CN114325740A - 一种应用于激光多普勒测速仪的速度测量方法与系统 - Google Patents
一种应用于激光多普勒测速仪的速度测量方法与系统 Download PDFInfo
- Publication number
- CN114325740A CN114325740A CN202111610062.0A CN202111610062A CN114325740A CN 114325740 A CN114325740 A CN 114325740A CN 202111610062 A CN202111610062 A CN 202111610062A CN 114325740 A CN114325740 A CN 114325740A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- signal
- frequency
- current paragraph
- paragraph
- 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.)
- Pending
Links
Images
Landscapes
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种应用于激光多普勒测速仪的速度测量方法与系统,上述方法包括:通过激光多普勒测速仪采集被测物体的运动信号,并根据运动信号进行参数设置;根据设置的参数对运动信号进行滤波处理并分段,将每一段落的信号通过快速傅里叶变换转换到频域并进行频谱分析,获得各段落信号的频率搜索范围;通过设置的参数和频率搜索范围对段落内的信号进行小波变换,通过提取小波脊线获得每一段落信号的瞬时频率估计曲线片段;对每一段落的瞬时频率估计曲线片段进行拼接,通过时频信号重建得到被测物体的速度‑时间曲线。本发明利用小波变换对信号进行处理,结合快速傅里叶变换有效提高系统的时间分辨率和数据处理速度。
Description
技术领域
本发明涉及速度与加速度测量领域,尤其涉及一种应用于激光多普勒测速仪的速度测量方法与系统。
背景技术
激光多普勒测量技术是以激光为信息载体,将一束激光照射到运动的目标物体上,通过探测其散射光相对于入射光的频率偏移,即多普勒频移,利用数据处理方法获得目标物体运动速度信息。激光多普勒测速技术具有非接触测量、不干扰目标运动、空间分辨率高、测量精度高和量程大等优点,已被广泛应用于军事、航空、航天、机械等多个行业。
傅里叶变换算法是目前常用的频域检测方法,但傅里叶变换得到的是整个时间轴上的频率信息,不能得到某个时间段上的频率信息,无法获得瞬态时间与频率的对应关系。因此通常采用短时傅里叶变换来改进这一缺点,但短时傅里叶变换因其窗口大小是固定的,不能随频率变化,缺乏时间局部化性质,只适用于频率波动小的平稳信号,对于频率波动大的非平稳信号的检测仍有局限性。
发明内容
本发明针对激光多普勒测速仪采用单一窗口长度对非平稳信号时频检测精度较低这一技术问题,提出一种应用于激光多普勒测速仪的速度测量方法与系统。
第一方面,本申请实施例提供了一种应用于激光多普勒测速仪的速度测量方法,包括:
数据采集步骤:通过激光多普勒测速仪采集被测物体的运动信号,并根据所述运动信号进行参数设置;
数据分段步骤:根据设置的所述参数将所述运动信号进行滤波处理并分段,并将起始段落作为当前段落;
快速傅里叶变换步骤:将当前段落中的信号通过快速傅里叶变换转换到频域并进行频谱分析,获得当前段落中信号的频率搜索范围;
小波变换步骤:通过设置的所述参数和所述频率搜索范围对当前段落中的信号进行小波变换,通过提取小波脊线获得当前段落中信号的瞬时频率估计曲线片段;
速度-时间曲线获得步骤:判断当前段落是否为最后一段;若否,则将当前段落的段数加一,并返回所述快速傅里叶变换步骤;若是,则对每一段落中信号的所述瞬时频率估计曲线片段进行拼接,通过时频信号重建得到被测物体的速度-时间曲线。
上述速度测量方法,其中,设置的所述参数包括:被测物体的速度检测范围、数据加窗长度、小波基函数、小波变换尺度因子的步长。
上述速度测量方法,其中,所述数据分段步骤还包括:根据所述被测物体的速度检测范围设计带通滤波器,通过所述带通滤波器将所述运动信号进行滤波处理。
上述速度测量方法,其中,所述数据分段步骤包括:
截取段数获得步骤:根据所述运动信号中的数据总点数与所述数据加窗长度计算所述运动信号的截取段数;
分段处理步骤:根据所述截取段数对滤波后的所述运动信号进行数据分段。
上述速度测量方法,其中,所述快速傅里叶变换步骤包括:
瞬时频率估计值获得步骤:通过在当前段落中信号的频域内求解频谱的模极大值对应的频率得到当前段落中信号的瞬时频率估计值;
频率搜索范围获得步骤:根据所述当前段落中信号的瞬时频率估计值确定所述当前段落中信号的频率搜索范围。
上述速度测量方法,其中,所述小波变换步骤包括:
尺度因子搜索范围获得步骤:根据所述小波变换尺度因子的步长与所述当前段落中信号的频率搜索范围得到当前段落中信号的小波变换的尺度因子搜索范围;
小波系数获得步骤:通过所述小波基函数、所述小波变换尺度因子的步长以及所述当前段落中信号的小波变换的尺度因子搜索范围对当前段落中的信号进行小波变换,获得小波系数;
小波脊线提取步骤:根据所述小波系数采用模极大值法提取小波脊线,获得所述当前段落中信号的瞬时频率估计曲线片段。
上述速度测量方法,其中,所述速度-时间曲线获得步骤包括:
数据拼接步骤:将每一段落的所述瞬时频率估计曲线片段进行拼接,得到全时域的信号瞬时频谱估计曲线;
时频信号重建步骤:根据所述全时域的信号瞬时频谱估计曲线通过时频信号重建得到被测物体的速度-时间曲线。
第二方面,本申请实施例提供了一种应用于激光多普勒测速仪的速度测量系统,包括:
数据采集单元:通过激光多普勒测速仪采集被测物体的运动信号,并根据所述运动信号进行参数设置;
数据分段单元:根据设置的所述参数将所述运动信号进行滤波处理并分段,并将起始段落作为当前段落;
快速傅里叶变换单元:将当前段落中的信号通过快速傅里叶变换转换到频域并进行频谱分析,获得当前段落中信号的频率搜索范围;
小波变换单元:通过设置的所述参数和所述频率搜索范围对当前段落中的信号进行小波变换,通过提取小波脊线获得当前段落中信号的瞬时频率估计曲线片段;
速度-时间曲线获得单元:判断当前段落是否为最后一段;若否,则将当前段落的段数加一,并返回所述快速傅里叶变换单元;若是,则对每一段落中信号的所述瞬时频率估计曲线片段进行拼接,通过时频信号重建得到被测物体的速度-时间曲线。
上述速度测量系统,其中,所述快速傅里叶变换单元包括:
瞬时频率估计值获得模块:通过在当前段落中信号的频域内求解频谱的模极大值对应的频率得到当前段落中信号的瞬时频率估计值;
频率搜索范围获得模块:根据所述当前段落中信号的瞬时频率估计值确定所述当前段落中信号的频率搜索范围。
上述速度测量系统,其中,所述小波变换单元包括:
尺度因子搜索范围获得模块:根据所述小波变换尺度因子的步长与所述当前段落中信号的频率搜索范围得到当前段落中信号的小波变换的尺度因子搜索范围;
小波系数获得模块:通过所述小波基函数、所述小波变换尺度因子的步长以及所述当前段落中信号的小波变换的尺度因子搜索范围对当前段落中的信号进行小波变换,获得小波系数;
小波脊线提取模块:根据所述小波系数采用模极大值法提取小波脊线,获得所述当前段落中信号的瞬时频率估计曲线片段。
与现有技术相比,本发明的优点和积极效果在于:
1、本发明将小波变换应用到激光多普勒测速仪中,打破了采用常规方法时因窗口固定所带来的时频分析的局限性,能够根据信号频率的高低自适应的调节窗口大小,进行多分辨率分析,对于波动较大的非平稳信号,可聚焦到信号的任意细节,更好的跟踪信号突变处的细节信息,具有更高的时间分辨率。
2、本发明中将小波变换与快速傅里叶变换相结合,采用快速傅里叶变换对信号进行预处理,确定信号在各时间分段内的频率变化范围,缩小了小波变换中尺度因子的搜索范围,在提高对非平稳信号检测的时间分辨率的同时缩减了算法的运算量,加快了数据处理速度,提高系统的实时性。
附图说明
图1为本发明提供的一种应用于激光多普勒测速仪的速度测量方法的步骤示意图;
图2为本发明提供的基于图1中步骤S2的流程示意图;
图3为本发明提供的基于图1中步骤S3的流程示意图;
图4为本发明提供的基于图1中步骤S4的流程示意图;
图5为本发明提供的基于图1中步骤S5的流程示意图;
图6为本发明提供的一种应用于激光多普勒测速仪的速度测量方法一实施例流程示意图;
图7为本发明提供的一种应用于激光多普勒测速仪的速度测量系统的框架图;
其中,附图标记为:
11、数据采集单元;12、数据分段单元;13、快速傅里叶变换单元;131、瞬时频率估计值获得模块;132、频率搜索范围获得模块;14、小波变换单元;141、尺度因子搜索范围获得模块;142、小波系数获得模块;143、小波脊线提取模块;15、速度-时间曲线获得单元。
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,对本申请进行描述和说明。应当理解,此处所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。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
下面结合附图所示的各实施方式对本发明进行详细说明,但应当说明的是,这些实施方式并非对本发明的限制,本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代,均属于本发明的保护范围之内。
在详细阐述本发明各个实施例之前,对本发明的核心发明思想予以概述,并通过下述若干实施例予以详细阐述。
本发明采用快速傅里叶变换与小波变换相结合,对激光多普勒测速仪采集到的信号进行自适应分段,采用快速傅里叶变换预处理,初步获得分段内的信号频率变化范围,从而确定小波变换的尺度因子的搜索范围及步长,然后对信号进行小波变换,提取小波系数的脊线,获得运动目标物体的瞬时频率,通过时频信号重建,获得被测物体的时间—速度曲线。
实施例一:
图1为本发明提供的一种应用于激光多普勒测速仪的速度测量方法的步骤示意图。如图1所示,本实施例揭示了一种应用于激光多普勒测速仪的速度测量方法(以下简称“方法”)的具体实施方式。
小波变换(Wavelet Trasform,WT)是一种自适应的时频分析方法,它的主要特点是在时间与频率上同时具备良好的局部化特性,通过伸缩平移运算对信号逐步进行多尺度细化,可聚焦到信号的任意细节,可以进行多分辨率分析,对于非平稳信号的时频分析处理更有效。但由于采用小波变换的计算量较大,不利于系统信号处理与分析的实时性。因此本发明利用小波变换与快速傅里叶变换相结合的方法,在提高对非平稳信号突变时刻检测的时间分辨率的同时缩减了算法的运算量,提高了系统实时性。
具体而言,本实施例所揭示的方法主要包括以下步骤:
步骤S1:通过激光多普勒测速仪采集被测物体的运动信号,并根据所述运动信号进行参数设置;
具体而言,设置的所述参数包括:被测物体的速度检测范围、数据加窗长度、小波基函数、小波变换尺度因子的步长。
步骤S2:根据设置的所述参数将所述运动信号进行滤波处理并分段,并将起始段落作为当前段落;
其中,如图2所示,步骤S2具体包括以下内容:
步骤S21:根据所述被测物体的速度检测范围设计带通滤波器,通过所述带通滤波器将所述运动信号进行滤波处理;
步骤S22:根据所述运动信号中的数据总点数与所述数据加窗长度计算所述运动信号的截取段数;
步骤S23:根据所述截取段数对滤波后的所述运动信号进行数据分段。
步骤S3:将当前段落中的信号通过快速傅里叶变换转换到频域并进行频谱分析,获得当前段落中信号的频率搜索范围;
其中,如图3所示,步骤S3具体包括以下内容:
步骤S31:通过在当前段落中信号的频域内求解频谱的模极大值对应的频率得到当前段落中信号的瞬时频率估计值;
步骤S32:根据所述当前段落中信号的瞬时频率估计值确定所述当前段落中信号的频率搜索范围。
步骤S4:通过设置的所述参数和所述频率搜索范围对当前段落中的信号进行小波变换,通过提取小波脊线获得当前段落中信号的瞬时频率估计曲线片段;
其中,如图4所示,步骤S4具体包括以下内容:
步骤S41:根据所述小波变换尺度因子的步长与所述当前段落中信号的频率搜索范围得到当前段落中信号的小波变换的尺度因子搜索范围;
步骤S42:通过所述小波基函数、所述小波变换尺度因子的步长以及所述当前段落中信号的小波变换的尺度因子搜索范围对当前段落中的信号进行小波变换,获得小波系数;
步骤S43:根据所述小波系数采用模极大值法提取小波脊线,获得所述当前段落中信号的瞬时频率估计曲线片段。
步骤S5:判断当前段落是否为最后一段;若否,则将当前段落的段数加一,并返回所述步骤S3;若是,则对每一段落中信号的所述瞬时频率估计曲线片段进行拼接,通过时频信号重建得到被测物体的速度-时间曲线。
其中,如图5所示,步骤S5具体包括以下内容:
步骤S51:将每一段落的所述瞬时频率估计曲线片段进行拼接,得到全时域的信号瞬时频谱估计曲线;
步骤S52:根据所述全时域的信号瞬时频谱估计曲线通过时频信号重建得到被测物体的速度-时间曲线。
以下,请参照图6。图6为本发明提供的一种应用于激光多普勒测速仪的速度测量方法一实施例流程示意图,结合图6,具体说明本方法的应用流程如下:
第一步:激光多普勒测速仪采集数据,获取被测物体的运动信号;
第二步:根据采集到的运动信号进行参数设置:设置被测物体的速度检测范围、数据加窗长度、小波基函数、小波变换尺度因子的步长;
第三步:根据第二步中的速度检测范围,设计带通滤波器;
第四步:对激光多普勒测速仪采集到的运动信号通过第三步中的带通滤波器进行滤波处理,去除噪声;
第五步:根据激光多普勒测速仪采集到的数据总点数和第二步中设置的数据加窗长度,计算数据截取段数;
第六步:对第四步中得到的经过滤波处理的运动信号进行按照上述数据截取段数进行数据分段;
第七步:初始化当前段落参数值为1;
第八步:采用快速傅里叶变换将当前段落中的信号转换到频域,进行频谱分析;
第九步:通过在频域内求解频谱的模极大值对应的频率获得当前段落信号的瞬时频率估计;
第十步:根据获得的当前段落信号的瞬时频率估计值确定当前段落信号的频率搜索范围;
第十一步:通过第二步中设置的小波变换尺度因子的步长和第十步中确定的当前段落信号的频率搜索范围计算得到当前段落小波变换的尺度因子搜索范围;
第十二步:通过第一步中设置的小波基函数、小波变换尺度因子的步长以及第十一步中得到的当前段落的连续小波变换的尺度因子搜索范围,对当前段落中的信号进行小波变换;
第十三步:采用模极大值法提取小波脊线,通过小波的尺度因子与瞬时频率之间的关系获得当前段落信号的瞬时频率估计曲线片段;
第十四步:判断当前段落是否是最后一段。若不是,则当前段落参数值加一,跳转到第八步。若是,则结束循环,跳转到第十五步;
第十五步:将每段得到的瞬时频率估计曲线片段进行拼接,得到全时域的信号瞬时频谱估计曲线。
第十六步:时频信号重建,计算得到被测物体的速度-时间曲线。
以下,结合具体公式进一步详细说明本发明提出的一种应用于激光多普勒测速仪的速度测量方法一实施例。
第二步:设置被测物体的速度检测范围:Vmin和Vmax;设置测量参数:小波基函数ψa(t)、小波变换尺度因子a的步长df及数据加窗长度wlen;
第四步:对激光多普勒测速仪采集到的运动信号用第三步中的带通滤波器进行滤波处理,去除噪声;
第七步:初始化当前段落参数值i=1;
第八步:采用快速傅里叶变换将当前段落的信号转换到频域Si(ω)=FFT(Si(ti)),进行频谱分析;
第十步:根据获得的各段落的瞬时频率估计值确定当前段落信号的频率搜索范围[fmin(i),fmax(i)],i=1,2,…,N。
第十四步:判断当前段落是否是最后一段,即判断当前段落参数值是否大于N,若不是,则当前段落参数值i=i+1,跳转到第八步;若是则结束循环,跳转到第十五步;
本发明利用小波变换多分辨率分析的时频特性对信号进行处理,提高了物体运动速度检测的时间精度;以及,将小波变换与快速傅里叶变换相结合,对频率搜索空间进行自适应调整,有效加快了数据处理速度,提高了系统实时性。
实施例二:
结合实施例一所揭示的一种应用于激光多普勒测速仪的速度测量方法,本实施例揭示了一种应用于激光多普勒测速仪的速度测量系统(以下简称“系统”)的具体实施示例。
参照图7所示,所述系统包括:
数据采集单元11:通过激光多普勒测速仪采集被测物体的运动信号,并根据所述运动信号进行参数设置;
数据分段单元12:根据设置的所述参数将所述运动信号进行滤波处理并分段,并将起始段落作为当前段落;
快速傅里叶变换单元13:将当前段落中的信号通过快速傅里叶变换转换到频域并进行频谱分析,获得当前段落中信号的频率搜索范围;
具体而言,上述快速傅里叶变换单元13包括:
瞬时频率估计值获得模块131:通过在当前段落中信号的频域内求解频谱的模极大值对应的频率得到当前段落中信号的瞬时频率估计值;
频率搜索范围获得模块132:根据所述当前段落中信号的瞬时频率估计值确定所述当前段落中信号的频率搜索范围。
小波变换单元14:通过设置的所述参数和所述频率搜索范围对当前段落中的信号进行小波变换,通过提取小波脊线获得当前段落中信号的瞬时频率估计曲线片段;
具体而言,上述小波变换单元14包括:
尺度因子搜索范围获得模块141:根据所述小波变换尺度因子的步长与所述当前段落中信号的频率搜索范围得到当前段落中信号的小波变换的尺度因子搜索范围;
小波系数获得模块142:通过所述小波基函数、所述小波变换尺度因子的步长以及所述当前段落中信号的小波变换的尺度因子搜索范围对当前段落中的信号进行小波变换,获得小波系数;
小波脊线提取模块143:根据所述小波系数采用模极大值法提取小波脊线,获得所述当前段落中信号的瞬时频率估计曲线片段。
速度-时间曲线获得单元15:判断当前段落是否为最后一段;若否,则将当前段落的段数加一,并返回所述快速傅里叶变换单元13;若是,则对每一段落中信号的所述瞬时频率估计曲线片段进行拼接,通过时频信号重建得到被测物体的速度-时间曲线。
本实施例所揭示的一种应用于激光多普勒测速仪的速度测量系统与实施例一所揭示的一种应用于激光多普勒测速仪的速度测量方法中其余相同部分的技术方案,请参照实施例一所述,在此不再赘述。
以上所述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。
以上所述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,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种应用于激光多普勒测速仪的速度测量方法,其特征在于,包括:
数据采集步骤:通过激光多普勒测速仪采集被测物体的运动信号,并根据所述运动信号进行参数设置;
数据分段步骤:根据设置的所述参数将所述运动信号进行滤波处理并分段,并将起始段落作为当前段落;
快速傅里叶变换步骤:将当前段落中的信号通过快速傅里叶变换转换到频域并进行频谱分析,获得当前段落中信号的频率搜索范围;
小波变换步骤:通过设置的所述参数和所述频率搜索范围对当前段落中的信号进行小波变换,通过提取小波脊线获得当前段落中信号的瞬时频率估计曲线片段;
速度-时间曲线获得步骤:判断当前段落是否为最后一段;若否,则将当前段落的段数加一,并返回所述快速傅里叶变换步骤;若是,则对每一段落中信号的所述瞬时频率估计曲线片段进行拼接,通过时频信号重建得到被测物体的速度-时间曲线。
2.根据权利要求1所述的速度测量方法,其特征在于,设置的所述参数包括:被测物体的速度检测范围、数据加窗长度、小波基函数、小波变换尺度因子的步长。
3.根据权利要求2所述的速度测量方法,其特征在于,所述数据分段步骤还包括:根据所述被测物体的速度检测范围设计带通滤波器,通过所述带通滤波器将所述运动信号进行滤波处理。
4.根据权利要求3所述的速度测量方法,其特征在于,所述数据分段步骤包括:
截取段数获得步骤:根据所述运动信号中的数据总点数与所述数据加窗长度计算所述运动信号的截取段数;
分段处理步骤:根据所述截取段数对滤波后的所述运动信号进行数据分段。
5.根据权利要求4所述的速度测量方法,其特征在于,所述快速傅里叶变换步骤包括:
瞬时频率估计值获得步骤:通过在当前段落中信号的频域内求解频谱的模极大值对应的频率得到当前段落中信号的瞬时频率估计值;
频率搜索范围获得步骤:根据所述当前段落中信号的瞬时频率估计值确定所述当前段落中信号的频率搜索范围。
6.根据权利要求5所述的速度测量方法,其特征在于,所述小波变换步骤包括:
尺度因子搜索范围获得步骤:根据所述小波变换尺度因子的步长与所述当前段落中信号的频率搜索范围得到当前段落中信号的小波变换的尺度因子搜索范围;
小波系数获得步骤:通过所述小波基函数、所述小波变换尺度因子的步长以及所述当前段落中信号的小波变换的尺度因子搜索范围对当前段落中的信号进行小波变换,获得小波系数;
小波脊线提取步骤:根据所述小波系数采用模极大值法提取小波脊线,获得所述当前段落中信号的瞬时频率估计曲线片段。
7.根据权利要求6所述的速度测量方法,其特征在于,所述速度-时间曲线获得步骤包括:
数据拼接步骤:将每一段落的所述瞬时频率估计曲线片段进行拼接,得到全时域的信号瞬时频谱估计曲线;
时频信号重建步骤:根据所述全时域的信号瞬时频谱估计曲线通过时频信号重建得到被测物体的速度-时间曲线。
8.一种应用于激光多普勒测速仪的速度测量系统,其特征在于,包括:
数据采集单元:通过激光多普勒测速仪采集被测物体的运动信号,并根据所述运动信号进行参数设置;
数据分段单元:根据设置的所述参数将所述运动信号进行滤波处理并分段,并将起始段落作为当前段落;
快速傅里叶变换单元:将当前段落中的信号通过快速傅里叶变换转换到频域并进行频谱分析,获得当前段落中信号的频率搜索范围;
小波变换单元:通过设置的所述参数和所述频率搜索范围对当前段落中的信号进行小波变换,通过提取小波脊线获得当前段落中信号的瞬时频率估计曲线片段;
速度-时间曲线获得单元:判断当前段落是否为最后一段;若否,则将当前段落的段数加一,并返回所述快速傅里叶变换单元;若是,则对每一段落中信号的所述瞬时频率估计曲线片段进行拼接,通过时频信号重建得到被测物体的速度-时间曲线。
9.根据权利要求8所述的速度测量系统,其特征在于,所述快速傅里叶变换单元包括:
瞬时频率估计值获得模块:通过在当前段落中信号的频域内求解频谱的模极大值对应的频率得到当前段落中信号的瞬时频率估计值;
频率搜索范围获得模块:根据所述当前段落中信号的瞬时频率估计值确定所述当前段落中信号的频率搜索范围。
10.根据权利要求9所述的速度测量系统,其特征在于,所述小波变换单元包括:
尺度因子搜索范围获得模块:根据所述小波变换尺度因子的步长与所述当前段落中信号的频率搜索范围得到当前段落中信号的小波变换的尺度因子搜索范围;
小波系数获得模块:通过所述小波基函数、所述小波变换尺度因子的步长以及所述当前段落中信号的小波变换的尺度因子搜索范围对当前段落中的信号进行小波变换,获得小波系数;
小波脊线提取模块:根据所述小波系数采用模极大值法提取小波脊线,获得所述当前段落中信号的瞬时频率估计曲线片段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111610062.0A CN114325740A (zh) | 2021-12-27 | 2021-12-27 | 一种应用于激光多普勒测速仪的速度测量方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111610062.0A CN114325740A (zh) | 2021-12-27 | 2021-12-27 | 一种应用于激光多普勒测速仪的速度测量方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114325740A true CN114325740A (zh) | 2022-04-12 |
Family
ID=81013408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111610062.0A Pending CN114325740A (zh) | 2021-12-27 | 2021-12-27 | 一种应用于激光多普勒测速仪的速度测量方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114325740A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115126963A (zh) * | 2022-06-21 | 2022-09-30 | 安徽省特种设备检测院 | 一种内检测器的检测信号处理方法及系统 |
CN117168604A (zh) * | 2023-09-04 | 2023-12-05 | 中冶建筑研究总院有限公司 | 结构振动频率的多普勒矢量化测试方法 |
-
2021
- 2021-12-27 CN CN202111610062.0A patent/CN114325740A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115126963A (zh) * | 2022-06-21 | 2022-09-30 | 安徽省特种设备检测院 | 一种内检测器的检测信号处理方法及系统 |
CN115126963B (zh) * | 2022-06-21 | 2022-12-30 | 安徽省特种设备检测院 | 一种内检测器的检测信号处理方法及系统 |
CN117168604A (zh) * | 2023-09-04 | 2023-12-05 | 中冶建筑研究总院有限公司 | 结构振动频率的多普勒矢量化测试方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Research on bearing fault feature extraction based on singular value decomposition and optimized frequency band entropy | |
Wang et al. | Fault diagnosis of diesel engine based on adaptive wavelet packets and EEMD-fractal dimension | |
CN114325740A (zh) | 一种应用于激光多普勒测速仪的速度测量方法与系统 | |
CN108845250B (zh) | 基于振动信号特征提取的有载分接开关故障识别方法 | |
CN112401856B (zh) | 一种基于毫米波雷达的疗养院监护方法及系统 | |
Liu et al. | Deep learning and recognition of radar jamming based on CNN | |
Yu et al. | A novel improved full vector spectrum algorithm and its application in multi-sensor data fusion for hydraulic pumps | |
Meng et al. | Fault diagnosis of rolling bearing based on second generation wavelet denoising and morphological filter | |
Han et al. | Roller bearing fault diagnosis based on LMD and multi-scale symbolic dynamic information entropy | |
Kumar et al. | Manifold learning using linear local tangent space alignment (LLTSA) algorithm for noise removal in wavelet filtered vibration signal | |
CN104515905B (zh) | 基于cqt多分辨率的被试的脑电信号自适应频谱分析方法 | |
Shuuji et al. | Low-speed bearing fault diagnosis based on improved statistical filtering and convolutional neural network | |
CN109883706A (zh) | 一种滚动轴承局部损伤微弱故障特征提取方法 | |
CN101251445A (zh) | 旋转机械碰摩声发射信号的分形特征分析方法 | |
CN112168152A (zh) | 呼吸心跳的检测方法、检测装置与计算机可读存储介质 | |
Huang et al. | A practical fundamental frequency extraction algorithm for motion parameters estimation of moving targets | |
Fu et al. | An improved VMD-based denoising method for time domain load signal combining wavelet with singular spectrum analysis | |
Zhang et al. | Tacholess bearing fault detection based on adaptive impulse extraction in the time domain under fluctuant speed | |
CN108903914A (zh) | 一种基于emd分解的mfcc的心音类型识别方法 | |
CN111582138A (zh) | 基于频域倒谱系数特征的心电身份识别方法及系统 | |
CN114295195A (zh) | 基于特征提取的光纤传感振动信号的异常判断方法和系统 | |
CN117571316A (zh) | 一种复合故障诊断方法及系统 | |
CN117347043A (zh) | 一种旋转机械瞬时转速提取方法、装置、设备及存储介质 | |
Lu et al. | A noise reduction method of rolling bearing based on empirical wavelet transform and adaptive time frequency peak filtering | |
Chen et al. | Image feature extraction based on HOG and its application to fault diagnosis for rotating machinery |
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 |