CC BY
8
SYSTEMS FOR OPTICAL QUALITY CONTROL OF STEEL STRIP SURFACE E.A. Garnar, O.S. Logunova, A.V. Markevich
Recently, much attention has been paid to information that can be obtained in digital form when conducting a technological process in metallurgical production. One of the sources of information used for analysis and modeling is the video stream, which represents the most complete and reliable representation of the dynamics of the process. The video stream allows you to capture images for further analysis. The purpose of the study is to establish the generality of information obtained using devices used in systems for optical quality control of the surface of rolled steel. The authors obtained and analyzed data on the functioning of existing systems for collecting information on the quality of the steel strip surface in the workshops of the MMK group in Magnitogorsk and the sheet-rolling workshop in Iskenderun, Turkey. When analyzing images obtained in the conditions of metallurgical production, there are difficulties, such as: dustiness, poor lighting, high content of aggressive substances in the environment, high speed of the object of observation. These conditions must be taken into account by production specialists when choosing the composition of hardware and software. Despite the fact that the analyzed systems have different manufacturers and were created at different times, they have a similar structure, require training and increase the reliability of information. All systems for optical quality control of the strip surface considered in the article have false positive and false negative responses when detecting a defect. In addition to this problem, there is the problem of acquiring and commissioning equipment for optical inspection, which is produced outside the Russian Federation. The results of this work can be used to improve the accuracy of assessing the quality of the strip surface and to create domestic systems of this class.
Key words: machine vision, computer vision, surface quality assessment, optical vision systems.
Logunova Oxana Serggevna, doctor of technical sciences, professor, head of chair, loguno-va66@mail.ru, Russia, Magnitogorsk, Magnitogorsk State Technical University im. G.I. Nosova,
Markevich Artem Valerevich, candidate of technical sciences, docent, markevich.av@mmk.ru, Russia, Tula, Tula State University,
Garbar Evgenii Alexandrovich, docent, e. sarbar@magtu.ru, Russia, Tula, Tula State University
УДК 004.942
DOI: 10.24412/2071-6168-2023-2-305-311
АДАПТИВНОЕ МНОГОКАНАЛЬНОЕ ОБНАРУЖЕНИЕ-РАЗРЕШЕНИЕ СТОХАСТИЧЕСКИХ СИГНАЛОВ В УСЛОВИЯХ ПАРАМЕТРИЧЕСКОЙ АПРИОРНОЙ НЕОПРЕДЕЛЕННОСТИ
А.В. Филонович, И.В. Ворначева, А.К. Мазнев, Н.М. Гайдаш, С.А. Войнаш, В.А. Соколова, Р.Р. Загидуллин
В статье изучены вопросы синтеза алгоритмов адаптивного многоканального обнаружения-разрешения стохастических сигналов различной структуры в условиях воздействия интенсивных шумовых помех. При этом рассматривается многоканальная приемная система, состоящая из некоторого числа независимых пространственно-разнесенных элементов, которые образуют линейную антенную решетку. На основании анализа конечной дискретной выборки комплексных амплитуд принимаемых колебаний была решена задача проверки статистических гипотез относительно параметров распределения. Алгоритм обнаружения основан на сравнении сигнала с порогом отношения правдоподобия, а значение порогового уровня определяется выбранным критерием оптимальности и для критерия Неймана-Пирсона остается зависимым от мощности помеховых колебаний. Предложенное техническое решение обладает более высокими характеристиками обнаружения и разрешения стохастических сигналов по сравнению с уже известными. При этом важным свойством полученной достаточной статистики является стабилизация вероятности ложного обнаружения, что достигается за счет нормировки мощности шумов на выходе устройства адаптации. Полученный алгоритм инвариантен к виду используемой для его вычисления корреляционной матрицы помех.
Ключевые слова: обнаружение-разрешение, интенсивность сигнала, корреляционная матрица сигналов и помех, алгоритм обнаружения, мощность «окрашенных шумов», адаптивный обнаружитель, оценка максимального правдоподобия.
Повышение возможностей обнаружения-разрешения стохастических сигналов современными радиотехническими системами в условиях воздействия интенсивных активных шумовых помех, по-прежнему, остается одной из актуальных задач. Целью данной работы является повышение показателей качества методов адаптивного многоканального обнаружения-разрешения-измерения параметров стохастических сигналов в условиях параметрической априорной неопределенности.
305
В условиях априорной неопределённости о сигнальной и помеховой обстановке (например, задача пеленгации постановщиков помех) задача оптимизации невозможна, ввиду недостаточности исходных данных. Необходимо вводить ограничения. Особенности синтеза обнаружителей стохастических сигналов на фоне помех аналогичной структуры изложены в работах Манжоса В.Н., Семёнова Г.Н. [1], однако при синтезе не учтена нестационарность внутренних шумов приёмных каналов и некоррелированного помехового фона (окрашенных шумов). Впервые термин «окрашенный шум» был использован в работе [2], где даже предлагался алгоритм пеленгации постановщиков помех по минимальным значениям «окрашенного шума». Однако практического решения не нашлось ввиду невозможности разделить «нули» диаграммы направленности антенной решётки и окрашенного шума.
Методология синтеза обнаружителей сигналов различной структуры в условиях априорной неопределенности при многоканальном приеме приводится в монографиях [3-10,12,14,16,17]. Ряд специальных вопросов многоканального обнаружения сигналов с неизвестными параметрами на фоне частично неизвестных помех рассмотрен в работах Кобзева А.В., Алмазова В.Б., Цурского Д.А., Перетягина И.В., Седышева Ю.Н., Гомозова В.И. и других [18-21]. Повышение статистических оценок вероятности правильного обнаружения-разрешения (при стабилизации вероятности ложных тревог) в условиях воздействия интенсивных шумовых помех. Однако во всех этих работах внутренние шумы рассматриваются как стационарные и одинаковые каналах.
Учет нестационарности внутренних шумов приемных каналов и некоррелированного шумового при синтезе является отличительной особенностью данной работы и приводит к повышению показателей качества методов адаптивного многоканального обнаружения-разрешения-измерения параметров стохастических сигналов в условиях параметрической априорной неопределенности
Основные результаты. Для преодоления априорной неопределенности удобно использовать адаптивный Байесов подход [3,4] или критерий обобщенного отношения правдоподобия [7]. Задача синтеза адаптивного обнаружителя при этом может быть сведена к вычислению отношения правдоподобия или его логарифма и сравнения последнего с пороговым уровнем с подстановкой вместо неизвестных параметров их оценок максимального правдоподобия:
1п I т = ь рс „ (у/ф с п)- 1п Р п а/Фп) , (1)
где Y - вектор принимаемой реализации; Ф с п , Ф п - оценки максимального правдоподобия корреляционных матриц аддитивной смеси сигнала и помех и только помех соответственно.
Составным элементом задачи обнаружения является совместная оценка интенсивности полезного сигнала и корреляционной матрицы помех. Такая задача решена, например, в [8], где проведен синтез многоканального обнаружителя шумового сигнала с гауссовской статистикой, инвариантного к интенсивности полезного сигнала и помех, при условии большого отношения сигнал/шум.
Однако последнее условие не всегда выполняется, что приводит к смещенности оценок h с , Ф п , следовательно, к снижению показателей качества обнаружения. Поэтому в дальнейшем будем искать структуру адаптивного многоканального обнаружителя, близкого к оптимальному при менее жестких ограничениях.
Рассмотрим многоканальную приемную систему, состоящую из К независимых пространственно-разнесенных элементов, образующих линейную антенную решетку. Ширину спектра принимаемых сигналов будем считать достаточно узкой, так что запаздыванием сигналов на апертуре антенны можно пренебречь. Будем полагать, что на входе этой системы действует случайный процесс, представляющий собой аддитивную смесь полезного сигнала, помех и внутренних шумов:
т
У(0 = ахс © X с (а)+^ хп ; (Г) X п (у ) + N(1), (2)
¡=1
где а = 0;1 - параметр обнаружения; хс (1), хп ; (1) - комплексные скалярные функции, описывающие законы случайного изменения во времени комплексных амплитуд полезного сигнала и ьй помехи, соответственно; Хс (а), X п (У; ) - комплексные вектор-столбцы амплитудно-фазового распределения сигнала и ь й помехи на антенной системе (а, у; угловое положение источника сигнала и ьй помехи, соответственно); ^(Х) =11^00 ... ^ООЦ - вектор внутренних шумов каналов приема.
Запишем модель полезного сигнала в виде:
Хс (1, а,А)=Ас (1)ХС (а), (3)
где Ас (1) - комплексная скалярная функция, описывающая закон случайного изменения во времени комплексной амплитуды колебаний полезного сигнала;
Ас (1) = КО^®.
Аналогично можно представить модель помехового сигнала X п (1, у; ,А), где у; - угловое положение ьй помехи.
Для рассматриваемого далее случая дискретизации по Котельникову модель принимаемых колебаний в ьй момент времени запишем в виде:
т
У1 = ахс XX с (а) + ^хп ¡^ п (У; ) + (4)
¡=1 306
На основании анализа конечной дискретной выборки Y1,Y2,Yn комплексных амплитуд принимаемых колебаний необходимо решить задачу обнаружения, которая формулируется как задача проверки статистических гипотез относительно параметров распределения Y.
Гипотеза Нх о наличии сигнала (а = 1) заключается в том, что условная плотность распределения вероятностей выборки имеет вид:
Рс п = (фГ-) = (4П)"1^(ФС п)П ехр ^¿Л* Фс-п^|. (5)
Конкурирующая гипотеза Н0 об отсутствии сигнала заключается в том, что плотность распределения вероятностей выборки имеет вид:
Рп = (ф-) = (4П)^Т^(Фп)П ехр Х* Ф-П1Y1|. (6)
Для нахождения оценок интенсивности сигнала и корреляционной матрицы помех при условии справедливости гипотезы Нх необходимо найти решение системы уравнений:
d 1п Р с п(У/Ьс ,Фп) ^ -г.
—с '= о, при hс = 11 с и Фп = фх, (7)
d 1п Рс п (У/Ьс , Фп) 0 и С Ф Ф -—-- =0' при Ьс =Ьс и Фп = <&!'
Можно показать, что система уравнений (7) является недоопределенной и имеет бесчисленное множество решений [12].
Этот факт как раз и свидетельствует о том, что данных наблюдения не хватает для однозначного решения задачи и, следовательно, необходимо либо привлечь дополнительную априорную информацию, как это рекомендуется, например, в [3], или наложить ограничения на одну из неизвестных величин.
В работах [8,13] было получено решение системы (7) для случая большой интенсивности сигнала
Ьс >> 2 (8)
q2
При этом выражения для оценок интенсивности полезного сигнала и корреляционной матрицы помех имеют вид:
'ЬсЛУ^-^ (9)
а4 а2
1=1
= ^[У! - -■■;^Хс(а)][у1 - ^Хс(а)]*, (10)
1=У1ФпХс(а); (11)
а2 =Хс(а)ФпХс(а) (12)
Учитывая выражения (11, 12), преобразуем выражение (9)
Ьс = ^^(^^Гуа) = КняоКн , (13)
п [х^(а)Ф11Хс(а)|
е Х*(а) Фх1 где кн = —тт^-тт _ оценка нормированного весового вектора.
Х*(а)<Ф1Хс(а)
Можно показать, что весовой вектор не изменяется от типа используемой при его вычислении корреляционной матрицы
Хс(а) Фёп = Х*(а) Ф71
Х*(а) ФспХс(а) Х*(а) Ф"1Хс(а)
Тогда с учетом (14) получим
с Х^(а)Фр1 Ф ФоХс(а)-1 1
Ьс = -Т!- Ф0 =-Т!-=-Т!--(15)
Хс(а)Ф0 Хс(а) Х*(а)Ф0 Хс(а) Х*(а)Ф0 Хс(а)
Аналогично, раскрывая скобки в (10), и используя (11, 12 и 14) получим:
Ф Ф Хс(а)Х*(а)
Ф1 = Фо~ ,, (16)
Х*(а)Ф0 Хс(а)
Оценки (15) и (16) были использованы в [10] для получения алгоритмов обнаружения шумовых сигналов большой интенсивности, т.е. при условии, что справедливо соотношение (8). Принятое ограни-
где
Ян = "V" = Л \ ' (14)
чение (8) можно ослабить, если учесть в алгоритме обнаружения внутренние шумы приемных каналов, которые изменяются в процессе адаптации. Для этого представим корреляционную матрицу помех Фп в виде суммы:
Фп = б^ + Ф , (17)
где бш - дисперсия внутренних шумов одного из приемных каналов (каналы полагаются идентичными, а их внутренние шумы независимыми); I - единичная матрица; Ф - корреляционная матрица внешних по-меховых колебаний в каналах.
Тогда
1 1
2- - = R;;ФпRн = бЩдан + RHФRн (18)
я2 X* (а)Фп Xc(а)
Выражение (18) имеет ясный физический смысл. Так первое слагаемое (18) описывает выходную "окрашенную" мощность внутренних шумов, а второе - нескомпенсированную мощность помех после адаптивной обработки. Предположение является менее строгим ограничением, чем (8)
1 >> RHФRH (19)
и позволяет исключить из выражения для оценки мощности сигнала слагаемые, обусловленные внутренними шумами.
В этом случае выражения (15) и (16) будут иметь вид:
- 1|2 2
11 с = -> бЩ^н; (20)
п ¿—1 я
1=1
^ ^ Xr(a)X*(a) 7 , , , ,
Ф1 = Фо--+ б^^сЖ^) (21)
X* (а)Ф0 Xc(a)
Таким образом, алгоритм обнаружения сводится к сравнению с порогом отношения правдоподобия (1), а значение порогового уровня определяется выбранным критерием оптимальности и для критерия Неймана-Пирсона остается зависимым от мощности помеховых колебаний. Для принятых предположений относительно закона распределения дискретных значений принимаемых колебаний выражение для логарифма отношения правдоподобия можно записать
ы^/Фс „, Ф п) = У1(Ф-; - ф^У (22)
Учитывая, что
Ф_1= hсф-пlxc(a)xc(a)ф-п1
Фс п Ф п ^^^СаЖ"^^ ^ преобразуем первое слагаемое выражения (26)
Ы^/Ф , Ф п)=-—— R*Ф0R-ln(|ф4), (24)
Ч/ с п п ^с^аЖ-п^а) 0 V |Ф п1/ ^ 1
где R = Ф^^а).
Известно [10], что R*Ф0R/R*ФПR имеет X2 закон распределения с п - степенями свободы, тогда значение порога можно определить из условия обеспечения требуемого значения вероятности ложной тревоги
F = /Г Р0„1Ж1П0 = /í00P(InI)d(InI)X2(n,, (25)
Ап о р
где ^ =R*Ф0R/R*ФпR
Используя известное соотношение [11] для закона распределения X2, имеем:
Лп /пм"1 П^ п
25Г (2)]
Далее, производя замену переменных, получаем:
ад
е
F = J [2?Г (1)] 1 е"^ ,
где =п ^0/2.
С использованием выражения для полной Г(-) и неполной Г(-,-) гамма-функций [11] можно записать:
п п п
F = Г ^о]/Г [2] (26)
Из последнего соотношения следует, что величина порога = п) является однозначной функцией заданной вероятности ложной тревоги и объема выборки, а значение порога определяется из уравнения
1п о п(Фс п, Ф п) =-—-i-R*ФИR L(F, n) —ln ||ф—-11. (27)
п о ^ с п п 1 + ЬсХ*(а)Ф"п1Хс(а) п ^ J V |Ф и!/
При решении задачи обнаружения в условиях априорной неопределенности с учетом того, что неизвестные параметры в выражениях (24),(26) определяются по одной и той же входной реализации, решающая функция примет вид:
R*<B0R >R*f&iR ^0(F,n).
Преобразуя левую и правую части последнего неравенства с учетом выражений (20) и (21), получим:
Хс(а)<£р1Хс(а) ^ н
^^ > бшH40(F,n) . С28)
_ ХС(а)Ф0 Ф0 Х*(а) н° 0
Оценка Ф^1 может быть получена различными известными методами: оцениванием прямой матрицы по принимаемой выборке с последующим ее обращением; непосредственным рекуррентным оцениванием обратной корреляционной матрицы; рекуррентным оцениванием корреляционной матрицы, связанной с регулярной структурой антенной решетки, и другими. От алгоритмов, реализующих решающую функцию (28), можно перейти к алгоритмам, использующим непосредственное оценивание весового вектора.
Заключение.Представленный обнаружитель обладает более высокими характеристиками обнаружения и разрешения стохастических сигналов по сравнению, например, с [13]. Можно показать, что важным свойством полученной статистики (28) является стабилизация вероятности ложного обнаружения. Это достигается за счет нормировки мощности шумов на выходе устройства адаптации. Кроме того, полученный алгоритм в силу выражения (28) инвариантен к виду используемой для его вычисления корреляционной матрицы помех. А если учесть, что к мощности внутренних шумов, при большом количестве постановщиков шумовых помех, добавится некоррелированный фон, то следует ожидать существенного улучшения характеристик обнаружения. Сравнительный анализ известных ранее алгоритмов адаптивного обнаружения-измерения с предлагаемыми показывает, что последние позволяют в канале обнаружения более чем на два порядка снизить и стабилизировать вероятность ложной тревоги на уровне близком к заданному, а также уменьшить смещение оценок угловых координат источников помех и улучшить точность оценивания углового параметра в канале измерения более чем в 2 раза.
Список литературы
1. Манжос В.Н., Семенов Г.Н. Многоканальной обнаружение шумовых сигналов неизвестной интенсивности на фоне гауссовых помех с неизвестной корреляционной матрицей. Харьков: ВИРТА, 1980. 32 с.
2. Гейбриэл В. Введение в теорию адаптивных антенных решеток. ТИИЭР, 1976. №2. С. 5595.
3. Гнеденко Б.В. Введение в многомерный статистический анализ / Пер. с англ. Ю.Ф. Кичато-ва, Е.С. Кочеткова, Н.С. Райбмана. М.: Физматгиз, 1963.
4. Лукошкин А.П., Каринский С.С., Шаталов А.А. Обработка сигналов в многоканальных РЛС / Под ред. А. П. Лукошкина. М.: Радио и связь, 1983.
5. Репин В.Г., Тартаковский Г.П. Статистический синтез при априорной неопределенности и адаптация информационных систем. М.: «Советское радио», 1977. 432 с.
6. Бакут П.А. Теория обнаружения сигналов. М.: Радио и связь, 1984. 440 с.
7. Черняк В.С. Многопозиционная радиолокация. М.: Радио и связь, 1993. 416 с.
8. Ширман Я.Д., Манжос В.Н. Теория и техника обработки радиолокационной информации на фоне помех. М.: Радио и Связь, 1981. 416 с.
9. Ван Трис Г. Теория обнаружения, оценок и модуляции / Пер с анг. Под ред. проф. В.Т.Горяинова. М.: Сов. Радио, 1975. 344 с.
10. Алмазов В.Б., Манжос В.Н. Получение и обработка радиолокационной информации. Харьков: ВИРТА, 1985. 427 с.
11. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров. Пер. с англ. / Под ред. И.Г. Арамановича. М.: Наука, 1978. 831 с.
12. Филонович А.В., Горлов А.Н., Ворначева И.В., Гайдаш Н.М. Методы и устройства адаптивного многоканального обнаружения - разрешения - измерения стохастических сигналов. Курск: Изд-во ЗАО «Университетская книга», 2018. 117 с.
13. Филонович А.В., Бельков В.Н., Сафонов В.А. Патент РФ №2116000. Адаптивная энергети-ко-корреляционная система подавления боковых лепестков диаграммы направленности антенны / Бюллетень № 20 от 20.07.1998.
14. Бендат Дж, Пирсол А. Измерение и анализ случайных процессов. Пер. с англ. / Под ред. В.Б. Лидского. М.: Мир, 1971. 408 с.
15. Большаков Б.В., Дробижев А.И., Скосырев В.Н. Полигонные испытания макета разнесенной приемной системы с компенсацией помех в главном луче диаграммы направленности // Вопросы специальной радиоэлектроники. 1979. № 14. С. 105-111.
16. Ким Д.П. Теория автоматического управления. Многомерные, нелинейные, оптимальные и адаптивные системы / Д.П. Ким. - 3-е изд., испр. и доп. М.: Издательство Юрайт, 2016. 441 с.
17. Бакулев П.А. Радиолокационные системы. М.: Радиотехника, 2004. 320 с.
18. Паршева Е.А. Децентрализованное адаптивное управление многосвязными объектами с запаздыванием по управлению со скалярными входом-выходом // Известия высших учебных заведений. Северо-Кавказский регион. Серия: Технические науки. 2004. № 56. С. 16-28.
19. Фуртат И.Б. Адаптивное управление объектом с запаздыванием по управлению без использования прогнозирующих устройств // Управление большими системами: сборник трудов. 2012. № 40. С. 144-163.
20. Паршева Е.А. Адаптивное децентрализованное управление многосвязными объектами с запаздыванием по управлению // Автоматика и телемеханика. 2004. № 10. С. 134-146.
21. Рутковский В.Ю. Работы института проблем управления в области беспоисковых адаптивных систем и систем управления космическими аппаратами // Автоматика и телемеханика. 1999. № 6. С. 42-49.
Филонович Александр Владимирович, д-р техн. наук, профессор, filon8@yandex.ru, Россия, Курск, Юго-Западный государственный университет,
Ворначева Ирина Валерьевна, канд. техн. наук, доцент, vornairina2008@yandex.ru, Россия, Курск, Юго-Западный государственный университет,
Мазнев Александр Константинович, студент, kafedra. es@yandex. ru, Россия, Курск, Юго-Западный государственный университет,
Гайдаш Николай Михайлович, канд. техн. наук, доцент, gaid1956@yandex.ru, Россия, Курск, Юго-Западный государственный университет,
Войнаш Сергей Александрович, ведущий инженер научно-исследовательской лаборатории, sergey_voi@mail.ru, Россия, Казань, Казанский федеральный университет,
Соколова Виктория Александровна, канд. техн. наук, доцент, sokolova_vika@inbox.ru, Россия, Санкт-Петербург, Санкт-Петербургский государственный университет промышленных технологий и дизайна,
Загидуллин Рамиль Равильевич, канд. техни. наук, доцент, r.r.zagidullin@mail.ru, Россия, Казань, Казанский федеральный университет
ADAPTIVE MULTICHANNEL DETECTION-RESOLUTION OF STOCHASTIC SIGNALS UNDER CONDITIONS OF PARAMETRIC APRIOR UNCERTAINTY
A.V. Filonovich, I.V. Vornacheva, A.K. Maznev, N.M. Gaidash, S.A. Voinash, V.A. Sokolova, R.R. Zagidullin
The article studies the issues of synthesis of algorithms for adaptive multichannel detection-resolution of stochastic signals of various structures under the influence of intense noise interference. In this case, a multichannel receiving system is considered, consisting of a number of independent spatially separated elements that form a linear antenna array. Based on the analysis of a finite discrete sample of complex amplitudes of the received oscillations, the problem of testing statistical hypotheses regarding the distribution parameters was solved. The detection algorithm is based on comparing the signal with the likelihood ratio threshold, and the value of the threshold level is determined by the chosen optimality criterion and, for the Neyman-Pearson criterion, remains dependent on the power of interference oscillations. The proposed technical solution has higher detection and resolution characteristics of stochastic signals compared to those already known. In this case, an important property of the obtained sufficient statistics is the stabilization of the probability of false detection, which is achieved by normalizing the noise power at the output of the adaptation device. The resulting algorithm is invariant to the type of noise correlation matrix used for its calculation.
Key words: detection-resolution, signal intensity, correlation matrix of signals and noises, detection algorithm, colored noise power, adaptive detector, maximum likelihood estimate.
Filonovich Alexander Vladimirovich, doctor of technical sciences, professor, flon8@yandex. ru, Russia, Kursk, South-West State University,
Vornacheva Irina Valerievna, candidate of technical sciences, docent, vornairina2008@yandex. ru, Russia, Kursk, South-West State University,
Maznev Alexander Konstantinovich, student, kafedra.es@yandex.ru, Russia, Kursk, South-West State University,
Gaidash Nikolai Mikhailovich, candidate of technical sciences, docent, gaid1956@yandex.ru, Russia, Kursk, South-West State University,
Voinash Sergey Alexandrovich, leading engineer of the research laboratory, sergey_voi@mail.ru, Russia, Kazan, Kazan Federal University,
Sokolova Victoria Aleksandrovna, candidate of technical sciences, docent, sokolova_vika@inbox.ru, Russia, St. Petersburg, St. Petersburg State University of Industrial Technologies and Design,
Zagidullin Ramil Ravilevich, candidate of technical sciences, docent, r.r.zagidullin@mail.ru, Russia, Kazan, Kazan Federal University
УДК 621.373
DOI: 10.24412/2071-6168-2023-2-311-314
МОДЕЛИРОВАНИЕ ГЕНЕРАТОРА ПИЛООБРАЗНОГО СИГНАЛА НА ТАЙМЕРЕ
М.С. Суворкин
В ходе работы разработан генератор пилообразного напряжения, конкретно в нашем случае, в дальнейшем он будет использоваться для блокиратора сотовой связи, а именно этот сигнал будет подаваться на возбудитель (ГУН), но в принципе его можно применить и к любым другим задачам, где требуется пилообразное напряжение. Генератор пилообразного напряжения был промоделирован и имеет возможность изменять размах пилы и её положение на оси, также в зависимости от задач, есть возможность изменения частоты.
Ключевые слова: Генератор пилообразного сигнала, ЛЧМ, блокиратор, Mathcad, ЫиШв1т.
Формирователь линейного частотно модулированного сигнала (ЛЧМ) - это первый этап разработки сверхширокополосных генераторов. Задача ЛЧМ генератора задать пилообразный сигнал, который в дальнейшем будет меняться частоту и ширину спектра генератора, управляемого напряжением.
Схема генератора описана в таблице данных к 555 таймеру (№555). В процессе разработки схема была доработана исходя из поставленной задачи. Была добавлена регулировка положения пилообразного сигнала на оси и его амплитуды. Схема генератора ЛЧМ сигнала представлена на рис. 1.
За основу построения была взята схема из описания микросхемы. Ключевые элементы схемы, это микросхема 555 таймера D8, конденсаторы С61 - С64 и резисторы R49 - R50. Все остальные элементы, это доработка под задачу регулировки положении пилообразного сигнала на оси и его амплитуды.
Описание работы схемы. Конденсатор С61 (1000пФ), в данном случае конденсатор носит роль обвязки. Конденсаторы С62 (100 пФ) и С63 (1мкФ) отвечают за фильтрацию напряжения, поступающего на микросхему D8 и на коллектор транзистора УТ11. Одними из основных задающих элементов нашей пилы являются резистор R49 (6,8 кОм) и резистор R50 (10 Ом), этот делитель напряжения отвечает за самозапуск таймера и также запуск в качестве мультивибратора.
Известно, что различие между одновибратораторной и мультивибраторной схемой заключается в том, что одновибраторная схема генерирует колебания в зависимости от входных импульсов, а мульти-вибраторная схема имеет возможность само возбуждаться.
Следующие элементы, которые также играют не маловажную роль это конденсаторы С64 (820 пФ) и С65 (4700 пФ). По схеме в описании микросхемы, там установлен один конденсатор, но было добавлено два конденсатора, для более точного подбора частоты пилы. Как показывает опыт, частота пилы равная 100кГц ± 10 кГц достаточно, для качественного подавления сигнала, если частота пилы будет меньше, то на одну частоту будет приходится слишком много времени, а если наоборот, то слишком мало, поэтому здесь нужен баланс.
