【摘要】：隨著現(xiàn)代軍事技術(shù)的發(fā)展,對地面目標(biāo)和空中目標(biāo)距離的精確測量顯得尤為重要,高精度的測距系統(tǒng)能夠提高防空系統(tǒng)對來犯目標(biāo)的攻擊性能,極大地增強我國的國防實力。武器系統(tǒng)逐漸向著高速化、智能化和隱身化等方向發(fā)展,傳統(tǒng)雷達等電子探測設(shè)備已經(jīng)不能滿足現(xiàn)代戰(zhàn)爭的要求。隨著光電技術(shù)的發(fā)展,針對大氣傳輸特性的相關(guān)研究也愈發(fā)的深入,基于頻譜傳播差異的被動紅外系統(tǒng)因其隱蔽性能好、辨?zhèn)文芰涂垢蓴_能力強等特性,在探測與預(yù)警中占有愈發(fā)重要的地位。本文從測量空中目標(biāo)距離出發(fā),以紅外光電探測原理為技術(shù)手段,以設(shè)計微弱信號檢測放大電路為主要目標(biāo),設(shè)計一套中波窗口雙波段被動測距系統(tǒng)。通過仿真及實測結(jié)果可以看出,該系統(tǒng)能夠有效精確地放大微弱光電信號,并準(zhǔn)確地預(yù)測目標(biāo)距離。本論文重點研究中波窗口雙波段被動測距系統(tǒng),具體內(nèi)容包括:1.針對紅外光電系統(tǒng)的組成進行研究,對熱型和光子型兩類紅外探測器的性能進行比較,選擇合適的紅外探測器,通過探測器的響應(yīng)率獲得紅外探測器的微弱電流輸出值,為后續(xù)的硬件電路設(shè)計提供參考。針對本文要檢測的微弱電流信號,設(shè)計了基于InAsSb光伏型紅外探測器的微弱信號調(diào)理電路,包括電源轉(zhuǎn)換電路、光電轉(zhuǎn)換前置放大電路、二級放大電路、AD轉(zhuǎn)換電路、DSP主控電路和數(shù)據(jù)傳輸電路等;對電路中紅外探測器和前置放大器的噪聲源進行分析,結(jié)合理論采用標(biāo)準(zhǔn)電路搭建光電二極管的等效噪聲模型和前置放大器的E_n-I_n模型,根據(jù)“疊加原理”,估算光電檢測電路的整體噪聲。2.分析目標(biāo)距離的相關(guān)光譜特征。對四種氣象條件下目標(biāo)在中波窗口和長波窗口的原始光譜與差分光譜進行相關(guān)性分析,結(jié)合不同窗口輻射通量與距離的相關(guān)系數(shù)和iPLS回歸均方根誤差兩種性能指標(biāo),找到建模精度更高的光譜區(qū)間,計算300~900K的黑體在不同窗口的輻射通量,結(jié)合維恩位移定律,最終確定采用中波雙窄帶方案。為了克服前人提出的非線性測距模型在迭代過程中受初值的影響大且存在多個解以及模型泛化能力差等缺點,本文提出一種改進的Elman神經(jīng)網(wǎng)絡(luò)被動測距算法,通過與傳統(tǒng)Elman神經(jīng)網(wǎng)絡(luò)算法、OIF-Elman神經(jīng)網(wǎng)絡(luò)算法、OHF-Elman神經(jīng)網(wǎng)絡(luò)算法和非線性測距模型進行對比仿真,結(jié)果表明,本文提出的測距算法收斂速度更快,測距精度更高。3.對硬件電路測試進行描述,在Multisim14.0平臺上完成電路仿真,結(jié)果顯示50Hz工頻陷波電路能夠有效地濾除50Hz干擾信號,光電轉(zhuǎn)換電路和二級放大電路能夠達到微弱信號放大的目的;對紅外探測器進行黑體標(biāo)定校準(zhǔn),記錄其溫度-電壓值,并對溫度-電壓進行最小二乘擬合,保證實驗的準(zhǔn)確度;在CCS8.0開發(fā)環(huán)境下編寫基于TMS320F28335芯片的AD采樣、中位值平均濾波、數(shù)據(jù)傳輸和改進Elman神經(jīng)網(wǎng)絡(luò)測距算法等程序,將編譯好的工程文件燒寫到DSP預(yù)測距離,通過串口RS232將距離預(yù)測值發(fā)送到PC端,結(jié)果顯示本文算法對1~8km目標(biāo)的距離預(yù)測更精確,且測距誤差控制在15%以內(nèi)。
【圖文】：

西安電子科技大學(xué)碩士學(xué)位論文外探測器的選擇探測器時應(yīng)滿足：探測器與目標(biāo)輻射源及光學(xué)系統(tǒng)在靈敏度、響應(yīng)速度快、良好的線性度、低噪聲和較小本系統(tǒng)使用的是日本濱松公司生產(chǎn)的 P13243-011C器，具有 DIP 封裝和 SOP 封裝，為了減小探測電路物如圖 2.5 所示，基本性能參數(shù)如表 2.2 所示。

波長為1.55 m時，其感光靈敏度曲線如圖 2.7 所示；工作溫度動態(tài)范圍廣，能夠適應(yīng)不同的環(huán)境溫度，在軍用和民用等方面都有廣泛的應(yīng)用。圖2.6 探測器的波長與轉(zhuǎn)換率關(guān)系曲線 圖2.7 探測器的光電轉(zhuǎn)換曲線2.3 紅外探測器的能量分析通過上一節(jié)選擇的靈敏度高、響應(yīng)速度快的 InAsSb 紅外探測器，根據(jù)紅外探測器的能量轉(zhuǎn)換特性，對紅外探測器獲得的能量進行計算，得到紅外探測器輸出的微弱電流，為后續(xù)的硬件電路設(shè)計提供參考。2.3.1 紅外探測器的入射輻射計算根據(jù)紅外探測器的基本參數(shù)，計算得到紅外探測器的入射輻射值。根據(jù)基爾霍夫定律(2-2)和普朗克公式(2-3)，溫度為 T 的目標(biāo)產(chǎn)生的光譜輻射通量密度為：215/( ) 1( , )1c kTcM Te (2-8)其中，， ( )表示物體的發(fā)射率，它的范圍在[0,1]之間
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TN215

【相似文獻】

相關(guān)期刊論文 前10條

1 卓鵬程;朱穎;鄔雯暄;舒俊清;夏唐斌;;Real-Time Fault Diagnosis for Gas Turbine Blade Based on Output-Hidden Feedback Elman Neural Network[J];Journal of Shanghai Jiaotong University(Science);2018年S1期

2 張彥清;劉大銘;白冰;李春樹;;基于外反饋Elman的離心式壓縮機透平轉(zhuǎn)速預(yù)測[J];微型機與應(yīng)用;2016年02期

3 徐曉龍;溫陽;張商州;;Elman神經(jīng)網(wǎng)絡(luò)仿真及應(yīng)用[J];智能機器人;2016年04期

4 湯井田;曹揚;肖嘉瑩;郭曲練;;Predication of plasma concentration of remifentanil based on Elman neural network[J];Journal of Central South University;2013年11期

5 朱春穎;沈海軍;顧豪;殷忠敏;李燕;;Elman網(wǎng)絡(luò)模型參考自適應(yīng)控制在鎳氫電池智能充電中的應(yīng)用[J];工業(yè)儀表與自動化裝置;2013年04期

6 吳微;徐東坡;李正學(xué);;Convergence of gradient method for Elman networks[J];Applied Mathematics and Mechanics(English Edition);2008年09期

7 齊仲紀(jì);劉漫丹;;基于文化算法的新型Elman網(wǎng)絡(luò)的過程建模方法[J];華東理工大學(xué)學(xué)報(自然科學(xué)版);2008年05期

8 謝慶國 ,萬淑蕓 ,易燕春 ,趙金 ,沈軼;Speed-Sensorless Control Using Elman Neural Network[J];Journal of Systems Engineering and Electronics;2001年04期

9 張惠玲;劉曉曉;楊林玉;;基于小波-Elman神經(jīng)網(wǎng)絡(luò)的信號交叉口首車到達時間預(yù)測[J];科學(xué)技術(shù)與工程;2019年28期

10 王雪麗;;一種基于Elman改進的網(wǎng)絡(luò)入侵檢測算法[J];湖南文理學(xué)院學(xué)報(自然科學(xué)版);2017年04期

相關(guān)會議論文 前10條

1 Yanqi Zheng;Zoujing Yao;Heng Zhou;Chunjie Yang;Haifeng Zhang;Mingliang Li;Lei Fan;;Power Generation Forecast of Top Gas Recovery Turbine Unit Based on Elman Model[A];第37屆中國控制會議論文集（E）[C];2018年

2 Bo Meng;;Improved Elman Neural Network and Its Application[A];第30屆中國控制與決策會議論文集（1）[C];2018年

3 陳力;呂亭亭;王凱;;基于Elman網(wǎng)絡(luò)的煤與瓦斯突出預(yù)測研究[A];煤礦機電一體化新技術(shù)創(chuàng)新與發(fā)展2012學(xué)術(shù)年會論文集[C];2012年

4 ;Identification of dynamic nonlinear systems using recurrent neural networks[A];第十九屆中國控制會議論文集（一）[C];2000年

5 ;Study of PID Elman Neural Network and Its Application in Dynamical Systems Identification[A];第二十四屆中國控制會議論文集（下冊）[C];2005年

6 盧志剛;冀爾康;李偉;吳士昌;;基于混合Elman網(wǎng)絡(luò)的非線性自適應(yīng)逆控制[A];第七屆青年學(xué)術(shù)會議論文集[C];2005年

7 蘇剛;王玲玲;徐永生;;基于改進Elman網(wǎng)絡(luò)的燃?xì)庳?fù)荷預(yù)測[A];第十七屆全國過路控制會議論文集[C];2006年

8 李界家;張雙喜;郭宏偉;;基于改進型Elman網(wǎng)絡(luò)的陽極效應(yīng)故障趨勢預(yù)測研究[A];冶金企業(yè)自動化、信息化與創(chuàng)新——全國冶金自動化信息網(wǎng)建網(wǎng)30周年論文集[C];2007年

9 張琦;邵立福;;基于Elman神經(jīng)網(wǎng)絡(luò)的液壓泵故障診斷模型研究[A];機床與液壓學(xué)術(shù)研討會論文集[C];2004年

10 張琦;邵立福;;基于Elman神經(jīng)網(wǎng)絡(luò)的液壓泵故障診斷模型研究[A];第三屆全國流體傳動及控制工程學(xué)術(shù)會議論文集（第二卷）[C];2004年

相關(guān)重要報紙文章 前1條

1 本報記者 小樂;擺脫媒體局限 實地考察中國[N];中國社會科學(xué)報;2010年

相關(guān)博士學(xué)位論文 前10條

1 時小虎;Elman神經(jīng)網(wǎng)絡(luò)與進化算法的若干理論研究及應(yīng)用[D];吉林大學(xué);2006年

2 王麗敏;計算智能改進方法及其在金融與環(huán)境領(lǐng)域中的應(yīng)用[D];吉林大學(xué);2007年

3 楊杰;多工序制造質(zhì)量智能預(yù)測建模機理研究及應(yīng)用[D];華南理工大學(xué);2011年

4 郭晉;神經(jīng)網(wǎng)絡(luò)模型在預(yù)測急性心肌梗死中的應(yīng)用及模型預(yù)測能力的比較研究[D];北京協(xié)和醫(yī)學(xué)院;2013年

5 李鵬華;量子計算在動態(tài)遞歸與自組織神經(jīng)網(wǎng)絡(luò)中的機理及應(yīng)用研究[D];重慶大學(xué);2012年

6 韓旭明;若干改進的人工免疫算法及其在大氣環(huán)境領(lǐng)域中的應(yīng)用[D];吉林大學(xué);2010年

7 姜春福;基于神經(jīng)網(wǎng)絡(luò)的機器人模型辨識與控制研究[D];北京工業(yè)大學(xué);2003年

8 李西平;塔機超聲安全預(yù)警目標(biāo)識別的神經(jīng)網(wǎng)絡(luò)方法研究[D];西安建筑科技大學(xué);2015年

9 劉長義;基于不確定性測度的機械零部件再制造加工質(zhì)量控制理論與方法研究[D];合肥工業(yè)大學(xué);2015年

10 王永利;區(qū)域客戶端能源綜合需求側(cè)管理理論及應(yīng)用研究[D];華北電力大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 周鶴;基于改進Elman神經(jīng)網(wǎng)絡(luò)的水稻生長預(yù)測[D];揚州大學(xué);2019年

2 陳立強;基于頻譜傳播差異的目標(biāo)距離估計[D];西安電子科技大學(xué);2019年

3 尹s

本文編號：2618411