APP下载

微传感器在执勤监控中的应用研究

2014-10-21杨朋伟

山东工业技术 2014年24期
关键词:数据融合

杨朋伟

摘 要:文章通过分析MOEMS微型传感器节点,研究了执勤监控中信息获取的方法,通过红外、声、振动、磁等传感模块探测目标信号,建立目标信号发生模型,对目标信号特性进行分析,研究不同类型的目标信号在时域和频域上的特征表现,建立目標特征数据库,进而进行信息融合及处理,对目标进行分类和识别,进而为执勤决策提供依据。

关键词:能量捕获;微型传感器;数据融合

1 引言

文章从执勤任务实际出发,为加快执勤现代化建设,提出将微型传感器通过人工布置、飞机或炮弹投掷等方法大量散布到目标区域,形成无线传感器网络,进而感知目标区域环境的化学、气流及电磁信息,为执勤决策提供依据,这将彻底解决连续监视关键目标地区、实时探测目标区域、保证执勤安全等技术难题。

2 系统设计方法

(1)研究环境能量捕获技术。捕捉各种环境能量转换到微传感器的电能,实现能源自供给。研究MOEMS微型电池、厚膜电池、太阳能电池板、MOEMS微型发电机及MOEMS集成微能源系统等技术,把外界环境能量转换为电能,并实现微传感器节点能量的存储与管理。

(2)研究微型传感器自组网技术。研究无线多传感器网络时间同步协议及定位算法,从而实现微型多传感器采集于传输数据的正确率,以及多传感器节点的协同工作,建立低功耗微型多传感器网络进行数据结果的采集与传输。

(3)研究信号发生机理和信号的传播过程。通过建立信号发生和传播的模型,分析信号传播过程中的频率特性和衰减特性,为特征提取和目标分类打下基础,对外界的噪声做估计,研究有效方法减小噪声干扰。分析目标的特征提取和选择方法,研究多特征联合的目标特征提取方法;通过对实际信号的分析、统计,通过建立特征数据库匹配并分析计算相关系数提取到目标特征后,建立目标特征数据库,然后通过有效的识别算法如AR模型、人工神经网络等实现对目标的分类识别。分析信号的多传感器和多混叠目标识别问题。建立微型多传感器信息融合系统模型实现对目标的分类处理。

3 系统实现方法

系统的组成:MOEMS微型传感器模块、数据融合与目标判识,传感器网络节点的自组网及数据无线传输。

(1)微型传感器模块。微震动传感器:地面车辆、人员和低空飞行物等对地面的激励而产生地震动信号,信号通过地球表面介质向四面传播,到达传感器接收端,因此方案利用MOEMS技术制成微型传感器,通过采集地震动信号来实现对目标的识别。

微传声器:由振动薄膜构成,振动薄膜在声波的振动压力的冲击下会发生振动,从而根据振动的大小来探测声音信号。根据能量转换原理的不同,微传声器可以分为压阻式、电容式和压电式等,目前,微加工方法已经能够制造压电式、压阻式、电容式和场效应管式的传声器,这些传声器的振动膜面积都小于1mm2。因而通过MOEMS技术来制作、加工的微传感器通过采集声音信号来识别与判断声音信号,从而达到识别目标信息的目的。

微磁传感器:微磁传感器是将因磁场、应力、应变、温度、光等引起的磁特性变化转换成电信号进行检测的装置,磁传感器在检测信号时对检测物本身并无影响,在污染或噪声多的环境中也能可靠的工作,微磁传感器通常要求微小空间中的物理量变化也必须高灵敏度地快速反应,要求传感器体积小,重量轻,速度快,灵敏度高。MOEMS技术的发展促使了磁传感器的发展,因此采用MOEMS技术加工、制作微型磁传感器将会实现高灵敏度、低功耗的信号采集及识别。

微红外探测器:利用红外辐射与物质相互作用产生的各种物理现象来实现对红外辐射的探测,这里所说的物理现象是指如尺寸大小、温度、电阻等,它们会随着红外辐射强度的不同而发生相应变化。根据这些物理量的变化就能实现对红外辐射的探测目的。因此应用MOEMS技术制成微型的红外探测器就能实现微型传感器的红外探测及采集信号的目的。

微气体传感器:基于MOEMS的可编程衍射光栅可以用来检测任何一种化学气体或多种气体的混合物,通过它的检测,系统能够立即给出关于被测化学物质的成分,而不需要传统的光谱仪的配合。

(2)数据融合与目标识别方法。不同类型的目标信号在时域和频域上表现出不同的特征,可以采用相应的识别方案。因此根据目标的振动、红外、声信号的特征,可以研制振动、红外、声传感模块采集目标信号,通过研究各种地面目标(人员、车辆)的信号发生机理和信号传播的过程,建立信号发生和传播的基本模型,分析信号传播过程中的频率特性和衰减特性,为目标的特征提取和目标分类打下理论基础。

通过小波分析方法着重分析目标的特征提取和选择方法。在现有数据库基础上,分析不同目标频谱和时频域特征,比较各种特征量方法进行选择。通过时域和频域上的定量分析,包括信号时域过滤分析、信号的频谱、能量谱等,定量提取目标时域和频域上的目标特性。这一过程可以表示为:信号——A/D转换——时域频域特征提取——目标特征库。

模式识别和人工智能技术的不断发展,为传感器网络目标识别提供了理论基础和技术支撑。通过建立MOEMS微型多传感器信息融合系统模型实现对信号的分析、判断,从而实现目标特性的提取。在对目标信息进行特征提取后,通过建立特征数据库匹配并分析计算相关系数提取到目标特征后,建立目标特征数据库,再辅以有效的识别算法如AR模型、人工神经网络,从而实现对目标的分类识别。

每个信息获取单元系统由多传感器模块接收目标信号,经A/D转换成数字信号,再由控制模块与CPU系统共同完成原始数据的处理与结果判定,接着把结果通过数据接口送给无线收发模块,由无线收发模块进行数据传输交换。指挥中心根据收到判定的结果发送单元的动作命令,各单元收到命令,根据对应命令动作。

(3)传感器网络节点的自组网及数据无线传输。考虑将Zigbee组网技术应用于能量自捕捉微传感器网络目标识别系统,从而实现对执勤目标及区域智能监控与控制,通过研究降低微传感器模块功耗的方法来实现低功耗数据采集及传输。

4 结论

文章通过研究MOEMS技术,研究实现传感器节点的小型化、智能化的方法,对声、磁、振动、红外四种信号探测与感知方法研究,通过能量自捕获技术方法研究,以及利用小波分析、神经网络、模式识别等研究MOEMS微型传感器信息融合系统模型建立方法,为实现执勤监控信息采集提供了可靠的理论基础。

参考文献:

[1]曾华锋,夏洪流等.现代侦察监视技术[M].北京:国防工业出版社,1999.

[2]牛强.漫谈地面传感器侦察[M].现代军事,1999(12).

[3]马宝华,施聚生.远距离战场监视传感器系统人员、车辆、直升机预警[Z].GF:513,1993(03).

猜你喜欢

数据融合
多传感器数据融合技术在机房监控系统中的应用
《可靠性工程》课程教学的几点思考
基于数据融合的家庭远程监护系统研究
船舶动力定位中的数据融合技术文献综述
基于信源编码的数据融合隐私保护技术
两轮自平衡车实验平台的设计
自由搜索的BPNN在WSNs数据融合中的应用
一种基于数据融合的新的入侵检测框架
多传感器数据融合技术研究与展望
基于物联网技术的智能温室关键技术研究