超声波测风系统中自适应时延估计算法的研究

传感器与微系统(T ransducer and M i c rosyste m T echno l og i es) 2011年第30卷第1期超声波测风系统中自适应时延估计算法的研究*蒋立辉,许 跃,刘向明(中国民航大学天津市智能信号与图像处理重点实验室,天津300300)摘 要:在时差法超声波测风系统中,风速的测量精度受到时间延迟估计精度、两超声波传感器的距离精度等的影响。

在后者一定的情况下,测风精度对时延估计精度提出了更高的要求。

对此,采用了一种基于权值检测的最小均方误差(LM S)自适应时延估计算法,从而实现了高精度时延估计。

计算机仿真与实际测试表明:该算法的估计精度满足了所研制的超声波测风系统的设计要求,能够用于机场区域低空风场情况的监测。

关键词:超声波测风;时延估计;自适应算法中图分类号:TP274.53 文献标识码:A 文章编号:1000 9787(2011)01 0044 03Research on the syste m of ultrasonic w i nd measure ment using adaptive ti m e delay esti m ation algorith m*JI ANG L i hu,i XU Yue,LI U X iang m ing(T i an jin K ey L aboratory for Advanced S ignal P rocessi ng,C i vil Aviati on Un i versity of Ch ina,T ian ji n300300,Ch ina)Abstract:In the u ltrasonic w i nd m easurem ent syste m us i ng ravel ti m e d ifference m ethod,t he prec i sion of w i ndv elocity m easurement is greatl y affected by t he prec i sion of ti m e delay esti m ation,the precision o f u ltrason ictransducer d i stance.R equ iring a m ore accurate esti m a ti on of ti m e de lay when the distance accuracy i s fi xed.In th i sregard,a LM S adaptive ti m e delay esti m ati on a lgo rith m i s adopted based on w e i ght coeffi c i ent detecti on,i n o rder t oach i eve a high precision ti m e de l ay esti m a tion.Co m puter si m u lati on and practical tests sho w that the esti m ati onaccuracy o f the algor i th m mee t the requ ire m ents o f u ltrasonic w i nd measure m en t syste m.T his a lgo rith m can beused for mon it o ring t he l ow l eve lw i nd fi e l d at airport reg iona.lK ey word s:ultrasonic w i nd m easure m ent;ti m e delay esti m a ti on;adapti ve a l go rith m0 引 言风,常指空气的水平运动分量,包括方向和大小,即风向和风速。

风和阵风对飞机飞行影响很大。

起飞和着陆时必须根据地面的风向和风速选择适宜的起飞、着陆方向;飞行中必须依据空中风向和风速及时修正偏流,以保持一定的航向和计算出标准的飞行时间;修建机场时必须根据风的气候资料确定跑道方位。

随着民航领域对运输安全要求的日益提高,机场周边气象情况的精确监测变的越来越重要,因此,需要测量精度高、反应速度快、能够生成三维风场模型的测风设备。

在时差法超声波测风系统中,利用距离一定的2只超声波传感器发射的超声波在顺风和逆风传输的时间差来确定单一方向上风的速率,再利用矢量合成的方法将3个方向上测量的速率进行合成,从而得到风速、风向。

风速的测量是通过一对传感器接收超声波信号的时间差来实现的,因此,对于时间差的测量精度要求非常高,它直接决定了风速测量的精度。

传统的时延估计方法有广义相关、相位谱及双谱估计法等,文献[1]指出广义相关法、相位谱及双谱估计法等均存在一些共同的缺点。

首先,这些方法都是建立在已知有关输入信号和噪声的统计先验知识基础上,而在实际应用中,这些先验知识往往难以得到或得到的不完整;其次,接收信号中伴有周期性或相关干扰和随机噪声,广义相关等方法可以有效地抑制随机噪声的影响,但对于周期性或相关干扰环境下的时延估计,却不能尽如人意。

与其他几种时延估计方法相比,自适应时延估计方法不依赖于输入信号和噪声的统计先验知识,能根据环境噪声场的变化,不断地调节自适应滤波器本身的参数以适应周围环境的变化,从而有效地抑制了干扰。

本文采用收稿日期:2010 04 30*基金项目:中央高校基本科研基金资助项目(Z XH2009B001) 44第1期 蒋立辉,等:超声波测风系统中自适应时延估计算法的研究 基于权值检测的LM S 自适应时延估计算法,并将其应用于超声波测风系统。

仿真与实验结果表明:该方法估计精度高,收敛速度快,便于工程实现。

1 三维时差法超声波测风基本原理[2,3]如果从三维的情况来考虑:假设气流速度为v 的3个分量为v x ,v y ,v z ,声波从坐标原点O 到达某一位相面(x,y,z )所需的时间为t 时,则有(x -v x t)2+(y -v y t)2+(z -v z t)2=c 2t 2.(1)设在坐标圆点O (0,0,0)和在X 轴距离原点为L 的C 点(L,0,0)各置一个收发一体的超声波传感器。

等位面和到达C 点的时间分别为(L -v x t)2+(-v y t)2+(-v z t)2=c 2t 2,(2)t 1=L [(c 2-v 2y -v 2z )1/2-v x ]c 2-v2.(3)同理,C 点发射的等位面为(L -x -v x t)2+(y -v y t)2+(z -v z t)2=c 2t 2.(4)到达O 点的时间为t 2=L [(c 2-v 2y -v 2z )1/2+v x ]c 2-v2.(5)通过t 1,t 2可以得到v x =L (11-12)=L (t 2-t 1)12=L t 12.(6)通过该方法可以分别测得v y ,v z ,在直角坐标系下,如图1所示,合成风速由以下公式表示v =(v 2x +v 2y +v 2z )1/2,(7) =tan -1(v x /v y ).(8)上式中不含有声速c ,只要测出顺风和逆风超声波传播时间t 1,t 2和 t 即可。

时差法避免了系统受温度的影响,从而提高系统的测量精度,但对数据处理又提出了更高的要求,特别是 t 的求取。

图1 直角坐标系下的风矢量图F i g 1 W i nd vector di agram of rectangular coordina te syste m2 自适应时延估计算法原理与仿真2.1 自适应滤波器收敛在权系数上的反映自适应滤波器[4]的工作过程一般可以分为 学习过程 和 跟踪过程 。

前者是指起始输入的信号统计特性未知,调整自身的参数达到最佳的过程;后者是指当输入信号统计特性变化时,调节自身的参数到最佳的过程。

当滤波器处于学习过程时,由于此时输入信号的统计特性未知,期望信号d(n)与滤波器输出信号y (n )之差e(n)较大,权系数w (n)变化较剧烈,随着权系数的调整,w (n )的变化逐渐减弱,达到维纳解,学习过程结束,进入跟踪过程。

在跟踪过程中,权系数的变化是很缓慢的(除非信号的统计特性变化很剧烈),对于超声回波信号而言,由于驱动频率是固定的,超声回波信号持续时间又很短,可以认为其统计特性变化很小或基本不变,此时权系数在跟踪过程的变化更加微弱。

另一方面,测风算法[5]本质上是一个信号的延时寻优过程,由F I R 滤波器的单位脉冲响应特性可知,一个时不变信号的延迟时间可以通过F I R 滤波器的权系数反映出来。

例如:一个宽带时不变序列T (n),若经过一个M 阶F I R 滤波器延迟了 个单位( <M ),则可以得知在(M - )处的抽头系数较凸现,较其他位置大很多。

2.2 基于权值检测的LM S 自适应时延估计原理图2为基于权值检测的L M S 自适应时延估计[6]原理图。

图2 自适应时延估计算法原理图F i g 2 P ri nci ple d i agram o f adapti v e ti m e delayesti m a ti on algorith m其中, 1(n),x 2(n)分别是一对超声波传感器接收到的信号;x 1(n ),x 2(n )是超声波信号和噪声信号的叠加),e(n)为误差信号。

用该LM S 数字时延滤波器对信号x 1(n )进行滤波,所得输出y (n )与信号x 2(n)相比较,得到误差信号e(n )y (n)=w (n)*x 1(n),(9)e(n)=x 2(n )-x 1(n )*w (n ).(10)根据误差信号e(n),采用自适应信号处理的最小均方误差(LM S )准则,对权值w (n )进行修正。

w (n +1)=w (n)+ e(n )*x 1(n ).(11)式(9)~式(11)中 * 表示卷积,式(11)中, 表示迭代步长[7]。

其中,0< <1/ m ax , m ax 为输入信号自相关矩阵最大特征值[8]。

L M S 自适应滤波器的作用是在自适应迭代过程中,逐渐实现对信号x 2(n )的模拟。

当自适应滤波器收敛时,x 2(n)与y (n)的圴方误差达到最小,即x 2(n )与其估计的y (n)相似程度最大,则自适应滤波器的权失量w opt (w opt 为最优权值)就成为时间延迟的复制。

由w opt 最大值的坐标,可以得到时延估值。

45传感器与微系统 第30卷2.3 仿真计算假设仿真条件:信号s(n)与噪声n1(n),n2(n)三者均互不相关;滤波器的阶数为k=128,采样点数N=1024,收敛因子 =0.001,信噪比为S NR=-10dB,信号延迟60个采样点。