試驗驗證，該系統有效，且具有一定的可靠性，進一步優化算法中的參數值，并進行大量的可靠性試驗，有助于該系統早日應用于工程實際中。如何實現分類器參數的智能選取是該問題有待解決的問題。

參考文獻：

[1]于紀言. 封鎖雷彈總體以及探測系統研究[D]. 南京: 南京理工大學, 2004：1.

YU Jiyan. Study on the detection system of the blockage mine[D].Nanjing:Nanjing University of Science and Technology, 2004: 1.

[2]顧強, 李曉晨, 張亞, 等. 基于nRF905的智能封鎖雷無線通訊技術[J]. 火力與指揮控制,2011,35(5):181-184.

GU Qiang, LI Xiaochen, ZHANG Ya, et al. Study on wireless communication technology of intelligent blockade land mine based on nRF905[J]. Fire Control & Command Control, 2011,35(5):181-184.

[3]袁平, 程翔, 張河. 智能雷場無線通信網絡的研究[J] . 彈箭與制導學報,2003,23(2):43-45.

YUAN Ping, CHENG Xiang, ZHANG He. The research of wireless communication network for smart mines field[J]. Journal of Projectiles, Rockets, Missiles and Guidance , 2003,23(2):43-45.

[4]李文彬, 王曉鳴, 柏杰鋒, 等. 基于加速度計的電子防排原理研究[J].彈箭與制導學報,2007,27(2):169-170.

LI Wenbin, WANG Xiaoming, BAI Jiefeng, et al. Research on the principle of electronic anti-removal device based on accelerometer[J].Journal of Projectiles, Rockets, Missiles and Guidance,2007,27(2):169-170.

[5]王勇, 王曉鳴, 李文彬. 一種用于反直升機智能雷的目標跟蹤方法[J].南京理工大學學報 ,2005,29(3):281-284.

WANG Yong, WANG Xiaoming, LI Wenbin. A tracking solution in anti-helicopter mine[J]. Journal of Nanjing University of Science and Technology, 2005,29(3):281-284.

[6]李文彬, 王曉鳴, 柏杰鋒, 等. 車輛推動下電子防排裝置的響應特性[J].彈箭與制導學報 ,2009,29(3):238-240.

LI Wenbin,WANG Xiaoming,BAI Jiefeng,et al.Research on the response of electronic anti-removal device moved by vehicles[J]. Journal of Projectiles, Rockets, Missiles and Guidance, 2009,29(3):238-240.

[7]尹建平, 王志軍. 起爆方式對智能雷戰斗部毀傷概率的影響[J]. 解放軍理工大學學報 ,2010,13(5):512-516.

YIN Jianping, WANG Zhijun. Influence of initiation ways on killing probabilities of intelligent mine warhead[J]. Journal of PLA University of Science and Technology, 2010,13(5):512-516.

[8]王曉鳴, 李文彬, 趙國志. 智能雷多自鍛破片戰斗部試驗研究[J]. 彈道學報,2002,14(3):81-84.

WANG Xiaoming, LI Wenbin, ZHAO Guozhi. Study on the MEFP warhead of the anti-helicopter intelligent mines[J]. Journal of Ballistics, 2002,14(3):81-84.

[9]常變紅, 王志軍, 尹建平. 智能雷殼體參數的正交優化設計[J]. 中北大學學報,2009,30(5):425-429.

CHANG Bianhong, WANG Zhijun, YIN Jianping. Orthogonal optimization design of case parameters for intelligent mine[J]. Journal of North University of China, 2009,30(5):425-429.

[10]王建平, 焦國太, 劉彩花. 智能封鎖雷自修復策略研究[J] . 科學技術與工程 , 2013,13(3)588-592.

WANG Jianping, JIAO Guotai, LIU Caihua. Study on the self-repair strategy of intelligent blockade landmines[J].Science Technology and Engineering, 2013,13(3)588-592.

[11]GOONERATNE C P, MUKHOPAHYAY S C , GUPAT G S. A review of sensing technologies for landmine detection: unmanned vehicle based approach[C]// International Conference on Autonomous Robots and Agents. Palmerston Noth, New Zealand, 2004:401-407.

[12]JEONG D U, KIM S J, CHUNG W Y. Classification of posture and movement using a 3-axis accelerometer[C]//International Conference on Convergence Information Technology. Gyeongju, Korea, 2007:837-844.

[13]NIAZMAND K, TONN K, KALARS A, et al. A measurement device for motion analysis of patients with Parkinson's disease using sensor based smart clothes[C]//International Conference on Pervasive Computing Technologies for Healthcare and Workshops. Dublin, Ireland, 2011:9-16.

[14]KARANTONIS D M, NARAYANANM R, MATHIE M, et al. Implementation of a real-time human movement classifier using a triaxial accelerometer for ambulatory monitor[J]. Information Technology in Biomedicine,2006,10(1):156-167.