CN102087107A - 绳系多传感器协同优化近海测波浮标及其滤波融合方法 - Google Patents

Abstract

本发明公开了一种绳系多传感器协同优化近海测波浮标及其滤波融合方法，属于海洋波浪参数测量、信号与信息处理、通信与信息系统、传感器技术和GPS技术的海洋监测系统装置领域，在由GPS传感器测波单元和加速度传感器测波单元求取测波浮标某一时间段的位移时，采用多传感器协同优化，通过卡尔曼滤波器对GPS传感器测波单元测得的海浪速度和加速度传感器测波单元测得的海浪加速度进行滤波融合处理，在滤波融合处理的过程中，每次计算利用前一时刻海浪速度去递推下一时刻海浪速度，并且不断与实际海浪速度测量值进行比较，采用特征级数据融合，最终得到更精确的海浪速度，进一步地获取到测波浮标位移值，更加精确地推算出海浪的其它参数。

Description

绳系多传感器协同优化近海测波浮标及其滤波融合方法

技术领域

本发明涉及一种海洋波浪参数测量、信号与信息处理、通信与信息系统、传感器技术和GPS技术的海洋监测系统装置领域，特别涉及绳系多传感器协同优化近海测波浮标及其滤波融合方法。

背景技术

海洋环境一直影响着人类的生存，尤其是当今科技的发展使得海洋环境一方面影响人类生存的自然环境，另一方面影响着国家的安全，对国家的环境资源和海洋战略地位起着重要的作用。因此，加强海洋环境监测对各国来说是不可小觑的。长期以来，各国对海洋环境的监测技术是在不断改进，对海洋监测的各种参数精度要求也不断提高。因此，每个国家都制造出了各种不同性能的测波浮标来监测海洋的环境参数。

至今，国外技术比较成熟的有荷兰的“波浪骑士”测波浮标，加拿大的“Watchkeeper”测波浮标。国内主要是SZF型测波浮标，对于SZF型测波浮标最初只能测量波高、周期，到后来发展到也可以测量波向。

发明人在实现本发明的过程中，发现现有技术中至少存在以下缺点和不足：

由于以往的测波浮标大多都只采用单一的传感器，这就使得采集到的数据比较单一化，如果某一次采集的数据误差比较大，那么对其进行处理后得出的结果必然与实际相差很大；另外，以往所测是远海的波浪参数，数据处理全部在测波浮标内进行，这就需要在测波浮标内加入DSP(Digital Signal Processor，数据处理单元)，这样，一方面使单个测波浮标的制造更加复杂，体积比较大；另一方面，由于常用的DSP对数据处理的能力有限，这就使得最后得出的波浪参数数据的精度不高；再者，测波浮标结构的复杂性决定了浮标性能的稳定性，而且需要更多的工作能耗，这就使得测波浮标的寿命不长而需要频繁的更换电池。

发明内容

为了提高测波的精确度、减少测波浮标的体积、提高测波浮标的工作年限，本发明提供了一种绳系多传感器协同优化近海测波浮标及其滤波融合方法，

一种绳系多传感器协同优化近海测波浮标，所述绳系多传感器协同优化近海测波浮标包括：测波浮标、接收系统、数据处理系统、显示系统和绳系系统，

所述绳系系统将所述测波浮标固定在海上，所述测波浮标采集所在位置的海洋信息，所述测波浮标将所述海洋信息发送给所述接收系统，所述接收系统接收所述海洋信息，将接收到的所述海洋信息通过RS232串行通信接口传输到所述数据处理系统中，经所述数据处理系统的滤波融合得到海浪动态参数，并将所述海浪动态参数在所述显示系统上显示出来。

所述测波浮标包括：GPS传感器测波单元、加速度传感器测波单元、微控制器、高频发射系统和供电系统；

所述微控制器对所述测波浮标中的所述GPS传感器测波单元和所述加速度传感器测波单元进行实时控制和定时采集，所述GPS传感器测波单元采集所述测波浮标所在位置的海浪速度，所述加速度传感器测波单元采集所述测波浮标所在位置的X、Y、Z三个方向海浪加速度，所述微控制器将所述海浪速度和所述海浪加速度通过所述高频发射系统以高频信号的形式发送给所述接收系统，所述供电系统对所述测波浮标进行供电。

所述绳系系统包括：链和锚；

所述绳系系统通过所述链和所述锚将所述测波浮标固定在海上。

所述滤波融合通过卡尔曼滤波器实现。

一种滤波融合方法，所述方法包括以下步骤：

(1)GPS传感器测波单元获取K时刻海浪速度、加速度传感器测波单元获取K时刻海浪加速度；

(2)根据所述K时刻海浪速度获取K时刻海浪速度噪声方差，根据所述K时刻海浪加速度获取K时刻海浪加速度噪声方差；

(3)根据所述K时刻海浪速度、所述K时刻海浪加速度、所述K时刻海浪速度噪声方差、所述K时刻海浪加速度噪声方差、卡尔曼滤波公式、状态更新方程和测量更新方程，获取K+1时刻海浪速度推算值；

(4)获取K+1时刻海浪速度测量值；

(5)判断所述K时刻海浪速度噪声方差是否大于所述K时刻海浪加速度噪声方差，如果是，执行步骤(6)；如果否，执行步骤(7)；

(6)将所述K+1时刻海浪速度推算值作为K+1时刻海浪速度；

(7)判断所述K时刻海浪速度噪声方差是否等于所述K时刻海浪加速度噪声方差，如果是，执行步骤(8)，如果否，执行步骤(9)；

(8)将所述K+1时刻海浪速度推算值或所述K+1时刻海浪速度测量值作为K+1时刻海浪速度；

(9)将所述K+1时刻海浪速度测量值作为K+1时刻海浪速度。

所述滤波融合采用特征级数据融合。

本发明提供的技术方案的有益效果是：

本发明提供了一种绳系多传感器协同优化近海测波浮标及其滤波融合方法，在由GPS传感器测波单元和加速度传感器测波单元求取测波浮标某一时间段的位移时，采用多传感器协同优化，通过卡尔曼滤波器对GPS传感器测波单元测得的海浪速度和加速度传感器测波单元测得的海浪加速度进行滤波融合处理，在滤波融合处理的过程中，每次计算利用前一时刻海浪速度去递推下一时刻海浪速度，并且不断与实际海浪速度测量值进行比较，采用特征级数据融合，最终得到更精确的海浪速度，进一步地获取到测波浮标位移值，根据测波浮标位移值能更加精确地推算出海浪的其它参数，减小以往采用单一传感器数据而造成的较大误差。

附图说明

图1为本发明提供的绳系多传感器协同优化近海测波浮标的结构框图；

图2为本发明提供的测波浮标的结构框图；

图3为本发明提供的绳系系统的结构框图；

图4为本发明提供的滤波融合方法的示意图；

图5为本发明提供的时间更新和状态更新的示意图；

图6为本发明提供的滤波融合方法的流程图；

图7为本发明提供的第一仿真波形图；

图8为本发明提供的第二仿真波形图。

附图中，各标号所代表的部件列表如下：

100：测波浮标            200：接收系统

300：数据处理系统        400：显示系统

500：绳系系统                    101：GPS传感器测波单元

102：加速度传感器测波单元        103：微控制器

104：高频发射系统                105：供电系统

501：链                          502：锚

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

为了提高测波的精确度、减少测波浮标的体积、提高测波浮标的工作年限，本发明实施例提供了一种绳系多传感器协同优化近海测波浮标，参见图1，该绳系多传感器协同优化近海测波浮标包括：测波浮标100、接收系统200、数据处理系统300、显示系统400和绳系系统500，

绳系系统500将测波浮标100固定在海上，测波浮标100采集所在位置的海洋信息，测波浮标100将海洋信息发送给接收系统200，接收系统200接收海洋信息，将接收到的海洋信息通过RS232串行通信接口传输到数据处理系统300中，经数据处理系统300的滤波融合和关联处理得到海浪动态参数，并将海浪动态参数在显示系统400上显示出来。

其中，海浪动态参数包括：有效波高、波向、波周期和波速等，具体实现时，还可以包括其他的动态参数，本发明实施例对此不做限制。

进一步地，参见图2，测波浮标100包括：GPS传感器测波单元101、加速度传感器测波单元102、微控制器103、高频发射系统104和供电系统105；

微控制器103对测波浮标100中的GPS传感器测波单元101和加速度传感器测波单元102进行实时控制和定时采集，GPS传感器测波单元101采集测波浮标100所在位置的海浪速度，加速度传感器测波单元102采集测波浮标100所在位置的X、Y和Z三个方向海浪加速度，微控制器103将海浪速度和海浪加速度通过高频发射系统104以高频信号的形式发送给接收系统200，供电系统105对测波浮标100进行供电。

进一步地，参见图3，绳系系统500包括：链501和锚502，绳系系统500将测波浮标100固定在海上具体为：通过链501和锚502将测波浮标100固定在海上。

由于在海洋上由于受到各种因素的干扰使得海洋信息中有很多的噪声，通过数据处理系统300对海洋信息的滤波融合，可以滤波去掉噪声的干扰。得到更准确的位移值后，采用FFT(Fast Fourier Transform，快速傅立叶变换)获取海浪功率谱，通过测波浮标100本身竖直位移和水平位移的两个分量三个序列的交叉谱从而估计二维海浪方向谱。海浪的平均高度和平均周期可由零阶谱矩和二阶谱矩估计出来。由二维海浪谱可进一步求得二维海浪方向谱，通过二维海浪方向谱可以计算出海浪频谱。所得海浪频谱可以反演得到海浪的特征参数(如波周期、主波向等)。在此测波浮标100中，加速度传感器测波单元102测得测波浮标100竖直和水平方向上的加速度，GPS传感器测波单元101通过星历演算出测波浮标100的三维速度，由于速度和加速度有如下的关系式：V_t＝V₀+at，因此，可以通过上面的式子对上述加速度和速度进行关联而通过卡尔曼滤波达到数据融合，减小误差的效果。

进一步地，为了减少误差和干扰，提高精度得到更准确的位移值，在处理海浪加速度数据和海浪速度数据时，本发明实施例采用卡尔曼数据融合方法，参见图4、图5和图6，详见下文描述：

601：GPS传感器测波单元101获取K时刻海浪速度、加速度传感器测波单元102获取K时刻海浪加速度；

602：根据K时刻海浪速度获取K时刻海浪速度噪声方差Var(v)，根据K时刻海浪加速度获取K时刻海浪加速度噪声方差Var(a)；

603：根据K时刻海浪速度、K时刻海浪加速度、K时刻海浪速度的噪声方差Var(v)、K时刻海浪加速度噪声方差Var(a)、卡尔曼滤波公式、状态更新方程和测量更新方程，获取K+1时刻海浪速度推算值；

卡尔曼滤波器利用反馈控制来实现过程估计，它先估计出某个时刻的状态，然后得到观测值(有噪声)的反馈。卡尔曼滤波器进行数据融合包括：状态更新和测量更新，状态更新为由当前状态和噪声方差带入到状态更新方程中，估计出下一步状态(先验估计)；测量更新为将新的测量信号加入已经在状态更新方程中得到的下一步状态，并最终得到测波浮标100状态的后验估计。

卡尔曼滤波公式如下所示：

$\left[\begin{array}{c}{\hat{v}}_x-\left(k\right)\\ {\hat{v}}_y-\left(k\right)\\ {\hat{v}}_z-\left(k\right)\end{array}\right]=\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}{\hat{v}}_x(k-1)\\ {\hat{v}}_y(k-1)\\ {\hat{v}}_z(k-1)\end{array}\right]+\left[\begin{array}{ccc}1/f_s& 0& 0\\ 0& 1/f_s& 0\\ 0& 0& 1/f_s\end{array}\right]\left[\begin{array}{c}{a}_x\left(k\right)\\ a_y\left(k\right)\\ a_z\left(k\right)\end{array}\right]+\left[\begin{array}{c}{w}_{\mathrm{ax}}\\ w_{\mathrm{ay}}\\ w_{\mathrm{az}}\end{array}\right]\×1/f_s$

$\left[\begin{array}{c}{v}_{\mathrm{GPSX}}\left(k\right)\\ v_{\mathrm{GPSY}}\left(k\right)\\ v_{\mathrm{GPSZ}}\left(k\right)\end{array}\right]=\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}{\hat{v}}_x\left(k\right)\\ {\hat{v}}_y\left(k\right)\\ {\hat{v}}_z\left(k\right)\end{array}\right]+\left[\begin{array}{c}{w}_{\mathrm{vx}}\\ w_{\mathrm{vy}}\\ w_{\mathrm{vz}}\end{array}\right]$

其中，v_GPSX(k)、v_GPSY(k)和v_GPSZ(k)为GPS传感器测波单元101在K时刻海浪速度测量值；a_x(k)、a_y(k)和a_z(k)为加速度传感器测波单元102在K时刻海浪加速度测量值；w_ax、w_ay和w_az分别为海浪加速度在X、Y和Z方向上的测量噪声；w_vx、w_vy和v_z为海浪速度在X、Y和Z方向上的测量噪声，其中，f_s为采样频率，令

则状态更新方程和测量更新方程为：

$\hat{x}\left(k\right)=\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]\hat{x}(k-1)+\left[\begin{array}{ccc}1/f_s& 0& 0\\ 0& 1/f_s& 0\\ 0& 0& 1/f_s\end{array}\right]\hat{a}\left(k\right)+{\hat{w}}_a/f_s$

${\hat{v}}_{\mathrm{GPS}}=\hat{v}+{\hat{w}}_v$

卡尔曼滤波器的相关矩阵为：

$\begin{array}{cc}Q=\left[\begin{array}{cc}\mathrm{var}\left({\stackrel{V}{w}}_a\right)/f_s^2& 0\\ 0& 0\end{array}\right]& R=\left[\mathrm{var}\left({\stackrel{V}{w}}_v\right)\right]\end{array}$

式中

分别为K时刻加速度传感器测波单元102所测得的海浪加速度噪声方差和K时刻GPS传感器测波单元101所测得的海浪速度噪声方差，

取值大小代表卡尔曼滤波器对加速度传感器测波单元102信任程度，

取值大小代表卡尔曼滤波器对GPS传感器测波单元101信任程度，通过K时刻海浪速度和K时刻海浪加速度可以推算出K+1时刻海浪速度。

604：获取K+1时刻海浪速度测量值；

605：判断K时刻海浪速度噪声方差Var(v)是否大于K时刻海浪加速度噪声方差Var(a)，如果是，执行步骤606；如果否，执行步骤607；

606：将K+1时刻海浪速度推算值作为K+1时刻海浪速度；

607：判断K时刻海浪速度噪声方差Var(v)是否等于K时刻海浪加速度噪声方差Var(a)，如果是，执行步骤608，如果否，执行步骤609；

608：将K+1时刻海浪速度推算值或K+1时刻海浪速度测量值作为K+1时刻海浪速度；

609：将K+1时刻海浪速度测量值作为K+1时刻海浪速度。

通过上述步骤可以依次递推得到K+2时刻等各个时刻的海浪速度精确值，进一步地获取到测波浮标100的位移值。

现有技术中可以选择三种不同的融合级别对数据进行融合，分别为数据级融合、特征级融合和决策级融合，由于GPS传感器测波单元101和加速度传感器测波单元102信息的不确定性和不稳定性会给最后的结果造成较大的误差；采用决策级融合，会使数据损失量大，精度很低；并且由于对GPS传感器测波单元101和加速度传感器测波单元102得到的数据进行最后处理得出的都是单一的位移，而且需要实时处理，为此本发明实施例采用特征级数据融合。

综上所述，本发明实施例提供了一种绳系多传感器协同优化近海测波浮标及其滤波融合方法，在由GPS传感器测波单元和加速度传感器测波单元求取测波浮标某一时间段的位移时，采用多传感器协同优化，通过卡尔曼滤波器对GPS传感器测波单元测得的海浪速度和加速度传感器测波单元测得的海浪加速度进行滤波融合处理，在滤波融合处理的过程中，每次计算利用前一时刻海浪速度去递推下一时刻海浪速度，并且不断与实际海浪速度测量值进行比较，采用特征级数据融合，最终得到更精确的海浪速度，进一步地获取到测波浮标位移值，根据测波浮标位移值能更加精确地推算出海浪的其它参数，减小以往采用单一传感器数据而造成的较大误差。

为了验证本发明实施例的可行性，下面在Matlab环境下对一维海浪速度和一维的海浪加速度进行仿真测试，参见图7和图8，设GPS传感器测波单元101在竖直方向Z轴上的海浪速度测量值为v_GPSZ＝sin(0.01t)+w_vz，其中w_vz为方差0.1的高斯白噪声，加速度传感器测波单元102在竖直方向Z轴上的海浪加速度测量值为a_z＝0.01cos(0.01t)-10+w_az，其中w_az为方差0.2的高斯白噪声，GPS传感器测波单元101和加速度传感器测波单元102的采样频率f_s＝20Hz，设初始的采样频率为零。图7为假设的GPS传感器测波单元101原始的信号测量值，可以看出，在加入高斯白噪声之后，使得正弦波的信号周围出现了许多干扰，图8为滤波融合后的信号，通过对2图的对比分析可知，经过卡尔曼滤波融合处理后，可以去掉很多噪声，使得噪声干扰大大减小，使最后结果比较接近海浪速度的实际测量值。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种绳系多传感器协同优化近海测波浮标，其特征在于，所述绳系多传感器协同优化近海测波浮标包括：测波浮标、接收系统、数据处理系统、显示系统和绳系系统，

所述绳系系统将所述测波浮标固定在海上，所述测波浮标采集所在位置的海洋信息，所述测波浮标将所述海洋信息发送给所述接收系统，所述接收系统接收所述海洋信息，将接收到的所述海洋信息通过RS232串行通信接口传输到所述数据处理系统中，经所述数据处理系统的滤波融合得到海浪动态参数，并将所述海浪动态参数在所述显示系统上显示出来。

2.根据权利要求1所述的绳系多传感器协同优化近海测波浮标，其特征在于，所述测波浮标包括：GPS传感器测波单元、加速度传感器测波单元、微控制器、高频发射系统和供电系统；

所述微控制器对所述测波浮标中的所述GPS传感器测波单元和所述加速度传感器测波单元进行实时控制和定时采集，所述GPS传感器测波单元采集所述测波浮标所在位置的海浪速度，所述加速度传感器测波单元采集所述测波浮标所在位置的X、Y、Z三个方向海浪加速度，所述微控制器将所述海浪速度和所述海浪加速度通过所述高频发射系统以高频信号的形式发送给所述接收系统，所述供电系统对所述测波浮标进行供电。

3.根据权利要求1所述的绳系多传感器协同优化近海测波浮标，其特征在于，所述绳系系统包括：链和锚；

所述绳系系统通过所述链和所述锚将所述测波浮标固定在海上。

4.根据权利要求1所述的绳系多传感器协同优化近海测波浮标，其特征在于，所述滤波融合通过卡尔曼滤波器实现。

5.根据权利要求1所述的绳系多传感器协同优化近海测波浮标的滤波融合方法，其特征在于，所述方法包括以下步骤：

(1)GPS传感器测波单元获取K时刻海浪速度、加速度传感器测波单元获取K时刻海浪加速度；

(2)根据所述K时刻海浪速度获取K时刻海浪速度噪声方差，根据所述K时刻海浪加速度获取K时刻海浪加速度噪声方差；

(3)根据所述K时刻海浪速度、所述K时刻海浪加速度、所述K时刻海浪速度噪声方差、所述K时刻海浪加速度噪声方差、卡尔曼滤波公式、状态更新方程和测量更新方程，获取K+1时刻海浪速度推算值；

(4)获取K+1时刻海浪速度测量值；

(5)判断所述K时刻海浪速度噪声方差是否大于所述K时刻海浪加速度噪声方差，如果是，执行步骤(6)；如果否，执行步骤(7)；

(6)将所述K+1时刻海浪速度推算值作为K+1时刻海浪速度；

(7)判断所述K时刻海浪速度噪声方差是否等于所述K时刻海浪加速度噪声方差，如果是，执行步骤(8)，如果否，执行步骤(9)；

(8)将所述K+1时刻海浪速度推算值或所述K+1时刻海浪速度测量值作为K+1时刻海浪速度；

(9)将所述K+1时刻海浪速度测量值作为K+1时刻海浪速度。

6.根据权利要求5所述的滤波融合方法，其特征在于，所述滤波融合采用特征级数据融合。

Images