一、项目开发的含义：
现在选用的非触摸液体检测设备，经常呈现虚警的情况，极易引起乘客与安检人员的争论，影响机场及公共场所的安全次序。特别是漏报概率不行忽视，形成很大的安全隐患。因而现在液体非触摸安检设备难以满意实用化的要求。
形成液体非触摸安检设备无法实用化的原因是多样的。这其间装有液体的容器（多为瓶状容器）关于液体非触摸检测的影响是巨大的，不容忽视的。试验标明，一个瓶体的原料与厚度关于液体非触摸检测的虚警概率与漏报概率存在较大影响。因而怎么精确对瓶体的原料进行分类与测厚成为了现在较为注重的焦点问题。
超声波是频率在20KHz以上的声波，超声波的波长比一般声波短，具有较好的方向性，且能穿透通明和不通明的物质，被广泛用于金属探伤、间隔丈量、厚度丈量，并在海洋探查与开发、无损检测与点评、医学确诊等范畴发挥着不行替代的效果。超声检测技能（UT）是五大惯例检测技能中运用最多的一种。超声波瓶体原料分类与测厚是超声检测的一种。它有成本低、运用方便、速度快、对人体无害以及便于现场运用等特色。也因而它是一种展开较快的一种无损测厚技能。超声波瓶体原料分类与测厚是一种非触摸检测技能，不受光线、被测目标色彩等的影响，较其它仪器更卫生，更耐湿润、粉尘、高温、腐蚀气体等恶劣环境，具有少保护、不污染、高牢靠、长寿命等特色。
除此之外，超声波对瓶体的相关检测，还广泛运用于环境监测和食品安全等多个范畴傍边。
展开总述：
现在，国内超声波测厚技能展开的比较快，20世纪60年代晚期，已有国产的电子管式涡流测厚仪应市。跟着新式工业资料的开发，微电子技能运用和规范化作业进程，尤以近十年来，测厚技能得到迅猛展开，测厚仪在电路规划，新式传感器运用，测头的多制式与通用性，量值显现与数据打印，测控功用扩展及智能化诸方面，都不断取得打破与立异。这些技能的展开促进着超声波测厚仪器的不断老练，它凭仗其小型简便、操作简略、对被测物表面光洁度要求不高、丈量规划大等特色用于帆海、航天、轿车制作等职业，带来了巨大的经济效益和社会效益，已在国际各首要工业国家得到注重和运用。
可是，最新的API.5C规范要求对壁厚进行快速，接连丈量，好久以来，许多国内外研讨机构和企业有关人员一向努力于此研讨，但成果并不抱负，一起超声波关于原料的分类技能仍然处于研讨阶段，其详细实践运用还未见报导。
项目开发内容：
课题项目首要环绕怎么对瓶体资料进行分类和以及怎么丈量瓶体厚度展开研讨作业。超声波发射探头和超声波接纳探头是该项意图首要传感器，完结对超声波的发送以及对回波的检测作业；之后对相关信号进行A/D转化，低通去噪处理；将经曩昔噪后的信号首要运用信号的自相关理论，然后精确提取出收发信号的延时情况；与此一起，咱们还要经过FFT得到回波信号的频谱情况以及经过起伏提取模块取得收发信号的衰减信息；咱们对得到回波频谱信息，收发信号延时情况，收发信号衰减情况进行一致的逻辑归纳剖析，得出人工神经网络的四点输入信息；运用得到的四点输入信息，咱们选用人工神经网络算法，并经过离线学习构建出一个能够对瓶体资料进行分类的办法；最终咱们能够完结一种可自动识别瓶体原料的瓶体测厚功用。
项目立异点：选用许多高效算法，规划了一种精度高，速度快的测厚体系，一起运用人工神经网络，训练出一种能够自动识别瓶体原料（塑料，玻璃，陶瓷）的体系。
项目根本要求：
可测资料塑料、玻璃、陶瓷
探头频率5Mhz
丈量精度1%*厚度值0.05mm
运用环境-10~60（摄氏度）
二．项目拟定开端计划介绍
1.项目开发全体计划框图介绍
1.1 超声波发射与接纳电路，如图1所示：
发射电路
发射电路发生能激起超声波超声波传感器的高压（300伏以上）尖峰脉冲信号。脉冲发生器的输入信号由FPGA发生。本计划选用的对错谐振式发射电路，如图3所示：
图3 发射电路
非谐振式发射电路的作业原理是：当闸流管（或可控硅）导通时，电容C放电，发生一短脉冲，鼓励探头中的压电陶瓷镜片使其发射超声脉冲。在规划中，需求考虑脉冲信号的厚度，即一次接连发射脉冲的数量，对丈量仪的精度有着重要影响。厚度越大，发射功率越大，发射波的拖尾信号越大，相应的丈量盲区越大。反之丈量盲区越小。可是发射功率小时，回波信号不明显，相同影响检测成果。
接纳电路
超声波探头接纳到的回波信号幅值十分小，背景噪声较为严峻时，或许呈现号的起伏简直与噪声的起伏适当，乃至淹没在噪声中的景象。假如不采纳有用的信号提取技能去按捺搅扰的影响，丈量就无法进行。要确保丈量的成功，就必须适宜的手法来增强信号和消除噪声的影响。该接纳电路由扩大电路（三级），检波电路，比较电路等组成，如图4所示：
图4 接纳扩大电路
在单探头测后时，发射接纳探头集成在一起，很高的发射电压直接加到接纳电路的输入端，为了确保运放的正常作业，而且，较高电压使镜片发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，使传感器激起时的瞬变信号经过D1，D2的组成的钳位电路被约束在±0.7V，是输入到预案算扩大器的高压信号得到钳位，关于细小信号，由于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扩大器中，使运算扩大器的输入被限幅，起到保护运放的效果。
1.2 瓶体原料分类与瓶厚检测部分，如图2所示：
信号去噪功用块，它首要用于收发信号的去噪处理。首要包括两个64阶低通滤波器模块，其完结咱们选用改善的DA算法。
谱剖析功用块，它首要用于完结关于接纳探头信号的傅里叶谱剖析。首要包括FFT模块，其完结办法咱们调用FFT IP Core。
延时测定功用块，它首要运用信号的自相关去测定收发信号的延时情况。引证自相关算法较运用MCU提取延时信息比较，具有提取延时精确的特色。首要包括卷积模块，门限比较模块。
衰减测定功用块，它首要测定了收发信号的起伏衰减情况。首要包括起伏提取模块，守时信息操控模块，除法器模块。
瓶体分类功用块，它的运用意图是经过离线式学习，树立一种能够分辩三种瓶体原料（陶瓷，玻璃，塑料）的分类体系。首要包括人工神经网络模块，判定电路模块。
瓶体厚度核算功用块，它需求红外温度传感器的温度值和瓶体原料分类的成果作为先验条件，然后运用厚度核算的相关公式核算出瓶体的厚度。首要包括厚度核算模块。
体系主控功用块，它完结整个体系关于外设的时序操控作业。首要包括2个A/D操控，红外温度传感器操控，LCD操控，超声波主控逻辑操控。
2．要点模块完结算法介绍
2.1 位串散布处理算法（DA算法）简介
DA算法是distributed arithmeTIc算法的简称。中文译为散布式算法。小波滤波器的完结选用散布式算法完结。散布式算法作为一项数字信号处理算法，广泛运用于核算乘积和运算，与传统的乘积和结构比较，DA算法具有并行处理的高效性特色。若选用散布式算法完结小波滤波器，则它在FPGA中的作业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资源的运用量。
位串散布的散布式算法是先从最低位开端的，将一切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成果，然后将查表成果与右移一位的寄存器值进行相加或相减运算，将运算的成果放到寄存器傍边，然后输入数据的一切次低位开端对查找表寻址得到另一个查表后的成果，所得到的成果与右移一位的寄存器的成果即上一个存储在寄存器的成果相加，如此重复进行下去，直到将一切的位数都进行完运算。特别注意，关于有符号数，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成果相减，而且负数是用补码的办法表达的。
位串散布乘法器的根本结构，如图5所示：：
图5 串散布的滤波器结构
本项目中DA算法首要运用于：人工神经网络和FRI数字滤波器的乘法器规划。
（1）改善后的散布式处理算法完结FIR数字滤波器的简介
首要，咱们研讨一下串行散布式算法的可行性，要完结一个18位的64阶的FIR高阶散布式滤波器，占用资源的巨细与数字滤波器的阶数K有关。当K=64时，FIR数字滤波器至少需求用264个单元来贮存数值，而且在树立查找表时，需求树立264个数供查找时运用。这些数的规划是适当大的，若直接在FPGA芯片上完结一方面FPGA的存储器资源无法满意，另一方面要树立264个数的查找表，作业量是很大的。当位宽为18时，全串行散布式算法的FIR滤波器核算一个滤波成果时需求进行18次得移位相加，这样运算速度会较慢，无法满意实时性的要求。即便引进流水线技能，全串行散布式算法的FIR数字滤波器的运算速度也不是很高，查找表的资源占用量仍然巨大。尽管现在FPGA的功用都现已大幅进步，可是选用全串行的散布式算法完结的18位64阶FIR数字滤波器仍然无法满意资源和运算速度的要求。
在这种情况下，咱们对散布式处理算法的两个方面进行了改善：
将整个FIR数字滤波器分红几个FIR子滤波器的级联的办法，这样每一个子滤波器的查找表的资源占用量会削减，一起树立查找表所需求的作业量也会削减许多。其结构如图6所示：
图6 高阶滤波器分化为低阶滤波器的示意图
FIR数字滤波器的输入数据位宽决议了移位相加运算的次数，为了进步FIR数字滤波器的运算速度，能够将输入数据的位宽分红m段的L比特的位宽，将这m段分化后的数一起进行查表运算，这样能够进步数据的运算速度。其结构如图7所示：
图7 数据位分段FIR滤波器的示意图
若一起对DA算法的这两个方面进行改善，咱们就提出了改善的DA算法，与此一起，咱们提出了一种根据改善DA算法的64阶低通滤波器的完结计划。
本项目中改善的DA算法首要运用于：64阶低通滤波器的规划，其结构如图8所示：
图8 根据改善DA算法的128阶低通滤波器的完结
（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讨根底上提出的模仿生物进程以反映人脑某些特性的核算结构。它不是人脑神经体系的实在描绘，而仅仅它的某种笼统、简化和模仿。神经元及其突触是神经网络的根本器材。因而，模仿生物神经网络应首要模仿生物神经元。在人工神经网络中，神经元常被称为“处理单元”。有时从网络的观念动身常把它称为“节点”。人工神经元是对生物神经元的一种办法化描绘，它对生物神经元的信息处理进程进行笼统，并用数学言语予以描绘；对生物神经元的结构和功用进行模仿，并用模型予以表达。
为了模仿生物神经元，一个简化的人工神经元，如图9所示。该神经元是一个多输入单输出的非线性元件。
图9 简化的神经元模型
人工神经元模型能够看成是由三个根本要素组成：
一组衔接权（对应于生物神经元的突触），衔接强度由各衔接上的权值表明，权值为正表明鼓励，为负值表明按捺。
一个求和单元，用于求取各输入信息的加权和（线性组合）。
一个非线性激活函数，起非线性映射效果并约束神经元输出起伏在必定的规划之内。此外还有一个阈值。阈值也被看作是一个输入重量，也便是阈值也是一个权值。在网络的规划中，误差起着重要的效果，它使得激活函数的图形能够左右移动而增加了解决问题的或许性。
一般所说的人工神经网络结构，首要指它的衔接办法。从拓扑结构上考虑，神经网络归于以神经元为节点，以节点间的衔接为边的一种图。从衔接办法来看，首要有两种，即前馈型神经网络和反应型网络。一个神经网络的拓扑结构确认后，为了使它具有某种智能特性，必须有相应的学习办法与之合作。权值怎么设置是区别不同人工神经网络学习算法的重要特征。一般能够把人工神经网络的学习分为两种类型，即监督学习（有教师学习）和无监督学习（无教师学习）。
本次项意图人工神经网络，规划为两级人工神经网络，其间一级内部神经网络的结构，如图10所示；二级人工神经网络的结构框图，如图11所示：
图10 神经网络内部示意图
图11 二级人工神经网络的结构框图
咱们根据人工神经网络的根本特色，选用乘法器封装的办法进行根本完结，其完结办法，如图12所示：
图12 乘法器的封装
那么一级神经网络的FPGA完结，如图13所示：
图13 一级人工神经网络的FPGA完结
CORDIC核算特别函数算法简介
假如运用FPGA完结某种数字信号处理算法，而且算法运用了一个非一般的（逾越）代数函数，咱们能够运用泰勒级数来近似这个函数。
这样问题就简化成一系列的乘法和加法运算了。一种可供考虑的更为有用的办法便是根据坐标旋转数字式核算机（Coordinate RotaTIon Digital Computer，CORDIC）的算法。CORDIC算法是树立在许多运用根底之上的，如适应性滤波器，FFT，DCT，神经网络。
正式界说的CORDIC算法，如下式所示：
完结CORDIC结构可选用两种根本结构：较为简练的状态机和高速全流水处理器。
2.3 Restoring（复原）算法简介
Restoring算法是一种线性收敛的除法算法。它的首要思维是首要调整分母并加载分子到余数寄存器中，然后从余数中减去调整的分母并将成果存在余数寄存器中，假如新的余数为正，咱们就将商加1，不然商不变而且还需求经过加上分母来复原早年的余数值。咱们能够选用状态机的规划结构来完结该种除法算法思维。
本项目中Restoring算法首要运用于：起伏衰减模块中除法器的规划。
2.4 分段函数算法简介
分段函数是关于自变量不同的取值规划，有着不同的对应规律的函数。关于分段函数的完结具有资源耗费少，处理速度快的特色。例如，一种包括二阶非线性函数的分段函数，如下式所示：
关于二阶非线性函数的完结，如图15 所示：
图15 二阶非线性函数的完结
本项目中分段函数首要运用于：人工神经网络中的激活函数的
f（n）的规划。
3. 项目规划细化模块计划
项目规划细化模块的框图，如图16所示：
本次项意图规划难点：
（1）精确测定延时信息的自相关模块的规划，由于自相关信息会对收发信号的起伏提取有着很大的影响。
（2）高效的64阶滤波器的规划，旨在规划一种既节约硬件资源又能高效实时输出的一种低通滤波器。
（3）可精确分类的人工神经网络的规划，需求许多的离散学习和确认一种精确的拓扑结构。
图16 项目规划细化模块框图
