智能信号处理在LFMCW雷达物位计中的应用研究

摘要

物位计是工业生产不可缺少的重要测量工具。针对目前物位测量所面临的诸如测量装置落后、测量精度不高及测量方法受环境影响较大的问题，在现有物位测量方法的基础上本文提出一种采用线性调频连续波(LFMCW)雷达进行物位测量的新方法。调频连续波(LFMCW)雷达使用低截获概率波形，非常适合使用简单的固定发射机，在海军战术导航雷达、小型弹药传感器、汽车雷达等领域得到应用。调频连续波雷达技术历史悠久，但在过去一直限制在某些特定的用途，如无线电高度表，现在该技术又重新引起人们的重视。主要有几个原因：其一，调频连续波具有的最一般的优点是容易与各类固态发射机兼容；其二，目前这种系统中为完成距离测量而必须进行的频率测量可以使用快速傅立叶变换(FFT)以数字形式来完成。 本文主要研究LFMCW物位测量雷达系统的信号处理部分。 首先回顾了LFMCW雷达的特点和应用以及单一正弦信号频率估计的各种方法，简单分析了LFMCW雷达的测距原理。然后介绍神经网络的理论基础，主要介绍神经网络中的BP网络和连续Hopfield网络的理论基础，并对Hopfield网络的稳定性进行分析，同时简要介绍了最小二乘理论基础，为用神经元网络理论处理物位信息做理论准备。 本文的主要工作是用神经元网络理论实现物位信息的智能处理，目的是提高物位信息的测量精度和分辨率。 首先，选用BP神经元网络，主要是利用它的非线性函数逼近的功能，来逼近用最小二乘算法得到的极值矩阵，隐含层以S型函数作为转移函数，输出层选用线性函数构造BP网络。通过对网络输入样本的选取和预处理，网络结构的设计，网络的训练和测试等几个步骤得到符合要求的BP网络，并在计算机上进行仿真实验，结果表明，该方法只要在训练对象足够的情况下可以实现在一定范围内的精确测量。但由于组成BP网络的工作量大，测量精度受噪声的影响也较大，进一步提出了用连续Hopfield网络能量函数的方法解决问题。 其次，讨论连续Hopfield网络的优化理论，在此基础上构造系统的代价函数，再与网络的能量函数相比较，得到网络的权值矩阵和阈值矩阵，通过连续Hopfield网络的优化算法得到参数的最优解，进而得到所测物位的距离信息。方法简单，易于实现。仿真结果表明，Hopfield优化方法更有效的提高了系统的测量精度和距离分辨率。 总之，研究结果表明，以上两种神经元网络方法都有效的提高了物位信息的测量精度和分辨率，是微波物位领域的一次有意义的尝试。

目录

文摘

英文文摘

论文说明：图表索引

声明及关于学位论文使用权的说明

第一章绪论

第二章LFMCW雷达系统的测量原理

第三章人工神经元网络理论基础

第四章神经网络方法对LFMCW雷达的物位信号处理

结束语

参考文献

致谢

攻读硕士期间发表的论文