数字脉冲技术

关键词： 信号

数字脉冲技术（精选八篇）

数字脉冲技术 篇1

1线性调频信号脉冲压缩基本原理

1.1 线性调频信号简介

线性调频信号是通过非线性相位调制或线性频率调制 (LFM) 来获得大的时宽带宽积[6,7], 这种信号又称为chirp信号, 它是研究得最早而且应用最广泛的一种脉冲压缩信号。线性调频信号的时域波形如图1所示, 其频谱如图2所示。

线性调频信号可以表示为:

式中:A为信号幅度;rect (t/τ) 为矩形函数, 即:

线性调频信号的瞬时角频率ωi为:

在脉冲宽度τ内, 信号的角频率由2πf0-μτ/2变化到2πf0+μτ/2, 调频带宽B=μτ, 调频斜率为:

线性调频信号的时宽带宽积为:

信号的复频谱为:

在D≥1的情况下, 对式 (6) 积分可得:

1.2 脉冲压缩的原理

脉冲压缩的过程其实就是匹配滤波, 脉冲压缩的基本原理如图3所示。

图3 (a) ～图3 (c) 表示脉冲宽度为T的线性调频信号, 也即回波信号。其中, (a) 为输入信号的波形; (b) 为输入信号的包络; (c) 为信号的载频调制特性; (d) 表示压缩滤波器 (也即匹配滤波器) , 为压缩滤波器的延时频率特性; (e) 为压缩滤波器输出信号的包络。

如图3 (a) 所示, 假定其载频在脉冲内按恒速 (线性) 增加, 它通过脉冲压缩滤波器, 该滤波器具有如图3 (d) 所示的时延频率特性, 即延时td随频率线性减小, 且减小速率与回波脉内速率的增加速度一致。于是就使得回波中的低频先到部分比高频后到部分通过滤波器的时间滞后要长, 所以脉冲内的各频率分量在时域被积叠 (或者说压缩) 在一起, 形成了幅度增大、宽度变窄的滤波器输出信号, 其理想包络如图3 (e) 所示。

设回波信号的频率特性为:

则匹配滤波器的频率特性H (f) 应满足:

根据式 (8) , 若令undefined, 则可得:

在式 (10) 中, 匹配滤波器的群时延特性 (频率延时特性) td (f) 为:

式中:td0是一个与滤波器物理实现有关的附加时延。

线性调频脉冲压缩匹配滤波器的输出信号为:

式 (12) 为信号的复表示, 实际信号为实数, 故取其实部:

故脉冲压缩匹配滤波器的输出包络为:

可以看出它具有辛克函数的形式, 如图4所示。

在图4中, 输出脉冲幅度下降到-4 dB处的脉冲宽度为T0, 近似等于发射信号频谱宽度B的倒数:

输出脉冲宽度T0比输入脉冲宽度T缩小了D倍, 输出脉冲幅度为输入幅度A的undefined倍:

在图4中, 主副瓣比约为13.2 dB (第一副瓣) , 第二副瓣再降低约4 dB, 以后依次下降。太大的副瓣会影响对邻近弱目标的检测, 所以通常需要采取措施来降低副瓣。最常用的方法是窗函数加权, 加权函数可以选取海明加权, 余弦平方加权等。如果采用了窗函数加权, 副瓣电平将大大降低, 但同时也会使主瓣展宽和产生一定的信噪比损失, 信噪比损失约为1～1.5 dB。图5所示为加海明窗的脉冲压缩结果。

2中频数字脉冲压缩信号处理实现技术

2.1 中频采样技术

将中频信号表示为:

式中:f0为中频频率;a (t) 和x (t) 分别表示信号的幅度和相位;x (t) =a (t) exp (jφ (t) ) =I+jQ, 称为X (t) 的复包络, 它包含了带通信号X (t) 的所有信息。令:

则:

式中:XI (t) 和XQ (t) 分别为X (t) 的同相分量和正交分量, 可分别用I和Q表示。在雷达信号处理中, X (t) 的同相分量和正交分量应保持式 (18) 和式 (19) 所表示的严格的幅度和相位关系。可以看出, 通过正交采样所得到的I, Q两路正交信号, 可以很方便地得到信号的幅度和相位信息。

实信号的频谱是共轭对称的两部分, 通常将其中在频率正半轴的部分称为正频, 而将对称的在频率负半轴的部分称为负频或镜频。通过一个简单的例子就可以理解这一点, 如对于单频实信号u (t) =sin ω0t, 根据欧拉定理, 可以将其写为 (ejω0t-e-jω0t) / (2j) , 显然, 该信号的频谱分布在ω0和-ω0处, 且符号相反, 如图6 (a) 所示。对于带通信号情况也类似, 即实信号的谱总是共轭对称的两部分。

前面讲的采样定理都是针对实信号而言的, 对于复信号来说, 要进行I, Q正交双路采样, 采样率可以降低50%, 仍以单频信号x (t) =cos ω0t+jsin ω0t为例。实部的频谱如上所述, 虚部cos ωt= (ejω0t+e-jω0t) /2在ω0和-ω0处有两个等幅相同的谱。将二者叠加就可得到一个单边谱, 即镜频抵消, 可以形象地用图6表示。图6 (a) 和图6 (b) 叠加后得到图6 (c) , 镜频抵消, 正频能量增加1倍。

把以上理论搬到对带限信号的分析, 也是如此。正交复信号的带宽相当于实信号带宽的50%, 因此, 对于实信号所要求的最低采样率fs=2B, 对复信号就可降低为fs=B。另外, 由于信号的单边谱包含了原信号的所有信息, 故只需要单边谱就可以进行信号处理。

以常见的低通滤波法为例来说明正交采样的实现过程及原理, 如图7所示。

在该例中, 根据带通信号采样定理选取f0=B/2, fs=2B, 则A/D变换后频谱示意如图6 (b) 。之后将信号分别乘以cos ω0tn和-sin ω0tn, 由于tn=n/fs, 而f0=fs/4, 所以实际上cos ω0tn可以化简为cos πn/2, 如图6所示, 其取值为1, 0, -1, 0的交替变换, -sin ω0tn也是一样。这样相乘以后相当于频谱中心左移π/2, 即将正频谱的中心移到了零频, 时域信号也相应分成了实部和虚部。然后通过低通滤波器, 频域上就是滤除掉等价于高频的镜频分量, 而在时域上是将分离出的实虚部通过滤波插值得到I, Q两路同一时刻的采样值。滤波后数据率仍为2B, 进行1/2抽取是为了降低数据率, 在频域上等效为降低频谱间的间隔, 提高了频带的利用率, 最后得到的就是所需信号的复包络。

可见, 通过数字正交采样, 不仅得到了信号的复包络, 可以方便地获取信号的幅度及相位信息, 同时还降低了数据率, 大大减轻了对后续信号处理的运算负荷。

2.2 数字脉冲压缩

用数字技术实现脉冲压缩可采用时域方法和频域方法。一般而言, 对于大时宽带宽积信号, 用频域脉压较好;对于小时宽带宽积信号, 用时域脉压较好[8,9,10]。

2.2.1 时域卷积法

时域脉冲压缩的过程是通过对接收信号s (t) 与匹配滤波器脉冲响应h (t) 求卷积的方法实现的。根据匹配滤波理论h (t) =s (t0-t) , 即匹配滤波器是输入信号的共轭镜像, 并有相应的时移t0。

用数字方法实现时, 输入离散信号为s (n) , 其匹配滤波器为h (n) , 匹配滤波器的输出为输入离散信号s (n) 与其匹配滤波器h (n) 的卷积:

式中:N为信号采样点数。

按式 (20) 构成的滤波器如图8所示。这是一种非递归的横向滤波器。由式 (20) 可以排列出其他的计算方法, 图8所示的横向滤波器结构还有许多其他的等效网络结构。应当指出, 图8所示仅是原理性的, 在实际应用中往往在复数域进行滤波处理, 因此实际应用中应采用正交双通道滤波器, 按式 (20) 完成复卷积运算。

2.2.2 频域卷积实现方法

脉冲压缩过程是对输入信号s (n) 与匹配滤波器的脉冲响应h (n) 求卷积的过程。由傅里叶变化的性质可知, 时域卷积相当于频域相乘。这个过程可以表示为:设输入离散信号为s (n) , 其傅里叶变换为S (ω) ;匹配滤波器脉冲响应为h (n) , 其傅里叶变换为H (ω) ;匹配滤波器输出为y (n) , 其傅里叶变换为Y (ω) 。

对公式y (n) =s (n) *h (n) 两边同时进行傅里叶变换可得:

又因为:

代入式 (21) 可得:

则输出y (n) 为:

根据式 (24) 可以画出频域快速卷积法实现脉冲压缩的原理框图, 如图9所示。

图9是频域脉冲压缩的原理性框图, 在具体工程实现时常常将匹配滤波器权系数存于只读存储器中, 当需要加权以降低距离旁瓣时, 存于只读存储器中的权系数应当是匹配滤波器频率响应与加权函数的乘积。

在时域横向滤波器实现数字脉压, 对于N点长度的输入信号, 需要进行N2次复数乘法, 而采用频域快速卷积法实现数字脉压, 需要进行N+Nlog2N次复数乘法。

3结语

线性调频信号是应用广泛的雷达信号, 线性调频信号处理算法中比较重要的是中频采样技术与匹配滤波算法。本文从理论上分析了线性调频信号的特性以及脉冲压缩的基本原理, 并对正交变换技术的原理以及匹配滤波算法的两种实现方法进行了分析与比较。

摘要：在线性调频信号脉冲压缩原理的基础上, 利用Matlab对数字脉冲压缩算法进行仿真, 得到了雷达目标回波信号经过脉冲压缩后的仿真结果。运用数字脉冲压缩处理中的中频采样技术与匹配滤波算法, 对中频采样滤波器进行了优化, 降低了实现复杂度, 减少了运算量与存储量。最后总结了匹配滤波的时域与频域实现方法, 得出在频域实现数字脉冲压缩方便, 运算量小, 更适合线性调频信号。

关键词：线性调频信号,脉冲压缩,中频采样,匹配滤波

参考文献

[1]丁鹭飞, 耿富录.雷达原理[M].西安:西安电子科技大学出版社, 2002.

[2]林茂庸, 柯有安.雷达信号理论[M].北京:国防工业出版社, 1984.

[3]马晓岩, 向家彬, 朱裕生, 等.雷达信号处理[M].长沙:湖南科学技术出版社, 1998.

[4]杨小牛, 楼才义, 徐建良, 等.软件无线电原理与应用[M].北京:电子工业出版社, 2001.

[5]车俐, 蒋留兵.脉冲压缩在雷达中的应用及抗干扰性能研究[J].甘肃科技, 2009 (9) :49-51.

[6]孟泽, 孙合敏, 董礼, 等.线性调频信号仿真及其特性分析[J].舰船电子工程, 2009 (8) :114-117.

[7]魏选平, 姚敏立, 张周生, 等.脉冲压缩雷达原理及其Matlab仿真[J].电子产品可靠性与环境试验, 2008 (4) :36-38.

[8]范红旗, 翟庆林, 王胜, 等.基于IP核的锐截止中频采样滤波器优化设计[J].电子测量与仪器学报, 2008 (1) :99-103.

[9]赵树杰, 史林.数字信号处理[M].西安:西安电子科技大学出版社, 1997.

数字脉冲技术 篇2

关键词:高压脉冲电场技术;食品;杀菌

中图分类号:TM921.52 文献标识码:A文章编号:1006-8937(2009)08-0026-01

杀菌是食品生产中的一个非常重要的环节,杀菌的好坏直接影响着食品的品质量。传统的热力杀菌技术对一些产品特别是热敏性产品的色、香、味、功能性以及营养成分等具有破坏作用。为满足消费者对营养、原汁原味、不含防腐剂、天然安全的要求,高压脉冲电场技术倍受瞩目。高压脉冲电场(PEF)用于食品杀菌, 从20世纪60年代在美国就已开始研究, 并逐渐扩大到工业应用,进入90年代中后期我国开始进行这方面的研究,但由于设备的限制,研究水平已经相对比较落后,特别是在产业化方面。该项新技术设备的投入相对较高、处理量少、但产品品质较好。而且与传统热力杀菌相比,非热力技术在能耗方面有着明显的优势,可以节约一定的能源,体现了一定的经济效益。

1高压脉冲电场技术的现存理论

高压脉冲电场的杀菌原理是在两个电极间产生瞬时高压脉冲电场作用于食品而杀菌的。其基本过程是用瞬时高压处理放置在两极间的低温冷却食品。高压脉冲电场杀菌机理经过40年的探讨,形成了以下几个代表性的观点:①“细胞膜穿孔效应”理论;②电解产物理论;③臭氧效应理论。

2高压脉冲电场技术相比于热杀菌的优点

①灭菌效果好,速度极快。更有效的杀灭食物中的酶及微生物,高电压脉冲灭菌法可达到杀菌6个数量级以上。且食品实际接受脉冲电场作用的时间在毫秒以内,整体灭菌工序操作时间在数秒以内,而巴氏灭菌法的灭菌时间较长,二者的灭菌速度有很大的区别。高电压灭菌法是通过瞬间的电场强度变化,使菌体死亡,从而使对人体有害的菌类等物质被杀灭,或失去活性。且完成消毒过程之后即可进行封装,不需冷却,相比于巴氏杀菌更加高效。②杀菌温度低,处理均匀。高电压脉冲灭菌法能更有效的保存食物中的营养成分。在电场中各部分的物料均受到了相同大小场强的处理。若物料不预先进行降温处理,假设初始温度在25℃左右,处理后的物料温度低于55℃,完全处于对物料的营养和风味进行充分保护的“冷处理”范围,产热少,副产物少,对食品的化学成分、外观及风味等基本无影响。所以就这一点来说,高电压灭菌法所达到的效果是传统灭菌法所远不能及的。③不会产生对人体有害的自由基物质,节省能源,不污染环境。食品中含有的某些营养素及酶类物质,经氧化后会成为自由基的产生来源之一。自由基在很多的情况下对人体有损害作用。实验发现,高压脉冲电场处理后不会产生对人体有害的自由基物质。节省大量由热杀菌所耗费水资源及其他能源,且对环境无污染,无二次污染及三废问题。

3PEF技术存在的问题

现存的理论不能完全解释静电场除了热效应以外与脉冲电场在非热效应方面的差异;不能完全解释矩形波脉冲、振荡型脉冲、指数衰减型脉冲作用差异的本质原因;虽然从理论上给出了脉冲电场幅值的范围,却未能给出脉冲宽度和脉冲频率的限定值 非热效应究竟是一种效应的结果,还是几种效应同时存在的综合结果;微波、脉冲电场以及工频电磁场非热效应有无本质上的差异等。

4结束语

高压脉冲电场技术是一个综合性的领域, 是微生物学、食品化学、食品工程学等的结合。此技术设备的投入相对较高、处理量少、但产品品质较好,特别适合高附加值的稳定性差的产品,预想随着技术的日益完善与发展,将有极大的应用前途。

参考文献:

[1] 胡珂文, 王剑平, 盖铃等.高压脉冲电场在食品加工中的应用前景[J].食品工业科技,2007,(28).

[2] 王黎明, 史梓男, 关志成.脉冲电场非热杀菌效果分析[J].高电压技术, 2006,(2).

[3] 杜存臣,颜惠庚.高压脉冲电场非热杀菌技术研究进展[J].现在食品科技,2005,(21).

数字脉冲技术 篇3

冷轧连续退火机组主要是对冷轧后的带钢进行加热、冷却、以及时效处理, 使带钢达到较好的机械性能, 满足家电以及汽车生产的需要。连续退火机组的核心设备是退火炉。炉内充满保护气体, 通过辐射管间接加热带钢, 烧嘴在辐射管内部封闭燃烧, 避免污染带钢, 经过这样的退火炉处理的产品可以达到较高的表面质量, 适合于家电板及汽车板的生产。退火炉内一般有辐射管烧嘴300套以上, 采用的燃料为煤气, 不同规格、钢种的带钢退火温度是不同的, 为了使退火炉在连续生产过程中适应不同带钢退火温度的需要, 必须对燃烧系统进行较好的控制。

2 数字化脉冲燃烧控制技术在连续退火炉上应用的必要性

在传统的燃烧控制方式中, 给加热炉加热一般是通过调节燃料和空气的流量使之充分混合和燃烧来完成的, 即在加热的过程中, 燃料和空气的流量是连续变化的。但在燃料热值较高, 或者炉子加热负荷需求较小时, 使用少量的燃料就可以满足热处理工艺的要求, 因此燃料和空气的流量都比较小, 输送燃料的管路截面也比较小。如果采用连续燃烧的方式进行控制, 控制燃料流量的碟阀就要做得很小, 而控制系统的响应能力无法满足流量变化的需要, 因此控制温度的误差是很大的。

比例燃烧控制的燃烧特性曲线见图1, X轴为燃烧负荷, Y轴为空煤比 (空气过剩系数) 。从图中可以看出, 当燃烧负荷低于40%时, 为了满足稳定燃烧, 空气过剩系数增大, 这就意味着燃烧气体中空气量增多, 这样过剩空气带走废气中的热量, 降低了燃烧效率, 也就是说浪费了能源。为了解决这个问题, 国外一些专家自20世纪80年代初开始对时序脉冲燃烧控制系统进行了研究和应用。这种控制系统是通过控制烧嘴的燃烧时序和燃烧时间来控制炉子的温度。由于它具有动态性能好、控制温度波动小、节约燃料等优点, 因而得到了广泛的重视和应用。

3 脉冲燃烧控制的原理

脉冲燃烧控制采用的是一种间断燃烧的方式, 使用脉宽调制技术, 通过调节燃烧时间的占空比 (通断比) 实现退火炉的温度控制。燃料流量可通过压力调整预先设定, 烧嘴一旦工作, 就处于满负荷状态。 这个系统并不调节某个区域内燃料输入的大小, 而是调节在给定区域内每个烧嘴被点燃的频率和持续时间。烧嘴的输入量是事先给定的, 每个烧嘴按照事先给定的开度和热量需求成正比的频率开闭。所有的烧嘴并不同时点燃, 而是按照一定的时序依次点燃[1], 见图2。

脉冲燃烧控制理论的总体结构见图3。主要由调节单元、非线性处理单元和输出控制单元三部分组成。

3.1 调节单元

调节单元主要可完成对实测温度和设定信号进行处理。调节单元通常选择PID控制, 其输入和输出关系如下:

undefined

3.2 非线性处理单元

非线性处理单元的非线性变换关系为:

undefined

当p (t) >D1时, 说明系统输出偏差很大, 应该将所有烧嘴打开;当D0

3.3 控制输出单元

s (t) 为描述每一个烧嘴输出的函数, 如下所示, 其中T0为烧嘴打开的持续时间。U0表示每一个烧嘴打开时燃料的给进量, U (t) 为任意时刻加到燃烧炉中总的燃料量, 即:

undefined

ti由下式确定:

undefined

4 数字化脉冲燃烧退火炉温度控制方法

冷轧带钢连续退火炉的烧嘴一般有300个左右, 均匀地分布在炉膛内, 炉温控制就是根据实际负荷大小要对这些烧嘴的燃烧状态进行控制。一般把这些烧嘴按照一定排列分成为若干加热区, 这些加热区内又有一定数量的烧嘴。

4.1 退火炉各加热区的温度控制

传统的比例控制加热炉的烧嘴一般分4～8个区, 这些区是物理上的分区, 即每个区的燃料比例控制总阀是一个。当该控制总阀调节时, 整个区的燃料供给情况均发生变化, 即该区的烧嘴燃烧负荷发生变化。也就是说传统的比例燃烧控制系统的炉温是根据加热负荷的变化来控制每个区的燃器比例调节阀, 从而使每个区的燃烧负荷发生变化的。对于数字化燃烧控制系统, 加热炉内的烧嘴也是分成若干区, 但是这些区不是受物理分区限制, 而是可以按照列或者行随意组合, 是一种模拟的分区。

两种控制系统的烧嘴分区示意图见图4。

图5为数字化燃烧系统控制的基本图示。假设将炉内的烧嘴按照列划分成加热区, 如果有1～XX列, 即1～XX个加热区。每个区内又有N个烧嘴。X轴表示为炉子实际加热负荷的需求。Y轴为每个区的负荷分配情况。

如:当炉子加热负荷需求为80%时, 1区、2区关闭不燃烧, 3区的负荷分配为30%, 4区的负荷分配为70%, 5区的负荷分配为80%, 6区～XX区的负荷分配为100%, 即全开燃烧。

当炉子加热负荷需求为100%时, 所有区全部开启燃烧。

以上所描述的是当炉温需要变动时, 对应的每个加热区的负荷分配方式。

4.2 各加热区内单个烧嘴的燃烧控制

单个烧嘴的燃烧控制示意图见图6。假设该烧嘴的一个燃烧周期T0为60秒, 则在60秒内燃气阀门全开, 可以满负荷燃烧。在燃烧负荷为80%的情况下, 对应的燃烧时间为总时间T0的80%, 即80%负荷情况下的燃烧时间为60秒×80%, 即48秒。

同样, 在燃烧负荷为60%的情况下, 燃烧时间为60秒×60%, 即36秒。

在烧嘴燃烧时间内, 煤气及空气的电磁阀打开, 按照预先设定好的比例全负荷燃烧, 在不燃烧时电磁阀全部关闭。例如在燃烧负荷为60%的情况下, 燃烧时间为36秒, 即在一个燃烧周期内36秒是打开燃烧的, 而24秒是关闭不燃烧的。

此外, 根据燃烧特性, 在燃烧负荷低于10%时认为烧嘴可以完全关闭, 在燃烧负荷大于90%时认为烧嘴可以完全打开。

假设一个加热区内有4个烧嘴, 那么为了避免烧嘴同时开或关对炉温的影响, 采用时序控制的方法对每个烧嘴进行控制。具体方法见图7。

4.3 避免炉温局部不均匀的控制方法

在炉子燃烧负荷变动时, 部分区因为关闭会对该区域的炉温有影响, 造成炉内温度不均匀。为了避免这个问题, 数字化燃烧控制可以根据炉内的各个热电偶的温度检测值, 对炉内温度不均匀的区域实施个别烧嘴开启燃烧控制, 从而达到局部炉温的微量补偿。烧嘴的开启方式可以模拟传统炉内电加热带的形状进行控制, 达到较好的炉温补偿。图8为控制示意图。

5 数字化脉冲燃烧控制的优缺点

通过以上对数字化脉冲燃烧控制的原理及炉温控制方法的介绍, 可以总结出其具有以下优点:

5.1 炉温的控制精度高、操作维护更容易和灵活

由于烧嘴不存在物理分区, 可以根据实际的炉子负荷变动情况灵活开启和关闭任何一个烧嘴, 或者对烧嘴进行任意的组合, 调节点多, 可以精确实施炉温控制。

5.2 脉冲燃烧系统节能性好

首先, 温度均匀性好, 精度高的特点本身就意味着能耗的降低。其次, 这个特点也是由其工作状态决定的。众所周知, 一般情况下, 要使燃气和助燃空气始终保持理想配比是不太容易的, 这是因为各种比例调节阀或其他调节器实际上都只是近似于线性的。但脉冲燃烧系统中, 只需在烧嘴最大火这一个工作点上调节到理想配比, 则每一次燃烧都处于理想配比。因此在燃烧负荷较小时燃烧也非常充分, 节能效果非常明显, 和普通比例调节系统相比节能10%。

5.3 动态响应性好

数字化脉冲燃烧控制可实现燃烧温度控制的快速响应。在炉子需要大幅度升温时, 数字脉冲燃烧可以通过调整脉冲周期, 使烧嘴始终处于100%燃烧状态, (如同比例调节系统的最大燃烧) 在炉温接近目标温度时, 切换到脉冲燃烧控制, 根据接近目标温度的程度, 来调整脉冲周期内的燃烧时间, 快速稳定地实现温度控制。从等效的控制器作用来看, 时序脉冲燃烧控制系统相当于一种变比例、变积分、变微分的PID控制。当实际温度远远低于设定温度时, 系统给出最大输出, 相当于比例作用增强, 积分作用减弱, 微分作用增强, 控制系统通过连续燃烧使炉子获得最快的升温速度。同时, 当温度偏差较小时, 烧嘴处于脉冲燃烧状态, 相当于比例作用减弱, 积分作用增强, 微分作用减弱, 进而减小温度的超调量和稳态误差, 因此采用这种控制系统一般情况下不会出现温度振荡的情况。

5.4 脉冲燃烧控制在实际应用中的问题

要实现脉冲燃烧, 控制脉冲气流的电磁阀极为重要。以国内一般电磁阀较长的工作寿命一万次为例, 若一个炉子24小时连续工作, 每分钟进行一次脉冲, 那么很容易算出, 其只能用两年多一点的时间。如果脉冲稍微频繁一点, 寿命更短。此外脉冲燃烧是一项新技术, 也是控制领域中一项较为复杂的系统工程。在实际炉子热负荷调试过程中要花费较多的时间去调试摸索经验。

6 结束语

脉冲燃烧控制技术有着广阔的应用前景, 可广泛应用于冶金、陶瓷、石化等行业, 对提高产品质量、降低能耗、减少污染将发挥重大作用, 是工业炉行业自动控制的一次革新。目前, 此项技术已经被国家和省市列为多种攻关计划。冶金行业主要优势应用领域为现代化步进式加热炉、间歇式热处理炉、连续退火炉。

参考文献

数字脉冲技术 篇4

自适应信号处理技术在通信领域中应用相当广泛,如自适应均衡、自适应波束形成、自适应干扰抵消、自适应系统辨识和自适应线型预测等。近些年来,出现了自适应技术应用于数字通信信号的直接解调[1,2](自适应解调,ADEM)。但是这些解调方式大多局限于对单一数字调制方式的研究,没有形成对于数字通信信号的统一的自适应解调方式。此外,传输中加性噪声都假设为高斯噪声,事实上,高斯噪声是理想噪声,在许多实际应用中,所遇到的诸如水声、低频大气噪声以及许多人为噪声等,往往具有一定的甚至比较显著的脉冲特性,这种噪声不符合高斯分布[3]。在这种情况下,基于高斯假设得到的最优解调系统会出现性能退化,甚至不能工作。许多研究表明,α稳定分布模型是一种能够比较合理描述这类噪声的模型;采用最小分散系数(MD)准则等基于分数低阶统计量的信号处理方法能够有效地解决传统算法在α稳定分布噪声背景下不收敛等性能退化问题。为此,本文假设传输中的加性噪声为α稳定分布噪声,采用归一化最小平均p范数(Normalized Least Mean p-Norm)算法[4]研究数字调制信号的自适应解调。提出基于自适应单频跟踪器的数字调制信号(MPSK,MFSK和MQAM)的自适应解调方法。由于高斯分布是α稳定分布的一个特例,所以本文自适应解调算法模型也适应于加性高斯噪声的情形。另外,自适应解调相对于传统的相干解调不仅结构简单,而且对于载波同步要求不高,可以容忍一定程度的载波相偏。

2α稳定分布脉冲噪声下的自适应算法

α稳定分布与其他统计模型不同,少数情况例外(例如α=1,α=2),其没有统一闭式的概率密度函数[5]。通常用式(1)所示的特征函数对其进行描述:

$\phi (t)=\exp \{\text{j}\mu t-\sigma \left|t\right|{}^{\alpha }[1+\text{j}\beta \mathrm{sgn}(t)\omega (t,\alpha )]\}(1)$

其中sgn(·)为符号函数,且:

式中,0<α≤2,-1≤β≤1,σ>0,-∞<μ<∞。

α稳定分布完全由其4个参数α,β,σ,μ决定。α为特征指数,用来度量分布函数拖尾的厚度;α值越小,拖尾越厚,信号的脉冲特性越显著;α=2与高斯分布一致(对于任意的β)。α=1,β=0,则服从柯西分布。σ为分散系数,与高斯分布的方差类似,在高斯分布下为方差的一半。β称为对称参数,β=0时,α稳定分布关于μ对称,称为对称α稳定分布或称为SαS。μ是位置参数,对于SαS分布,当1<α≤2时,μ为均值,当0<α<1时,μ为中值。若满足μ=0,σ=1,则α稳定分布为标准α稳定分布。若μ=0,β=0,σ=1,则α稳定分布为标准对称α稳定分布。

α=1.5的标准对称稳定分布噪声如图1所示,α越小,噪声的脉冲特性越强。

在处理α稳定分布噪声下的自适应滤波问题时,常采用误差函数的α范数J=‖e(n)‖α来表示自适应系统的代价函数,避免了由最小均方准则所引起的性能退化。由分数低阶矩理论,只要满足0<p<α,SαS过程的α范数与其p阶矩成正比。这样自适应系统的代价函数可以写为:J=E[|e(n)|p],利用梯度技术,并以误差信号的瞬时值代替其统计平均,得到梯度估计为:

$\begin{array}{l}\widehat{\nabla }(n)=\frac{\partial J}{\partial W(n)}=p[e(n)]{}^{p-1}\mathrm{sgn}(e(n))[-x(n)],\\ 1\le p<\alpha \le 2\end{array}$

基于梯度下降法的思想,产生了脉冲噪声下的常用的归一化最小平均p范数(NLMP)自适应滤波算法,如式(3)所示:

$W(n+1)=W(n)+\eta px(n)\frac{|e(n)|{}^{(p-1)}\mathrm{sgn}(e(n))}{\parallel x(n)\parallel {}_p^p+c}(3)$

式(3)中,步长因子η是一个常数。步长因子η控制算法收敛速度,为保证算法收敛,η值必须足够小。在保证算法收敛的条件下,η值越大收敛越快,η值越小收敛越慢。

3自适应单频跟踪器

单频跟踪器框图如图2所示,图中:

Acos(ωcn+φ)是要跟踪的单频信号,m(n)是α稳定分布噪声信号,通过两个权值的自适应FIR横向滤波器跟踪Acos(ωcn+φ)信号,算法收敛后输出y(n)为已跟踪上的信号。其输入信号为x(n)=[SM1(n),SM2(n)]T,其中SM1(n)=cos ωcn;SM2(n)=sin ωcn。滤波器的权矢量为W=[w1,w2]T,则滤波器输出为:

$y(n)=\mathit{W}{}^{\text{Τ}}x(n)(5)$

误差信号为:

$e(n)=d(n)-y(n)(6)$

如果自适应滤波器达到最佳,即使得:

也就是:

$\begin{array}{l}w{}_1(n)=A\text{c}\text{o}\text{s}\phi (7)\\ w{}_2(n)=A\text{s}\text{i}\text{n}\phi (8)\end{array}$

则称自适应滤波器跟踪上了理想信号d(n),从而由w1(n)和w2(n)可以反映出d(n)的有关信息,本文就是利用此实现数字调制信号的自适应解调。

4数字调制信号自适应解调

将单频跟踪器原理应用于数字调制信号自适应解调时,则理想信号d(n)中的Acos(ωcn+φ)就用调制信号代替,下面分别介绍MPSK,MQAM和MFSK信号的自适应解调。

4.1 MPSK信号的自适应解调

多进制相移键控(MPSK)信号S${}_{\text{Μ}\text{Ρ}\text{S}\text{Κ}}^i$(t)为:

$\begin{array}{l}S{}_{\text{Μ}\text{Ρ}\text{S}\text{Κ}}^i(t)=\sqrt{2E{}_s/{\rm T}{}_s}\cos [(i-1)\frac{2\text{π}}{{\rm M}}]\cos \omega {}_{c}t-\\ \sqrt{2E{}_s/{\rm T}{}_s}\sin [(i-1)\frac{2\text{π}}{{\rm M}}]\sin \omega {}_{c}t‚\\ i=1,2‚\cdots ‚{\rm M}(9)\end{array}$

由式(7),式(8)可知,此时:

$\begin{array}{l}w{}_1(n)=\sqrt{2E{}_s/{\rm T}{}_s}\cos [(i-1)\frac{2\text{π}}{{\rm M}}](10)\\ w{}_2(n)=\sqrt{2E{}_s/{\rm T}{}_s}\sin [(i-1)\frac{2\text{π}}{{\rm M}}](11)\end{array}$

对于BPSK信号,M=2,则传输符号“0”和“1”时,自适应滤波器的权值应分别收敛于

$w{}_1(n)=\sqrt{2E{}_s/{\rm T}{}_s},w{}_2(n)=0(12)$

和

$w{}_1(n)=-\sqrt{2E{}_s/{\rm T}{}_s},w{}_2(n)=0(13)$

显然,为了提高算法解调速度,可以不用等到算法完全收敛,采用如式(14)的判决方式:

$\{\begin{array}{l}w{}_1(n)\ge 0‚\text{判}\text{为}\text{符}\text{号}0\\ w{}_1(n)<0‚\text{判}\text{为}\text{符}\text{号}1\end{array}(14)$

对于QPSK信号,M=4,则输出符号“00”,“01”,“10”和“11”时,自适应滤波器的权值应分别收敛于

$\begin{array}{l}w{}_1(n)=\sqrt{2E{}_s/{\rm T}{}_s}‚w{}_2(n)=0(15)\\ w{}_1(n)=0‚w{}_2(n)=-\sqrt{2E{}_s/{\rm T}{}_s}(16)\\ w{}_1(n)=-\sqrt{2E{}_s/{\rm T}{}_s},w{}_2(n)=0(17)\\ w{}_2(n)=0,w{}_2(n)=\sqrt{2E{}_s/{\rm T}{}_s}(18)\end{array}$

同样,可以采用如式(19)判决方式提高算法解调速度:

$\{\begin{array}{l}|w{}_1(n)|\ge |w{}_2(n)|\text{且}w{}_1(n)\ge 0\text{时}‚\text{判}\text{为}\text{符}\text{号}00\\ |w{}_1(n)|\le |w{}_2(n)|\text{且}w{}_2(n)\le 0\text{时}‚\text{判}\text{为}\text{符}\text{号}01\\ |w{}_1(n)|>|w{}_2(n)|\text{且}w{}_1(n)<0\text{时}‚\text{判}\text{为}\text{符}\text{号}10\\ |w{}_1(n)|<|w{}_2(n)|\text{且}w{}_1(n)>0\text{时}‚\text{判}\text{为}\text{符}\text{号}11\end{array}(19)$

其他多进制相移键控信号的解调和QPSK信号解调类似,只是判决规则相应地发生变化。

4.2 MQAM信号的自适应解调

多进制正交幅度调制(MQAM)采样信号SMQAM(n)为:

式(20)中,mI(n)和mQ(n)是两个独立的带宽受限的基带信号,且:

$A=\sqrt{m{}_{\text{Ι}}^2(t)+m{}_{\text{Q}}^2(t)},\phi =-\arctan \left(\frac{m{}_{\text{Q}}(t)}{m{}_{\text{Ι}}(t)}\right)$

由式(7),式(8)可得:

$\begin{array}{l}w{}_1(n)=m{}_{\text{Ι}}(n)(21)\\ w{}_2(n)=m{}_{\text{Q}}(n)(22)\end{array}$

即当自适应滤波器权值收敛时,w1(n)和w2(n)分别收敛于mI(n)和mQ(n)。于是由w1(n)和w2(n)可以得到QAM信号的解调序列。

4.3 MFSK信号的自适应解调

多进制频移键控(MFSK)信号S${}_{\text{Μ}\text{F}\text{S}\text{Κ}}^i$(t)为:

$\begin{array}{l}S{}_{\text{Μ}\text{F}\text{S}\text{Κ}}^i(t)=\sqrt{2E{}_s/{\rm T}{}_s}\cos \omega {}_{ci}t,\\ 0\le t\le {\rm T}{}_s‚i=0,1‚\cdots ‚{\rm M}-1\end{array}$

其中Es为单位符号内的信号能量;ωci为载波角频率,有M种取值。

因为MFSK(M=2,4,8,…)信号是用不同的载波频率传输不同的符号,在任意的码元间隔内,FSK信号都是一个单频载波,我们可以对这单一载波用图2所示的单频跟踪器进行跟踪。现在以4FSK信号为例说明MFSK信号的自适应解调问题。

因为4FSK信号对应4个不同的载波频率,所以原则上可以用四路单频跟踪器对这4个载波进行跟踪,原理框图如图3所示。图中只用了三路跟踪器跟踪3个载波频率,因为如果三路频率跟踪上了,就可以对4个符号进行正确判决,提高了解调速率。

图3中,3个跟踪器分别跟踪4个载波频率中的任意3个频率,这里假设跟踪器1,2,3分别跟踪载频ωc0,ωc1和ωc2三个频率。所以:

$\begin{array}{l}x{}_0(n)=[\cos \omega {}_{c0}n,\sin \omega {}_{c0}n]{}^{\text{Τ}}\\ x{}_1(n)=[\cos \omega {}_{c1}n,\sin \omega {}_{c1}n]{}^{\text{Τ}}\\ x{}_2(n)=[\cos \omega {}_{c2}n,\sin \omega {}_{c2}n]{}^{\text{Τ}}\end{array}$

当各路算法收敛时,在任一码元间隔Tsym内,若此码元间隔对应的载频为ωci,则只有跟踪ωci频率的跟踪器输出yi(n)才能与此码元信号达到同步。此时:

$\begin{array}{l}w{}_{i1}(n)=\sqrt{2E{}_s/{\rm T}{}_s}\cos \phi (23)\\ w{}_{i2}(n)=-\sqrt{2E{}_s/{\rm T}{}_s}\sin \phi (24)\end{array}$

为了便于讨论,假设载波初始相位为0。那么,式(23),式(24)就可以简化为:

$\begin{array}{l}w{}_{i1}(n)=\sqrt{2E{}_s/{\rm T}{}_s}(25)\\ w{}_{i2}(n)=0(26)\end{array}$

此时,其他的跟踪器对ωci频率不敏感,它们的输出yk(n)(k≠i)与参考信号d(n)中的4FSK信号存在较大的误差,也就是说,跟踪不上此调制信号。从而我们可以解调4FSK信号。图4和图5给出了解调过程的信号波形。

图4(a)为4FSK信号,每50点代表一符号,共6个符号分别为[1,1,0,0,3,2];图4(b)为混有α稳定分布噪声的4FSK信号;图4(c)、图4(d)和图4(e)分别为第一路、第二路和第三路跟踪器的输出,由于跟踪器1只能跟踪载频为ωc0的码元(也就是“0”符号),所以在101～200点时输出与原信号同步,如图4(c)所示。同理,跟踪器2在1～100点时与原信号同步,如图4(d)所示;而跟踪器3在251～300点时与原信号同步,如图4(e)所示;在201～250点时,三路跟踪器都没有与原信号同步,说明此时载波频率为ωc3,传输的符号为“3”。因为从跟踪器输出直接进行解调不是很容易并且会产生很多的误码,所以可以对跟踪器输出进行中值滤波用以得出跟踪器输出的包络。中值滤波的计算公式如下式所示:

${\rm M}(n)=\frac{1}{2m+1}{\displaystyle \sum _{i=-m}^m|}y(n+i)|(27)$

跟踪器1,2和3输出的中值滤波后的波形分别如图5(a),图5(b)和5(c)所示。这样通过对这些包络进行门限判决就可以很容易解调出符号“0” ,“1”,“2”和“3”。这里,有必要补充一下的就是判决门限和判决时刻的选择是很关键的,它直接影响解调性能。对于2FSK,可以将中值滤波输出的平均值选取为门限,而对于4FSK,因为每一符号的统计概率约为1/4,此时不能简单的将门限选为中值滤波输出的平均值,可以采取如下规则计算门限:计算中值滤波输出的最大N个值和最小N个值的平均值,可以将此平均值设定为门限。同时,对于2FSK和4FSK信号,判决时刻选取在每个符号间隔所有采样点长度的第4/5处是合适的(假设每个符号间隔为50点,那么可以在第40点的时候进行门限判决)。

MFSK(M≠4)的解调原理如同4FSK,需要M-1个单频跟踪器跟踪M-1个载频。因此对α稳定分布脉冲噪声下的MFSK信号的自适应解调可以分为如下几步:

(1) 在每一符号间隔内通过NLMP算法跟踪载波频率;

(2) 通过中值滤波计算每个跟踪器输出的包络;

(3) 对所得包络进行门限判决。这样就完成了MFSK信号的解调。

5性能仿真与分析

实验中,NLMP算法参数选取为p=α-0.01,自适应步长η=0.008,c=0.1。加性噪声m(n)是μ=0,β=0,σ=1的标准对称α稳定分布脉冲噪声。

实验1:取BPSK和4PSK信号载波频率fc=10 kHz,采样频率fs=24 kHz,波特率B=1 000 b/s,分别加入α为1.8,1.5和1.2的脉冲噪声,采用上节中的解调方式,BPSK和4PSK信号解调误码率如图6所示。另外加入α为2.0的高斯噪声,同时令NLMP算法中的p=2.0,这时NLMP算法蜕化为NLMS算法,采用上节所述的解调方式,BPSK和4PSK信号解调误码率如图7所示。同时,便于比较,在图7中给出了相干解调理论误码率。

比较图6和图7,我们可以看出,BPSK信号比4PSK信号解调性能要好。这是因为BPSK信号码距大于4PSK信号,但是4PSK信号比BPSK信号效率要高。从图7可以看出,BPSK和4PSK信号在加性高斯噪声背景下的自适应解调性能非常好,远优于相干解调性能,对MFSK和MQAM也有同样的结论,下文不再给出。

实验2:取载波频率分别为4 kHz和8 kHz的2FSK信号,抽样频率为20 kHz,波特率B=400 b/s。另外取载波分别为10 kHz,14 kHz,18 kHz和24 kHz的4FSK信号,抽样频率为50 kHz,波特率B=1 000 b/s。对他们分别加入α为1.8,1.5和1.2的脉冲噪声,采用上节中的解调方式,2FSK和4FSK信号解调误码率如图8所示。

同样,2FSK信号比4FSK信号解调性能要好,但是4FSK信号比2FSK信号效率要高。

实验3:选取载波频率为10 kHz的16QAM 信号,抽样频率为40 kHz,波特率B=1 000 b/s。分别加入α为1.8,1.5和1.2的脉冲噪声,采用上节中的解调方式,16QAM信号解调误码率如图9所示。

从图9可以看出,自适应解调16QAM信号的性能非常好。同时,这三组实验中,在其他条件一样的情况下,加入强度越小(α越大)的噪声,误码率越低。

6结语

本文给出了脉冲噪声下常规数字调制信号的自适应解调方法,仿真结果表明,该方法是可行的,并且算法无需完全收敛,计算速度快,便于实时信号处理。另外,由于高斯分布是α稳定分布的特例,所以本文的解调方法也适用于信道加性噪声为高斯噪声的情况。

参考文献

[1]刘东华,王霞,王元钦.基于自适应滤波的PCM/FSK软件解调方法[J].飞行器测控学报,2004,23(3):72-75.

[2]李炎新,胡爱群,宋宇波.自适应BPSK解调方法研究[J].中国工程科学,2006,8(5):49-51.

[3]Bouvet M,Schwartz S C.Comparison of Adaptive and Ro-bust Receivers for Signal Detection in Ambient UnderwaterNoise[J].IEEE Transactions on Acoustics.Speech and Sig-nal Processing,1989,37(5):621-626.

[4]Arikan M,Cetin A E,Erzin E.Adaptive Filtering Approa-ches for Non-gaussian Stable Process[C].International Con-ference on Acoustics,Speech,and Signal Processing,1995(2):1 400-1 403.

[5]邱天爽,张晓旭,李小兵.统计信号处理[M].北京:电子工业出版社,2004.

数字脉冲技术 篇5

1 数字多道分析仪的优势

国内很大一部分学者采用核谱仪模拟电路的方式实现脉冲堆积的处理。由于整个过程都是由模拟电路来实现，所以一直受到多种不利因素的困扰：模拟滤波成形电路有限的处理能力达不到最佳滤波的要求;模拟系统在高计数率下能量分辨率显著下降，脉冲通过率低;模拟电路固有的温漂和不易调整等特点，导致系统的稳定性、线性及对不同应用的适应性不高;在脉冲波形识别、电荷俘获效应校正等更复杂的应用场合模拟系统无法胜任[1]。

相比来看，数字脉冲幅度分析系统的性能显著优于模拟脉冲分析器。数字分析器有以下几点优点：通过软件实现，提高了系统的稳定性与可靠性;可以利用数字信号处理方法针对输入噪声特点实现优化设计，达到最佳或准最佳滤波效果;处理速度快，反堆积能力强，相同能量分辨率下脉冲通过率更高;参数由程序控制，调整方便、简单[2]。

2 总体设计

本文设计了一种基于可编程门阵列的多道脉冲幅度分析的硬件平台。图1即为总体设计框图，探测器输出的核脉冲信号经前端电路简单调理后，经单端转差分，由采样率为65 MHz的高速ADC在FPGA的控制下进行模/数转换，完成核脉冲的数字化，并通过数字核脉冲处理算法在FPGA内形成核能谱，核能谱数据可通过16位并行接口传输至其他谱数据处理终端，也可通过LVDS/RS 485接口实现远程传输。特别需要注意的是，由于高速AD前置，调理电路应该满足宽带、高速，且电路参数能够动态调整的需要，以适应不同类型探测器输出的信号，从而更好地发挥数字化技术的优势[3]。

3 具体硬件设计

3.1 前端电路

前端电路由单端转差分和高速ADC电路组成。差分电路由于其良好的抗共模干扰能力而应用广泛。由于调理电路输出的脉冲信号为单极性信号，若直接送入ADC，将损失一半的动态范围。设计中在运放中加入一个适当的偏置电压，将单极性信号转换成双极性信号后再送入ADC，以保证动态范围。将信号由单端转换成差分的同时，进行抗混叠滤波处理，完成带宽的调整[4]。

本设计使用AD9649-65高速ADC实现核脉冲的模/数转换，AD9649为14位并行输出的高速模/数转换器，具有功耗低、尺寸小、动态特性好等优点。当信号从探测器通过调理电路，过差分转单端电路后，以差分信号的形式进入ADC，在差分时钟的控制下，转换成14位数据，进入FPGA。该高速A/D在外部FPGA的控制下对信号进行采样。然后将采样后的数字信号送入FPGA中实现数字核脉冲的幅度提取。图2为A/D转换的原理图，AD9649在差分时钟的同步下完成A/D转换，D0～D13为14个有效输出数据位[5]。

3.2 FPGA

目前国内外多道脉冲幅度分析的数字化实现主要有2种方案：纯DSP方案、DSP+可编程器件方案。本文将充分发挥FPGA的并行处理优势，在单片FPGA芯片上实现核脉冲的采集与数字核脉冲处理算法，经Quartus-Ⅱ软件仿真与综合，本文选用EP3C40 FPGA芯片实现多道分析器的数字化功能。

3.3 接口电路

设计采用了LVDS和RS485两种长距离数据传输接口，用于实现核能谱数据的远程传输。LVDS即低电压差分信号，是一种可以实现点对点或一点对多点的连接，具有低功耗，低误码率，低串扰，低噪声和低辐射等特点。LVDS在对信号完整性、地抖动及共模特性要求较高的系统中得到了越来越广泛的应用。图3为低电压、最高数据传输速率为655 Mb/s的LVDS接口电路。在高速通信状态下，其通信距离可达到几百米。

而RS 485接口采用平衡驱动器和差分接收器的组合，有很强的抗共模干扰能力和抗噪声干扰能力。其最大的通信距离约为1 219 m，最大传输速度为10 Mb/s，传输速率与传输距离成反比，在100 Kb/s以下的传输速率下，可以达到最大的通信距离[6]。

3.4 电源电路

稳压电源通常有两类：线性稳压电源和开关稳压电源。开关电源的功率调整开关晶体管工作在开关状态，极易产生严重的开关干扰，若采用开关稳压电源，这些干扰将严重地影响数字多道分析器的正常工作，降低A/D转换精度[7]。所以本文采用线性稳压电源为各功能模块供电。线性稳压电源的优点是输出电压比输入电压低，反应速度快，输出波纹较小，工作产生的噪声低。本文设计的电源电路其输入电压为9～12 V，输出电压有5 V,3.3 V,2.5 V,1.8 V,1.2 V。线性稳压电路为单端转差分、ADC、FPGA、LVDS等各模块供电。

4 数字寻峰

NaI(Tl)探测器输出信号通过调理电路后进入高速ADC,ADC进行连续高速的采样，然后由FPGA完成数字核脉冲信号的积分、峰值检测、阈值判断等功能[8]。由于当核能谱达到峰值时，其一阶导数为0，据此可在连续的输入信号中找到各核脉冲的峰值，并将该峰值对应道址的计数值加1，从而形成核能谱。为提高寻峰效率，寻峰之前需要对离散脉冲信号进行阈值判断，对幅值低于阈值下限的信号不进行寻峰处理，可大大减少参与寻峰的离散核脉冲信号[9]。

5功能测试

利用Borland C++集成开发环境开发了谱数据处理上位机软件，软件实现了能谱显示、能谱数据管理、系统参数设置、RS 485通信等功能。图4是本文设计的数字多道分析器分析137CS得到的1 024道能谱，其能量分辨率接近8%。

6 结语

本文设计了一种基于FPGA的数字多道脉冲幅度分析器硬件电路。并在单片FPGA中实现了多道脉冲幅度的数字分析功能，通过软件功能仿真和实际运行，说明了数字多道脉冲幅度分析器硬件电路设计的可行性，将FPGA应用到数字能谱测量系统能充分发挥其并行处理优势，并能有效降低硬件电路设计的复杂度。文中介绍的硬件电路设计对数字核谱仪的硬件设计具有一定的参考价值[10]。

摘要：为了研究数字化γ能谱仪,采用现场可编程逻辑部件(FPGA),完成数字多道脉冲幅度分析仪的硬件设计。用QuartusⅡ软件在FPGA平台上完成了数字核脉冲的幅度提取并生成能谱。在此基础上通过电路设计建立了数字化能谱测量实验装置,实测了137Cs的能谱,测量结果与相同条件下的模拟能谱仪的实测谱完全吻合。由此证明基于FPGA的数字多道脉冲幅度分析器硬件设计正确可行,具有实用性。

关键词：数字核脉冲处理算法,FPGA,高速AD,寻峰

参考文献

[1]张怀强,吴和喜,汤彬,等.数字核谱仪系统中脉冲堆积识别方法的研究[J].华东理工大学学报,2012,35(6):281-284.

[2]梁卫平,胡颖睿,肖无云,等.数字化多道脉冲幅度分析器调理电路设计[J].核电子学与探测技术,2012,32(1):462-465.

[3]肖无云,魏义祥,艾宪芸,等.数字化多道脉冲幅度分析技术研究[J].核技术,2005,28(6):787-790.

[4]肖无云,魏义祥,艾宪芸,等.多道脉冲幅度分析中的数字基线估计方法[J].核电子学与探测技术,2005,25(7):601-604.

[5]范永胜,周渊平,田时海,等.多道脉冲幅度分析器改进研究[J].电子设计工程,2012(20):70-72.

[6]肖无云,梁卫平,邵建辉,等.基于FPGA的数字化核脉冲幅度分析器[J].核电子学与探测技术,2008,28(3):1069-1071.

[7]王彦,贺康正,黄松.基于FPGA的多道脉冲幅度分析器的设计[J].核电子学与探测技术,2005,25(1):416-419.

[8]马飞,魏义祥,文向阳.一种用于溴化镧探测器的小型多道采集电路[J].核电子学与探测技术,2009,29(5):1179-1182.

[9]曾卫华.基于FPGA的数字多道脉冲幅度分析器设计[J].现代地质,2012,26(2):1317-1321.

数字脉冲技术 篇6

串行数据分配电路是本实验的被试电路, 主要用于信息的处理, 通过不同的选通控制信号向不同的输出端口分配寄存器的串行数据, 有多谐波振荡器来产生选通控制信号, 它作为一种方波信号, 具备一定脉宽。本实验选择的接受辐射干扰的耦合途径为选通控制信号1的信号传输线, 在一个PCB班上制作选通控制信号2的产生电路和串行数据分配器电路。另外再制作一个电路板, 它是利用多谐振荡器电路制作的, 也就是选通控制信号1产生的电路, 分别在两个金属屏蔽盒中装设两电路板和供电电源。

二、连续波对电路的辐照试验

通常情况下, 连续波辐照装置包括很多个组成部分, 比如信号发生器、功率放大器、场强计等。按照相关摆放方向, 来对被试电路进行辐照试验, 利用光纤传输场强计来监测场强, 利用屏蔽电缆来在示波器监测中连接被试电路1两端产生的电压波形。

当加到一定场强时, 由电缆引入的干扰电压作为正弦高频震荡, 具有十分稳定的辅助, 当逐渐增大外加场强, 就会干扰到产生选通控制信号的多谐振荡器, 主要表现是这样的, 延长了方波控制信号的高电平持续时间, 缩短低电平持续时间, 增大方波占空比。如果没有干扰时, 多谐波振荡器输出的方波电压信号波形占空比为二分之一;受到干扰时, 会显著增大与非门的输入波形高电平持续时间, 降低低电平持续时间, 周期也得到了增大, 方波占空比得到了增加, 但是并没有影响到与非门的逻辑功能。

对辐射场的频率和幅度进行改变, 对多谐波振荡器输出方波的高电平持续时间、低电平持续时间以及周期和占空比等进行测量, 发现频率如何改变, 只要增大辐射场强, 就会减小多谐波振荡器输出方波的低电平持续时间, 增大高电平持续时间, 并且还会增大占空比。

三、电磁脉冲对电路的辐照试验

一般情况下, 由界波电磁脉冲模拟器、被试电路和测试设备共同组成了雷电电磁脉冲辐照试验装置, 其中, 又可以将界波电磁脉冲模拟器继续细分, 划分为脉冲源、前过渡段、平行板段以及后过渡段等几个组成部分。在平行板传输线的工作空间上放置被试设备, 采用雷电浪涌发生器来制造高压脉冲, 它所产生的综合波浪涌电压波形符合国际标准的相关规定。采用宽带电场测试系统来测量工作空间内脉冲场的脉冲场, 它是利用光纤传输的, 采用示波器来测量被试电路接收的耦合电压。

对场强的大小进行适当改变, 对不同场强下与非门输入端的电压波形和输出端的电压波形进行测量;通过具体的试验我们可以得知, 在受到干扰之后, 就会有振荡问题出现于高电平或低电平的信号中, 高频震荡是低频衰减震荡的前兆。展开场波形的前部, 相较于感应波形, 我们可以发现, 有一些高频振荡存在于场波形的前部, 它是不应该存在于标准的双指数雷电浪涌波形中, 它的产生主要是一些影响因素的作用, 比如放电开关以及波形产生电路分布参数等。而感应波形前部的高频震荡在震荡频率和持续时间方面等同于场波形前部, 我们可以推断出来, 场波形前部的高频震荡引起了感应波形前部的高频振荡。双指数场波形则引起了低频振荡。

四、结语

通过上文的试验分析我们可以得知, 数字电路不仅会受到连续波的干扰, 还会受到电磁脉冲波的影响。电磁脉冲和连续波在数字电路方面有不同的干扰现象。当采用连续波辐照时, 主要是对多谐波振荡器方波的高、低电平持续时间以及占空比等产生影响, 而采用电磁脉冲辐照时, 主要是产生一段振荡, 它的频率要远远高于方波信号。

参考文献

数字脉冲技术 篇7

1 程序设计及运行结果

根据研究任务, 利用巴特沃斯模拟滤波器, 通过脉冲响应不变法设计巴特沃斯数字滤波器, 数字滤波器的技术指标为

采样周期为T=2。

设计程序如下:

2 结果分析

运行程序, 可得滤波器阶数为N=8, Wc=0.4446。符合设计要求。巴特沃斯滤波器的幅频特性曲线如图1所示。

3 结论

利用MATLAB设计滤波器方法简单、快捷直观。本文运用脉冲响应不变法, 利用matlab设计了Butterworth数字滤波器, 程序运行结果符合设计技术指标要求, 取得了较理想的实验效果。

参考文献

[1]赵晓群.巴特沃斯低通滤波器的实现方法研究[J].大连民族学院学报, 2013, 15 (1) :72-75.

数字脉冲技术 篇8

关键词：TRAD,巴克码PD,全数字仿真,单脉冲测角,制导雷达

0 引 言

美国兰德公司曾在21世纪初预测,在未来的10年里,机载拖曳式有源雷达诱饵(Towed Radar Active Decoy,TRAD)将成为世界电子战设备市场上增幅最大的产品。据报道,1999年3月美国对南联盟实施的空袭中,美军在其B-1B轰炸机上装备了ALE-50拖曳式诱饵,致使南联盟至少有10枚地空导弹被诱偏,有效地保护了其战机的安全[1]。近年来,美英德等国更是加大了在TRAD方面的投入,完成了多种诱饵的研发、外场试验和定型等[2,3,4],并开始大量装备其各种战机。兰德公司的预测成为了现实。

拖曳式诱饵的使用对当前空空导弹(Air-to-Air Missile,AAM)制导雷达造成了很大威胁。目前,对抗TRAD干扰的主要技术手段包括采用复合制导体制[5,6]、具有抗欺骗能力的制导新体制和信号处理算法抗干扰[7,8]等,但无论是从体制上还是抗干扰算法上,其抗TRAD的有效性都缺乏一定的依据。这一方面是由于抗TRAD干扰问题本身的复杂性,另外一方面也是由于缺乏统一的验证评估平台来对这些抗干扰手段进行定量评估。

本文针对空空作战场景下单脉冲巴克码PD体制下制导雷达对抗TRAD干扰评估问题,提出了一种实现制导信息处理的全数字动态仿真平台,用于典型TRAD干扰样式下飞机目标诱饵雷达回波动态生成和抗干扰算法性能的验证。文中基于稳态时拖曳线刚体假设,针对迎头、尾追和截击等典型空战场景,实现了飞机运动学状态动态生成及TRAD伴飞状态生成,进一步可合成目标和干扰的雷达回波。通过仿真说明了文中提出仿真方法的有效性。

1 单脉冲巴克码PD雷达制导仿真平台

单脉冲巴克码PD制导雷达仿真平台的基本框图如图1所示。系统主要由实体运动特性仿真、实体雷达特性仿真、雷达信息处理过程仿真、信息显示及性能评估、框架流程控制及任务管理模块5大部分组成。其中,框架流程控制及任务管理模块(Framework Procedure Control & Task Management Module,FPC&TMM)是系统的核心,主要实现对各仿真模块的有序调用和对仿真流程进行控制(如仿真的开始、结束和暂停等),此外该模块还用于实现对全局数据文件的操作和管理等。

2 目标诱饵运动特性生成

图2给出了战机应对来袭导弹的一般战术,因此我们的标准仿真场景将主要针对迎头和尾追场景。此外,由于战斗机大的横向机动总是在单个平面内完成的,故仿真场景设置主要针对水平和竖直平面内的目标横向机动两种情形下的迎头攻击和尾追攻击场景。截击场景和迎头场景下的情形相同。

3 目标诱饵系统雷达特性生成

在本平台目标电磁散射模型中,采用目标多散射中心模型,用于快速生成目标回波,这种方法用于验证雷达信息处理过程以及抗干扰算法的评估满足精度要求。

设雷达发射脉冲宽度为T2,码元时间宽度(子脉冲宽度)为T1(T2=PT1,P为巴克码长度);设t为一个积累帧中以第0个发射脉冲开始时间为起点的时间变量,则制导雷达的发射信号可以表示[9]为:

$e(t)={\displaystyle \sum _{m=0}^{{\rm M}-1}{\displaystyle \sum _{n=0}^{{\rm P}-1}e}}{}_{mn}(t-n{\rm T}{}_1-m{\rm T}{}_{\text{p}})={\displaystyle \sum _{m=0}^{{\rm M}-1}{\displaystyle \sum _{n=0}^{{\rm P}-1}e}}{}_{mn}(t{}_{mn})(1)$

式中:m为发射脉冲编号;M为目标检测所需要的相参积累脉冲个数;n为发射脉冲中每个子脉冲的编号;Tp为脉冲重复周期;tmn=t-nT1-mTp为以第m个脉冲中第n个子脉冲开始时间为起点的时间变量(0≤tmn<T1);emn(tmn)为第m个脉冲中第n个子脉冲对应的信号。

设雷达工作频率为f0,b(n)(n=0,1,2,…,P-1)是长度为P=13的巴克码序列,则第m个脉冲中第n个子脉冲的信号形式可以表示为:

$e{}_{mn}(t{}_{mn})=\{\begin{array}{l}A\text{c}\text{o}\text{s}\left[2\text{π}f{}_{0}t{}_{mn}+\frac{1-b(n)}{2}\text{π}+\phi {}_{mn}\right],\\ 0\le t{}_{mn}\le {\rm T}{}_1\\ 0,\text{e}\text{l}\text{s}\text{e}\end{array}(2)$

式中:φmn=2πf0(mTp+nT1)+φ0。显然,雷达发射信号相当于一个频率为f0的正弦连续波按Tp为周期截断成宽度为T2的脉冲串,然后将每个脉冲串与b(t)相乘后(相位调制)的结果,可以表示为:

$b(t)={\displaystyle \sum _{m=0}^{{\rm M}-1}{\displaystyle \sum _{n=0}^{{\rm P}-1}b}}{}_n(t{}_{mn})$

式中:当b(n)=-1时,bn(tmn)=-1;当b(n)=1时,bn(tmn)=1。

扩展目标雷达回波可表示为:

$\begin{array}{l}x(t)={\displaystyle \sum _{m=0}^{{\rm M}-1}{\displaystyle \sum _{n=0}^{{\rm P}-1}{\displaystyle \sum _{p=1}^{{\rm N}}A}}}{}_{p}r{}_{mn}[t-n{\rm T}{}_1-m{\rm T}{}_{\text{p}}-\\ \frac{2(R{}_p-vm{\rm T}{}_{\text{p}}-vn{\rm T}{}_1-vt{}_{mn})}{c}](3)\\ r{}_{mn}(u)=\{\begin{array}{l}\cos \left[2\text{π}f{}_{0}u+\frac{1-b(n)}{2}\text{π}+\phi {}_{mn}^{´}\right],\\ 0\le u\le {\rm T}{}_1\\ 0,\text{e}\text{l}\text{s}\text{e}\end{array}(4)\end{array}$

式中:v为目标径向速度;t是以该接收处理帧内第0个脉冲周期的开始时间为起点的时间变量;m为一个接收帧内的脉冲编号;φ′mn=2πf0[mTp+nT1]+φ1;φ1为该接收处理帧内第0个接收脉冲的第0个子脉冲相位;S为回波脉冲幅度;tmn是以帧内第m个周期的发射脉冲中第n个子脉冲开始时刻为起点的时间变量;N表示目标散射中心个数;Ap为第p个散射中心幅度;Rp为第p个散射中心距离。此处没有考虑目标各散射中心间的转动效应,认为各散射中心的运动速度相同。

TRAD一般采用欺骗式干扰,主要包括简单转发干扰、距离拖引干扰、速度拖引干扰、距离-速度组合拖引干扰及调频诱饵干扰等。它的工作机理是将载机传送过来的含有假目标的欺骗信号放大后直接发送回导弹来袭方向,在导引头雷达上的反映为一个新目标。因此,类似上述推导过程,干扰信号的形式如下所示:

$\begin{array}{l}J{}_{mn}(k)=J\cdot \exp \{\text{j}[2\text{π}f{}_{\text{d}J}k\text{Δ}t+2\text{π}f{}_{\text{d}J}m{\rm T}{}_{\text{p}}-\\ 2\text{π}f{}_{0}k{}_J\text{Δ}t+[1-b(n)]/2\text{π}]\}(5)\\ \max (k{}_J,k{}_0)\le k\le \min (k{}_J+{\rm N}{}_{{\rm T}}-1,k{}_f)(6)\end{array}$

式中:J为干扰信号幅度,拖曳式有源诱饵一般是需要转发假目标信号,因此干扰信号的强度J大于目标回波强度S;fdJ = 2vJ/λ为速度调制后的诱饵多普勒频率,当不采用速度门拖引式时,诱饵速度和载机速度相同,即fdJ=fd,但转发诱饵会使fdJ逐渐偏离目标真实多普勒频率fd,从而在速度上将速度跟踪波束拖开;kJ为诱饵距离拖引后对应的采样起始位置,kJ=2RJ/(cΔt)。其中:RJ为诱骗距离,与导弹和诱饵的距离RTD不同;RJ主要取决于诱饵转发所加的时延。

巴克码脉冲压缩雷达的一帧数据X=[xm(k)]M×kC表示为:

$\mathit{X}=\mathit{S}\cdot \mathit{F}(f{}_{\text{d}})\cdot \mathit{B}(k{}_{\text{Τ}})\cdot \mathit{{\rm T}}(f{}_{\text{d}})+J\cdot \mathit{F}(f{}_{\text{d}J})\cdot \mathit{B}(k{}_{{\rm T}J})\cdot {\rm T}(f{}_{\text{d}J})+{\rm N}\cdot \mathit{E}{}_{{\rm M}\times k{}_{\text{C}}}(7)$

式中:

$F(f{}_{\text{d}})=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& \exp \{\text{j}2\text{π}f{}_{\text{d}}{\rm T}{}_{\text{p}}\}& 0& 0\\ ⋮& ⋮& \ddots & ⋮\\ 0& 0& \cdots & \exp \{\text{j}2\text{π}({\rm M}-1)f{}_{\text{d}}{\rm T}{}_{\text{p}}\}\end{array}\right]{}_{{\rm M}\times {\rm M}}(8)$

$\begin{array}{l}B(k{}_{\text{Τ}})=\left[\begin{array}{ccccccccc}0& 0& \cdots & b(0)& \cdots & b({\rm P}-1)& 0& \cdots & 0\\ 0& 0& \cdots & b(0)& \cdots & b({\rm P}-1)& 0& \cdots & 0\\ ⋮& ⋮& \ddots & ⋮& \ddots & ⋮& ⋮& \ddots & ⋮\\ 0& 0& \cdots & b(0)& \cdots & b({\rm P}-1)& 0& \cdots & 0\end{array}\right]{}_{{\rm M}\times k{}_{\text{C}}}(9)\\ \uparrow \uparrow \cdots \uparrow \\ 01\cdots k{}_{\text{Τ}}\\ \mathit{{\rm T}}(f{}_{\text{d}})=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& \exp \{\text{j}{}_2\text{π}f{}_{\text{d}}\text{Δ}t\}& \cdots & 0\\ ⋮& ⋮& \ddots & 0\\ 0& 0& \cdots & \exp \{\text{j}2\text{π}f{}_{\text{d}}k{}_{\text{C}}\text{Δ}t\}\end{array}\right]{}_{k{}_{\text{C}}\times k{}_{\text{C}}}(10)\end{array}$

式中:S为目标电磁散射矩阵;EM×kC为M行kC列高斯白噪声矩阵。图3给出了巴克码脉冲压缩雷达全数字仿真成像处理流程。经采样得到的基带信号经过巴克码脉冲压缩后,在对相同距离单元信号进行相参积累处理就得到了距离多普勒成像结果。

4 仿真分析

整个仿真过程从初始化场景参数开始,然后根据图4所示场景,对目标和诱饵的运动进行模拟,得到目标和诱饵的状态信息,再根据目标和诱饵的相对位置,结合导弹的比例制导规律得到导弹的状态信息(位置和速度等)。根据它们的绝对信息,计算出其相对位置和速度参数,再把这些参数代入到雷达信号生成模块,生成目标和诱饵系统的雷达回波信号,并得到目标和诱饵的距离-多普勒图像,如表1所示。此处假定雷达工作频率为10 GHz,子脉冲宽度为0.5 μs,脉冲重复周期为25 μs,巴克码编码序列为[-1 -1 -1 -1 -1 1 1 -1 -1 1 -1 1 -1],相参积累脉冲个数为256,数据处理帧周期为10 ms,干扰样式为距离-速度组合干扰。

通过表1可以看到,在迎头场景下,刚开始可能目标和诱饵的谱特征不太明显(每个场景下的第一幅距离-多普勒图像),但随着导弹靠近目标,目标和诱饵在距离-多普勒平面逐渐分离,不管是在速度维还是在距离维上。这主要是由于迎头场景下,导弹是逐渐接近目标和诱饵系统的,两者的张角相对导弹逐渐增大,其距离特征的区别就显得比较明显。另外,迎头场景下目标和诱饵的多普勒差异也会变得比较大。图5给出了通过单脉冲测角得到的仿真场景一中弹目视线角误差在方位和俯仰平面内的值以及弹目多普勒值,目标和诱饵在距离多普勒平面上基本无法区分,这主要是由于目标-诱饵系统远离导弹,其本来微小的多普勒差异更加被削弱,距离上的差异也会显得很小。这也是飞机使用战术中尽量把迎头和截击场景转变为尾追场景才比较安全的一个重要原因。

5 结 论

本文针对空空作战场景下单脉冲巴克码PD体制下制导雷达对抗TRAD干扰评估问题,提出了一种用于实现单脉冲巴克码PD制导雷达信息处理的全数字动态仿真实验平台。该平台可用于直接转发、距离拖引、速度拖引及距离-速度组合拖引等典型干扰样式下飞机目标诱饵雷达回波动态生成和抗干扰算法性能的验证。在介绍TRAD干扰几种典型干扰的数学模型和单脉冲巴克码PD雷达全数字信息处理过程的基础上,提出了制导信息处理全数字仿真方法与仿真框架。文末的仿真实验表明,文中提出的仿真平台能够为抗干扰算法的评估提供数据源基础,同时仿真结果证明了文中仿真框架的有效性。

参考文献

[1]王燕.拖曳式诱饵步入前台[J].电子战技术文选,2000(3):3-6.

[2]张文俊.新一代先进诱饵发挥出巨人作用[J].电子侦察干扰,2001(2):39-42.

[3]金兆恂,王建涛.机载牵引式复合诱饵[J].光电对抗与无源干扰,2003(1):24-26.

[4]立平.AN/ALE-55光纤拖曳式诱饵取得新进展[J].航天电子对抗,2006,22(1):38.

[5]李朝伟.拖曳式有源诱饵及相应对抗技术初探[J].电子对抗,2003,19(2):36-40.

[6]李朝伟.基于数据融合抗拖曳式有源诱饵方法研究[J].航天电子对抗,2003,19(6):14-18.

[7]TURBYFILL M E,RUDD M A,MACK J L,et al.Activenoise suppression in phased array radars using an anti-jam-ming optical beam-forming system[J].Proceedings ofSPIE,1995,2481(141).

[8]PARKER P,SWINDLEHURST A.Space-time autoregre-ssive filtering for matched subspace STAP[J].IEEETransactions on AES,2003,39(2):510-520.