基于嵌入式技術的光電信號自動檢測研究

董明星， 肖鶴， 陳鑫

(西安交通工程學院 1.中興通信學院;2.人文與經濟管理學院， 陜西 西安 710300)

0 引言

嵌入式技術應用于由計算機控制的系統或者設備。用戶使用嵌入式系統一般是由于特定需求和特定任務，針對性較強。但是經總體分析后可知，嵌入式系統通常組成模塊是相同的，幾乎都是微控制器或者計算機，字節長度沒有特殊限制。自行編寫設計輕量式的嵌入操作系統，通過非揮發性只讀存儲器保存固件，揮發性隨機訪問存儲器保存程序數據，并添加按鈕、開關、傳感器等硬件設備[1-3]。嵌入式系統的核心是專門的單片機控制器，在單個芯片上集成數個關鍵系統，共同組成嵌入式部分，獲得僅需極少操作的計算機。近年嵌入式技術得到飛速發展，在人類生活的各個角落都包含嵌入式系統的使用[4]。將該技術應用于微弱信號的檢測系統中能夠提高系統的準確性，同時該技術具有攜帶方便、成本低、檢測準確率高等特點，應用前景廣闊[5]。

對光電信號實行檢測是結合電子學和光學的一種新型檢測技術，通過電子技術監測光學信號，為實現后續的存儲、傳遞、計算、控制以及顯示等功能奠定基礎[6-7]。近年來，光纖傳感信號檢測技術應用越來越廣泛，從前檢測光纖傳感信號時一般使用光譜掃描儀或者單色儀等傳統檢測設備，這種檢測方式誤差較大，已經不適用于現在的技術研究[8]。微弱光電信號往往被外界存在的大量干擾信號中包含的背景噪音所覆蓋，對微弱光電信號檢測是目前相關研究的研究重點。有學者提出基于對數放大器的微弱信號檢測系統[9]，該系統使用對稱晶體管分立原件組成的對數放大器解決微弱光信號被噪聲覆蓋的問題，能夠減小檢測誤差。但是該系統信號的輸入頻率和范圍存在要求，有較強的限制性。還有學者提出基于眼軸長度測量的弱光信號檢測系統[10]，從眼軸長度起點和終點開展計算，消除噪聲干擾，將信號的峰值提取出來，使用I-V轉換電路搭建微弱光檢測系統并完成增益控制，該系統具有增益高、噪聲低等特點，但是該系統計算過程過于復雜，系統構建成本要求較高，不適合廣泛使用。

本文將嵌入式技術作為基礎設計微弱光電信號自動檢測系統，實現低誤差的微弱光電信號自動檢測。

1 基于嵌入式技術的微弱光電信號自動檢測系統設計

1.1 系統整體結構

本文所設計的微弱光電信號自動檢測系統由數據采集模塊、ARM控制模塊、光電信號檢測模塊、信號調理模塊等模塊組成，系統整體結構如圖1所示。

圖1 系統整體結構

在本文系統中，數據采集模塊主要包括FIFO(First Input First Output，先入先出)存儲器、ADC(匯編指令)電路，通過這些硬件相互協作采集需檢測的光電信號，將采集到的信號傳遞至微弱光電信號檢測模塊，該模塊使用小波分析算法構建檢測模型，經神經網絡優化處理檢測出微弱光電信號，檢測完成后經微弱光電信號調理模塊優化放大信號，將調理后的信號傳至ARM(Advanced RISC Machines，微處理器)控制模塊，該模塊是這個系統的核心部分，將ARM處理器作為核心構建一個嵌入式的最小系統，控制整個系統的運行，在該模塊的控制下才能完成整個系統的微弱光電信號的檢測工作，電源通過該模塊為整個系統提供動力，同時該模塊也將檢測的結果通過串行通信傳遞至PC控制端，控制端接受指令并實現系統控制，再將控制結果傳輸回ARM控制模塊，最終將檢測結果在界面中呈現出來。

1.2 ARM控制模塊

整個微弱光電信號自動檢測系統的核心部分便是ARM控制模塊，核心處理器為ARM，主要組成部分如下。

(1) ARM處理器。該處理器以ARM920T核作為核心，使用32位CMOS微控制器S3C2440，該微控制器是16/32RISC(精簡指令集)微處理器，該處理器具有性能高、價格低、消耗小的特點，能夠符合本文系統的設計需求[11]。

(2) SDRAM。SDRAM和S3C2440的位寬分別為16位和32位，所用系統內存需要使用兩塊256M、16 bit位寬的HY57V561620芯片并聯。ARM選擇SDRAM芯片的4BANK時使用地址線ADDR[24：25]。地址線的起始點為ADDR2，跳過ADDR0與ADDR1，對一個32位內存單元的4個字節實行區分時使用mWBE[3:0]4個引腳[12]。

(3) Flash。整個系統使用Flash芯片的數量為兩塊。由于NorFlash能夠實行片內執行，所以無需復制到RAM中便能實現應用程序在NorFlash內運行。在NorFlash內存儲引導程序U-boot，系統的文件和內核存儲在NandFlash[13]。NorFlash的芯片容量為2MB，使用EN29LV160B，共有16位數據線和20根地址線，從NorFlash啟動系統，可直接將U-boot程序運行。NandFlash選擇使用K9F2G08U0A，芯片容量和數據頁分別為256MB和2KB，傳遞數據時僅有8位I/O口連接ARM的DATA[0:7]，通過分時復用，既能夠作為數據引腳也可以作為地址引腳。

(4) 串口。整個系統的開發調試都需要通過串口，串口也可以實現上下位機的通信。PC機和ARM分別使用RS232電平和TTL/CMOS電平，為實現二者的轉換，所以需要在系統中使用MAX3232芯片[14]。

(5) 以太網網口。串口通信過程中存在速率較慢的情況，ARM服務器和客戶端之間的信道為以太網，以太網的控制芯片選用DM9000，連接RJ45網絡接口使用網絡變壓器H1102，以便傳輸介質接收數據。分時復用DM9000的數據信號和地址信號，這些信號與DM9000的CMD引腳連接通過ARM中的ADDR2實現，同時也以此區分數據信號和地址信號。DM9000的中斷信號由EINT7接收[15]。

1.3 微弱光電信號檢測模塊

(1) 構建微弱光電信號檢測模型

系統中的微弱光電信號檢測模塊使用小波分析算法，將數據采集模塊采集到的包含背景噪聲的微弱光電信號實行小波系數轉化，經神經網絡優化處理，獲得實際輸出的微弱光電信號y(k)，理想輸出微弱光電信號為d(k)，實際輸出微弱光電信號和理想輸出微弱光電信號之間的方差使用e(k)表示。在該模塊中，調節e(k)的取值大小，控制實際輸出微弱光電信號y(k)更接近理想輸出微弱光電信號d(k)，由此獲得小波分析算法轉換尺度與權值的最優解。神經網絡權值式如式(1)。

w(k+1)=w(k)-μe(k)y(k)

(1)

式中，μ代表神經網絡權值的迭代次數;w代表權重;e(k)=d(k)-y(k)。

假設φ(x)和ψ(x)分別為尺度函數和小波函數，與之對應的低通濾波器和高通濾波器分別使用H(w)和G(w)表示。把數據采集模塊采集的經背景噪音覆蓋的微弱光電信號實行小波分析優化處理，獲得雙尺度方程式為式(2)。

(2)

對式(2)實行Fourier轉換得式(3)。

(3)

(2) 小波神經網絡優化算法實現

在對微弱光電信號實行小波神經網絡檢測的過程中，通過神經網絡優化處理，獲取被干擾噪聲覆蓋的微弱光電信號小波轉化系數，以下為具體過程。

假設φLk(x)是尺度函數φ(x)單元，φLk(x)表示在低頻率L的情況下，實際輸出光電信號y(k)與理想輸出微弱光電信號d(k)無限接近。

將2-L作為單位長度，微弱光電信號采樣已經輸入到神經網絡的F(x)信號。假如微弱光電信號的分辨率與最大分辨率無限接近時，獲取單位范圍的權值系數,為式(4)。

(4)

其中,a表示權值系數。

假設采集的微弱光電信號既具有均勻性又具有穩定性，使用Mallat算法，獲得在神經網絡空間均勻分布的微弱光電信號的輸入和輸出之間存在的非線性關系,如式(5)。

(5)

其中,Ci與θi分別表示神經網絡的權值系數和小波分析的激活函數。假設本文使用的神經網絡模型是由m個數據和n個單元格共同組成，與之對應的矩陣算式為式(6)。

(6)

依據F=AC關系式，獲取C的最小二乘解為式(7)。

(7)

經歸納總結得出式(8)。

(8)

正交歸一化處理非線性函數θi(x)，經計算得出ATA=In×n和C=ATF。經小波分析的激活函數存在局限性，使得計算結果存在有關對角線的對稱特性，經過計算得出實際輸出和理想輸出微弱光電信號的均方誤差為式(9)。

(9)

根據式(9)可知，獲得微弱光電信號的多次采樣提取，實現采集信號的降噪目的，得到任意信號的初始數據信息。

2 系統實現

通過仿真實驗驗證本文系統的有效性，使用MATLAB軟件構建仿真平臺，模擬微弱光電信號，使用本文系統對這些微弱光電信號檢測。數據樣本為信噪比、帶寬和脈沖寬度分別為-4 dB、10 MHz和20 us的光電信號，該光信號是在平臺中仿真疊加高斯白噪聲和計算機本身的噪聲后的光電信號，以此模擬出自然環境中淹沒在噪聲干擾中的微弱光電信號。為對比出系統的性能，同時在仿真平臺中使用基于對數放大器的微弱信號檢測系統和用于眼軸長度測量的弱光信號檢測系統對樣本數據實行檢測，這2個對比系統分別來自參考文獻[9]和參考文獻[10]。原始包含噪聲光電信號和使用3種系統檢測出的微弱光電信號如圖2所示。

通過圖2能夠看出，在-4 dB信噪比條件下，文獻[9]系統的檢測微弱光電信號結果不穩定，且存在部分檢測結果失真的情況；文獻[10]系統檢測微弱光電信號結果失真情況較嚴重，檢測結果不佳；使用本文系統檢測出的微弱光電信號趨勢較平緩，微弱光電信號未出現失真情況，說明本文系統能夠準確檢測出在噪聲干擾下的微弱光電信號。

3種系統對于仿真平臺中的微弱光電信號檢測準確率對比情況如表1所示。

表1 三種系統檢測準確率

從表1能夠看出，隨著時間的增加，文獻[10]系統保持著上升趨勢，但是總體檢測準確性較低；文件[9]系統檢測微弱光信號的準確率高于文獻[10]系統的檢測結果，但是變化不規律，波動變化較大；本文系統隨著時間的增加檢測微弱光信號的準確率始終保持在98%以上，說明本文系統具有較好的微弱光電信號檢測準確率。

(a) 原始包含噪聲光電信號

(b) 文獻[9]系統檢測結果

(c) 文獻[10]系統檢測結果

(d) 本文系統檢測結果

3種系統在不同并發人數情況下，響應時間對比情況如表2所示。

表2 響應時間對比

分析表2可知，隨著并發人數的增加，文獻[9]系統和文獻[10]系統的響應時間不斷上升，其中文獻[10]系統的響應時間穩定性較差，出現明顯波動，且系統響應時間較長，文獻[9]系統所需花費的響應時間最長，當并發人數達到100人時，需要10 s以上才能做出響應，用戶體驗感較差，本文系統響應時間始終保持在3 s以下，變化較穩定，能夠提供良好的用戶體驗。

3種系統的檢測誤差對比結果如表3所示。

表3 檢測誤差對比結果

分析表3可知，3種系統在檢測微弱光電信號時均存在誤差，但是其中本文系統的誤差最小，經過15次反復實驗后，本文系統的誤差平均值為0.002 nm，而兩種對比系統的檢測誤差分別達到0.010 nm和0.008 nm，遠高于本文系統的檢測誤差。由此進一步證明本文系統在檢測微弱光電信號時具有極佳的準確性。

3 總結

本文采用嵌入式技術作為基礎，設計微弱光電信號自動檢測系統。該系統使用嵌入式技術構建系統的硬件部分，該部分充分發揮ARM處理器的優良性能，具有成本低、穩定性好等特點，提高系統數據采集的能力和調試能力，通過小波神經網絡檢測模型實現微弱光電信號的自動檢測。該系統在包含噪聲的光電信號中能夠準確完成微弱光電信號的識別，與同類系統相比，檢測準確性更高，誤差更低，且效率更高，具有良好的檢測性能。