CN112948755A - 一种遥测正弦参数判读方法 - Google Patents

Abstract

一种遥测正弦参数判读方法，首先使用快速傅立叶变换识别出正弦频率、直流分量和幅值，滑动窗口逐窗口读取周期内的参数值，然后对正弦周期内的数据点曲线进行多项式拟合建立参数模型，最后逐周期进行判读。本发明不仅能判读单个数据点的正确性，还可以判读每个周期内所有数据点的整体正确性；自动化程度高，整个建模过程和模型参数均由方法自动从数据中学习和提取，并生成模型参数，便于快速重建模型；通用性强，适用于不同幅值、频率和相位的遥测正弦参数判读；应用范围广泛，既可应用于空空导弹遥测数据的判读，也可拓展到其他领域进行正弦参数判读。

Description

一种遥测正弦参数判读方法

技术领域

本发明涉及空空导弹试验技术领域，尤其是涉及一种遥测正弦参数判读方法。

背景技术

遥测参数实时判读，是指通过事先录入的参数判据，在接收遥测数据的同时，对遥测参数正确与否进行判读，从而判断被测型号是否正常工作。目前常见的判读方案，一种是试验结束后，对试验数据进行事后处理，利用试验人员的专业知识进行判读和故障诊断；另一种是在试验进行的同时对参数进行实时判读。

空空导弹遥测数据的自动判读对于快速分析数据、判断导弹的工作状态起着重要作用，正弦参数作为一种常用的遥测参数，通常用于遥测模拟源的数据测试，使用有效的自动判读方法对其进行高效判读非常必要。目前通常偏重于遥测正弦参数的曲线和周期特性进行提取，或者直接设定阈值进行判读，难以做到参数实时判读，缺少从数据的正弦曲线中学习信息和构造模型的过程，无法满足自动化判读要求。

发明内容

为了克服背景技术中的不足，本发明公开了一种遥测正弦参数判读方法。

为实现上述发明目的，本发明采用如下技术方案：

一种遥测正弦参数判读方法，包括以下步骤：

S1、快速傅立叶变换：输入遥测正弦参数值，使用快速傅立叶变换求取参数的频率ω、幅值A^m和直流分量D_V，根据遥测正弦参数值的采样时间间隔T，获得数据采样频率F＝1/T以及周期点数P＝F/ω；

S2、创建滑动窗口：在整个遥测正弦参数值上进行遍历，根据直流分量D_V找到第一个周期的起始点，从该起始点开始维护一个长度为周期点数P的滑动窗口，每次向后移动P个数据点，逐窗口读取周期内的参数值；

S3、建立参数模型：

根据S1获取周期总数C，将C个周期内的参数值对应相加求和：

s_cp表示第c(c＝1,2,…,C)个周期中的第p(p＝1,2,…,P)个参数值；

然后取算数平均，得到用于多项式曲线拟合的数据点值：

使用多项式曲线拟合对s'_p进行曲线拟合，获得曲线拟合函数P(x)；

P(x)是采用最小二乘法进行多项式拟合正弦曲线的多项式；

将已知自变量x_cp(c＝1,2,…,C；p＝1,2,…,P)的值代入P(x)得到拟合值P(x_cp)，求取拟合值和参数值的误差绝对值：

e_cp＝|p(x_cp)-s_cp|；

求出参数值与拟合值的最大误差：

以及每个正弦周期内参数值与拟合值的平均最大误差：

S4、判读过程：

对参数序列值的整体变化和周期特征进行判读；

a、检查序列周期值是否存在周期变化：获取每个周期上半周期和下半周期的中位数，以直流分量D_V作为判断依据，检查每个周期是否都有前后不同的周期性数值变化，如果不存在则认为序列周期不正确；

b、检查周期误差：根据曲线拟合函数P(x)，求得第c个周期内的参数点值与拟合值平均误差值

将此值与

进行比较，当此值大于

时，即认为该周期的整体数值不正确；

对参数序列的每个数据点值进行判读；

a、根据曲线拟合曲线P(x)，对每个周期内的各参数点求误差绝对值即e_cp＝|p(x_cp)-s_cp|，当e_cp大于E_max时，即认为该点属于异常点。

优选的，所述S1中，选用离散时间信号的FFT对遥测正弦参数值进行频率、幅值和直流分量求解；

离散时间信号x(n)的FFT定义为：

X(e^jω)的FFT反变换定义为：

在物理意义上，式中的X(e^jω)表示序列x(n)的频谱，ω为数字域频率；

X(e^jω)一般为复数，可用实部和虚部表示为：

X(e^jω)＝X_R(e^jω)+jX_I(e^jω)；

幅值A^m可以直接求出：

参数的频率估计值ω和直流分量D_V计算公式如下：

ω＝arg{X(ω)}；

其中，N表示FFT的数据点数；

优选的，所述S3中，使用最小二乘法来选择多项式拟合曲线中的系数，通过计算与偏差的平方和对每个系数求偏导数，令偏导数为0构建方程组，对方程组进行变换可以获得拟合多项式曲线各个次幂的系数公式，求解后获得系数，拟合过程如下：

设存在n+1个相异点(x₀,y₀),(x₁,y₁)…(x_n,y_n)，求m(m<n)次多项式曲线P(x)，使其在各个点的取值与y_i(i＝0,1…n)相近；

设所求曲线多项式P(x)为：

P(x)与各点的偏差为：

由于曲线P(x)并不一定会通过所有点，因此应当使得P(x)与各点偏差的总和最小，为了消除负值和便于求解，使用偏差的平方和作为曲线的选择条件，即为：

对其中的多个系数求偏微分，在取得最小值的情况下偏微分值等于0,

对所有a_k求偏微分，可得偏微分方程组，将n+1个点值代入后求解即求得曲线拟合方程，单周期的正弦曲线使用五次多项式曲线拟合时效果最佳，因此选用五次多项式曲线拟合，最终的拟合多项式为：

P(x)＝a₀+a₁x+a₂x²+a₃x³+a₄x⁴+a₅x⁵。

与现有技术相比，本发明的有益效果是：不仅能判读单个数据点的正确性，还可以判读每个周期内所有数据点的整体正确性，比传统基于正弦函数的判读方法更全面；准确度高，既使用了效果最佳的五次多项式曲线拟合，又考虑了实际数据的误差范围变化；自动化程度高，整个建模过程和模型参数均由方法自动从数据中学习和提取，并生成模型参数，便于快速重建模型；通用性强，适用于不同幅值、频率和相位的遥测正弦参数判读，便于模块化封装和系统集成；应用范围广泛，既可应用于空空导弹遥测数据的判读，也可拓展到其他领域进行正弦参数判读。

附图说明

图1为本发明实施例的方法流程图。

具体实施方式

通过下面的实施例可以详细的解释本发明，公开本发明的目的旨在保护本发明范围内的一切技术改进。

结合附图1所述的一种遥测正弦参数判读方法，包括以下步骤：

S1、快速傅立叶变换：输入遥测正弦参数值，使用快速傅立叶变换求取参数的频率ω、幅值A^m和直流分量D_V，根据遥测正弦参数值的采样时间间隔T，获得数据采样频率F＝1/T以及周期点数P＝F/ω；

S2、创建滑动窗口：在整个遥测正弦参数值上进行遍历，根据直流分量D_V找到第一个周期的起始点，从该起始点开始维护一个长度为周期点数P的滑动窗口，每次向后移动P个数据点，逐窗口读取周期内的参数值；

S3、建立参数模型：

根据S1获取周期总数C，将C个周期内的参数值对应相加求和：

s_cp表示第c(c＝1,2,…,C)个周期中的第p(p＝1,2,…,P)个参数值；

然后取算数平均，得到用于多项式曲线拟合的数据点值：

由于遥测数据在产生的过程中频率存在固有误差，并且每一组数据的频率误差都不相同(例如参数频率为20Hz，数据中的真实频率会变至20.1Hz附近)，相对于正弦周期方程，选用拟合方法能够更有效地处理频率误差；使用多项式曲线拟合对s'_p进行曲线拟合，获得曲线拟合函数P(x)；

P(x)是采用最小二乘法进行多项式拟合正弦曲线的多项式；

将已知自变量x_cp(c＝1,2,…,C；p＝1,2,…,P)的值代入P(x)得到拟合值P(x_cp)，求取拟合值和参数值的误差绝对值：

e_cp＝|p(x_cp)-s_cp|；

求出参数值与拟合值的最大误差：

以及每个正弦周期内参数值与拟合值的平均最大误差：

S4、判读过程：

对参数序列值的整体变化和周期特征进行判读；

a、检查序列周期值是否存在周期变化：获取每个周期上半周期和下半周期的中位数，以直流分量D_V作为判断依据，检查每个周期是否都有前后不同的周期性数值变化，如果不存在则认为序列周期不正确；

b、检查周期误差：根据曲线拟合函数P(x)，求得第c个周期内的参数点值与拟合值平均误差值

将此值与

进行比较，当此值大于

时，即认为该周期的整体数值不正确；

对参数序列的每个数据点值进行判读；

a、根据曲线拟合曲线P(x)，对每个周期内的各参数点求误差绝对值即e_cp＝|p(x_cp)-s_cp|，当e_cp大于E_max时，即认为该点属于异常点；

E_max用于判读单个数据点的正确性，

用于判读一个周期内数据点的正确性，实现了对曲线局部和整体的全部有效判读。

所述S1中，FFT用于对信号进行频域分析，将信号表示为虚指数信号的加权积分，通过FFT可以将参数的时域信号转换到频域上，从而求出参数的频率、幅值和直流分量。由于在试验过程中，正弦参数使用离散采样，因此选用离散时间信号的FFT对遥测正弦参数值进行频率、幅值和直流分量求解；

离散时间信号x(n)的FFT定义为：

X(e^jω)的FFT反变换定义为：

在物理意义上，式中的X(e^jω)表示序列x(n)的频谱，ω为数字域频率；

X(e^jω)一般为复数，可用实部和虚部表示为：

X(e^jω)＝X_R(e^jω)+jX_I(e^jω)；

幅值A^m可以直接求出：

参数的频率估计值ω和直流分量D_V计算公式如下：

ω＝arg{X(ω)}；

其中，N表示FFT的数据点数；

所述S3中，使用最小二乘法来选择多项式拟合曲线中的系数，通过计算与偏差的平方和对每个系数求偏导数，令偏导数为0构建方程组，对方程组进行变换可以获得拟合多项式曲线各个次幂的系数公式，求解后获得系数，拟合过程如下：

设存在n+1个相异点(x₀,y₀),(x₁,y₁)…(x_n,y_n)，求m(m<n)次多项式曲线P(x)，使其在各个点的取值与y_i(i＝0,1…n)相近；

设所求曲线多项式P(x)为：

P(x)与各点的偏差为：

由于曲线P(x)并不一定会通过所有点，因此应当使得P(x)与各点偏差的总和最小，为了消除负值和便于求解，使用偏差的平方和作为曲线的选择条件，即为：

对其中的多个系数求偏微分，在取得最小值的情况下偏微分值等于0,

对所有a_k求偏微分，可得偏微分方程组，将n+1个点值代入后求解即求得曲线拟合方程，单周期的正弦曲线使用五次多项式曲线拟合时效果最佳，因此选用五次多项式曲线拟合，最终的拟合多项式为：

P(x)＝a₀+a₁x+a₂x²+a₃x³+a₄x⁴+a₅x⁵。

本发明未详述部分为现有技术。

Claims (3)

1.一种遥测正弦参数判读方法，其特征是：包括以下步骤：

S1、快速傅立叶变换：输入遥测正弦参数值，使用快速傅立叶变换求取参数的频率ω、幅值A^m和直流分量D_V，根据遥测正弦参数值的采样时间间隔T，获得数据采样频率F＝1/T以及周期点数P＝F/ω；

S2、创建滑动窗口：在整个遥测正弦参数值上进行遍历，根据直流分量D_V找到第一个周期的起始点，从该起始点开始维护一个长度为周期点数P的滑动窗口，每次向后移动P个数据点，逐窗口读取周期内的参数值；

S3、建立参数模型：

根据S1获取周期总数C，将C个周期内的参数值对应相加求和：

s_cp表示第c(c＝1,2,…,C)个周期中的第p(p＝1,2,…,P)个参数值；

然后取算数平均，得到用于多项式曲线拟合的数据点值：

使用多项式曲线拟合对s'_p进行曲线拟合，获得曲线拟合函数P(x)；

P(x)是采用最小二乘法进行多项式拟合正弦曲线的多项式；

将已知自变量x_cp(c＝1,2,…,C；p＝1,2,…,P)的值代入P(x)得到拟合值P(x_cp)，求取拟合值和参数值的误差绝对值：

e_cp＝|p(x_cp)-s_cp|；

求出参数值与拟合值的最大误差：

以及每个正弦周期内参数值与拟合值的平均最大误差：

S4、判读过程：

对参数序列值的整体变化和周期特征进行判读；

a、检查序列周期值是否存在周期变化：获取每个周期上半周期和下半周期的中位数，以直流分量D_V作为判断依据，检查每个周期是否都有前后不同的周期性数值变化，如果不存在则认为序列周期不正确；

b、检查周期误差：根据曲线拟合函数P(x)，求得第c个周期内的参数点值与拟合值平均误差值

将此值与

进行比较，当此值大于

时，即认为该周期的整体数值不正确；

对参数序列的每个数据点值进行判读；

a、根据曲线拟合曲线P(x)，对每个周期内的各参数点求误差绝对值即e_cp＝|p(x_cp)-s_cp|，当e_cp大于E_max时，即认为该点属于异常点。

2.根据权利要求1所述的一种遥测正弦参数判读方法，其特征在于：所述S1中，选用离散时间信号的FFT对遥测正弦参数值进行频率、幅值和直流分量求解；

离散时间信号x(n)的FFT定义为：

X(e^jω)的FFT反变换定义为：

在物理意义上，式中的X(e^jω)表示序列x(n)的频谱，ω为数字域频率；

X(e^jω)一般为复数，可用实部和虚部表示为：

X(e^jω)＝X_R(e^jω)+jX_I(e^jω)；

幅值A^m可以直接求出：

参数的频率估计值ω和直流分量D_V计算公式如下：

ω＝arg{X(ω)}；

其中，N表示FFT的数据点数。

3.根据权利要求1所述的一种遥测正弦参数判读方法，其特征在于：所述S3中，使用最小二乘法来选择多项式拟合曲线中的系数，通过计算与偏差的平方和对每个系数求偏导数，令偏导数为0构建方程组，对方程组进行变换可以获得拟合多项式曲线各个次幂的系数公式，求解后获得系数，拟合过程如下：

设存在n+1个相异点(x₀,y₀),(x₁,y₁)…(x_n,y_n)，求m(m<n)次多项式曲线P(x)，使其在各个点的取值与y_i(i＝0,1…n)相近；

设所求曲线多项式P(x)为：

P(x)与各点的偏差为：

由于曲线P(x)并不一定会通过所有点，因此应当使得P(x)与各点偏差的总和最小，为了消除负值和便于求解，使用偏差的平方和作为曲线的选择条件，即为：

对其中的多个系数求偏微分，在取得最小值的情况下偏微分值等于0,

对所有a_k求偏微分，可得偏微分方程组，将n+1个点值代入后求解即求得曲线拟合方程，单周期的正弦曲线使用五次多项式曲线拟合时效果最佳，因此选用五次多项式曲线拟合，最终的拟合多项式为：

P(x)＝a₀+a₁x+a₂x²+a₃x³+a₄x⁴+a₅x⁵。

Images