周輝峰，王一雄，曾少龍，鄧家權(quán)

(西昌衛(wèi)星發(fā)射中心，四川 西昌 615606)

CZ-3A 系列運載火箭在靶場測試過程中，除遙測系統(tǒng)記錄的各系統(tǒng)遙測數(shù)據(jù)外，各系統(tǒng)還生成比遙測數(shù)據(jù)豐富的地測數(shù)據(jù)，通過網(wǎng)絡(luò)傳送至遠(yuǎn)控技術(shù)區(qū)，在各系統(tǒng)主控微機(jī)(或大屏幕上)實時顯示，輔助各系統(tǒng)專家和科技工作者對衛(wèi)星、火箭進(jìn)行全面把關(guān)和輔助決策。這些數(shù)據(jù)文件包含了系統(tǒng)箭上單機(jī)元器件工作遙測參數(shù)、工作電壓電流、性能狀態(tài)指標(biāo)，地面設(shè)備工作狀態(tài)，系統(tǒng)之間指令、狀態(tài)、指令執(zhí)行情況反饋等信息。這些測試數(shù)據(jù)按系統(tǒng)類型分為:利用、環(huán)境、動力、姿控、外安、控制、遙測等參數(shù);按變化速率分為:速變、緩變參數(shù);按物理類別分為:電量、非電量參數(shù)。

可見，測試數(shù)據(jù)信息量大、參數(shù)數(shù)量巨大、參數(shù)數(shù)據(jù)種類繁雜，僅靠人工進(jìn)行數(shù)據(jù)判讀、比對以及復(fù)查，不僅測試人員工作量大、效率低，而且容易造成人為判讀遺漏和偏差，判讀準(zhǔn)確度難以控制。尤其是對一些復(fù)雜而又十分重要的臺階參數(shù)和脈沖參數(shù)進(jìn)行判讀時，必須每個臺階依次判讀，準(zhǔn)確讀出每個臺階值、變化范圍以及臺階的時間間隔，準(zhǔn)確找到脈沖參數(shù)發(fā)生的時間和動作相對應(yīng)等等，判讀要求十分嚴(yán)格。

鑒于以上不足，為適應(yīng)靶場高密度任務(wù)形勢需要，本文針對靶場幾類參數(shù)，采用中值濾波算法實現(xiàn)臺階參數(shù)和脈沖參數(shù)的濾波平滑處理;創(chuàng)造性設(shè)計了雙邊多點閾值判斷方法與符號判斷方法相結(jié)合的臺階自動識別算法，實現(xiàn)了在噪聲較大情況下的臺階參數(shù)的自動識別與判讀;引入6σ 原則，實現(xiàn)了脈沖參數(shù)的脈沖識別和統(tǒng)計;并對每個臺階進(jìn)行濾波前后的數(shù)理統(tǒng)計，實現(xiàn)了運載火箭靶場測試數(shù)據(jù)自動輔助判讀功能。

1 算法設(shè)計

1.1 臺階參數(shù)識別算法設(shè)計

針對臺階參數(shù)的自動判讀與識別，本文設(shè)計了雙邊多點閾值判斷方法與符號判斷方法相結(jié)合的臺階參數(shù)自動識別算法。首先采用奇數(shù)模板中值濾波算法將參數(shù)中的大量噪聲濾除。采用奇數(shù)模板中值濾波保證了參數(shù)原有數(shù)據(jù)臺階特征不變，同時平滑了每個臺階的噪聲。其次，在中值濾波的基礎(chǔ)上，將雙邊多點閾值判斷方法與符號判斷方法相結(jié)合，準(zhǔn)確找到參數(shù)中的每一個臺階，并對每一個臺階進(jìn)行標(biāo)記、計數(shù)和保存。在每一個臺階內(nèi)再進(jìn)行均值濾波，最后，對每一個臺階進(jìn)行數(shù)理統(tǒng)計分析和比對。算法設(shè)計流程如圖1 所示。

圖1 臺階參數(shù)濾波與臺階識別算法流程設(shè)計

中值濾波是一種非線性信號處理方法，由J.W.Turky 首先提出，并應(yīng)用于一維信號處理技術(shù)中(時間序列分析)［1］。能夠克服線性濾波(如均值濾波)所帶來的細(xì)節(jié)模糊，后來被二維圖像信號處理技術(shù)引用。中值濾波的原理是用一個有奇數(shù)點的滑動窗口，將窗口中心點的值用窗口內(nèi)各點的中間值代替，從而可以消除孤立噪聲點，達(dá)到濾波目的。

對于一組數(shù)據(jù)，先對其進(jìn)行排序。本文采用起泡法排序［2］，按大小順序排列，中間位置的數(shù)據(jù)稱為中值。假設(shè)集合為，則中值濾波的輸出為

閾值矩陣Mdelta為M ×N 矩陣，大小由用戶指定，或者設(shè)計固定大小。筆者推薦閾值矩陣Mdelta取值為3 ～7 階方陣。矩陣賦值由程序自動進(jìn)行動態(tài)賦值，當(dāng)且僅當(dāng)Mdelta所有元素均大于閾值Tk時，程序才能繼續(xù)往下執(zhí)行。閾值矩陣Mdelta為

閾值Tk取值設(shè)計與臺階參數(shù)噪聲、臺階參數(shù)量級有關(guān)。針對靶場測試數(shù)據(jù)物理量，閾值Tk取0.1 ～0.3;對于遙測分層值臺階判讀閾值Tk取5 ～20 個分層。

當(dāng)閾值矩陣滿足判斷條件時，程序進(jìn)行符號矩陣Msign判斷，符號矩陣全為1 或-1，時滿足臺階判讀要求。當(dāng)且僅當(dāng)閾值矩陣Mdelta、符號矩陣Msign同時滿足判斷條件時，系統(tǒng)才認(rèn)為當(dāng)前點處于新臺階位置，并進(jìn)行新臺階的計數(shù)和保存。符號矩陣Msign為

其中，函數(shù)sign 為取符號函數(shù)。sign 函數(shù)的定義如式(4)所示。當(dāng)Msign矩陣為全1 矩陣時所識別臺階為上跳臺階，全-1 矩陣時為下跳臺階

1.2 脈沖參數(shù)識別算法設(shè)計

針對脈沖參數(shù)的自動判讀與識別，本文基于概率論的6σ 原則，實現(xiàn)了脈沖參數(shù)的準(zhǔn)確識別與判讀。如果脈沖參數(shù)里同時有臺階特性(如靶場測試加電前后的參數(shù)情況)，則先進(jìn)行臺階識別，然后在每一個臺階內(nèi)再進(jìn)行脈沖識別。在對脈沖參數(shù)進(jìn)行濾波時，需同時檢測脈沖的出現(xiàn)。臺階識別算法在上一節(jié)中已經(jīng)詳細(xì)介紹，此處不再贅述。

本文在對靶場脈沖測試進(jìn)行統(tǒng)計分析時，發(fā)現(xiàn)脈沖參數(shù)的脈沖均在10σ 值以外，絕大多數(shù)噪聲值一般在3σ 值以內(nèi)或附近。系統(tǒng)出現(xiàn)丟幀時，較為容易識別，一般為0 或者檢測范圍的最大值。根據(jù)對靶場測試數(shù)據(jù)的統(tǒng)計分析，本文在進(jìn)行脈沖檢測時，取6σ 值。數(shù)理統(tǒng)計分析方法見參考文獻(xiàn)［3］。脈沖參數(shù)的濾波與脈沖檢測流程設(shè)計如圖2 所示。

圖2 脈沖參數(shù)濾波與脈沖檢測流程設(shè)計

2 算法仿真分析

2.1 臺階參數(shù)濾波與臺階識別

采用Matlab 與Visual Studio 聯(lián)合編程實現(xiàn)上述算法，應(yīng)用于靶場測試數(shù)據(jù)智能輔助判讀系統(tǒng)。并針對靶場測試數(shù)據(jù)，對上述算法進(jìn)行了大量測試實驗與分析驗證。以運載火箭靶場測試數(shù)據(jù)某臺階參數(shù)地面采集數(shù)據(jù)判讀為例進(jìn)行詳細(xì)分析，中值濾波模板取1 ×9，中值濾波、均值濾波次數(shù)均取1 次，閾值Tk取0.1 ～0.3，閾值矩陣Mdelta與符號矩陣Msign取3 ×3 方陣。圖3 為某臺階參數(shù)靶場地面測試數(shù)據(jù)濾波和臺階識別情況。局部放大效果如圖4 所示。

圖3 某臺階參數(shù)識別及濾波前后對比

圖4 某臺階參數(shù)識別和濾波放大圖

從濾波前后對比可以看出，濾波后曲線噪聲顯著得到抑制，7 個臺階全部準(zhǔn)確識別出來。該參數(shù)臺階識別情況與濾波前后數(shù)理分析情況統(tǒng)計如表1 所示。

表1 某參數(shù)臺階識別情況與濾波前后數(shù)理分析情況統(tǒng)計

從表中統(tǒng)計分析數(shù)據(jù)可知:濾波后和均值濾波后數(shù)據(jù)統(tǒng)計均值和原始數(shù)據(jù)保持基本一致，但濾波后數(shù)據(jù)方差明顯變小(數(shù)據(jù)質(zhì)量大致提高了3 ～5 倍)，大量噪聲被濾除，數(shù)據(jù)曲線明顯平滑，最值間隔也明顯得到抑制。提高了靶場測試數(shù)據(jù)判讀效率。測試試驗表明:上述設(shè)計算法有效實現(xiàn)了臺階參數(shù)的臺階識別和自動判讀分析功能，結(jié)果表明本文設(shè)計的算法在靶場測試數(shù)據(jù)判讀中具有普遍的適應(yīng)性和較強(qiáng)的可推廣性。

2.2 脈沖參數(shù)濾波與脈沖識別

以運載火箭靶場測試數(shù)據(jù)某脈沖參數(shù)地面采集數(shù)據(jù)判讀為例進(jìn)行詳細(xì)分析。中值濾波模板取1 ×9 的向量，中值濾波1 次，脈沖識別取6σ。脈沖的識別與參數(shù)濾波如圖5 所示。參數(shù)中實際脈沖數(shù)2 個，采用本文設(shè)計算法成功識別脈沖數(shù)2 個。

圖5 運載火箭某脈沖參數(shù)的識別與濾波

準(zhǔn)確識別脈沖的特性及參數(shù)濾波前后的自動判讀分析結(jié)果如表2 所示。從表中信息可知:該算法成功識別了脈沖個數(shù)、脈沖峰值、脈沖發(fā)生時間點等信息，同時還完成了非脈沖發(fā)生點的數(shù)據(jù)平滑濾波處理，輔助測試人員進(jìn)行數(shù)據(jù)判讀與比對，提高了靶場測試數(shù)據(jù)判讀效率和判讀準(zhǔn)確性。

表2 某脈沖參數(shù)的脈沖識別與統(tǒng)計

3 結(jié)束語

為適應(yīng)西昌衛(wèi)星發(fā)射中心持續(xù)高密度發(fā)射任務(wù)需要，針對運載火箭靶場測試數(shù)據(jù)臺階參數(shù)和脈沖參數(shù)判讀困難、效率低下的問題，創(chuàng)造性提出了基于中值濾波算法的雙邊多點閾值判斷方法和符號判斷方法相結(jié)合的臺階參數(shù)自動判讀識別算法;采用了6σ 原理實現(xiàn)了脈沖參數(shù)的自動判斷與識別，并應(yīng)用于了運載火箭靶場測試數(shù)據(jù)自動判斷系統(tǒng)。實現(xiàn)了臺階參數(shù)和脈沖參數(shù)的濾波平滑與自動準(zhǔn)確識別處理;濾波后數(shù)據(jù)平滑程度得到很大改善，統(tǒng)計方差、最值間隔等指標(biāo)減小至原始數(shù)據(jù)統(tǒng)計指標(biāo)的3 ～5 倍;引入6σ 原則，實現(xiàn)了脈沖參數(shù)的脈沖自動準(zhǔn)確識別和統(tǒng)計分析。該方法的成功應(yīng)用，有效提高了發(fā)射場數(shù)據(jù)判讀比對效率和判讀準(zhǔn)確度，為中心圓滿完成高密度任務(wù)提供有力支持。

［1］阮秋琦. 數(shù)字圖像處理［M］. 北京: 電子工業(yè)出版社，2001:180-190.

［2］徐士良.常用算法程序設(shè)計［M］.北京:清華大學(xué)出版社，2004:456-457.

［3］盛驟，謝式千，潘承毅.概率與數(shù)理統(tǒng)計［M］.第3 版.北京:高等教育出版社，2001:160-161.

［4］邢維艷，張治政，張玉倫.一種適合靶場測試裝備應(yīng)用軟件的可靠性評估方法［J］.四川兵工學(xué)報，2011（4）:137-140.