摘 要: 設(shè)計(jì)了一種用于聲探測(cè)預(yù)警的嵌入式直升機(jī)目標(biāo)識(shí)別系統(tǒng),。采用嵌入式微處理器S3C44B0X作為系統(tǒng)CPU完成了目標(biāo)識(shí)別平臺(tái)的設(shè)計(jì),在小波包分析法提取直升機(jī)特征向量的基礎(chǔ)上,,訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行目標(biāo)分類,。實(shí)驗(yàn)結(jié)果表明,該識(shí)別系統(tǒng)對(duì)直升機(jī)類目標(biāo)有較高的識(shí)別率,。
關(guān)鍵詞: 嵌入式,;小波包分析;特征提??;BP神經(jīng)網(wǎng)絡(luò);目標(biāo)識(shí)別
?
武裝直升機(jī)以其獨(dú)特的超低空飛行性能,、靈活機(jī)動(dòng)的作戰(zhàn)方式和多功能的作戰(zhàn)用途,已成為現(xiàn)代戰(zhàn)爭(zhēng)中威脅性很大的武器系統(tǒng)平臺(tái),因而對(duì)武裝直升機(jī)實(shí)施的探測(cè),、預(yù)警和跟蹤技術(shù)受到各國(guó)的高度重視[1]。聲探測(cè)技術(shù)是一種較為有效的探測(cè)方法,,它利用直升機(jī)在空中留下的“聲痕跡”,,應(yīng)用現(xiàn)代信號(hào)處理方法對(duì)其實(shí)現(xiàn)智能識(shí)別。
基于ARM的嵌入式系統(tǒng)具備低功耗的優(yōu)點(diǎn)和可靠的實(shí)用性能,,將其應(yīng)用于戰(zhàn)場(chǎng)環(huán)境對(duì)武裝直升機(jī)等目標(biāo)實(shí)施探測(cè)識(shí)別,,符合現(xiàn)代信息戰(zhàn)的發(fā)展趨勢(shì)。本設(shè)計(jì)采用ARM嵌入式處理器構(gòu)建硬件處理平臺(tái),,將采集到的聲信號(hào)A/D轉(zhuǎn)換后傳輸?shù)侥繕?biāo)識(shí)別平臺(tái)中,。硬件平臺(tái)的S3C44B0X微處理器利用目標(biāo)識(shí)別應(yīng)用程序?qū)β曅盘?hào)數(shù)據(jù)進(jìn)行處理,,實(shí)現(xiàn)對(duì)直升機(jī)類飛行目標(biāo)的探測(cè)、識(shí)別,。如果系統(tǒng)識(shí)別結(jié)果為存在直升機(jī)目標(biāo),,則由定位系統(tǒng)對(duì)其定位、跟蹤,。
1 目標(biāo)識(shí)別系統(tǒng)組成
嵌入式目標(biāo)識(shí)別平臺(tái)的組成框圖如圖1所示,。
1.1 聲信號(hào)采集模塊
采用B&K公司的聲傳感器采集戰(zhàn)場(chǎng)聲信號(hào),聲信號(hào)通過(guò)調(diào)理儀濾波,、放大后,,經(jīng)A/D轉(zhuǎn)換成數(shù)字信號(hào),由串行接口傳輸?shù)铰曅盘?hào)識(shí)別模塊中,。
1.2 聲信號(hào)識(shí)別模塊
聲信號(hào)識(shí)別模塊主要包括S3C44B0X微處理器,、存儲(chǔ)系統(tǒng)、JTAG調(diào)試接口,、串行接口,、晶振電路以及電源模塊等。
串行接口中的MAX3221E作為電平轉(zhuǎn)換器,,外接一個(gè)9針RS232構(gòu)成串口UART0,,采用兩根接線RXD和TXD,進(jìn)行聲信號(hào)數(shù)據(jù)的接收和傳輸,。
采用Samsung公司的S3C44B0X微處理器作為識(shí)別模塊的核心,。S3C44B0X的杰出特性是它的CPU內(nèi)核,即由ARM公司設(shè)計(jì)的16/32位ARM7TDMI RISC處理器,。在S3C44B0X微處理器中移植目標(biāo)識(shí)別軟件完成由串口傳輸?shù)阶R(shí)別模塊中的聲信號(hào)數(shù)據(jù)的處理,,實(shí)現(xiàn)信號(hào)識(shí)別的目的。
如信號(hào)識(shí)別模塊判斷存在直升機(jī)目標(biāo),,則信號(hào)識(shí)別后的數(shù)據(jù)由串口發(fā)送到直升機(jī)定位系統(tǒng),,進(jìn)一步實(shí)現(xiàn)直升機(jī)目標(biāo)的跟蹤與定位。
2 目標(biāo)識(shí)別平臺(tái)軟件設(shè)計(jì)
2.1 串口數(shù)據(jù)傳輸
聲信號(hào)數(shù)據(jù)傳輸流程圖如圖2所示,。S3C44B0X的串口UART包括2個(gè)16 B的FIFO,;分別用來(lái)接收和傳輸數(shù)據(jù),采用中斷模式接收聲信號(hào)數(shù)據(jù),,使能FIFO模式,。FIFO接收中斷觸發(fā)水平為8 B,即當(dāng)FIFO中的數(shù)據(jù)達(dá)到8 B時(shí)觸發(fā)接收中斷,,在接收中斷服務(wù)程序中完成二進(jìn)制數(shù)據(jù)的接收,,并將聲信號(hào)數(shù)據(jù)存入S3C44B0X存儲(chǔ)單元中。
?
2.2 目標(biāo)識(shí)別軟件
目標(biāo)識(shí)別的效果主要依賴于特征提取和分類識(shí)別算法,。本目標(biāo)識(shí)別系統(tǒng)采用小波包分析特征提取和BP神經(jīng)網(wǎng)絡(luò)分類算法編寫(xiě)目標(biāo)識(shí)別軟件應(yīng)用程序,,將目標(biāo)識(shí)別軟件移植于S3C44B0X硬件平臺(tái),,實(shí)現(xiàn)聲信號(hào)的處理,達(dá)到識(shí)別目標(biāo)類型的目的,。
2.2.1 小波包分析
小波包是由通常的小波函數(shù)通過(guò)線性組合而成,,具有小波函數(shù)的正交性和時(shí)-頻局部化特性。在小波包分析中,,同時(shí)對(duì)信號(hào)的低頻和高頻部分進(jìn)行分解,并能根據(jù)被分析信號(hào)的特征,,自適應(yīng)地選擇相應(yīng)的頻帶,,使之與信號(hào)頻譜相匹配,從而提高時(shí)-頻分辨率[2],。
定義函數(shù)un(t)滿足以下雙尺度方程:
式中:g(k)=(-1)kh(1-k),,即兩系數(shù)具有正交關(guān)系,u0(t)和u1(t)分別為尺度函數(shù)φ(t)和小波基函數(shù)(t),。
? 由式(1)構(gòu)造的序列{un(t)}(n∈Z+)稱為由基函數(shù)確定的正交小波包,。
2.2.2 基于小波包分析的信號(hào)特征提取
基于小波包分析的聲信號(hào)特征提取步驟:
(1)對(duì)原始信號(hào)進(jìn)行三層小波分析;
(2)對(duì)分解后的第三層信號(hào)進(jìn)行五層小波包分解,;
(3)對(duì)小波包分解系數(shù)重構(gòu),,提取各頻段范圍的信號(hào)。以S5j表示第(5,,j)個(gè)節(jié)點(diǎn)的小波系數(shù)重構(gòu),,其中j=0,1,,…31,,分別表示第五層第j個(gè)節(jié)點(diǎn);
(4)求各個(gè)頻段信號(hào)的總能量,。以E5j(j=0,,1,…31)表示信號(hào)S5j的能量,。特征向量T可以構(gòu)造如下:
T=[E50,,E51,E52,,…,,E530,E531]
當(dāng)能量較大時(shí),,E5j通常是一個(gè)較大數(shù)值,,給數(shù)據(jù)分析造成不便。由此,,可以對(duì)特征向量進(jìn)行歸一化處理,,令:
其中,,向量T′即為歸一化后的向量,以T′的值為元素構(gòu)造特征向量,。
2.2.3 基于BP神經(jīng)網(wǎng)絡(luò)的目標(biāo)識(shí)別
BP神經(jīng)網(wǎng)絡(luò)是一種多層網(wǎng)絡(luò)的逆推學(xué)習(xí)算法,,圖3為BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖,它由輸入層,、輸出層和隱層組成[3],。本文選取32×17×2的神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)。
BP神經(jīng)網(wǎng)絡(luò)目標(biāo)識(shí)別的實(shí)現(xiàn)分為兩個(gè)階段,。第一階段是學(xué)習(xí)訓(xùn)練階段,。在這個(gè)階段,網(wǎng)絡(luò)加載實(shí)際目標(biāo)信號(hào)的輸入和理想輸出,,計(jì)算理想輸出與實(shí)際輸出之間的誤差,,通過(guò)誤差傳遞調(diào)整網(wǎng)絡(luò)權(quán)值,直至理想輸出與實(shí)際輸出之間的誤差符合分類器精度要求,,此時(shí)權(quán)值所包含的信息就是分類器的分類信息,;第二階段是識(shí)別階段。在這個(gè)階段,,網(wǎng)絡(luò)只加載實(shí)際目標(biāo)信號(hào)的輸入,,根據(jù)第一階段所獲得的權(quán)值來(lái)計(jì)算分類器輸出,通過(guò)輸出判斷信號(hào)所屬類別,。
3 實(shí)驗(yàn)結(jié)果及討論
采用戰(zhàn)場(chǎng)實(shí)測(cè)的一組直升機(jī)聲信號(hào)數(shù)據(jù)和非直升機(jī)聲信號(hào)數(shù)據(jù)作為測(cè)試樣本,。第一步采用小波包分析對(duì)樣本進(jìn)行特征提取,結(jié)果如表1所示,。第二步采用BP神經(jīng)網(wǎng)絡(luò)對(duì)樣本進(jìn)行目標(biāo)分類,。在學(xué)習(xí)訓(xùn)練階段,該目標(biāo)識(shí)別系統(tǒng)將實(shí)測(cè)的戰(zhàn)場(chǎng)聲信號(hào)特征向量作為訓(xùn)練樣本,,對(duì)BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練,,確定權(quán)值和閾值。在識(shí)別階段,,把表1中聲信號(hào)特征向量作為神經(jīng)網(wǎng)絡(luò)的輸入,,利用訓(xùn)練好的網(wǎng)絡(luò)對(duì)測(cè)試樣本進(jìn)行識(shí)別,判斷目標(biāo)類別[4],,識(shí)別結(jié)果如表2所示,。
由表2可看出網(wǎng)絡(luò)的實(shí)際輸出與理論輸出吻合較為理想,說(shuō)明可將小波包分析與BP神經(jīng)網(wǎng)絡(luò)分類器相結(jié)合的直升機(jī)目標(biāo)識(shí)別算法應(yīng)用于實(shí)際戰(zhàn)場(chǎng)環(huán)境中,。
為反映嵌入式目標(biāo)識(shí)別平臺(tái)的識(shí)別率,,分別采用80組直升機(jī)數(shù)據(jù)樣本以及80組非直升機(jī)數(shù)據(jù)樣本作為測(cè)試樣本,提取特征向量,,在嵌入式平臺(tái)上利用訓(xùn)練好的網(wǎng)絡(luò)對(duì)測(cè)試樣本進(jìn)行識(shí)別,,識(shí)別結(jié)果如表3,。
該目標(biāo)識(shí)別系統(tǒng)采用近年來(lái)興起的嵌入式技術(shù),并與聲探測(cè)技術(shù)相結(jié)合,,實(shí)現(xiàn)了對(duì)武裝直升機(jī)的目標(biāo)識(shí)別,,目標(biāo)識(shí)別率較高,且嵌入式系統(tǒng)具備低功耗和高性能的優(yōu)點(diǎn),,適用于戰(zhàn)場(chǎng)環(huán)境,。本識(shí)別系統(tǒng)的研制對(duì)戰(zhàn)場(chǎng)環(huán)境直升機(jī)類目標(biāo)的探測(cè)預(yù)警有實(shí)際應(yīng)用價(jià)值。
參考文獻(xiàn)
[1] 徐貴英.反直升機(jī)聲引信的聲傳播問(wèn)題[J].現(xiàn)代引信,,1997(3):38-41.
[2] 胡昌華,,李國(guó)華,劉濤,,等.基于MATLAB 6.x的系統(tǒng)分析與設(shè)計(jì)——小波分析[M].西安:西安電子科技大學(xué)出版社,2004.
[3] 朱大奇,,史慧.人工神經(jīng)網(wǎng)路原理及應(yīng)用[M].北京:科學(xué)出版社,,2006.
[4] 支華,巢佰崇,,陳雪豐.基于ARM的指紋識(shí)別平臺(tái)設(shè)計(jì)[J].地理空間信息,,2005,3(3):23-24.