用分形和神经网络算法改善仪表精度和响应时间

　　1　引　　言

　　随着科学技术的高速发展,人们对仪器仪表的探测精度和响应时间的要求越来越严格。因此,如何来提高仪器仪表的检测分辨率和实时性正成为研究的热点。提出了应用分形插值和用人工神经网络做谱分析的方法来提高系统响应速度和分辨率的方法,并在微波探测系统中获得成功的应用。

　　2　微波探测系统工作原理

　　“Ku波段海表波高/潮位探测系统”研究是一项国家863自然科学青年基金项目,它是用微波雷达实时检测海浪波高和潮位的系统[1]。该系统的原理框图如图1所示。探测系统用三角波对11.4GHz射频进行线性调频,海表回波信号经解调形成中频信号fIF:

　　式中:fΔ为三角波调制信号频率,ΔF为调频最大频移,H为探测距离。由测得的fIF计算出距离H:

　　系统采用11.4GHz微波源,三角波调制信号的频率为fΔ= 500Hz,三角波调频的最大频偏ΔF=456.5MHz,中频动态范围是4.5～92kHz,相应的波高潮位检测范围是1.5～30m。

　　由于射频调解的不完善,实际接收到的中频信号会耦合许多三角波调制信号的高次谐波和微波散射波等,它们以噪声的形式迭加在中频波形上,这给正确检测中频信号带来了极大的困难。本系统原设计用硬件电路来检测中频:将接收到的信号进行滤波限幅放大,用计数器测量中频,然后按式(2)计算出距离H。这样测得的H的误差可小于16cm。但要再减小误差就十分困难。为此试图用频谱分析的方法来求取中频。谱分析的惯用方法是FFT。然而对本系统而言,FFT带来了实时性与分辨率相左的困惑。本系统的中频动态范围是4.5～92kHz,采样频率必须大于184kHz,作1024点FFT的频率分辨率可达180Hz,相应的距离分辨率达0.06m。但在工控机上做1024点FFT大约需要0.1s,描绘一个点大约需0.2s,描绘几百点的一个完整的长周期海浪波形,其耗时是可观的,这给系统检测的实时性造成了不便,且对运动的海浪还会引入浪高测量误差。减少FFT的点数当然可减少运算时间,但会降低距离分辨率。为此,采用人工神经网络算法来求取中频,并用分形插值或人工网络插值算法来细化所描绘的海浪波形。根据海浪波形,用软件算法求得波高,再求统计平均获得海表潮位,从而简化了原来设计的系统,把检测波高和潮位两套系统合二为一,达到了既可测波高又可测潮位的目的。

　　这一方法的思路是:用人工神经网络算法代替FFT求得微波反射波的中频fIF,再用式(2)计算出海表高度H,由一系列海表高度样本H,绘得海表波浪波形。为使绘制的波形更精细,再用分形插值或神经网络算法把每9个点的海浪波形样本进行插值,获得256个点的海浪波形,然后根据插值所得的海浪波形(如图7所示)计算出波高和潮位。