CN105319389B - 一种高精度宽范围超声波测风***及方法 - Google Patents

Abstract

本发明公开了一种高精度宽范围超声波测风***及方法，测风***包括有四个超声波探头、模拟开关模块、AD采样模块、微处理器模块和通信模块，其中四个超声波探头两两相互正交设置，每个超声波探头均连接有收发模块，每个收发模块的控制端均与微处理器模块相连接，模拟开关模块的输出端连接到AD采样模块的输入端，方法为：步骤一、对各模块进行初始化；步骤二、检测通信模块是否接收到控制命令；步骤三、对四组数字量的收发信号进行时延估计；步骤四、得到其中两个上下相对应的超声波探头方向的风速以及，两个左右相对应的风速；有益效果：还大大提高了该仪器的风速矢量测量精度，具有重要的实际意义。

Description

一种高精度宽范围超声波测风***及方法

技术领域

本发明涉及一种测风***及方法，特别涉及一种高精度宽范围超声波测风***及方法。

背景技术

当前，超声波风速风向测量方法研究己有几十年的发展历史，先后提出了时差法、频差法、相位差法、多普勒法和相关法等多种测量方法。其中，时差法、频差法、相位差法和多普勒法由于测量线路复杂、易受环境噪声影响等原因，在高精度超声波风速风向测量方面的实际应用较少，而相关法以其所具有的测量线路简单、抗干扰能力强等一系列优点成为目前高精度超声波风速仪所普遍采用的测量方法。

相关方法实际上是基于信号统计相关理论的时间延迟估计方法。在该研究领域，已有大量的研究成果。针对测量背景噪声为高斯白噪声情况，Knapp等提出了广义互相关方法,该方法虽原理简单，计算量小，但估计精度不高；极大似然法是一种最佳的时间延迟估计方法，但该方法需要已知信号的概率密度，而这一点恰恰是难以做到的，因此该方法在实际中很少使用；Gardner和Chen等提出的基于循环相关函数的时间延迟估计方法，由于可以抑制不同于信号频率的任意噪声而倍受人们瞩目，但该方法仅适用于发射和接收为同频信号情况。由于高风速必然产生的多普勒频移，因此无法在宽测量范围的超声波测风仪中使用；对于测量背景噪声为高斯有色噪声情况，可以使用高阶累积量方法，由于高阶累积量对于高斯有色噪声具有极强的抑制能力，因此基于高阶累积量的时间延迟估计方法可以达到很高的估计精度。目前，国内外高精度超声波测风仪基本上都是采用这一方法。然而，当背景噪声为非高斯噪声，特别是当背景噪声中含有脉冲冲击噪声时，该方法的时间延迟估计精度急剧下降。

脉冲冲击噪声是一种带有明显脉冲冲击性质的非高斯噪声，如空间放电引起的大气噪声，汽车发动机的点火噪声，电气设备的开关噪声，无线通信设备的窜扰噪声等，都属于脉冲冲击噪声。因而脉冲冲击噪声是超声波时间延迟测量环境中的一种常见噪声形式。由于脉冲冲击噪声符合α稳定分布，因此一般称脉冲冲击噪声为α稳定分布噪声或简称为α噪声。α噪声的一个最大特点是它不存在有限的方差，因此，那些基于广义相关函数、极大似然法、循环相关法、和高阶累积量方法的时间延迟估计方法失效。这是基于上述方法进行时间延迟估计的超声波测风仪经常出现测量数据不稳定的关键因素之一。

近年来，针对α噪声，人们进行了大量的研究。Nikias指出，α稳定分布存在分数低阶矩，根据这一理论，各国学者相继提出了许多α噪声背景下，基于分数低阶矩的时间延迟估计方法。然而，在大量的实际应用中，基于分数低阶矩的时间延迟估计方法的固有缺陷也逐渐暴露出来：首先，分数低阶矩是一种非线性方法，特别是它不存在半不变性，即两个相互统计独立的随机变量的和的分数低阶矩不等于各自随机变量的分数低阶矩的和，这使得我们无法进行信号和噪声的有效分离。另外，α噪声和高斯噪声的分数低阶矩恒不为零，这说明分数低阶矩方法的噪声抑制能力不强。因而基于分数低阶矩的时间延迟估计精度一般较差。由于α稳定分布噪声往往都是和高斯噪声混杂在一起的，因此，人们迫切需要一种对α噪声和高斯噪声均具有极强抑制能力的时间延迟估计方法。

发明内容

本发明的目的是为了解决现有超声波测风***及方法存在的诸多问题而提供的一种高精度宽范围超声波测风***及方法。

本发明提供的高精度宽范围超声波测风***包括有四个超声波探头、模拟开关模块、AD采样模块、微处理器模块和通信模块，其中四个超声波探头两两相互正交设置，每个超声波探头均连接有收发模块，四个收发模块相并联，每个收发模块的输出端均与模拟开关模块的输入端相连接，每个收发模块的控制端均与微处理器模块相连接，模拟开关模块的输出端连接到AD采样模块的输入端，模拟开关模块的控制端连接到微处理器模块；AD采样模块的输出端连接到微处理器模块；微处理器模块与通信模块相连接，用于输出所测得的风速和接收控制命令。

本发明提供的高精度宽范围超声波测风方法，其方法如下所述：

步骤一、***上电后，对各模块进行初始化；

步骤二、初始化完成后，检测通信模块是否接收到控制命令，如果接收到控制命令，则微处理器模块调用控制命令处理函数对该命令进行处理，处理完成后返回继续检测；如果没有接收到控制命令，则微处理器模块依次控制与四个超声波探头连接的四个收发模块驱动超声波探头发出超声波，再控制模拟开关模块依次选通四个超声波探头作为接收探头，并将接收到的信号传递给AD采样模块进行模数转换，其结果将传递给微处理器模块并保存，总共得到四组数字量的收发信号；

步骤三、分别采用基于分数阶累积量的高精度宽范围的超声波信号时延估计方法对四组数字量的收发信号进行时延估计，得到四个时延估计值t1、t2、t3、t4；

步骤四、设两个相对的超声波探头之间的距离均为d，再由相对时差法得到其中两个上下相对应的超声波探头方向的风速为两个左右相对应的超声波探头方向的风速为

步骤五、通过正交合成得到实际风速为风向角为

步骤六、将步骤五中得到的风速和风向角通过通信模块输出，之后返回步骤二，如此循环得到实时的风速和风向。

步骤三中所述的基于分数阶累积量的高精度宽范围的超声波信号时延估计方法，其具体方法如下：

1)分数阶累积量函数及标准的确定

(1)分数阶累积量函数的确定：

设Φ(u)为随机变量X的特征函数，有

式中：为左Riemann-Liouville分数阶导数，0＜p≤1，k为任意整数，称^RLC^kp为随机变量X的分数阶累积量，分数阶累积量^RLC^kp也可记为^RLcum^kp(·)；

(2)分数阶累积量标准的确定：

确定分数阶累积量标准如下：

标准1：设a₁,a₂,…,a_k为常数，X(k)＝[x₁,x₂,…,x_k]为随机变量，则

式中：kp＝p₁+p₂+…+p_k

标准2：分数阶累积量对其自变量是对称的，或者说它们的量值与自变量的顺序无关，即

其中，i₁,i₂,…,i_k是1,2,…,k的一个排列；

标准3：若k个随机变量{x_i}的一个子集与其它部分独立，则

标准4：如果随机变量集[x₁,x₂,…,x_k]和[y₁,y₂,…,y_k]是独立的，则有

但是

标准5：对于kp阶分数阶累积量^RLC^kp(τ)，当τ＝0时，有最大值，即|^RLC^kp(τ)|≤^RLC^kp(0)

2)分数阶累积量对α噪声和高斯噪声的抑制能力和抑制方法：

α稳定分布是一种广义高斯分布，标准α稳定分布的特征函数为：

Φ(u)＝exp{-γ|u|^α}

式中：参数γ＞0称为分散系数；参数α∈(0,2]称为特征指数，当特征指数α＝2时，α稳定分布退化为高斯分布；

关于分数阶累积量对α噪声和高斯噪声的抑制能力和抑制方法，有如下定理：

定理1：设标准α稳定分布的特征函数如上式所示，令m为大于或等于kp的最小正整数，则当1＞p＞0，k为大于0的整数，当2≥α＞0时，标准α稳定分布的kp阶分数阶累积量为：

(1)当α-kp不为整数时，

(2)当1≤kp-α≤m为整数时，

^RLC^kp＝0

可见，对于标准α稳定分布信号的kp阶分数阶累积量，当取kp＜α，或当1≤kp-α≤m为整数时，其kp阶分数阶累积量存在且为零，由于高斯分布是标准α稳定分布中当α＝2时的一个特例，因此，分数阶累积量对高斯信号依然成立，此即分数阶累积量对α和高斯噪声的抑制条件和抑制方法，由于α噪声和高斯噪声的分数阶累积量为零，即当kp＜α时，意味着对这两种噪声完全抑制，因此，分数阶累积量对α噪声和高斯噪声具有极强的抑制能力；

3)基于分数阶累积量的超声波信号时延估计方法

对于超声波测风***，由于受超声波探头和空间电磁干扰的影响，超声波的发射和接收信号均是含有噪声的，设超声波的发射信号为

x₁(k)＝s(k)+n_α1(k)+n_g1(k)

超声波传感器的接收信号为

x₂(k)＝βs(k-D)+n_α2(k)+n_g2(k)

上两式中，s(k)、s(k-D)为无噪发射和接收信号，D为接收信号的时间延迟；β为衰减因子；n_α1(k)、n_α2(k)和n_g1(k)、n_g2(k)分别为发射和接收信号伴随的零均值α噪声和高斯噪声，n_α1(k)、n_α2(k)、n_g1(k)、n_g2(k)两两相互独立且与发射和接收信号s(k)、s(k-D)相互独立；

对x₁(k)和x₂(k)，取2p(2p＜α≤2)阶分数阶累积量，由分数阶累积量的标准函数1、3、4和定理1，有

即最后所求的分数阶累积量中不包含噪声，可见该方法可充分抑制测量环境中的α噪声和高斯噪声，因而不仅具有很高的时间延迟估计精度，而且还大大提高了超声波测风仪在复杂电磁环境下工作的可靠性，根据分数阶累积量的标准5，当τ-D＝0时，出现最大值，因此有即在微处理器求得分数阶累积量后，对其进行搜索，找出其最大值对应的τ值，就是所求的超声波收发信号之间的时间延迟。

本发明的有益效果：

1)本发明提出的分数阶累积量是对高阶累积量的扩充和发展，它将高阶累积量的定义由正整数扩展到整个正实数域；分数阶累积量可全面克服分数低阶矩方法所存在的非线性及对α噪声和高斯噪声抑制能力不强等问题；

2)本发明提出的分数阶累积量是在信号处理领域中，具有重要理论价值和科学意义的开创性基础理论研究，是信号处理理论的一项重大突破，具有重大的理论意义和应用价值；

3)本发明首次提出了基于分数阶累积量的时间延迟估计方法，该方法可有效地抑制α噪声和高斯噪声对时间延迟估计精度的影响，具有重要的理论意义和实际应用价值。

4)本发明采用相对时差法计算实时风速和风向，可消除空气的温度、湿度、气压等诸多因素对超声波声速的影响，不仅简化了超声波风速仪的测量电路，而且还大大提高了该仪器的风速矢量测量精度，具有重要的实际意义。

附图说明

图1为本发明整体结构示意图。

图2为本发明的程序流程示意图。

1、超声波探头 2、模拟开关模块 3、AD采样模块 4、微处理器模块

5、通信模块 6、收发模块。

具体实施方式

请参阅图1和图2所示：

本发明提供的高精度宽范围超声波测风***包括有四个超声波探头1、模拟开关模块2、AD采样模块3、微处理器模块4和通信模块5，其中四个超声波探头1两两相互正交设置，每个超声波探头1均连接有收发模块6，四个收发模块6相并联，每个收发模块6的输出端均与模拟开关模块2的输入端相连接，每个收发模块6的控制端均与微处理器模块4相连接，模拟开关模块2的输出端连接到AD采样模块3的输入端，模拟开关模块2的控制端连接到微处理器模块4；AD采样模块3的输出端连接到微处理器模块4；微处理器模块4与通信模块5相连接，用于输出所测得的风速和接收控制命令。

本发明提供的高精度宽范围超声波测风方法，其方法如下所述：

步骤一、***上电后，对各模块进行初始化；

步骤二、初始化完成后，检测通信模块5是否接收到控制命令，如果接收到控制命令，则微处理器模块4调用控制命令处理函数对该命令进行处理，处理完成后返回继续检测；如果没有接收到控制命令，则微处理器模块4依次控制与四个超声波探头1连接的四个收发模块6驱动超声波探头1发出超声波，再控制模拟开关模块2依次选通四个超声波探头1作为接收探头，并将接收到的信号传递给AD采样模块3进行模数转换，其结果将传递给微处理器模块4并保存，总共得到四组数字量的收发信号；

步骤三、分别采用基于分数阶累积量的高精度宽范围的超声波信号时延估计方法对四组数字量的收发信号进行时延估计，得到四个时延估计值t1、t2、t3、t4；

步骤四、设两个相对的超声波探头1之间的距离均为d，再由相对时差法得到其中两个上下相对应的超声波探头1方向的风速为两个左右相对应的超声波探头1方向的风速为

步骤五、通过正交合成得到实际风速为风向角为

步骤六、将步骤五中得到的风速和风向角通过通信模块5输出，之后返回步骤二，如此循环得到实时的风速和风向。

步骤三中所述的基于分数阶累积量的高精度宽范围的超声波信号时延估计方法，其具体方法如下：

1)分数阶累积量函数及标准的确定

(1)分数阶累积量函数的确定：

设Φ(u)为随机变量X的特征函数，有

式中：为左Riemann-Liouville分数阶导数，0＜p≤1，k为任意整数，称^RLC^kp为随机变量X的分数阶累积量，分数阶累积量^RLC^kp也可记为^RLcum^kp(·)；

(2)分数阶累积量标准的确定：

确定分数阶累积量标准如下：

标准1：设a₁,a₂,…,a_k为常数，X(k)＝[x₁,x₂,…,x_k]为随机变量，则

式中：kp＝p₁+p₂+…+p_k

标准2：分数阶累积量对其自变量是对称的，或者说它们的量值与自变量的顺序无关，即

其中，i₁,i₂,…,i_k是1,2,…,k的一个排列；

标准3：若k个随机变量{x_i}的一个子集与其它部分独立，则

标准4：如果随机变量集[x₁,x₂,…,x_k]和[y₁,y₂,…,y_k]是独立的，则有

但是

标准5：对于kp阶分数阶累积量^RLC^kp(τ)，当τ＝0时，有最大值，即|^RLC^kp(τ)|≤^RLC^kp(0)

2)分数阶累积量对α噪声和高斯噪声的抑制能力和抑制方法：

α稳定分布是一种广义高斯分布，标准α稳定分布的特征函数为：

Φ(u)＝exp{-γ|u|^α}

式中：参数γ＞0称为分散系数；参数α∈(0,2]称为特征指数，当特征指数α＝2时，α稳定分布退化为高斯分布；

关于分数阶累积量对α噪声和高斯噪声的抑制能力和抑制方法，有如下定理：

定理1：设标准α稳定分布的特征函数如上式所示，令m为大于或等于kp的最小正整数，则当1＞p＞0，k为大于0的整数，当2≥α＞0时，标准α稳定分布的kp阶分数阶累积量为：

(1)当α-kp不为整数时，

(2)当1≤kp-α≤m为整数时，

^RLC^kp＝0

可见，对于标准α稳定分布信号的kp阶分数阶累积量，当取kp＜α，或当1≤kp-α≤m为整数时，其kp阶分数阶累积量存在且为零，由于高斯分布是标准α稳定分布中当α＝2时的一个特例，因此，分数阶累积量对高斯信号依然成立，此即分数阶累积量对α和高斯噪声的抑制条件和抑制方法，由于α噪声和高斯噪声的分数阶累积量为零，即当kp＜α时，意味着对这两种噪声完全抑制，因此，分数阶累积量对α噪声和高斯噪声具有极强的抑制能力；

3)基于分数阶累积量的超声波信号时延估计方法

对于超声波测风***，由于受超声波探头和空间电磁干扰的影响，超声波的发射和接收信号均是含有噪声的，设超声波的发射信号为

x₁(k)＝s(k)+n_α1(k)+n_g1(k)

超声波传感器的接收信号为

x₂(k)＝βs(k-D)+n_α2(k)+n_g2(k)

上两式中，s(k)、s(k-D)为无噪发射和接收信号，D为接收信号的时间延迟；β为衰减因子；n_α1(k)、n_α2(k)和n_g1(k)、n_g2(k)分别为发射和接收信号伴随的零均值α噪声和高斯噪声，n_α1(k)、n_α2(k)、n_g1(k)、n_g2(k)两两相互独立且与发射和接收信号s(k)、s(k-D)相互独立；

对x₁(k)和x₂(k)，取2p(2p＜α≤2)阶分数阶累积量，由分数阶累积量的标准函数1、3、4和定理1，有

即最后所求的分数阶累积量中不包含噪声，可见该方法可充分抑制测量环境中的α噪声和高斯噪声，因而不仅具有很高的时间延迟估计精度，而且还大大提高了超声波测风仪在复杂电磁环境下工作的可靠性，根据分数阶累积量的标准5，当τ-D＝0时，出现最大值，因此有即在微处理器求得分数阶累积量后，对其进行搜索，找出其最大值对应的τ值，就是所求的超声波收发信号之间的时间延迟。

Claims (1)

1.一种高精度宽范围超声波测风方法，其特征在于：其方法如下所述：

步骤一、***上电后，对各模块进行初始化；测风***包括有四个超声波探头、模拟开关模块、AD采样模块、微处理器模块和通信模块，其中四个超声波探头两两相互正交设置，每个超声波探头均连接有收发模块，四个收发模块相并联，每个收发模块的输出端均与模拟开关模块的输入端相连接，每个收发模块的控制端均与微处理器模块相连接，模拟开关模块的输出端连接到AD采样模块的输入端，模拟开关模块的控制端连接到微处理器模块；AD采样模块的输出端连接到微处理器模块；微处理器模块与通信模块相连接，用于输出所测得的风速和接收控制命令；

步骤二、初始化完成后，检测通信模块是否接收到控制命令，如果接收到控制命令，则微处理器模块调用控制命令处理函数对该命令进行处理，处理完成后返回继续检测；如果没有接收到控制命令，则微处理器模块依次控制与四个超声波探头连接的四个收发模块驱动超声波探头发出超声波，再控制模拟开关模块依次选通四个超声波探头作为接收探头，并将接收到的信号传递给AD采样模块进行模数转换，其结果将传递给微处理器模块并保存，总共得到四组数字量的收发信号；

步骤三、分别采用基于分数阶累积量的高精度宽范围的超声波信号时延估计方法对四组数字量的收发信号进行时延估计，得到四个时延估计值t1、t2、t3、t4；

基于分数阶累积量的高精度宽范围的超声波信号时延估计方法，其具体方法如下：

1)分数阶累积量函数及标准的确定

(1)分数阶累积量函数的确定：

设Φ(u)为随机变量X的特征函数，有

式中：为左Riemann-Liouville分数阶导数，0＜p≤1，k为任意整数，称^RLC^kp为随机变量X的分数阶累积量，分数阶累积量^RLC^kp也可记为^RLcum^kp(·)；

(2)分数阶累积量标准的确定：

确定分数阶累积量标准如下：

标准1：设a₁,a₂,…,a_k为常数，X(k)＝[x₁,x₂,…,x_k]为随机变量，则

式中：kp＝p₁+p₂+…+p_k

标准2：分数阶累积量对其自变量是对称的，它们的量值与自变量的顺序无关，即

其中，i₁,i₂,…,i_k是1,2,…,k的一个排列；

标准3：若k个随机变量{x_i}的一个子集与其它部分独立，则

标准4：如果随机变量集[x₁,x₂,…,x_k]和[y₁,y₂,…,y_k]是独立的，则有

但是

标准5：对于kp阶分数阶累积量^RLC^kp(τ)，当τ＝0时，有最大值，即|^RLC^kp(τ)|≤^RLC^kp(0)

2)分数阶累积量对α噪声和高斯噪声的抑制能力和抑制方法：

α稳定分布是一种广义高斯分布，标准α稳定分布的特征函数为：

Φ(u)＝exp{-γ|u|^α}

式中：参数γ＞0称为分散系数；参数α∈(0,2]称为特征指数，当特征指数α＝2时，α稳定分布退化为高斯分布；

关于分数阶累积量对α噪声和高斯噪声的抑制能力和抑制方法，有如下定理：

定理1：设标准α稳定分布的特征函数如上式所示，令m为大于或等于kp的最小正整数，则当1＞p＞0，k为大于0的整数，当2≥α＞0时，标准α稳定分布的kp阶分数阶累积量为：

(1)当α-kp不为整数时，

(2)当1≤kp-α≤m为整数时，

^RLC^kp＝0

可见，对于标准α稳定分布信号的kp阶分数阶累积量，当取kp＜α，或当1≤kp-α≤m为整数时，其kp阶分数阶累积量存在且为零，由于高斯分布是标准α稳定分布中当α＝2时的一个特例，因此，分数阶累积量对高斯信号依然成立，此即分数阶累积量对α和高斯噪声的抑制条件和抑制方法，由于α噪声和高斯噪声的分数阶累积量为零，即当kp＜α时，意味着对这两种噪声完全抑制，因此，分数阶累积量对α噪声和高斯噪声具有极强的抑制能力；

3)基于分数阶累积量的超声波信号时延估计方法

对于超声波测风***，由于受超声波探头和空间电磁干扰的影响，超声波的发射和接收信号均是含有噪声的，设超声波的发射信号为

x₁(k)＝s(k)+n_α1(k)+n_g1(k)

超声波传感器的接收信号为

x₂(k)＝βs(k-D)+n_α2(k)+n_g2(k)

上两式中，s(k)、s(k-D)为无噪发射和接收信号，_D为接收信号的时间延迟；β为衰减因子；n_α1(k)、n_α2(k)和n_g1(k)、n_g2(k)分别为发射和接收信号伴随的零均值α噪声和高斯噪声，n_α1(k)、n_α2(k)、n_g1(k)、n_g2(k)两两相互独立且与发射和接收信号s(k)、s(k-D)相互独立；

对x₁(k)和x₂(k)，取2P阶分数阶累积量，其中2p＜α＜2，由分数阶累积量的标准函数1、3、4和定理1，有

即最后所求的分数阶累积量中不包含噪声，根据分数阶累积量的标准5，当τ-D＝0时，出现最大值，因此有即在微处理器求得分数阶累积量后，对其进行搜索，找出其最大值对应的τ值，就是所求的超声波收发信号之间的时间延迟；

步骤四、设两个相对的超声波探头之间的距离均为d，再由相对时差法得到其中两个上下相对应的超声波探头方向的风速为两个左右相对应的超声波探头方向的风速为

步骤五、通过正交合成得到实际风速为风向角为

步骤六、将步骤五中得到的风速和风向角通过通信模块输出，之后返回步骤二，如此循环得到实时的风速和风向。