CN107390210A - 一种物位测量中差拍信号的数字处理方法 - Google Patents

Abstract

本发明公开了一种物位测量中差拍信号的数字处理方法，采用CZT算法与谱估计算法的混合算法，充分利用了谱估计的快速定位差拍信号的主频位置，然后以谱估计算法的结果为中心频率，获得一个比2Δf细化范围小很多的频率细化范围，同样CZT算法的细化点数M值不用很大就可以达到较高的测量精度，因此，总体计算量比单独采用CZT算法要减少。另外，本发明还判断FFT谱峰是否与真实谱峰重合的情况，避免谱估计算法对次大值谱线出现误判；并且还判断目标物位是否近距离测量，不同的状况相应选择不同的计算方法，从而缩短算法计算时间，提高雷达物位测量的准确性和精确度。

Description

一种物位测量中差拍信号的数字处理方法

技术领域

本发明属于物位测量技术领域，更为具体地讲，涉及一种物位测量中差拍信号的数字处理方法。

背景技术

物位测量在工业生产过程中确保产品质量、经济效益和安全性发挥着重要的作用。目前物位(距离)测量原理采用较多的有脉冲雷达(PR)和调频连续波(FMCW)雷达。脉冲雷达利用脉冲时间差测量物位高度，但液面波动或者泡沫容易造成没有回波信号的情况；FMCW雷达利用调频连续波测量物位，抗干扰能力强，能够获取目标特征信息更多。

图1是FMCW雷达物位测量原理示意图。

如图1所示，FMCW雷达通过调制信号(调制信号产生电路产生)控制VCO输出雷达扫频信号，然后，通过分离器输出两路，一路通过天线作为发射信号发射到物料面，反射的回波信号经天线接收后作为接收信号送入混频器中，另一路作为发射信号直接输出给混频器，收发信号混频器混频后输出差拍信号，然后经过滤波放大、然后利用数字信号处理方法，提取差拍信号的主频频率精确值，从而计算目标物位高度。

在理想情况下，锯齿波作为调制信号，控制VCO按照锯齿波规律扫频频率曲线如图2所示。

按照锯齿波规律调制VCO，发射信号的起始扫频频率为f₀，在一个扫频重复周期T内扫频带宽为B，扫频变化规律为B/T×t，其其曲线为F_T，则线性FMCW雷达发射信号归一化实部可以表示为：

当物料面距离为R时，由于接收信号(其扫描频率曲线为F_R)在发射信号(其扫描频率曲线为F_T)的基础上存在延时τ＝2R/c，c为电磁波传输的速度，因此收发信号混频后输出的差拍信号的数学模型表示为：

式中，τ为回波延时，B为扫频带宽，T为调制信号周期，则差拍信号频率f_D＝2RB/(cT)，也即物位距离与差拍信号频率的关系式为：

锯齿波和调理之后的差拍信号如图3所示，因此精确测量差拍信号的频率即可精确测量物位距离。

通过同步信号去回扫后，采集的差拍信号为窄带频率信号，如果直接进行FFT处理并测量差拍信号主频频率满足不了测量精度。现有技术中，提高窄带频率测量精度常用的算法有线性调频z变化(CZT)算法和谱估计算法，但它们有各自优点和缺点，具体而言，CZT算法抗干扰能力强，但是计算量较大，近距离测量精度低，谱估计算法计算量极少，信噪比高时测量精度较高，但抗干扰能力弱，FFT频谱与主频重合误差大。

发明内容

本发明的目的在于克服现有技术的不足，提出一种物位测量中差拍信号的数字处理方法，使得在低信噪比以及近距离测量时，都能达到较高的物位测量精度。

为实现上述发明目的，本发明物位测量中差拍信号的数字处理方法，其特征在于，包括以下步骤：

(1)、首先通过FFT(快速傅里叶变换)对N(N＝2^m)点采样数据的差拍信号作频谱分析，得到频谱最大值频率f_F，其中，m为正整数，也就是N为2的m次幂；

(2)、利用谱估计算法快速估计所述差拍信号的真实谱峰频率f_S；

(3)、计算所述差拍信号的真实谱峰频率f_S与上一个扫频重复周期利用谱估计算法快速估计的差拍信号的真实谱峰频率f_S′的绝对值f_Δ，并进行判断，如果绝对值f_Δ大于所设定的阈值T₁，则转到步骤(4)，否则转到步骤(5)；

(4)、利用CZT算法计算所述差拍信号的主频频率，频谱细化范围取中心频率为频谱最大值频率f_F的Δf区间，其中，Δf为N点FFT的频率分辨率；

(5)、比较频谱最大值频率f_F与远近距离阈值频率f_T，以判断当前物位是近距离还是远距离(一般远近距离阈值取满量程即测量物位最大值时所对应的差拍信号主频率的1/8)；

5.1)、如果是远距离物位测量即频谱最大值频率f_F大于远近距离阈值频率f_T，则利用CZT算法计算所述差拍信号的主频频率，频谱细化范围取中心频率为真实谱峰频率f_S的Δf区间，其中，Δf为N点FFT的频率分辨率；

5.2)、如果是近距离物位测量即频谱最大值频率f_F小于等于远近距离阈值频率f_T，则谱估计算法的结果即就真实谱峰频率f_S作为所述差拍信号的主频频率；

(6)、根据差拍信号的主频频率，计算出物位距离。

本发明的目的是这样实现的。

本发明物位测量中差拍信号的数字处理方法，采用FFT以及最大谱估计算法分别得到频谱最大值频率f_F、真实谱峰频率f_S，然后根据真实谱峰频率f_S与上一个扫频重复周期的真实谱峰频率f_S′的绝对值f_Δ进行算法选择，大于阈值T₁的则认为与真实谱线接近重合，选择频谱最大值频率f_F作为中心频率，CZT算法计算出差拍信号的主频频率；如果小于等于阈值T₁，则进一步判断频谱最大值频率f_F是否大于远近距离阈值频率f_T，大于则认为是远距离测量，选择真实谱峰频率f_S作为中心频率，CZT算法计算出差拍信号的主频频率，否则，则认为是近距离测量，将真实谱峰频率f_S作为所述差拍信号的主频频率。本发明采用上述混合算法，充分利用了谱估计的快速定位差拍信号的主频位置，然后以谱估计算法的结果为中心频率，获得一个比2Δf细化范围小很多的频率细化范围，同样CZT算法的细化点数M值不用很大就可以达到较高的测量精度，因此，总体计算量比单独采用CZT算法要减少。另外，本发明还判断FFT谱峰是否与真实谱峰重合的情况，避免谱估计算法对次大值谱线出现误判；并且还判断目标物位是否近距离测量，不同的状况相应选择不同的计算方法，从而缩短算法计算时间，提高雷达物位测量的准确性和精确度。

附图说明

图1是FMCW雷达物位测量原理示意图；

图2是锯齿波控制VCO扫频频率曲线图；

图3是锯齿波和差拍信号波形图；

图4是CZT算法的螺旋线抽样示意图；

图5是谱估计算法主瓣内谱线图；

图6是本发明物位测量中差拍信号的数字处理方法一种具体实施方式流程图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

提高窄带频率测量精度常用的算法有线性调频z变化(CZT)算法和谱估计算法，但它们有各自优点和缺点，本发明结合两种算法的特征，设计一种提高差拍信号频率测量精度的混合算法。

1、CZT算法

CZT算法即线性调频Z变换算法的主要思想是在z平面单位圆内的任意螺旋线进行频谱细化分析。

如图4所示，CZT算法通过设定FFT频谱最大值附近需要细化的复频谱点数M，进一步细化频谱找到精确真实主频频率。理论上细化后的频率分辨率将达到2Δf/M(Δf为N点FFT的频率分辨率，2Δf为频率细化区间)，随着M的增加频率分辨率可以无限提高，但在实际工程应用中并非如此，当M的值增加到一定程度频率分辨率不会再提高，M的最大有效值跟采样频率和采样点数有关，一般取采样点数的1/8～1/5。CZT算法抗干扰能力强，但容易受采样率的影响，采样率太高会使原始信号所占的总时间缩短，从而平滑了频谱，从根本上降低频率分辨率，因此对近距离的测量，差拍信号频率太小，采样率太高影响低频频率测量的精度。

2、谱估计算法

如图5所示，谱估计算法是利用FFT处理之后的最大值谱线和次大值谱线，在主瓣谱峰位置进行迭代更新逼近的方法实现主频频率精确测量。

谱估计算法通过迭代更新求出差拍信号主频频率，但FFT处理后的频谱为离散频谱，最大值谱线与次大值谱线之间的频谱幅度难以更新计算，因此谱估计算法基本只能进行一次迭代计算。在信噪比比较大的情况下，获得的频谱测量精度依然很高，但随着信噪比降低，频率测量精度也会很快降低，特别是在FFT频谱最大值与真实主频谱线接近重合的情况，而此时最大值谱线左右两根谱线幅度区别很小，很容易造成次大值谱线误判，一次迭代计算可能会引起偏离真实主频，经过仿真分析此种情况存在一个特点，每次计算的结果相差很大。而谱估计算法最大的优点在于信噪比较高的情况下，实现同样的测量精度所需的计算量最小，更加满足系统实时性的要求。

CZT算法与谱估计算法比较如图表1所示：

表1

3、CZT与谱估计混合算法

根据CZT算法与谱估计算法的特征比较，为充分利用两种算法达到优势互补，本发明提出一种新的混合算法，其流程如图6所示。

混合算法根据物位测量的不同状况做出相应的判断，选择不同的算法来测量差拍信号频率，混合算法的实现步骤为：

步骤S1：首先通过FFT(快速傅里叶变换)对N(N＝2^m)点采样数据的差拍信号作频谱分析，得到频谱最大值频率f_F。其中，m为正整数，也就是采样数据长度N为2的m次幂。

在本实施例中，如图6所示，首先需要对采样数据进行补零操作，然后，采用FFT变换求出频谱最大值频率f_F。

步骤S2：利用谱估计算法快速估计所述差拍信号的真实谱峰频率f_S。

步骤S3：计算所述差拍信号的真实谱峰频率f_S与上一个扫频重复周期利用谱估计算法快速估计的差拍信号的真实谱峰频率f_S′的绝对值f_Δ，并进行判断，如果绝对值f_Δ大于所设定的阈值T₁，则转到步骤(4)，否则转到步骤(5)。

在本实施例中，阈值T₁为20Hz，阈值T₁可以根据具体的设计参数确定。

步骤S4：如果绝对值f_Δ大于所设定的阈值T₁即20Hz，表明FFT谱峰即频谱最大值频率f_F与真实谱线接近重合，则直接利用CZT算法计算差拍信号的主频频率，频谱细化范围取中心频率为f_F的Δf区间，其中，Δf为N点FFT的频率分辨率。

步骤S5：如果绝对值f_Δ小于等于所设定的阈值T₁即20Hz，则比较频谱最大值频率f_F与远近距离阈值频率f_T，以判断当前物位是近距离还是远距离(一般远近距离阈值取满量程即测量物位最大值时所对应的差拍信号主频率的1/8)；

步骤S5.1：如果是远距离物位测量即频谱最大值频率f_F大于远近距离阈值频率f_T，则利用CZT算法计算所述差拍信号的主频频率，频谱细化范围取中心频率为真实谱峰频率f_S的Δf区间，其中，Δf为N点FFT的频率分辨率；

步骤S5.2：如果是近距离物位测量即频谱最大值频率f_F小于等于远近距离阈值频率f_T，则谱估计算法的结果即就真实谱峰频率f_S作为所述差拍信号的主频频率；

步骤S6：根据差拍信号的主频频率，依据公式(3)计算出物位距离。

本发明采用上述混合算法，充分利用了谱估计的快速定位差拍信号的主频位置，然后以谱估计算法的结果为中心频率，获得一个比2Δf细化范围小很多的频率细化范围，同样CZT算法的细化点数M值不用很大就可以达到较高的测量精度，因此，总体计算量比单独采用CZT算法要减少。另外，本发明还判断FFT谱峰是否与真实谱峰重合的情况，避免谱估计算法对次大值谱线出现误判；并且还判断目标物位是否近距离测量，不同的状况相应选择不同的计算方法，从而缩短算法计算时间，提高雷达物位测量的准确性和精确度。

4、算法仿真实验比较分析

根据式(2)在MATLAB中创建差拍信号的数学模型，设定扫频起始频率f₀＝24GHz，扫频带宽B＝400MHz，调制周期T＝16ms，通过设定不同距离得到不同频率的差拍信号；为了便于分析，差拍信号模型不存在去回扫，在一个调制周期内采样1024点，设定采样频率为64kHz。CZT算法的频谱细化点数M＝128，频谱细化的范围为FFT处理后频谱最大值相邻两个采样点之间的频率范围。谱估计算法则是根据最大值谱线和次大值谱线，进行一次迭代求出差拍信号的主频频率。混合算法则是结合前两种算法根据不同状况测量目标物位。

下面分别仿真在不同信噪比的情况下，三种算法的距离测量精度如下表2～4所示：

表2

表2是信噪比SNR＝5dB时的仿真结果。

表3

表3是信噪比SNR＝20dB时的仿真结果。

表4

表4是信噪比SNR＝35dB时的仿真结果。

从表2～4的仿真结果可以看出，在相同信噪比的情况下，CZT算法精度优于谱估计算法，在信噪比为35dB时，CZT算法的精度能够达到±3mm；经过分析，谱估计算法随信噪比下降精度也会下降，另外还存在一个缺陷，在差拍信号频率为62.5Hz(Δf)的整数倍时，也就是FFT的最大值谱线的频率刚好与差拍信号的频率相等时，测量误差比较大。虽然在有系统误差引入或者改变采样频率，即改变Δf的值，谱线完全重合出现的几率很小，但在高精度物位测量系统中需要注意防范。本发明混合算法则避免了这种情况，在满量程范围内测量误差均小于3mm。

以上仿真结果为距离间隔为5m的数据，下面给出信噪比为20dB时，距离间隔为1m的远、中、近距离仿真结果。

表5

表5是CZT算法、谱估计算法以及本发明混合算法近距离仿真结果(SNR＝20dB)。

表6

表6是CZT算法、谱估计算法以及本发明混合算法中距离仿真结果(SNR＝20dB)。

表7

表7是CZT算法、谱估计算法以及本发明混合算法远距离仿真结果(SNR＝20dB)。

从表5～7的MATLAB的仿真结果可以看出，CZT算法近距离测量与远距离测量相比较误差要大。而谱估计算法除了FFT谱峰与真实谱峰重合的情况，其它情况下测量精度比较高，而且不会受距离远近的影响，但这只是在差拍信号非常接近标准正弦信号的情况下，如果有噪声引入则需要结合CZT算法。本发明混合算法较好地结合了两种算法，不管是信噪比较低的情况，还是近距离测量，混合算法的物位测量精度能够达到±3mm以下，对应的频率测量误差在0.5Hz以下；利用谱估计快速定位的优点，缩小了CZT算法的频谱细化区间，从而减少了算法运算时间，因此混合算法提高了差拍信号主频频率快速高精度测量。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (1)

1.一种物位测量中差拍信号的数字处理方法，其特征在于，包括以下步骤：

(1)、首先通过FFT(快速傅里叶变换)对N(N＝2^m)点采样数据的差拍信号作频谱分析，得到频谱最大值频率f_F；

(2)、利用谱估计算法快速估计所述差拍信号的真实谱峰频率f_S；

(3)、计算所述差拍信号的真实谱峰频率f_S与上一个扫频重复周期利用谱估计算法快速估计的差拍信号的真实谱峰频率f′_S的绝对值f_Δ，并进行判断，如果绝对值f_Δ大于所设定的阈值T₁，则转到步骤(4)，否则转到步骤(5)；

(4)、利用CZT算法计算所述差拍信号的主频频率，频谱细化范围取中心频率为频谱最大值频率f_F的Δf区间，其中，Δf为N点FFT的频率分辨率；

(5)、比较频谱最大值频率f_F与远近距离阈值频率f_T，以判断当前物位是近距离还是远距离(一般远近距离阈值取满量程即测量物位最大值时所对应的差拍信号主频率的1/8)；

5.1)、如果是远距离物位测量即频谱最大值频率f_F大于远近距离阈值频率f_T，则利用CZT算法计算所述差拍信号的主频频率，频谱细化范围取中心频率为真实谱峰频率f_S的Δf区间，其中，Δf为N点FFT的频率分辨率；

5.2)、如果是近距离物位测量即频谱最大值频率f_F小于等于远近距离阈值频率f_T，则谱估计算法的结果即就真实谱峰频率f_S作为所述差拍信号的主频频率；

(6)、根据差拍信号的主频频率，计算出物位距离。