超声波瓶体厚度检测及其材料分类的研究，保障公共安全

非常小，背景噪声较为严重时，可能出现号的幅度几乎与噪声的幅度相当，甚至淹没在噪声中的情形。如果不采取有效的信号提取技术去抑制干扰的影响，测量就无法进行。要保证测量的成功，就必须合适的手段来增强信号和消除噪声的影响。该接收电路由放大电路（三级），检波电路，比较电路等组成，如图4所示：

图4 接收放大电路

在单探头测后时，发射接收探头集成在一起，很高的发射电压直接加到接收电路的输入端，为了保证运放的正常工作，并且，较高电压使镜片产生穿透力更强的超声信号。在运放前端加两个二极管D1,D2组成钳位电路，使传感器激发时的瞬变信号经过D1，D2的组成的钳位电路被限制在±0.7V,是输入到预案算放大器的高压信号得到钳位，对于微小信号，因为a点电位与b点电位间差值很小，开关二极管被截止微信号直接输入到运算放大器中，使运算放大器的输入被限幅，起到保护运放的作用。

1.2 瓶体材质分类与瓶厚检测部分，如图2所示：

• 信号去噪功能块，它主要用于收发信号的去噪处理。主要包括两个64阶低通滤波器模块，其实现我们采用改进的DA算法。
• 谱分析功能块，它主要用于完成对于接收探头信号的傅里叶谱分析。主要包括FFT模块，其实现方式我们调用FFT IP Core。
• 延时测定功能块，它主要利用信号的自相关去测定收发信号的延时情况。引用自相关算法较利用MCU提取延时信息相比，具有提取延时准确的特点。主要包括卷积模块，门限比较模块。
• 衰减测定功能块，它主要测定了收发信号的幅度衰减状况。主要包括幅度提取模块，定时信息控制模块，除法器模块。
• 瓶体分类功能块，它的应用目的是通过离线式学习，建立一种可以分辨三种瓶体材质（陶瓷，玻璃，塑料）的分类系统。主要包括人工神经网络模块，判决电路模块。
• 瓶体厚度计算功能块，它需要红外温度传感器的温度值和瓶体材质分类的结果作为先验条件，然后利用厚度计算的相关公式计算出瓶体的厚度。主要包括厚度计算模块。
• 系统主控功能块，它完成整个系统对于外设的时序控制工作。主要包括2个A/D控制，红外温度传感器控制，LCD控制，超声波主控逻辑控制。

2．重点模块实现算法介绍

2.1 位串分布处理算法（DA算法）简介

DA算法是distributed arithmetic算法的简称。中文译为分布式算法。小波滤波器的实现采用分布式算法实现。分布式算法作为一项数字信号处理算法，广泛应用于计算乘积和运算，与传统的乘积和结构相比，DA算法具有并行处理的高效性特点。若采用分布式算法实现小波滤波器，则它在FPGA中的工作速度只与输入数据的宽度B有关，与滤波器的阶数N无关，阶数只影响FPGA资源的使用量。

位串分布的分布式算法是先从最低位开始的，将所有输入数据的最低位组合在一起当作查表的地址，对查找表进行寻址，得到了一个查表后的结果，然后将查表结果与右移一位的寄存器值进行相加或相减运算，将运算的结果放到寄存器当中，然后输入数据的所有次低位开始对查找表寻址得到另一个查表后的结果，所得到的结果与右移一位的寄存器的结果即上一个存储在寄存器的结果相加，如此重复进行下去，直到将所有的位数都进行完运算。特别注意，对于有符号数，在最高位进行查表运算后得到的值应该与右移一位的寄存器的结果相减，并且负数是用补码的形式表达的。

位串分布乘法器的基本结构，如图5所示：：

分成m段的L比特的位宽，将这m段分解后的数同时进行查表运算，这样可以提高数据的运算速度。其结构如图7所示：

图7 数据位分段FIR滤波器的示意图

若同时对DA算法的这两个方面进行改进，我们就提出了改进的DA算法，与此同时，我们提出了一种基于改进DA算法的64阶低通滤波器的实现方案。

本项目中改进的DA算法主要应用于：64阶低通滤波器的设计，其结构如图8所示：

图8 基于改进DA算法的128阶低通滤波器的实现

（2）人工神经网络算法简介

人工神经网络（Artificial Neural Networks,ANN）是在现代神经生物学研究基础上提出的模拟生物过程以反映人脑某些特性的计算结构。它不是人脑神经系统的真实描写，而只是它的某种抽象、简化和模拟。神经元及其突触是神经网络的基本器件。因此，模拟生物神经网络应首先模拟生物神经元。在人工神经网络中，神经元常被称为“处理单元”。有时从网络的观点出发常把它称为“节点”。人工神经元是对生物神经元的一种形式化描述，它对生物神经元的信息处理过程进行抽象，并用数学语言予以描述；对生物神经元的结构和功能进行模拟，并用模型予以表达。

为了模拟生物神经元，一个简化的人工神经元，如图9