过采样方法在动态轴重式汽车衡中的应用

韩旖旎，李晓林，李丽宏

（1.太原理工大学 控制理论与控制工程，山西 太原 030024；2.太原理工大学 信息工程学院，山西 太原 030024）

目前动态汽车衡从计量形式上可分为：轴计量、轴组计量和整车计量3种。动态轴重式汽车衡属于轴计量形式，是对行驶中的车辆称重的一种衡器。

而信号处理主要影响动态轴重式汽车衡的称量精度及速度。目前，信号处理主要有2种：一是使用内部集成有低或中分辨率A/D转换的器件，节省成本，但增加了繁琐的模拟电路；二是使用高分辨率A/D转换器，可省去模拟电路，但对A/D转换性能要求高，而采样率不高。采用过采样方法可以克服上述缺点，且利用二者的优点实现对信号的高精度测量。

1 过采样技术及原理

A/D转换能引入很多种噪声，例如热噪声、杂色噪声、电源电压变化、参考电压变化、由采样时钟抖动引起的相位噪声以及由量化误差引起的量化噪声等[1]。在参考电压及信号线输入端上加旁路电容等技术可以减小噪声。但是，在A/D转换过程中，总是存在量化噪声的，一个给定位数的数据转换器的最大信噪比（RSN）由量化噪声定义。在一定条件下过采样会减小量化噪声和改善RSN，有效提高测量分辨率[2]。

过采样是指对某个待测参数进行多次采样，得到一组样本，然后对这些样本累计求和并对这些样本进行均值滤波、减小噪声而得到一个采样结果[3]。图1为过采样测量系统原理图。

过采样技术远大于奈奎斯特采样频率的频率对输入信号进行采样[4]。假设原来的采样频率为fs，若将采样频率提高到R fs，R为过采样比率，并且R＞1。n为量化比特数，E（f）为带内的能量谱密度（ESD），fm为信号的最高频率[5]，则E（f）与fs的关系式：

在采样的数字信号中，量化比特数没有改变，总的量化噪声功率也不变，但这时量化噪声的频谱分布发生了变化，原来均匀分布在0～fs/2频带内的量化噪声分散到了0～Rfs/2的频带上。若R＞＞1，Rfs/2就远大于信号的最高频率fm，量化噪声大部分分布在频带之外的高频区域，分布在频带之内的量化噪声就会相应减少，通过低通滤波器滤掉fm以上的噪声分量，就可以提高系统的信噪比[6]。

2 应用原理

噪声功率与过采样率和分辨率的关系式[7]：

式中，n0为噪声功率，OSR为过采样率，N为A/D转换的位数，Vref为参考电压。

给定一个固定的噪声功率，可计算所需要的位数。由式（2）求得N，用给定的参考电压、带内噪声功率及过采样率计算有效位数：

式（3）说明有效位数是参考电压、带内噪声功率和过采样率的函数。同时注意到采样频率每增加1倍带内噪声将减小3 dB，测量分辨率将增加1/2位。在实际应用中将一个信号的带宽限制到小于fs/2，然后以某个过采样率OSR对该信号采样，再对采样值求平均值得到结果输出[8]。可以看出，数据每增加一位分辨率或每减小6 dB的噪声，需要以4倍的采样频率进行过采样。

式中，w是希望增加的分辨率位数，fs是初始采样频率要求，fos是过采样频率。

将过采样应用于动态轴重式汽车衡中，实现等效于16位A/D转换器的精度测量。在程序中，将256个连续的A/D转换器累加到变量X上，在完成累加后又将X右移4位并将结果存入变量result中，在得到计算结果后，result被清零，准备下一次计算。对A/D转换器的累加在A/D转换中断服务程序中完成。用于累加过采样数据和进行除法运算的存储器单元的字节数必须足够多，以免发生溢出或截断错误。

使用过采样技术对重量的测量精度提高后，进一步比较重量测量中的分辨率。在电路系统中，采用2.4 V的参考电压（Vr）信号过采样增加称量的有效位数。假定称重过程中使用12位A/D转换器，通过过采样，对于12位和过采样后达16位有效数据测量后，分别计算代码宽度和可测重量的最小变化。

在不采用过采样技术的情况下，12位的重量测量结果为：重量每变化1 kg，称重传感器的电压输出将变化2.8 mV，在增益为2时，电压分辨率Δ为：

12位测量的重量分辨率为：

采用过采样技术使有效位数提高到16位后，新的分辨率为：

可以测量的最小重量变化为：

经比较可以看出：在不采用过采样的情况下，可以测量的最小重量变化是0.104 6 kg，而在采用过采样技术的情况下，用同一个12位A/D转换器可以测量的最小重量变化是0.006 5 kg，可见，测量分辨率得到提高。

3 应用结果及分析

上述方法经实验测试效果明显，实验用两轴载重货车，货车自重1 500 kg，加载砝码14 368 kg，在额定轴载荷为30 t的动态轴重式汽车衡上进行测试。静态情况下称得汽车前轴重量是5 193 kg，后轴重量是14 175 kg，测试车分别以快速、慢速及变速等多种形式通过秤台，实验测得部分数据及处理运算结果如表1所示。

实验应用公式如下：

式中，M1为动态轴重重量，M2为静态轴重重量，δ为测量误差。

4 结 论

采用过采样提高分辨率的方法已在动态轴重式汽车衡中得到应用。实测证明：用这种方法来提高测量分辨率可以降低成本，简化外围电路硬件，提高系统的可靠性和精度，使该装置具有高的性价比，可以使称重精度提高1倍。另外，该方法还可以用于其他领域的参数测量，具有实用和推广价值。

[1]田立斌，陈芳炯，韦岗.一种基于IIR信道输出过采样的SIMO模型[J].电子与信息学报，2005，27（7）：1058－1060.

TIAN Li-bin，CHEN Fang-jiong，WEI Gang.IIR channel based on the output over-sampling of the SIMO model[J].Journal of Electronics&Information Technology，2005，27（7）：1058－1060.

[2]王萍，李小京.利用过采样法提高A/D分辨率和信噪比[J].仪器仪表学报，2002，23（Z1）：1－2.

WANG Ping，LI Xiao-jing.The use of over-sampling method to improve A/D resolution and signal to noise ratio[J].Journal of Scientific Instrument，2002，23 （Z1）：1－2.

[3]张守钧，庞彦斌.用过采样和求均值技术提高模/数转换器的分辨率[J].计算机测量与控制，2003，11（6）：470－472.

ZHANG Shou-jun，PANG Yan-bin.Oversampling and technology to increase the resolution of A/D converter[J].Computer Measurement&Control，2003，11（6）：470－472.

[4]胡怀中，王勇，刘文江.一种基于过采样技术的非最小相位系统盲辨识方法[J].西安交通大学学报，2004，38（8）：791-795.

HU Huai-zhong，WANG Yong，LIU Wen-jiang.A kind of over-sampling technique based on non-minimum phase system blind identification[J].Journal of Xi'an Jiaotong University，2004，38（8）：791-795.

[5]王勇，刘文江，孙连明.过采样方法在系统辨识中的应用[J].西安交通大学学报，2003，37（2）：171-174.

WANG Yong，LIU Wen-jiang，SUN Lian-ming.Over-sampling in system identification application[J].Journal of Xi'an Jiaotong University，2003，37（2）：171-174.

[6]陈博洋，陈凡胜，陈桂林.利用过采样探测提高线阵扫描相机的空间分辨率[J].红外技术，2009，31（7）：395-398.

CHEN Bo-yang，CHEN Fan-sheng，CHEN Gui-lin.The use of over-sampling to improve line scan scan camera to detect the spatial resolution[J].Infrared Technology，2009，31（7）：395-398.

[7]李嘉，胡怀中，胡军，等.基于过采样的Hammerstein模型最小方根辨识算法[J].陕西工学院学报：自然科学版，2003，19（2）：25-28.

LI Jia，HU Huai-zhong，HU Jun，et al.Oversampling based on the minimum square-root of the Hammerstein model identification algorithm[J].Journal of Shanxi Institute of Technology ：Natural Science Edition，2003，19（2）：25-28.

[8]王凤，黄泽琴，申忠如.逐次逼近型模数转换器的仿真模型[J].现代电子技术，2007（14）：43-45.

WANG Feng，HUANG Ze-qin，SHEN Zhong-ru.Successive approximation ADC simulation model[J].Modern Electronic Technology，2007（14）：43-45.

表1 现场实验结果数据Tab.1 The field experiment data