们使用这种方法识别未知物体的材料，它的效力已经被检验。因此，在识别材料中的高识别率是不用质疑的。这种方法的前提是在硬件中实施，期望可以通过使用一条组合的逻辑电路实现快速识别，应用于航空，例如自动化运输工具，将随着这种系统的进一步延伸而成为可能。在这篇文章里，我们提出一个种类识别系统，这种识别方法来识别种类被延伸至从物体原料到化合物体材料，角度和测量距离上的延伸，并且模型识别是基于得到的二台超声波传感器的波形和组合的逻辑电路使用。那时，用测量的波形数据和其他种类方法的对比的种类实验，通过证明被提议方法的特征来估计提议方法。
2．提出的系统 2.1识别算法
在这个部分里解释被提议的方法的种类识别的算法。首先，超声波放电来测量物体，并且超声波传感器收到被反射的波。FFT被用于通过超声波传感器在频率领域内产生的数据而获得反射波。传输数据的35－kHz到45－kHz区域被用于识别。原因是超声波传感器被用于中心是40 kHz的频率。图1显示5个FFT波形样品，(a)木头,(b)铁，(c)纸板，(d)海绵和(e)塑料。这些波形是从有着相同的尺寸的金属板形状的物体(30厘米x 30厘米)中获得的FFT波形。如图1，每种材料中的波形显示了特征的不同。在这篇文章里，被反射的波形中存在差别的原因没有被详细地分析，但是被认为是每种材料或者表面形状的声阻抗的差别[5, 6]。因此， 我们相信一物体材料可以图样识别与FFT反映出的波形来识别每种物体材料的特征。
下一步，我们创造有着极大值和级小值的图表，因为从接收传感器获得的多测量数据有着自己的频率组合。这张图被叫为参考数据。图2是一个参考数据的例子。 参考数据是每种类识别的基础。下列方程式用来确定最大和最少的参考数据：
? 最大值= E(f) + 2 × σ(f) ? 最小值= E(f) – 2 × σ(f)
E(f)表示在决定于培训用数据的频率f方面的指示能力，而σ(f)表示频率英尺指示能力的标准偏差。参考数据的最大值和最小值表明数据与描述被测量的对象的特征的波形不符合的范围。如果我们假定这些参考数据遵循一个标准的分布，让被测量的数据x的平均值是x’，标准偏差是σ，然后我们得到大约测量的数据x的95%在x’± 2 × σ间隔范围内[10]。通过把极大值和极小值放置在参考数据E(f) ± 2 × σ(f)里，如果培训用数据的数量足够大，几乎所有数据根据反射出的相同对象的波决定的未知波形相信在极大和极小参考数据的范围内被观察到。
35
下一步，被创建的参考数据用来对输入数据匹配。在提议系统内，从超声波传感器那里获得的未知波形成数据和参考数据作为二维的数据处理。然后未知的数据属于的种类被对图像数据的模式匹配识别。如果未知的波形数据和参考数据被重叠，相配的过程阻塞，并且如果未知的波形数据在最大和最少的参考数据中，未知的波形数据被推断属于保存参考数据的种类，并且这被作为识别结果确定。
2.2 系统配置
图3是一张在这项研究过程中使用的系统的方框图。显示的坐标系统被在测量环境过程中使用。测量的目标位于原点并且在以x-y平面中心为原点的平面中测量。在这些实验过程中，在数字里显示的金属形成的物体是测量目标。测量设备被放在y轴的原点上，使用有独立输送和接收的40 kHz超声波传感器(日本陶器制法T / 16 R40)来进行测量。在3图中，超声波传感器被安排有左右接受器和在中心内的输出器。那些目标的反射波两台接收传感器接收，并且是模拟对数字化的转变(100 MHz 抽样率，32位)。在FFT之后处理，数据是对识别电路的输入。通过使用两台接收的传感器，因为输入信息的增加，下列效应可以被预测：
改进识别率；
不仅是简单的物质识别，而且种类更复杂的结合体如角和测量距离的识别。 2.3识别电路
被提出的识别方法是一个运算法则，在数据匹配过程中，这个法则可以被作为一条组合的逻辑电路的硬件来执行。一个匹配电路决定着输入数据是否在最大和最少的参考数据内。
2.3.1匹配电路
当决定来自于一条组合的逻辑电路时， 参考数据和输入数据被量化成P×Q二维的形式，每排进行比较。组合的逻辑电路用来比较两排。从而，P组合的逻辑电路(有Q输入)来比较一个波形数据。被提议的系统使用两台传感器；2×P组合的逻辑电路进行每种类的识别。一条组合的逻辑电路把少量参考数据和输入数据进行比较。如果比较的两排匹配精确，“1”是输出量；否则，“0”是输出量。为了创建比较这对排的组合的逻辑电路，从参考数据中创建一份真实的表格。首先，每个种类的参考数据如图4中所示被量化成P×Q二维的形式。等于或者超过参考数据的最大量的区域被调整到“0”， 最小量被调整到“1”，并且其他区域被调整到涉及不到的区域(“x”)。下一步，一排量化的参考数据被作为真实表格确定，并且建立了在每排和输入数据相配的组合的逻辑电路。通过增加不被关注的真实表格，由于测量条件，识别电路吸收波形内的变化，例如随着温度的变化。电路可以在尺寸方面简化，因为并非所有数据值都要在识别过程中引用。输入数据被类似量化。相同或是比数据值大的地区的数据值调整到“0”和小于
36
这个区域的数据值对应“1”。然后每排输入数据被选出，对相应排的组合的逻辑电路的输入，与参考数据相比。图5显示在真实表格和在图4的第4排的组合逻辑电路之间的输入/产量关系。在图5，R(x，y)描述被量化的参考数据的象素价值，x是排号码和y是栏数。U(x，y)描述被量化的输入数据的象素价值并且成为对组合的逻辑电路的输入。F(X4)代表4排的组合的逻辑电路的输出量。当所有R(4，0)到R(4，Q－1)和U(4，0)到U(4，Q－1)匹配时，生产F(X4)成为“1”。如果输入数据是在最大和最小的参考数据内， 所有排的组合的逻辑电路的输出量成为“1”。
下一步，因为在输入数据和种类之间的类似处被确定，“1”来自所有组合的逻辑电路的s产量的总数是种类的相象E种类，并且有最高类似处的种类被作为最终的结果。
2.3.2 电路的简化
当组合逻辑电路被创建时，当真实表格被制作成一条没有被修正的电路时，所有数据值都成一排被引用， 组合逻辑电路的输入的数量随决定增加而增加，并且电路规模变得更大。为了降低电路规模，识别电路被简化。如图4，“0”、“1” 和“x”(不要关心)三个区域存在于被量化的参考数据， 以及“0”和“1”的两个区域存在于输入数据。当在参考数据的区域之间的边界被检验时，全部的价值大，基于参考数据的特性，所有数值大于或等于最大值“0”并且全部数值少于最小值“1”的。当这种特征用于匹配过程，通过利用临近的不相关的两个输入值来实现。图6呈现出一个m排的简单组合逻辑电路的实例。可以看到如果在量化参考数据的m排里 从R(m, Q–3) 到 R(m, 2)不被关注，在m的被量化的参考数据排不关心，匹配整个排只由从所有输入数据U(m，Q-1)到U(m，0)的U(m，Q-2)∧U(m，1) 的计算变得可能。通过做这次简化， 在忽视决议时，每排的组合的逻辑电路的输入的数量是2，将导致在电路规模方面的大幅度削减。
2.3.3. 识别电路的构造
图7显示提议识别电路的整个结构。 比较每种种类的输入数据和参考数据(E
