CN113281826B - 基于多经纬仪的三维风场反演方法、装置、设备和介质 - Google Patents
基于多经纬仪的三维风场反演方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN113281826B CN113281826B CN202110841122.3A CN202110841122A CN113281826B CN 113281826 B CN113281826 B CN 113281826B CN 202110841122 A CN202110841122 A CN 202110841122A CN 113281826 B CN113281826 B CN 113281826B
- Authority
- CN
- China
- Prior art keywords
- hydrogen balloon
- theodolite
- speed
- observation
- wind field
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/08—Adaptations of balloons, missiles, or aircraft for meteorological purposes; Radiosondes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请涉及基于多经纬仪的三维风场反演方法、装置、设备和介质,方法包括:获取多经纬仪观测网络在设定间隔时间点上对氢气球进行协同观测时,各经纬仪得到的氢气球的观测数据;多经纬仪观测网络包括至少两台经纬仪,观测数据包括高度角和方位角;利用扩展卡尔曼滤波方法对各经纬仪的观测数据进行迭代计算处理,解算出氢气球的三维坐标及速度信息;利用氢气球运动方程对氢气球的运动轨迹进行处理,解算出背景风场三维风速。通过对多经纬仪协同探测获取的氢气球的高度角和方位角信息,代入扩展卡尔曼滤波算法获取氢气球的轨迹和速度。根据氢气球动力学方程实现背景风场三维风速的反演,达到了高精度、高可靠性地反演真实背景风场的效果。
Description
技术领域
本申请涉及航空气象保障技术领域,特别是涉及一种基于多经纬仪的三维风场反演方法、装置、设备和介质。
背景技术
在航空气象领域,准确掌握精细的三维风场信息,能为飞机安全起降提供重要支撑。目前,用于风场探测技术主要包括探空氢气球、测风仪、风廓线雷达以及激光雷达,其中探空氢气球具有携行方便、操作简单、探测便捷等优点,成为高空气象探测和其他方式真值比对的主要手段之一,在国内外气象行业得到了广泛运用。探空氢气球探测方式是利用经纬仪连续跟踪探空氢气球获得风场信息,目前经纬仪实施空中风探测的主要方法有单经纬仪测风和双经纬仪基线测风方法。
单经纬仪测风通过获取特定时间内的探空氢气球的仰角和方位角数据,经过一定算法解算得到相应高度的空中风数据,使用方便灵活、准备时间短、操作人员少,便于在各种地形条件下完成作业任务,在气象野外、伴随保障中仍然发挥着较大作用。双经纬仪基线测风同时使用两台光学测风经纬仪观测氢气球的运动,读出仰角、方位角然后利用三角法或矢量法计算氢气球高度和风向、风速。然而,在实现本发明的过程中,发明人发现无论是单经纬仪还是双经纬仪计算空中风场信息,仍然存在着无法实现高精度反演出真实背景风场的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够高精度、高可靠性地实现真实背景风场反演的基于多经纬仪的三维风场反演方法、一种基于多经纬仪的三维风场反演装置、一种计算机设备以及一种计算机可读存储介质。
为了实现上述目的,本发明实施例采用以下技术方案:
一方面,本发明实施例提供一种基于多经纬仪的三维风场反演方法,包括步骤:
获取多经纬仪观测网络在设定间隔时间点上对氢气球进行协同观测时,各经纬仪得到的氢气球的观测数据;多经纬仪观测网络包括至少两台经纬仪,观测数据包括高度角和方位角;
利用扩展卡尔曼滤波方法对各经纬仪的观测数据进行迭代计算处理,解算出氢气球的三维坐标及速度信息;
利用氢气球运动方程对氢气球的运动轨迹进行处理,解算出背景风场三维风速;氢气球的运动轨迹通过氢气球的三维坐标及速度信息确定。
另一方面,还提供一种基于多经纬仪的三维风场反演装置,包括:
数据获取模块,用于获取多经纬仪观测网络在设定间隔时间点上对氢气球进行协同观测时,各经纬仪得到的氢气球的观测数据;多经纬仪观测网络包括至少两台经纬仪,观测数据包括高度角和方位角;
三维速度模块,用于利用扩展卡尔曼滤波方法对各经纬仪的观测数据进行迭代计算处理,解算出氢气球的三维坐标及速度信息;
风速解算模块,用于利用氢气球运动方程对氢气球的运动轨迹进行处理,解算出背景风场三维风速;氢气球的运动轨迹通过氢气球的三维坐标及速度信息确定。
又一方面,还提供一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现任一项的上述基于多经纬仪的三维风场反演方法的步骤。
再一方面,还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现任一项的上述基于多经纬仪的三维风场反演方法的步骤。
上述技术方案中的一个技术方案具有如下优点和有益效果:
上述基于多经纬仪的三维风场反演方法、装置、设备和介质,通过对多经纬仪协同探测获取的氢气球的高度角和方位角信息,然后代入扩展卡尔曼滤波算法,实现对于氢气球的精确轨迹和速度信息的解算获取。在此基础上,根据氢气球动力学方程,也即氢气球运动方程,实现由氢气球的速度对于背景风场三维风速的反演。如此,为实现基于多经纬仪的快速、准确、便捷高空风场精确测量提供了有效手段,达到了能够高精度、高可靠性地实现真实背景风场反演的效果。
附图说明
图1为一个实施例中基于多经纬仪的三维风场反演方法的流程示意图;
图2为一个实施例中MTLM观测网络的探测示意图;
图3为一个实施例中分布于整个空间的非线性风切变的U速度示意图;
图4为一个实施例中分布于整个空间的非线性风切变的V速度示意图;
图5为一个实施例中分布于整个空间的非线性风切变的Z速度示意图;
图6为一个实施例中仿真反演X轨迹结果示意图;
图7为一个实施例中仿真反演Y轨迹结果示意图;
图8为一个实施例中仿真反演Z轨迹结果示意图;
图9为一个实施例中仿真反演风速第一结果示意图;
图10为一个实施例中仿真反演风速第二结果示意图;
图11为一个实施例中仿真反演风速第三结果示意图;
图12为一个实施例中基于多经纬仪的三维风场反演装置的模块结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
另外,本发明各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时,应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
目前,单经纬仪测风受各项误差源影响较大,准确度稍差。双经纬仪基线测风同时使用两台光学测风经纬仪观测氢气球的运动,读出仰角、方位角然后利用三角法或矢量法计算氢气球高度和风向、风速。双经纬仪基线测风方法能有效提高数据的准确度和精度,但其对基线长度和方向的选取直接影响风向风速计算的准确度。此外,无论是单经纬仪还是双经纬仪在计算空中风场信息时,均预先假定氢气球为风场的良好示踪物,其运动状态与背景风场一致。但氢气球虽然质量较小,但体积较大,在速度变化较大时,较显著的存在氢气球的运动状态与实际风场不一致现象,简单地将二者近似相等与实际不符。因此亟需提出一种基于经纬仪探测的高精度、高可靠性的,能够实现反演出真实背景风场的基于多经纬仪的三维风场反演方法。
综上,本申请针对上述传统的测风技术中,仍然存在着的无法实现高精度反演出真实背景风场的技术问题,提供了一种基于多经纬仪的三维风场反演方法(MTLM:Multi-Theodolite Location Method)。该方法通过对观测获取的多经纬仪的观测信息进行扩展卡尔曼滤波,获取氢气球的精确轨迹和速度信息,随后通过氢气球运动状态方程,基于曳力表达式,实现了由氢气球速度对于背景风场三维风速的高精度、高可靠性的反演。
请参阅图1,一方面,本发明提供一种基于多经纬仪的三维风场反演方法,包括如下步骤S12至S16:
S12,获取多经纬仪观测网络(也称MTLM观测网络)在设定间隔时间点上对氢气球进行协同观测时,各经纬仪得到的氢气球的观测数据;多经纬仪观测网络包括至少两台经纬仪,观测数据包括高度角和方位角。
可以理解,设定间隔时间点是指根据观测需要而选定的观测时间点,可以包含一个时段内或多个时段内的多个时间点,每个时间点之间的间隔可以相同也可以设置为不相同。各经纬仪对观测区域内的氢气球进行协同观测,可以是在设定间隔时间点上同时进行观测,也可以是按照设定间隔时间点分别进行独立观测,还可以是按照一定组合进行有序的先后观测。在正式观测开始前,可以预先测定各经纬仪之间的方位角和高度角,以便确定各经纬仪的初始观测状态,用于提供后续计算可能需要的参考状态。
S14,利用扩展卡尔曼滤波方法对各经纬仪的观测数据进行迭代计算处理,解算出氢气球的三维坐标及速度信息。
可以理解,将各经纬仪的观测数据通过扩展卡尔曼滤波方法进行迭代计算,获得相应的氢气球位置及其速度信息。
S16,利用氢气球运动方程对氢气球的运动轨迹进行处理,解算出背景风场三维风速;氢气球的运动轨迹通过氢气球的三维坐标及速度信息确定。
具体的,通过对经纬仪观测获取的观测数据进行扩展卡尔曼滤波,获取氢气球的精确轨迹和速度信息,随后通过氢气球运动方程实现由氢气球速度对于背景风场速度的三维风场反演。
上述基于多经纬仪的三维风场反演方法,通过对多经纬仪协同探测获取的氢气球的高度角和方位角信息,然后代入扩展卡尔曼滤波算法,实现对于氢气球的精确轨迹和速度信息的解算获取。在此基础上,根据氢气球动力学方程,也即氢气球运动方程,实现由氢气球的速度对于背景风场三维风速的反演。如此,为实现基于多经纬仪的快速、准确、便捷高空风场精确测量提供了有效手段,达到了能够高精度、高可靠性地实现真实背景风场反演的效果。
在一个实施例中,可选的,上述基于多经纬仪的三维风场反演方法,还可以包括步骤:
S101,建立多经纬仪观测网络;各经纬仪之间的距离为60m-100m范围内的任意值,各经纬仪的连线之间的夹角为60°-90°范围内的任意值;
S102,以其中一个经纬仪的位置为坐标原点建立笛卡尔坐标系;
S103,根据三角形正弦公式获得各经纬仪的相对距离并转换为笛卡尔坐标系下的坐标值。
可以理解,各经纬仪可以布置成如图2所示(以1至3号经纬仪为例),各经纬仪之间的距离在60m-100m之间任意取值均可,各经纬仪的连线之间的夹角控制在60°-90°范围之内。可选的,在一些实施方式中,前述夹角也可以控制在比60°略小或者比90°略大的取值上。在正式观测前,可以预先(手动或利用现场配套设备自动)测定各经纬仪之间的方位角和高度角。如图2所示,以第1个经纬仪的位置为坐标原点建立笛卡尔坐标系,表示第个经纬仪的坐标,表示第次观测时氢气球的坐标。根据三角形正弦公式,可获得各经纬仪的相对距离,并将其进一步转化为笛卡尔坐标系下的相应坐标值。
通过上述步骤,可以在尚未部署有上述多经纬仪观测网络的观测地区进行快速的观测网络部署,从而方便该观测地区的三维风场反演所需数据的快速数据观测获取。
在一个实施例中,可选的,多经纬仪观测网络可以由3个经纬仪组成。如此,可以通过较少数量的经纬仪组网,实现基本可靠的观测数据的高效观测获得,应用成本较低。
在一个实施例中,关于上述的处理步骤S14,具体可以包括如下处理步骤:
S142,将氢气球的状态变量初值和各经纬仪的观测数据,逐次代入扩展卡尔曼滤波方程进行迭代计算,得到氢气球的三维坐标及速度信息。
上述扩展卡尔曼滤波方程可以包括:
状态预测方程:
估计误差协方差方程:
卡尔曼增益:
测量更新方程:
协方差更新方程:
其中,表示第次观测的状态向量,表示氢气球的位置,表示氢气球的速度,表示第次观测的观测向量,分别表示第个经纬仪第次观测时氢气球的方位角和高度角;表示状态更新矩阵,表示控制矩阵,表示包含氢气球的加速度信息的控制向量,表示估计协方差矩阵,和分别表示状态转移误差协方差矩阵和观测误差协方差矩阵,表示卡尔曼增益,表示量测矩阵,表示 在处的雅克比矩阵,表示单位矩阵。
可以理解,基于建立好的多经纬仪观测网络,经纬仪根据相应的时间协同对氢气球进行观测,当完成一次MTLM观测后,根据本领域已有的扩展卡尔曼滤波公式,可得到上述5个扩展卡尔曼滤波方程式(1)-式(5)。将氢气球的状态变量初值(可在正式观测开始前预先设置得到),以及各经纬仪的观测数据逐次代入上述式(1)-式(5),通过扩展卡尔曼算法迭代计算,获得相应的氢气球的位置和速度信息。
可选的,当完成一次MTLM观测后,将前述相应的矩阵按照下列相应各式(6)-式(11)进行设置,其中,为观测时间步长,为加速度误差标准差,和分别为观测方位角和高度角误差标准差。、和的初值可根据观测仪器的精度以及人员操作的熟练程度,通过预先分析已有历史资料进行相应设置。随后将通过经纬仪观测获得的高度角和方位角等观测数据代入上述式(1)-式(5)进行扩展卡尔曼滤波计算,即可获得氢气球的三维坐标和速度信息。
通过上述处理步骤,可靠地获得了氢气球的三维坐标及速度信息。
在一个实施例中,关于上述的步骤S16,具体可以包括如下处理步骤:
S162,根据预先获得的氢气球及探测区域的参数信息,计算氢气球在平衡状态下的上升速度;
S164,根据氢气球的速度信息,计算得到氢气球的加速度;
S166,将上升速度、速度信息和加速度,代入氢气球运动方程计算得到背景风场三维风速。
可以理解,氢气球及探测区域的参数信息可以直接根据所选观测地区已有的观测资料,以及选定的氢气球的固有参数来获取。
在一个实施例中,氢气球在平衡状态下的上升速度,通过下式计算得到:
在一个实施例中,氢气球运动方程为:
具体的,根据上述步骤S14获得的氢气球的速度信息,在此基础上,预先根据实时获取的氢气球的参数信息以及当地大气参数信息,根据式(12)计算求得氢气球初始平衡速度,将求得的平衡速度代入式(13),进一步对加速度进行分解可以求得氢气球速度和背景风速,即通过对速度求导获得氢气球的加速度,随后将氢气球的速度和加速度代入式(13)即可求解得到空中风速度信息。
通过上述步骤,通过对观测获取的经纬仪信息进行扩展卡尔曼滤波,获取氢气球的精确轨迹和速度信息,随后通过氢气球运动方程,基于曳力表达式,实现了由氢气球速度对于背景三维风场速度的反演。
在一个实施例中,为了更直观且全面地说明上述基于多经纬仪的三维风场反演,下面提供的是对上述基于多经纬仪的三维风场反演方法的其中一个仿真验证示例。需要说明的是,本说明书中给出的实施示例仅为示意性的,并非为本发明具体实施例的唯一限定,本领域技术人员可以在本发明提供的实施示例的示意下,同理实现对应用场景下的三维风场反演。
仿真氢气球在背景风场控制下的移动轨迹,设置仿真背景风场为:
仿真氢气球及附属物重70 g,直径为50 cm,假设氢气球为理想光滑球体,曳力系数为0.4,标准大气环境(气温0 ℃,1个标准大气压,空气密度1.293 kg/m3),重力加速度为9.8 m/s2。根据式(12)获得其初始平衡速度为1.68 m/s。因此,氢气球初始速度设为,在背景风场作用下,根据获得的各方向加速度,可通过对加速进行积分获得氢气球的轨迹:
3个经纬仪如图2所示部署,其中,2号和3号经纬仪分别距1号经纬仪的距离均为100米,相对方位角分别为30°和90°,三个经纬仪坐标分别为、和。采用MTLM观测方法对氢气球进行观测时,在观测方位角和高度角上各加上满足正态分布的高斯随机误差。
图6至图8给出了本示例仿真反演氢气球轨迹结果,其中,图6、图7和图8的横坐标表示观测时间,纵轴分别表示不同方向上氢气球位移,实线(即实轨迹)表示仿真的真实轨迹,实-点(即测轨迹)表示加入观测误差后的氢气球的观测轨迹,而滤轨迹表示滤波轨迹。采用本申请的MTLM观测方法进行观测时,在复杂风场背景条件下(如存在湍流和/或风切变),定位结果具有较高准确性,各方向相关系数均超过0.99,均方根误差小于3米,反演算法具有较高性能。
图9至图11给出了本示例与传统的单经纬仪观测垂直风速的比对结果,其中,图9、图10和图11的横坐标表示观测时间,纵轴分别表示不同方向上风速误差的大小,实线-三角形(即气球误差)表示反演的氢气球速度误差,实线-圆形(即背景风场误差)表示反演的背景风场的速度误差。分析可知通过本申请上述方法反演的背景风速具有较高的准确性。水平方向上,反演的背景风场速度误差较氢气球速度误差有一定的提升,垂直方向上通过本申请上述方法反演的背景风场精度要远远高于氢气球所代表的风场速度。
请参阅图12,在一个实施例中,还提供了一种基于多经纬仪的三维风场反演装置100,包括数据获取模块11、三维速度模块13和风速解算模块15。其中,数据获取模块11用于获取多经纬仪观测网络在设定间隔时间点上对氢气球进行协同观测时,各经纬仪得到的氢气球的观测数据;多经纬仪观测网络包括至少两台经纬仪,观测数据包括高度角和方位角。三维速度模块13用于利用扩展卡尔曼滤波方法对各经纬仪的观测数据进行迭代计算处理,解算出氢气球的三维坐标及速度信息。风速解算模块15用于利用氢气球运动方程对氢气球的运动轨迹进行处理,解算出背景风场三维风速;氢气球的运动轨迹通过氢气球的三维坐标及速度信息确定。
上述基于多经纬仪的三维风场反演装置100,通过各模块的协作,对多经纬仪协同探测获取的氢气球的高度角和方位角信息,然后代入扩展卡尔曼滤波算法,实现对于氢气球的精确轨迹和速度信息的解算获取。在此基础上,根据氢气球动力学方程,也即氢气球运动方程,实现由氢气球的速度对于背景风场三维风速的反演。如此,为实现基于多经纬仪的快速、准确、便捷高空风场精确测量提供了有效手段,达到了能够高精度、高可靠性地实现真实背景风场反演的效果。
在一个实施例中,上述三维速度模块13具体可以用于将氢气球的状态变量初值和各经纬仪的观测数据,逐次代入扩展卡尔曼滤波方程进行迭代计算,得到氢气球的三维坐标及速度信息。
其中,扩展卡尔曼滤波方程包括:
状态预测方程:
估计误差协方差方程:
卡尔曼增益:
测量更新方程:
协方差更新方程:
其中,表示第次观测的状态向量,表示氢气球的位置,表示氢气球的速度,表示第次观测的观测向量,分别表示第个经纬仪第次观测时氢气球的方位角和高度角;表示状态更新矩阵,表示控制矩阵,表示包含氢气球的加速度信息的控制向量,表示估计协方差矩阵,和分别表示状态转移误差协方差矩阵和观测误差协方差矩阵,表示卡尔曼增益,表示量测矩阵,表示 在处的雅克比矩阵,表示单位矩阵。
在一个实施例中,上述风速解算模块15具体可以包括上升速度子模块、加速度子模块和风速子模块。其中,上升速度子模块用于根据预先获得的氢气球及探测区域的参数信息,计算氢气球在平衡状态下的上升速度。加速度子模块用于根据氢气球的速度信息,计算得到氢气球的加速度。风速子模块用于将上升速度、速度信息和加速度,代入氢气球运动方程计算得到背景风场三维风速。
在一个实施例中,氢气球运动方程为:
在一个实施例中,氢气球在平衡状态下的上升速度,通过下式计算得到:
在一个实施例中,上述基于多经纬仪的三维风场反演装置100,还可以包括网络建立模块、坐标建立模块和相对转换模块。其中,网络建立模块用于建立多经纬仪观测网络;各经纬仪之间的距离为60m-100m范围内的任意值,各经纬仪的连线之间的夹角为60°-90°范围内的任意值。坐标建立模块用于以其中一个经纬仪的位置为坐标原点建立笛卡尔坐标系。相对转换模块用于根据三角形正弦公式获得各经纬仪的相对距离并转换为笛卡尔坐标系下的坐标值。
在一个实施例中,上述多经纬仪观测网络由3个经纬仪组成。
关于基于多经纬仪的三维风场反演装置100的具体限定,可以参见上文中基于多经纬仪的三维风场反演方法的相应限定,在此不再赘述。上述基于多经纬仪的三维风场反演装置100中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于具体数据处理功能的设备中,也可以软件形式存储于前述设备的存储器中,以便于处理器调用执行以上各个模块对应的操作,前述设备可以是但不限于本领域已有的各型测风设备或计算机终端。
又一方面,还提供一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时可以实现以下步骤:获取多经纬仪观测网络在设定间隔时间点上对氢气球进行协同观测时,各经纬仪得到的氢气球的观测数据;多经纬仪观测网络包括至少两台经纬仪,观测数据包括高度角和方位角;利用扩展卡尔曼滤波方法对各经纬仪的观测数据进行迭代计算处理,解算出氢气球的三维坐标及速度信息;利用氢气球运动方程对氢气球的运动轨迹进行处理,解算出背景风场三维风速;氢气球的运动轨迹通过氢气球的三维坐标及速度信息确定。
在一个实施例中,处理器执行计算机程序时还可以实现上述基于多经纬仪的三维风场反演方法各实施例中增加的步骤或者子步骤。
再一方面,还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取多经纬仪观测网络在设定间隔时间点上对氢气球进行协同观测时,各经纬仪得到的氢气球的观测数据;多经纬仪观测网络包括至少两台经纬仪,观测数据包括高度角和方位角;利用扩展卡尔曼滤波方法对各经纬仪的观测数据进行迭代计算处理,解算出氢气球的三维坐标及速度信息;利用氢气球运动方程对氢气球的运动轨迹进行处理,解算出背景风场三维风速;氢气球的运动轨迹通过氢气球的三维坐标及速度信息确定。
在一个实施例中,计算机程序被处理器执行时,还可以实现上述基于多经纬仪的三维风场反演方法各实施例中增加的步骤或者子步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成的,计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其他介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线式动态随机存储器(Rambus DRAM,简称RDRAM)以及接口动态随机存储器(DRDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可做出若干变形和改进,都属于本申请保护范围。因此本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种基于多经纬仪的三维风场反演方法,其特征在于,包括步骤:
获取多经纬仪观测网络在设定间隔时间点上对氢气球进行协同观测时,各经纬仪得到的所述氢气球的观测数据;所述多经纬仪观测网络包括至少两台经纬仪,所述观测数据包括高度角和方位角;
利用扩展卡尔曼滤波方法对各所述经纬仪的所述观测数据进行迭代计算处理,解算出所述氢气球的三维坐标及速度信息;
利用氢气球运动方程对所述氢气球的运动轨迹进行处理,解算出背景风场三维风速;所述氢气球的运动轨迹通过所述氢气球的三维坐标及速度信息表示;
利用氢气球运动方程对所述氢气球的运动轨迹进行处理,解算出背景风场三维风速的步骤,包括:
根据预先获得的所述氢气球及探测区域的参数信息,计算所述氢气球在平衡状态下的上升速度;
根据所述氢气球的速度信息,计算得到所述氢气球的加速度;
将所述上升速度、所述速度信息和所述加速度,代入所述氢气球运动方程计算得到所述背景风场三维风速;
所述氢气球运动方程为:
所述氢气球在平衡状态下的上升速度,通过下式计算得到:
2.根据权利要求1所述的基于多经纬仪的三维风场反演方法,其特征在于,利用扩展卡尔曼滤波方法对各所述经纬仪的所述观测数据进行迭代计算处理,解算出所述氢气球的三维坐标及速度信息的步骤,包括:
将所述氢气球的状态变量初值和各所述经纬仪的所述观测数据,逐次代入扩展卡尔曼滤波方程进行迭代计算,得到所述氢气球的三维坐标及速度信息;
所述扩展卡尔曼滤波方程包括:
状态预测方程:
估计误差协方差方程:
卡尔曼增益:
测量更新方程:
协方差更新方程:
3.根据权利要求1所述的基于多经纬仪的三维风场反演方法,其特征在于,还包括步骤:
建立所述多经纬仪观测网络;各所述经纬仪之间的距离为60m-100m范围内的任意值,各所述经纬仪的连线之间的夹角为60°-90°范围内的任意值;
以其中一个所述经纬仪的位置为坐标原点建立笛卡尔坐标系;
根据三角形正弦公式获得各所述经纬仪的相对距离并转换为所述笛卡尔坐标系下的坐标值。
4.根据权利要求3所述的基于多经纬仪的三维风场反演方法,其特征在于,所述多经纬仪观测网络由3个所述经纬仪组成。
5.一种基于多经纬仪的三维风场反演装置,其特征在于,包括:
数据获取模块,用于获取多经纬仪观测网络在设定间隔时间点上对氢气球进行协同观测时,各经纬仪得到的所述氢气球的观测数据;所述多经纬仪观测网络包括至少两台经纬仪,所述观测数据包括高度角和方位角;
三维速度模块,用于利用扩展卡尔曼滤波方法对各所述经纬仪的所述观测数据进行迭代计算处理,解算出所述氢气球的三维坐标及速度信息;
风速解算模块,用于利用氢气球运动方程对所述氢气球的运动轨迹进行处理,解算出背景风场三维风速;所述氢气球的运动轨迹通过所述氢气球的三维坐标及速度信息确定;
所述风速解算模块还用于根据预先获得的所述氢气球及探测区域的参数信息,计算所述氢气球在平衡状态下的上升速度;
根据所述氢气球的速度信息,计算得到所述氢气球的加速度;
将所述上升速度、所述速度信息和所述加速度,代入所述氢气球运动方程计算得到所述背景风场三维风速;
所述氢气球运动方程为:
所述氢气球在平衡状态下的上升速度,通过下式计算得到:
6.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述基于多经纬仪的三维风场反演方法的步骤。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,计算机程序被处理器执行时实现权利要求1至4中任一项所述基于多经纬仪的三维风场反演方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110841122.3A CN113281826B (zh) | 2021-07-26 | 2021-07-26 | 基于多经纬仪的三维风场反演方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110841122.3A CN113281826B (zh) | 2021-07-26 | 2021-07-26 | 基于多经纬仪的三维风场反演方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113281826A CN113281826A (zh) | 2021-08-20 |
CN113281826B true CN113281826B (zh) | 2021-09-28 |
Family
ID=77287162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110841122.3A Active CN113281826B (zh) | 2021-07-26 | 2021-07-26 | 基于多经纬仪的三维风场反演方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113281826B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104613928A (zh) * | 2015-02-09 | 2015-05-13 | 中国人民解放军63863部队 | 一种光学测风经纬仪自动跟踪及测风方法 |
CN107064545A (zh) * | 2017-04-07 | 2017-08-18 | 河南科技大学 | 一种200米以下浅层风的探测方法 |
CN107132590A (zh) * | 2017-04-06 | 2017-09-05 | 中国科学院大气物理研究所 | 利用下投探空测量大气垂直风的方法和装置 |
-
2021
- 2021-07-26 CN CN202110841122.3A patent/CN113281826B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104613928A (zh) * | 2015-02-09 | 2015-05-13 | 中国人民解放军63863部队 | 一种光学测风经纬仪自动跟踪及测风方法 |
CN107132590A (zh) * | 2017-04-06 | 2017-09-05 | 中国科学院大气物理研究所 | 利用下投探空测量大气垂直风的方法和装置 |
CN107064545A (zh) * | 2017-04-07 | 2017-08-18 | 河南科技大学 | 一种200米以下浅层风的探测方法 |
Non-Patent Citations (1)
Title |
---|
一种星载GNSS-R海风反演的卡尔曼滤波模型;李中奎等;《导航定位学报》;20200817(第04期);第31-38页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113281826A (zh) | 2021-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110375730B (zh) | 基于imu和uwb融合的室内定位导航系统 | |
CN106643737B (zh) | 风力干扰环境下四旋翼飞行器姿态解算方法 | |
CN109507706B (zh) | 一种gps信号丢失的预测定位方法 | |
CN108318038A (zh) | 一种四元数高斯粒子滤波移动机器人姿态解算方法 | |
CN105424036A (zh) | 一种低成本水下潜器地形辅助惯性组合导航定位方法 | |
CN107300697A (zh) | 基于无人机的运动目标ukf滤波方法 | |
CN106446422A (zh) | 一种基于对数似然估计的无源定位跟踪新方法 | |
CN103900574A (zh) | 一种基于迭代容积卡尔曼滤波姿态估计方法 | |
CN103438890B (zh) | 基于tds与图像测量的行星动力下降段导航方法 | |
CN103604430A (zh) | 一种基于边缘化ckf重力辅助导航的方法 | |
CN109739088B (zh) | 一种无人船有限时间收敛状态观测器及其设计方法 | |
CN104316025A (zh) | 一种基于船体姿态信息估计海浪浪高的系统 | |
CN110702110A (zh) | 一种基于无迹卡尔曼滤波的舰船升沉运动测量方法 | |
CN110703205B (zh) | 基于自适应无迹卡尔曼滤波的超短基线定位方法 | |
CN103123487B (zh) | 一种航天器姿态确定方法 | |
CN115343744A (zh) | 空中运动目标的光学单双星联合星上定位方法及系统 | |
CN108507587B (zh) | 一种基于坐标变换的三维车载定位导航方法 | |
CN113156418B (zh) | 基于蒙特卡洛仿真的雷达目标跟踪精度预测方法 | |
CN104536944B (zh) | 基于改进的极大似然方法和置信压缩滤波的船舶参数辨识方法 | |
CN113281826B (zh) | 基于多经纬仪的三维风场反演方法、装置、设备和介质 | |
CN112797988B (zh) | 基于神经网络的未知机动航天器轨道确定方法 | |
CN116992700B (zh) | 一种物流无人机导航精度确定的方法及设备 | |
CN109471192A (zh) | 一种全自动重力测试仪高精度动态数据处理方法 | |
CN104199024A (zh) | 甚短基线光学测量目标定位方法 | |
CN115683170B (zh) | 基于雷达点云数据融合误差的校准方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |