震動信號識別傳感器系統設計

李冰冰，唐勝武，劉 慧，王 冰，劉 巖

(中國電子科技集團公司 第四十九研究所，黑龍江 哈爾濱150001)

0 引 言

地震動傳感器是地面無人值守系統的重要組成部分，它可以通過運動目標引起的地面震動［1］信號進行遠距離監測，對目標進行識別，并給系統主機發出預警，在邊境等的地面目標偵察中起著至關重要的作用。

對局部禁區范圍和邊境附近的人員以及車輛活動監視，國內采取的主要措施［2，3］是采用布設多種傳感器事先隱蔽地埋設于欲監視地區，24 h 探測、監視目標活動，這些傳感器采用有線方式與處理系統連接，布線復雜，監測范圍受限，多路原始信號匯入系統主機同時處理，系統負擔大，還存在誤警率高、整體功耗大等問題，極大影響野外等復雜環境無人值守的工作能力。

目前，國外已有的一些無線震動傳感器［4］僅能實現一般震動信號檢測，存在功能單一，不具有震動信號目標探測識別功能，誤報警率高的問題。

為滿足實際應用需求，本文設計的震動信號識別傳感器系統實現了對人和車輛的信號識別功能，提高效率，實現24 h 戶外無人值守。

1 震動信號識別系統原理

地震動信號識別傳感器系統包括硬件設計和軟件設計兩部分，其中，軟件設計部分的核心是信號識別算法實現。信號識別算法包括信息處理和分類識別兩部分，如圖1 所示。信息處理包括預處理和特征提取［5］，常用的特征包括短時均值能量、短時均值脈沖過零、預測系數、倒譜、共振峰等。這些特征參數按照時間序列構成待測數據集，然后按照特定算法要求同參考模式進行匹配得到結果。動態時間規整［6］、貝葉斯框架［7］和人工神經網絡［8］等是信號匹配常用技術。人工神經網絡的優點就是能夠識別帶有噪聲變形的輸入模式，識別速度快，計算量低。系統借助BP 神經網絡［9，10］進行頻率特征的匹配。

2 改進的BP 神經網絡算法

圖1 震動信號識別系統原理框圖Fig 1 Principle block diagram of vibration signal recognition system

BP 神經網絡(BP neural network)由輸入層、輸出層以及若干隱含層組成，同層神經元之間沒有聯系。當算法中梯度下降方向與誤差方向偏離較大時，會使網絡收斂時間延長，降低其學習效率。為此，系統對網絡功能函數增加調節因子u，避免局部最小點，并充分利用前一時刻的更新量來調節權重、閾值，加快網絡的收斂速度。圖2 為系統實現的神經網絡程序流程圖。

圖2 神經網絡程序流程圖Fig 2 Program flow chart of BP neural networks

3 系統設計與實現

系統由地震信號采集模塊、電源模塊、信號處理模塊、無線模塊、信號識別結果顯示模塊以及輔助電路組成。

系統采用電磁式震動采集器作為信號采集模塊，并將信號轉換為模擬量。采集模塊拾取特定范圍內運動目標對地面的震動激勵信號，通過信號調理與放大電路處理，送入信號處理模塊中進行識別，通過無線方式將結果向外傳輸，顯示模塊顯示識別結果，最終實現無人值守工作、低誤警率、高識別率的運動目標監測。

3.1 傳感器系統硬件設計

該系統核心處理器與外圍電路設計如圖3 所示，主要由信號采集、數據處理器及數據傳輸組成。

圖3 信號識別系統流程圖Fig 3 Flow chart of signal recognition system

數據處理器重點實現濾波、神經網絡訓練、時域與頻域特征統計和信號識別等算法。

選用TI 公司的TM320C5420 為地震動信號識別傳感器。該芯片具有低功耗運行和低功耗睡眠兩個低功耗模式，適用于無線傳感器的低功耗要求。它支持32 位長操作數指令，支持并行存儲和并行裝入的算術指令，便于算法的實現。系統使用外部20MHz 晶振和24 位AD，轉換后的數據通過FIFO 進入ARM 進行處理。FIFO 采用4 片CY7C425 形成乒乓結構，以實現模擬信號的不間斷采樣。DSP 擴展一片Flash 存儲器，作為DSP 的程序存儲器。

3.2 軟件設計

系統軟件包括四部分:震動信號采集、信號特征提取、訓練和識別，流程圖如圖4 所示。首先對系統初始化，看門狗定時復位，啟動A/D 轉換器采集數據，主程序進入死循環;當A/D 轉換器轉換完畢，進入中斷子程序，讀取數據，并將數據進行數據處理、緩存和輸出。其中處理器數據處理子程序實現了信號特征提取、訓練和識別。

圖4 系統主程序流程圖Fig 4 Flow chart of system main program

處理器數據處理子程序流程圖如圖5 所示。

圖5 識別算法流程圖Fig 5 Flow chart of identification algorithm

4 實驗結果

設計的傳感器系統識別對象主要是人和車輛，車輛又分為輪式車和履帶車。通過統計，人員走動時腳步施加于地面的激勵為脈沖激勵，車輛行進時車輪、履帶施加的激勵是多頻穩態激勵，而且震源與傳感器之間的距離隨時間而變化，所以，在時域的特征提取進行脈沖過零的統計。由于信號的幅值與信號到傳感器之間的距離密切相關，統計過程中，周期閾值是根據信號計算得出的。

系統根據實際預警探測需要，信號采集范圍是25 m 內的人員，100 m 內行進的車輛。人和車輛信號的脈沖過零統計分別如表1 和表2 所示。

表1 人員脈沖過零Tab 1 Staff pulse zero-crossing

表1 中，1～3 次采樣是人行走脈沖過零數，4～5 次采樣是人跑步脈沖過零數。當人員進行跑步時脈沖過零會大于1 000，正常走步會小于800。中間存在誤差帶，因此，采用多次采樣的平均數作為最后結果進行判斷。

表2 車輛脈沖過零Tab 2 Vehicle pulse zero-crossing

由表2 可以看出:車輛行駛速度快時脈沖過零會高達8 000次以上，低速均速行駛時，就會降到5 000 次以下。適當選擇分界點，可使兩類信號的正確識別率達到96%以上。

在頻域上，利用功率譜分析找到各震動信號的特征。系統采用加權交疊平均法進行地震動信號的功率譜分析。系統將功率譜平均分為10 段，每段高峰值區域的方差和均值做為功率譜特征，采用神經網絡進行信號識別。

圖6 為BP 網絡對車輛的分類結果。神經網絡可以準確地將樣本庫的分為兩類。如圖6 所示斜線為分界線，十字為履帶車類，圓圈為輪式車類。采集一個測試樣本后，如果是輪式車，樣本用圓圈代表，并出現在輪式車類中，如果是履帶車，樣本就用十字代表，出現在履帶車類中。

表3 為實際測試的識別結果，測試距離為100 m，正確率為90%以上。

5 結 論

系統針對邊境、機場等地對地面運動信號監測的需要，設計并實現一種地震動信號識別傳感器系統。傳感器系統對地震動信號進行監測與識別，將識別結果發送給數據控制系統中心。通過實際測試，該系統能夠在3 s 內，針對2 5m單人和100m內輪式車與履帶車可有效地進行區分，人和車輛信號正確識別率達96%，輪式車和履帶式車區分的正確識別率達90%。

圖6 BP 神經網絡識別結果Fig 6 BP recognition result of BP neural networks

表3 神經網絡識別結果Tab 3 Recognition results of neural networks

［1］ 藍金輝.信號地震動信號的特征提取及識別研究［J］.振動與沖擊，2001，20(4):42－44.

［2］ Liu Zhiyuan，Lee Bingbing.A novel strategy for visual tracking and visual information extraction［C］∥2009 International Conference on Measuring Technology and Mechatronics Automation，Zhangjiajie，Hunan，China，2009:75－78.

［3］ Paolo Medagliani，Jérémie Leguay，Gianluigi Ferrari，et al.Energy－efficient mobile target detection in wireless sensor networks with random node deployment and partial coverage［J］.Pervasive and Mobile Computing，2012(8):429－447.

［4］ 何光林，陶斯倩，范紅波.基于噪聲特征的地震動信號目標預警和識別算法研究［J］.北京理工大學學報，2014，34(1):64－67.

［5］ 李 光，余振華，李寶清，等.基于熱釋電紅外傳感器車輛和人員分類［J］.傳感器與微系統，2014，33(12):28－30.

［6］ 樊新海，安 鋼.基于Welch 法的一種信號識別方法［J］.華北工學院測試技術學報，2001，15(1):32－36.

［7］ 張中民，李貴濤.戰場信號聲/震偵察與識別［J］.火力與指揮控制，2001(2):47－52.

［8］ 陳志華，張洪濤，陳 坤.基于TI 處理器的紅外圖像采集預處理系統的軟硬件實現［J］.紅外，2006，27(7):16－19.

［9］ Zhang Jinsong，Walpolaa Malaka，Roelant David，et al.Self－organization of unattended wireless acoustic sensor networks forground target tracking［J］.Pervasive and Mobile Computing，2009(5):148－164.

［10］李 超.聲音識別傳感器設計與應用［J］.傳感器與微系統，2014，34(1):51－53.