基于TIDSP5402的炮弹声源定位系统的硬件设计及算法设计.doc

对地攻击检测评估系统技术说明书1系统功能概述对地攻击检测评估系统用于航空炸弹、航空火箭弹、空对地导弹等对地面目标攻击的弹着点进行自动检测。系统可对单点、多点连续对地打击时的弹着点进行自动检测实时报靶，并能显示各种弹着点检测的技战术参数。自动向阵地指挥部传送命中结果，为修改射击诸元提供校验参数，便于各级指挥员对整个实弹射击训练过程进行科学、准确地评估。2系统主要战技指标1) 适用范围：航空炸弹 、 航空火箭弹 、空对地导弹及触地爆炸后引起声波的各种炸弹；对单点、多点投射时弹着点进行实时检测报靶。2) 检测精度：测量范围（500m*500m阵），误差小于5m；测量范围（70m*70m阵），误差小于0.5m；3) 系统响应时间：小于15秒；4) 两弹、多弹连投最小间隔时间：大于30毫秒；5) 无线传输：中心工作频率：2.483G。6) 发射功率：前置处理器100mW，接收灵敏度：-80dB；7) 误码率：多重校验，差错重发，趋向于0。8) 无线传输波特率：1，2，5，11Mbps；9) 与指挥系统接口：标准接口； 10) 使用环境：35常温下相对湿度小于95%， -40+55，承受温度为-45+60，抗电磁干扰、抗振、防潮；11) 最大功耗：单机10W ；12) 供电方式：前置处理器12V蓄电池，中心主机交流220伏；13) 系统连续工作时间：大于24小时；14) 设备尺寸(mm)：210×150×330；15) 单机重量：8kg；3系统构成对地攻击检测评估系统集声学、数学、电子技术、无线传输、数字信号处理及计算机应用等学科于一体，完成炸弹爆炸后声波的采集、数据无线传输、信号分析处理，通过合理的数学模型计算弹着点的精确位置，同时对打击的结果进行效能评估。本系统由前置处理子系统、前置环境补偿子系统、无线传输子系统、信号处理子系统、数据处理评估决策子系统组成, 系统结构如图3.1所示。图3.1 对地攻击检测评估系统结构图前置处理子系统：它将声学传感器接收的声信号转换成电信号，经远程控制放大器放大、A/D转换器转换成数字信号，由DSP芯片进行初步处理、鉴别, 并保存数据，最后通过无线以太网传输给中心主机进行处理。前置环境补偿子系统:本子系统主要是检测环境参数，即温度、风速和风向，并将测量值通过无线传输子系统传给中心主机，由中心主机评估软件对声速进行修正补偿，以提高系统检测精度。无线传输子系统: 本子系统将前置处理子系统采集并处理过的数字信号, 实时地传送给中心主机, 进行信号处理和评估。数字信号处理子系统: 通过采用波谱分析和小波分析对信号进行有效的处理分析, 实现了信号波形的转换, 干扰及噪声剔除, 获得真实的爆炸声信号.系统根据这些真实的爆炸声信号按一定的鉴别规则提取出炸弹爆炸声波传播到声学传感器的时间, 并提供给评估决策子系统。评估决策子系统: 用适当的软件开发工具, 由信号处理子系统得到的每个传感器接收到的炸弹爆炸声的时间, 按合理的数学模型计算出弹着点坐标，并用图形方式显示出来。可实时计算出炸弹的命中率，并将结果存入数据库，供以后查询。4前置处理子系统前置处理子系统由声学传感器、可编程信号放大器、A/D转换器、DSP系统、数据存贮器、以太网组件及系统电源部分组成。如图4.1。图4.1 前置处理子系统结构图4.1 声学传感器 声学传感器是将弹着点产生的爆炸声信号转换成同频率的电信号。为了能从各个角度接收不同弹种的爆炸声信号，研制了全向宽带压电换能器，其主要参数为带宽500Hz-28kHz，介电常数1700，机电耦合系数Kt0.5，接收灵敏度g33500×10-3伏·米2/牛顿，居里温度为365。4.2 可编程信号放大器增益可编程信号放大器是将声学传感器接收到的微弱电信号（V-mV级）放大到0-5V。其原理见图4.2，电路中采用两级低噪声高输入阻抗放大器TLC2272，电路中2片9c102数字电位器用来改变放大器的增益，由DSP芯片根据中心主机的指令改变增益大小，达到远程控制增益的目的，如图4.2。图4.2 可编程信号放大器原理图4.3 高速A/D转换器A/D转换器采用16位高速A/D转换器ADS8322，采样频率可达500kHz，它将信号放大器输出的0-5V音频信号转换成0-65535的数字量。其原理见图4.3。4.4 DSP处理控制系统的核心器件DSP采用TMS320-5402 芯片，它具有高速高精度运算能力、强大的数据通信能力、灵活的可编程性及低功耗设计等特点。原理如图4.4。时钟电路采用外部时钟方式，时钟频率10MHz，经DSP芯片内部锁相环PLL及软件设定，系统时钟可达100MHz。扩展16×32k的Flash程序存贮器29LV400和16×32k高速DRAM CY7C1021，系统的地址译码使能信号由可编程逻辑器件(CPLD) ATF 22LVPC产生。图4.3中的74HC244缓冲器用来输入子系统的通信地址。信号灯用来指识电源电压和信号等。图4.3 高速A/D转换器原理图图4.4 DSP系统原理图4.5 前置数据存贮器数据存贮器如图4.5所示。图中4片16×256k高速DRAM构成16×1M数据存贮器。74HC273锁存器的输出端和译码器的地址译码信号共同作为各CY7C1041的片选控制信号。图4.5 数据存贮器原理图4.6 网络组件以太网接口电路如图4.6所示。图中RTL8019为以太网接口芯片，它完成DSP系统与中心站主机间的数据传输。图中芯片93C46为串行EEROM，用来存放物理层的通信参数，10L8为隔离线圈，输出端口为RJ45标准。4.7 系统电源如图4.7，系统中前置处理器主要由12v电池供电，其电源分为有4种：（）+9V电源:供给信号放大器。（）+5V电源：提供给A/D转换、以太网接口等。( 3 )+3.3V：提供给予TMS3205402 的I/O口。（4）+1.8V：提供给TMS3205402的内核电源。采用的芯片分别为稳压芯片7809,7805及TI公司生产的双电源输出芯片TPS73HD318。图4.6 以太网接口电路原理图图4.7系统电源原理图5环境补偿系统环境补偿子系统用来测量现场环境温度、风速和风向，以补偿这些参数对声速的影响。 声波在空气中传播速度与温度间的关系为 : C = 20.06 ( 273.15+T )1/2从公式中可看出，当温度T改变时，声速发生变化，为减少测量误差，必须采用温度对声速补偿。风速和风向对声波传波时间的影响如下图所示：当声源产生的声波从O点以速度C向A点探头方向传播时，如风向与OA夹角为 ，风速为V，则声波从O点传播到A点所需时间为：t=L0AC+VCos 声源 风向 探头L0A当声波方向与风向夹角为0度时，对传播时间影响最大。如C=340米/秒，V=10米/秒, 将产生很大的误差，所以系统必须通过风速和风向补偿, 减少测量误差。 该子系统以philipu公司51系列单片机80c552芯片为核心，配置温度传感器,风速传感器,风向传感器,RS-232接口和无线电台组成,其原理框图如图5.1图5.1 环境补偿原理框图温度传感器采用AD590半导体温度传感器,其线形度为0.3%,精度0.5摄氏度, 温度每变化1摄氏度,输出电流变化1微安, 如串联10K欧电阻, 则输出电压变化10mV, 此电压经80c552单片机中的10位A/D转换器转换成数字量, 再计算出温度值. 温度为:风速传感器采用光电式传感器, 输入电压12V, 输出信号为脉冲信号,风速与其频率成正比, 脉冲信号经光电隔离、整形, 由单片机测量其频率,并转换成环境风速。风向传感器采用格雷码盘光电式传感器,其输出7位数字量位格雷码, 格雷码值与风向传感器叶片的转角有一一对应的关系，风向传感器输出的数字量经缓冲器输入到单片机80c552中, 并转换成风向与基准方向间的夹角, 存储到RAM中。单片机80c552内含8路10位A/D转换,最高转换速率为100Kbps,内部RAM 为256字节,具有2个16位定时计数器, 高速捕捉比较器,看门狗电路等,单片机将采集计算机的环境参数存储,并根据中心站主机的指令,通过RS-232接口及无线电电台将数据传输到中心站主机.系统的软件流程图如图5.2。图5.2 环境补偿数据流程图6无线通信子系统图6.1 无线通信子系统无线通信子系统作用：将前置处理子系统经过初步处理的数字信号实时地传送到中心主机的评估软件系统，同时也将中心主机的控制信息发送给前置处理器。该子系统采用先进扩展频谱技术的无线数据传输设备，实现了数据高速无线传输，并具有较高稳定性和抗干扰性能、保密性能。无线通信子系统组成：前置通信单元：双向高速微波单元 、110°板天线天线10 dBi 板状定向天线、 馈线。中继通信单元：双向高速微波单元、14 dBi抛物面天线、馈线。中心通信单元：双向高速微波单元、90°板天线天线18 dBi、双向功率放大器、馈线。6.1 扩展频谱技术扩展频谱技术它用来进行保密传输。从一开始它就设计成抗噪音、干扰、阻塞和未授权检测。扩展频储发送器用一个非常弱的功率信号在一个很宽的频率范围内发射出去，与窄带射频相反，它将所有的能量集中到一个单一的频点。扩展濒谱的实现方式有多种，最常用的两种是直接序列和跳频序列原理。 无线高速数据传输网络采用了微波扩频技术、无线全双工高速数据传输技术，使用2.4 GHz 微波传输频率。该技术打破了传统无线电传输理论中的信噪比概念和专用频道概念，采用宽频即扩展频率，其所有有效信号转变成数字信号后，全部湮没在噪音基带之中，而不是在以往要求的噪音基带之上进行检波。在传送信号时，使用比发送的信息数据速率高许多倍的伪随机码把载有信息数据的基带信号的频率进行扩展，形成宽带的低功率谱密度的信号来发射，2.4Ghz直序扩频位数为 11 位 （是目前扩频位数最高的），网络误码率为10-8，具有较高的稳定性，且不受气侯条件的影响。由于2.4G采用扩频技术，保密性好。扩频通信采用码分多址方式，虽然占用较宽的频带，但频带利用率较常规的无线通信采用的频分式或时分式高得多。只要设置不同的识别码ID，就可以产生不同的伪随机码来控制扩频调制，做到互不干扰的同时通信。使用高增益天线点对点传输距离可达20-40公里，支持各种常用的网络协议。6.1.1系统原理扩频系统可以看作是两个调制过程，第一步，使用传统的调制方式调制有效信号；第二步，使用扩频编码调制载波，使其扩展到一个非常大的带宽内，实现频谱展宽。图6.2 无线通信单元结构图6.1.2系统特点实用性：能充分提高工作效率和效益；开放性：符合开放性规范，具有标准的10M/100Mbase-T接口；继承性：保护并集成原有设备到本系统，未来系统升级时，现有设备均可再集成利用；安全性：保证信息安全、防止信息丢失和被窃；可靠性：具有强容错能力，单点故障不影响全网络的正常运行；可管理性及可维护性：具有较强的网络管理功能，对系统运行情况可实时进行巡查，支持Remote control（远程控制）；灵活性及可扩展性：易于增加新的设备；标准化规范化：符合IEEE 802.3及IEEE 802.11b等相应国际标准。扩频的以上特点完全适合本系统的高速实时、远距离传输、数据保密、低功耗、等要求6.2 系统使用环境6.2.1 使用环境要求前置通讯单元与中心通讯单元可视，无明显的物体遮挡；前置单元与中心单元距离小于3公里（不加中继）；中继模式可达到30公里。前置单元和中心单元轮询工作方式；每路可以达到11M的带宽。计算空间损耗为小于114 db，接收端信号灵敏度大于80dbm；分机发射端输出功率100mW；计算整个系统余量为40db。在中心通信单元处应用双向功率放大器，增加了中心通信单元的输出功率同时提到了接收前置的单元相信号的强调，提高了整个系统的余量，可以满足任何气象条件。6.3.2技术指标工作频率范围：2400-2500MHz； 操作模式：双向，半双工，侦听发射机的射频载波并自动从接收模式转换到发射模式 ；功放发射端输出功率：1000mW； 前置发射端输出功率：100mW； 中继发射端输出功率：500mW； 发射端输入信号：1mW-200mW； 增益：20dB(最大) 具有AGC的功能 ；前置放大噪声指数3.5dB，（包括内部滤波器）； 功放功放工作电流：静态：150ma；工作状态：1000MW 1000ma；端口：1xMDI RJ-45；LED显示：MGMT, WLINK, WTX/WRX, 10/100M, LINK/ACT, FDX/COL, BUSY, POWER；信道数量：11；无线传输速率：11, 9, 6, 5.5, 2, 1Mbps;自动/固定速率选择；兼容标准：IEEE802.11b(11Mbps WLAN),IEEE 802.3(10BASE-T)；电源匹配：5.5-7.0 VDC<2A；7信号处理子系统7.1 炸弹爆炸声信号弹着点精确定位评估系统是一个跨声学、电子技术、波谱分析、计算机等多个学科的综合性系统。本系统的关键是采用数字信号处理技术获得爆炸物落地时的爆炸声到达传感器的时间，然后根据这些时间信号，应用合理的数学模型，最终计算出弹着点的位置坐标。对于爆炸声信号的测量主要先由前置处理子系统接收声信号 (图7.1) 并送至中心主机，再由数字信号处理子系统对信号进行分析处理，其方法主要采用小波分析和波谱分析。四平靶场单枚火箭弹波形图大连海训基地9月9号5枚航空炸弹波形图大连海训基地9月9号火箭弹48枚信号波形图图7.1 由前置处理器送至中心主机的爆炸声信号7.2 小波分析在受干扰的情况下, 能否有效地检测信号，不仅与信号的类型和干扰的特征有关，还与信号处理的方式有关。如何准确地提取爆炸声信号的时间是弹着点位置识别中的首要问题。但是，当炸弹爆炸时，由声学传感器采集到的信号含有多种成分，信号中除了爆炸的声信号外，还有外部环境(如飞机飞行、火箭弹飞过、地面震动、颗粒状物体落在传感器上等) 产生的干扰噪声及信号在检测、采样、传输过程中的随机噪声, 都会影响检测结果。为了提高检测精度和识别准确的爆炸声信号，去除干扰信号与随机噪声是非常重要的。除了硬件设备的保障外，关键是采用良好的软件信号处理方法来实现。对于不同类型的信号应寻找出最佳的处理技术。传统的方法是广泛使用的频谱分析技术，它利用傅立叶变换把信号映射到频域内加以分析。这种方法在信号平稳且有明显区别于噪声的谱特性时比较有效。然而实际中经常碰到是非平稳信号，则需要分析每个时间段内含有的频率成分。由于这类信号的谱特性沿时间轴无限扩展，因此傅立叶变换的基函数就很难与其匹配。基于传统方法的局限性，本系统采用小波变换的方法来分析信号。小波分析属于时频分析的一种，传统的信号分析是建立在傅立叶变换基础之上的。傅立叶变换一直是信号处理领域中最完美，应用最广泛，效果最好的一种分析手段。但由于傅立叶分析使用的是一种全局的变换，要么完全在时域，要么完全在频域，因此无法表达信号的时频局域性，而这种性质恰恰是非平稳信号最根本和最关键的性质。爆炸声信号属于非平稳信号，其频域特性均随时间而变化，因此它为时变信号。对这类信号进行分析，通常需要提取某一时间段(或瞬时)对应的频域信息或某一频率段对应的时间信息。小波变换（Wavelet Transform）是一种信号的时间一尺度(时间一频率)分析方法，它具有多分辨率分析的特点，而且在时频域都具有表征信号局部的能力，是一种窗口大小不变,但形状可变，即时间窗和频率窗都可改变的时域局部化分析方法。在高频部分具有较高的时间分辨率和较低的频率分辨率，在低频部分具有较低的时间分辨率和较高的频率分辨率，就是这种特性使小波变换具有对信号的自适应性，由于小波变换本质上是一个范围可变的窗口方法，它可以用较长的时间间隔来获取更精确的低频信息，用较短的时间间隔来获取高频信息。又由于小波分析具有局部分析和细化的功能，所以小波分析可以揭示其它信号分析所丢失的数据信息，如奇异点、高阶导数不连续性、趋势和自适应性等。而且与传统的信号分析技术相比，小波分析还能在没有明显损失的情况下，对信号进行消噪和压缩。在进行信号分析时，如何提取信号的特征是一个关键的技术难点。信号的奇异点往往是它的重要特征。除此之外，信号的频率谱和它的幅值等表征了信号的许多信息。应用小波进行信号特征提取时，主要有两种处理方法，即边界的处理和滤波。在分析中，对边界的处理使用了延拓的方法，如对称延拓、周期延拓等。在信号分析中，对信号进行采样，然后对这个信号进行小波分解或小波包分解，其实质就是把采到的信号分解成两个信号，即高频部分和低频部分，低频部分包含了信号的主要信息，高频部分通常包含了信号的奇异特征。根据分析的需要，可以继续对所得到的低频部分或高频部分进行再分解，如此又得到了更低频率部分的信号和频率相对较高部分的信号。把一个混频信号分解成为若干个互不重叠的频带中的信号，这样就可以完成滤波和检波工作，达到了提取信号特征的目的。7.3 小波变换小波变换的定义是把某一被称为基本小波（也叫母小波Mother Wavelet）的函数做位移后，在不同尺度a下与待分析的信号x(t)做内积：WTx (a, ) = a>0 (7-3-1)等效的频域表示是 WTx(a,)= (7-3-2)式中X()和分别是x(t)和(t)的傅里叶变换小波变换有以下的特点：(1)具有多分辨率（Multi-resolution），也叫多尺度(Multi-scale)的特点，可以由粗至精地逐步观察信号。(2)可以看成用基本频率特性为的带通滤波器在不同尺度a下对信号作滤波。由于傅里叶变换的尺度特性可知这样滤波器具有品质因素恒定，即相对带宽（带宽与中心频率之比）恒定的特点。(3)适当地选择基本小波，使(t)在时域上为有限支撑，在频域上也比较集中，就可以使WT在时、频域都具有表征信号局部特征的能力，因此有利于检测信号的瞬态或奇异点。如上所述，小波分析的一个主要的优点就是能够分析信号的局部特征，如可以发现叠加在一个正弦信号上一个非常小的畸变信号的出现时间。此外，小波分析可以检测出许多其他分析方法忽略的信号特征，如信号的趋势，信号的高阶不连续点、自相似特性。7.4 信号重构将信号多尺度分解成一个个互相正交的小波函数的线性组合，可以展示信号的重要特性，但这不是小波分析的全部。小波分析另外一个重要的方面就是在分析、比较、处理（如去掉高频信号或消噪等）小波变换系数后，根据新得到的系数去重构信号。这个过程称之为逆小波变换（IDWT），或小波重构、合成等。信号重构的基本过程如图7. 2所示，信号合成主要包括对小波变换函数的插值与滤波，正好与信号分解相反。图7.2信号重构的基本过程7.5信号去噪在实际中所分析的信号可能包含许多尖峰或突变部分，并且噪声也不是平稳的白噪声，对这种信号进行分析。我们首先做信号的预处理，将信号的噪声部分去除，提取有用的信号。而这种信号的消噪，用传统的傅立叶变换分析，显然无能为力，因此，我们最终选用了小波进行信号的去噪。7.5.1 小波去噪的方法大概可以分为三类： 第一类方法是基于小波变换模极大值原理，最初由Mallat提出，即根据信号和噪声在小波各尺度上的不同传播特性，提出由噪声产生的模极大值点，保留信号所对应的模极大值点，然后利用所余模极大值点重构小波系数，进而恢复信号。第二类方法是对含噪声的信号作小波变换之后，计算相邻尺度间各点小波系数的相关性，根据相关性的大小区别小波系数的类型，从而进行取舍，然后直接重构信号。第三类方法是Donoho提出的阈值方法，该方法认为对于小波系数包含有信号的重要信息，其幅值较大，但数目较少，而噪声对于小波系数是一致分步的，个数较多，但幅值小。基于这一思想，Donoho等人提出软阈值和硬阈值的去噪声方法，即在众多小波系数中，把绝对值较小的系数置为零，而让绝对值较大的系数保留或收缩，分别对应于硬阈值和软阈值方法，得到估计小波系数(Estimated Wavelet Coefficients，简记为EWC)，然后利用估计小波系数直接进行信号重构，即可达到去噪声的目的，有效提高信噪比。对于爆炸声信号与现场噪声的幅值特征，我们采用第三类方法阈值方法，消噪过程可分为三个步骤进行：(1)信号的小波分解。选择一个小波并确定分解的层次，然后进行分解计算；(2)小波分解高频系数的阈值量化。对各个分解尺度下的高频系数选择一个阈值进行软阈值量化处理。(3)小波重构。根据小波分解的最低层低频系数和各层高频系数进行一维小波重构。信号消噪的主要函数wden的最简单的用法如下：sd=wden(s, tptr, sorh, scal, n, wavename)它所返回的是经过对原始信号s进行消噪处理后的信号sd。其中，tptr指定阈值选取规则，sorh指定选取软阈值(sorh='s')或硬阈值(sorh='h')，n为小波分解的层数，wavename指定分解时所用的小波。scal是阈值尺度改变的比例。 wdencmp是一种用得更为普遍的函数，它可以直接对信号进行消噪，处理方法也是通过对小波分解系数进行阈值量化来实现。Wdencmp函数的简单应用形式也就是我们所采用的应用形式如下：XC,CXC,LXC,PERF0,PERFL2=wdencmp(lvd,x,wname,N,THR,OSRH)我们在工程中所使用的程序如下所示：.thr=0,90000,50000,90000; %域值的设置xd1=wdencmp('lvd',xd1,'bior1.5',4,thr,'s');xd2=wdencmp('lvd',xd2,'bior1.5',4,thr,'s');xd3=wdencmp('lvd',xd3,'bior1.5',4,thr,'s');xd4=wdencmp('lvd',xd4,'bior1.5',4,thr,'s');.经过程序处理之后，我们所剩的数据量会明显减少，比较图如下：其中的thr是我们经过大量的数据分析之后得出来的比较理想的值，但是对于不同的弹种，不同的炮弹当量，thr的选取还是要做相应的改动。4枚炸弹原始信号波形图4枚炸弹处理后的信号波形图8枚炸弹原始波形与处理后的波形对比图为了将信号进行集成比较，对8枚炸弹的比较图就仅选用一路波形图，如上图所示。7.5.2 小波消噪中阈值的选取在小波分析中消噪中阈值的选取方法采用下述两种： (1)给定阈值消噪处理：阈值可根据以往的实验经验（靶场环境，弹种等），这种阈值可信度高。在进行阈值量化处理时可用函数wthresh，在我们的应用中，我们使用了软阈值处理，如下：.thr=1000;xd1=wthresh(xd1,'s',thr);xd2=wthresh(xd2,'s',thr);xd3=wthresh(xd3,'s',thr);xd4=wthresh(xd4,'s',thr);经过消噪后的波形入图所示：4枚炸弹消噪后的波形图8枚炸弹的两次滤波比较图(2)强制消噪处理：是一种自动处理方法，该方法是将小波分解结构中的高频系数全部置为0，即滤掉所有高频部分，然后对信号进行小波重构。这种方法比较简单，且消噪后的信号比较平滑。由于在系统中使用了基于小波变换的去噪方法，所以对信号中含有干扰和噪声能够很好的消除。7.6 小波分析的计算机实现表7.1小波变换的函数说明函数名说明分解函数dwt单尺度一维离散小波变换wavedec多尺度一维小波分解(一维多频率分析函数)wmaxlec允许的最大尺度值分解合成重构函数idwt单尺度一维离散小波逆变换waverec多尺度一维小波重构wroef对一维小波系数进行单支重构upcoef一维系数的直接小波重构分解结构函数detcoef提取一维小波变换高频系数appcoef提取一维小波变换低频系数upwlev单尺度一维小波分解的重构消噪压缩函数ddencmp或取消噪或压缩过程中的默认阈值wdmpen以Birge-Massart算法设置一维或二维信号消噪的阈值wdcbm以Birge-Massart算法设置一维信号消噪或压缩的阈值wdencmp用小波进行一维或二维信号的消噪或压缩wden用小波进行一维信号的自动消噪wthrmngr阈值管理基于Matlab的部分程序如下%多尺度分解(仍用db1)C,L=wavedec(dd,3,'db1');cA3=appcoef(C,L,'db1',3);%重构第三层的低频信号A3=wrcoef('a',C,L,'db1',3);%重构第1、2、3层的高频信号D1=wrcoef('d',C,L,'db1',1);D2=wrcoef('d',C,L,'db1',2);D3=wrcoef('d',C,L,'db1',3);figure;%显示多尺度分析结果subplot(2,2,1);plot(A3);title('A3')subplot(2,2,2);plot(D1);title('D1')subplot(2,2,3);plot(D2);title('D2')subplot(2,2,4);plot(D3);title('D3')%重构原始信号A0=waverec(C,L, 'db1');err=max(abs(dd-A0)err=4.5475e-013%信号的初步去噪(比较第三层近似信号与原始信号)figure;subplot(2,1,1);plot(dd);title('original');axis offsubplot(2,1,2);plot(A3);title('Level 3 Approximation');axis off(1)单尺度离散小波变换函数dwt格式为：cAl,cDl=dwt(X,'wname')cAl,cDl)=dwt(X,Lo_D,Hi_D)说明：其中X为被分析的离散信号，wname为分解所用到的小波函数，Lo_D、Hi_D为分解滤波器，cA和cD分别为返回的低频系数和高频系数向量。图7.3程序流程 (2)upcoef是系数的直接小波重构函数，其格式为：Y=upcoef(O,X,'wname',N)Y=upcoef(O,X,'wname',N,L)Y=upcoef(O,X,Lo_R,Hi_R,N)Y=upcoef(O,X,Lo_R,Hi_R,N,L)Y=upcoef(O,X,'wname')Y=upcoef(O,X,Lo_R,Hi_R)说明：该函数用于计算向量X向上N步的重构小波系数，N是严格的正整数。如果O=a，则是对低频系数进行重构，如果O=d，则是对高频系数进行重构。 (3)idwt为单尺度维离散小波逆变换函数。格式为： X=idwt(cA,cD,'wname') X=idwt(cA,cD,Lo_R,Hi_R) X=idwt(cA,cD,'wname',L) X=idwt(cA,cD,Lo_R,Hi_R,L)说明：对格式、，是用小波函数进行重构，对于格式、，是用重构滤波器进行重构。cA和cD的长度是相等的，Lo_R和Hi_R的长度是相等的。X为重构后信号的向量。(4)wavedec为多尺度小波分解函数，其格式为：C,L=wavedec(X,N,'wname') C,L=wavedec(X,N,Lo_D,Hi_D)说明：它用小波或分解滤波器完成对信号X的多尺度分解，N为尺度，且为严格的正整数。输出参数C由cAj,cDj,cDj-1,cD1组成，L由cAj的长度，cDj的长度，cDj-1的长度，cD1的长度，X的长度组成。(5)appcoef用于从小波分解结构C,L中提取一维信号的低频系数，格式为A=appcoef(C,L,'wname',N) A=appcoef(C,L,'wname') A=appcoef(C,L,Lo_R,Hi_R) A=appcoef(C,L,Lo_R,Hi_R,N)说明：其中C,L为小波分解结构，wname为小波函数，N为尺度。格式计算尺度N(N必须为一个正整数，且)时的一维分解低频系数；格式用于提取最后尺度（尺度N）的小波变换低频系数；格式、是用滤波器Lo_R和Hi_R进行信号低频系数的提取。(6)detcoef用于从小波分解结构C，L)中提取 D=detcoef(C,L,N) D=detcoef(C,L)说明：格式用于提取尺度为N(N必须为一个正整数，且 ，分解结构为C,L的一维分解高频系数；格式用于提取最后尺度(尺度N=length(L)2)的分解高频系数。(7)wrcoef是对一维信号的分解结构C,L用指定的小波函数或重构滤波器进行重构的函数。其格式有： X=wrcoef('type',C,L,'wname',N) X=wrcoef('type',C,L,Lo_R,Hi_R,N) X=wrcoef('type',C,L,'wname') X=wrcoef('type',C,L,Lo_R,Hi_R)说明：当type=a时，对信号的低频部分进行重构，此时N可以为0；当type=d时，对信号的高频部分进行重构，此时N为正整数。(8)waverec为多尺度小波重构函数，用指定的小波函数或重构滤波器对小波分解结构C,L进行重构，格式为 X=waverec(C,L,'wname') X=waverec(C,L,Lo_R,Hi_R)说明：它是wavedec函数的逆函数，即有X=waverec(wavedec(X,N,'wname')，'wname')。另外，X=waverec(C,L,'wname')与X=appose(C,L,'wname',0)等价。格式用小波函数进行重构，格式用重构滤波器进行重构。(9)利用小波对信号去噪，首先要识别出信号的哪一部分或哪些部分包含噪声，然后舍弃这些部分进行信号重构。在本例中，当越来越多的高频信息从信号中滤去时，相应的低频部分变得越来越“纯洁”，即所含的噪声越来越小。当然，我们在去掉高频部分的同时也丢失了初始信号的瞬变特征。因此，更优化的去噪是阈值消噪，即只去除那些超过某一设定值的细节部分。（10）对于信号处理过程中的小波基函数，去噪函数等的选取是要经过一定的分析来获得的。在本系统的分析过程中，我们通过对大量的数据进行分析，主要是利用Matlab自带的分析工具来进行，在环境中键入wavemenu就可打开该环境。分析过程如下图：图7.4 单尺度一维小波变换图7.5树模式图7.6信号初步去噪7.7 信号处理系统软件流程信号处理程序流程如下:1. 读取order.txt文件,获得炮弹数,传感器数目及传感器地址号.2. 判断程序循环次数(jj)是否大于传感器数目,如果大于,则跳到第13 步,否则继续往下执行.3. 读取信息帧数据,计算得出每个信号的起始时间,起始地址和文件长度,即采集到的数据量.4. 对数据进行第一次处理:采用小波处理(过程略).5. 对数据进行第二次处理:各个数据段的数据分别采用滚动平均法处理.6. 对数据进行第三次处理:能量法处理.7. 对数据进行第四次处理:总体归一化处理.8. 寻找峰值时间,并对各个峰值时间所在的信号段进行能量积累.9. 对各个信号的积累能量排序.10. 计算每个信号的真实时间11. 根据排序后的积累能量,我们找出所要求个数的时间数据并输出到文件中.12. 跳转至第2步.13. 结束程序.注释:在第8步处理中,我们先比较每个信号段里的数据,如果大于一定阈值的数据的数量,即波形的宽度大于一定的要求时,我们就认为这个信号段是有用的信号,因此我们就取信号中大于阈值的第一个数据所对应的时间为信号时间.8评估决策子系统用适当的软件开发工具计算出弹着点坐标，并用图形方式显示出来，可实时计算出炸弹的命中率，并将结果存入数据库，供以后查询。这部分需要注意的是数学模型的建立和计算方法的优化，用最短的时间精确地得到计算结果。该系统不可或缺，因为其它系统作用的结果只有通过该系统体现出来，并作为综合评估部队训练水平的可靠依据。评估软件子系统包括以下模块：8.1 系统布阵模块通过系统布阵模块，操作员可以根据实际情况，如炮弹的种类、靶场的地貌、地形等选择相应的阵型，设置相应参数。如果射击目标的范围在500m*500m以内(要求误差小于5m)，靶场的地形较平坦，是平原或沙滩则可采用单阵（所谓单阵，即在目标范围边缘区域设置四个声音传感器用于采集炮弹爆炸声音信号）。如果目标的范围大于500m*500m，靶场的地形较崎岖，是山地或丘陵则可采用复阵（所谓复阵，即在目标范围区域内按一定的方位设置多个声音传感器采集炮弹爆炸声音信号）。8.1.1系统布阵模块主要数据流程a、 数据流：阵型。说明：设置阵型、包含的传感器。数据流来源：阵型设置。数据流去向：阵型表，弹点计算参数。组成：阵号、主传感器、平行传感器、垂直传感器、校验传感器、辅助传感器。b、数据流：传感器坐标。 说明：设置传感器的坐标。数据流来源：传感器设置。数据流去向：传感器坐标表、弹点计算参数。组成：传感器名称、横坐标、纵坐标。 c、 数据流：传感器增益、阈值。说明：设置传感器增益、阈值。数据流来源：传感器参数设置。数据流去向：传感器参数表、前置处理器寄存器。组成：传感