基于深度滤波的动态汽车衡算法

　　为了保护公路设施和保障交通运输安全, 动态汽车衡已经广泛应用于高速公路超限检测系统和计重收费系统。动态称重相对于静态称重而言,它的主要优点是节省时间、效率高, 使得称重不至于影响正常交通。然而由于路面不平和车辆振动等因素使得采集到的重量信号中掺杂了复杂的干扰信号, 真实轴重信号被淹没在各种干扰力中,这就给动态称重实现高精度测量造成很大困难。同时, 传统的单片机系统由于计算速度相对较慢不能进行复杂的数字滤波。因此,在外界随机不确定度干扰因素作用下如何准确测量真实轴重信号,就成了汽车动态称重系统的技术难点和关键。

　　1 深度滤波的原理

　　本文利用 FIR 滤波器的 kaiser 窗设计深度滤波器, 将重量信号大于 3Hz 以上的全部滤去, 保留有用的汽车轴重信号。FIR 滤波器设计的主要任务是根据给定的性能指标确定滤波器的系数, 即系统单位脉冲序列 h(n), 它是一个有限长序列。假设Hd(ejw)是所要求的理想响应序列, 则

　　式 Hd(n)是对应的单位脉冲响应序列, 而滤波器的频率响应和单位脉冲响应序列是傅里叶变换对, 则

　　因为 Hd(n)为无限长序列, 为使其变为物理可实现, 采用窗函数将无限冲击响应 Hd(n)截取一段来近似代表 Hd(n), 可得

　　本文选取近似最佳的 kaiser 窗, 对于给定阻带衰减, 它提供了最大主瓣宽度, 从而具有最陡的过渡带, 表达式为:

　　式中, I0为第一阶零阶修正 Besel 函数, M+1为 kaiser 窗的长度, " 为形状参数。

　　对于低通滤波器逼近, 其过渡区宽度是

　　2 仿真试验

　　由于在实际测试中发现, 汽车的重量信号为小于 3Hz 的信号, 大于 3Hz 的信号一般是由于外界的干扰因素造成的, 例如汽车发动机震动、秤台的抖动或者道路不平等。所以在算法中采用滤去了 3Hz 以上信号的方法。

　　算法中采用 kaiser 窗的方法设计低通滤波器,滤波器的阶数选择为 10 阶, 计算得到 β 值为5.653, 首先将 3Hz 以上频率全部滤掉; 其次, 根据滤波后的波形找到第一个最大值点和最后一个最大值点, 将这两点之间的数据作为有效称量数据, 对这些数据求平均值; 最后, 根据滤波器频域图将此平均值扩大相应的倍数得到实际的汽车轮轴重量值。仿真结果如图 1 和图 2 所示。图 1中, 直线 3 为汽车轴重实际重量, 曲线 1 为实际的汽车轴重信号, 点划线 2 为本算法处理后的结果, 曲线 4 为深度滤波的重量信号。图 1 的横坐标为采样点个数, 纵坐标为前轴重量值, 图 2 横坐标为滤波器频率, 纵坐标为归一化频率。