CN115951328B - 基于概率密度约束的测风激光雷达风速估计方法和装置 - Google Patents
基于概率密度约束的测风激光雷达风速估计方法和装置 Download PDFInfo
- Publication number
- CN115951328B CN115951328B CN202310226207.XA CN202310226207A CN115951328B CN 115951328 B CN115951328 B CN 115951328B CN 202310226207 A CN202310226207 A CN 202310226207A CN 115951328 B CN115951328 B CN 115951328B
- Authority
- CN
- China
- Prior art keywords
- wind speed
- distance
- correction
- gate
- peak
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000001228 spectrum Methods 0.000 claims abstract description 136
- 238000009826 distribution Methods 0.000 claims abstract description 47
- 238000012937 correction Methods 0.000 claims description 279
- 230000008859 change Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 abstract description 8
- 238000012549 training Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 239000000443 aerosol Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Radar Systems Or Details Thereof (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请涉及测风激光雷达技术领域的一种基于概率密度约束的测风激光雷达风速估计方法和装置。所述方法利用风场的时空连续性,使用前序距离门的风速分布修正后续距离门的功率谱观测,实现了从高信噪比区域获取信息来增强低信噪比区域的信噪比,有效的延拓测风激光雷达的探测范围,且无需额外的数据或预先的训练,基于回波数据本身即可;除此之外,本方法不通过插值等方式产生额外的风速估计值,只选出原始数据中存在的最合理的信号峰,风速估计结果更加可靠。
Description
技术领域
本申请涉及测风激光雷达技术领域,特别是涉及一种基于概率密度约束的测风激光雷达风速估计方法和装置。
背景技术
测风激光雷达是当前风场探测的一种重要技术手段。测风激光雷达的主要原理是发射的激光载波与空气中气溶胶粒子相互作用后发生多普勒频移,通过频谱分析检测散射回波的多普勒频移得到风速,间接实现风场信息的感知。激光雷达的探测距离和风速估计的准确程度都依赖于激光雷达回波的信噪比。而由于激光雷达的后向散射回波十分微弱,且低气溶胶浓度、恶劣的天气环境和激光雷达系统非线性响应等都会带来额外的噪声,导致激光雷达的回波信噪比总体较低。且根据激光雷达公式,回波信噪比以探测距离的平方的速度衰减,则在远距离处,回波信噪比不可避免的会更低。而由于激光脉冲的峰值功率受限,难以无限的提高发射信号的能量,这进一步限制了测风激光雷达能达到的最大回波信噪比。因此还需要优化测风激光雷达的风速估计方法,来增强激光雷达的风速估计准确性,尤其是在低信噪比下的风速估计性能。
发明内容
基于此,有必要针对上述技术问题,提供一种能够增强低信噪比下的测风激光雷达风速估计准确度,有效增大探测距离的基于概率密度约束的测风激光雷达风速估计方法和装置。
一种基于概率密度约束的测风激光雷达风速估计方法,所述方法包括:
接收大气回波信号,并按距离门划分处理,得到每个距离门的功率谱原始数据,经每个距离门的功率谱峰值作为该距离门的风速估计值。
根据所述风速估计值确定风速偏移点,将所述风速偏移点作为初始校正点。
将初始校正点作为当前校正距离门。
根据所述当前校正距离门前的m个距离门的校正系数和风速估计值,确定所述当前校正距离门前的m个距离门中每个距离门的风速概率密度分布;距离门的校正系数是根据所述初始校正点对应的距离门的功率谱的实际信号峰、干扰噪声峰以及调节系数计算得到的,用于将该距离门的功率谱的信号峰的强度提升到高于噪声峰的强度;m为大于0小于20的整数。
将所述当前校正距离门前的m个距离门的风速概率密度分布进行加权求和后与所述当前校正距离门的功率谱相乘,得到所述当前校正距离门的修正后的功率谱,并将所述修正后的功率谱的峰值作为所述当前校正距离门的估计风速。
将当前校正距离门更新为下一个距离门,继续对当前校正距离门进行功率谱修正,直到遍历完初始校正点后所有距离门为止。
根据所述修正后的功率谱重新确定起始校正点,继续进行下一轮功率谱修正迭代,直到估计风速无突变不合理值为止,停止迭代,得到最终估计风速。
在其中一个实施例中,根据所述风速估计值确定风速偏移点,将所述风速偏移点作为初始校正点,包括:
计算后一个风速和前一个风速之间的差值,若得到的差值大于预设阈值,则将该点作为起始校正点;所述预设阈值的设定要根据当前风场的变化剧烈程度,以及所选择距离门的大小设定的,预设阈值范围在0.5-10m/s。
在其中一个实施例中,根据所述风速估计值确定风速偏移点,将所述风速偏移点作为初始校正点,包括:
计算出单个风速值距离其前序5个风速平均值的差值,将得到的差值第一个大于预设阈值的点作为起始校正点;所述预设阈值是根据当前风场的变化剧烈程度,以及所选择距离门的大小设定的,预设阈值范围在0.5-10m/s。
在其中一个实施例中,根据所述当前校正距离门前的m个距离门的校正系数和风速估计值,确定所述当前校正距离门前的m个距离门中每个距离门的风速概率密度分布,步骤中所述距离门的校正系数的计算步骤具体包括:
找出所述初始校正点对应的距离门的功率谱的所有峰,将距离该距离门的前一个距离门的功率谱的峰值最近的一个峰作为实际信号峰,将峰值最高的峰作为干扰噪声峰;
根据所述干扰噪声峰的频率或风速估计值与所述实际信号峰的频率或风速估计值,得到间隔为:
,
其中,为间隔,为干扰噪声峰的频率或风速估计值,为所述实际信号峰的频率或风速估计值。
根据所述间隔、所述干扰噪声峰的强度、所述实际信号峰的强度,得到校正系数的近似值,校准系数近似值的表达式为:
,
其中,为校正系数,为干扰噪声峰的强度,为实际信号峰的强度。
利用调节系数来控制修正后信号峰强度比噪声峰强度增大的比例,得到校正系数,校正系数的表达式为:
,
其中,
k为调节系数;。
在其中一个实施例中,根据所述当前校正距离门前的m个距离门的校正系数和风速估计值,确定所述当前校正距离门前的m个距离门中每个距离门的风速概率密度分布,包括:
根据所述当前校正距离门前的m个距离门的校正系数和风速估计值,确定所述当前校正距离门前的m个距离门中每个距离门的风速概率密度分布为:
,
其中,为第个距离门的风速概率密度分布,,为当前校正距离门的序号,为当前轮的距离门校正系数,为第个距离门的风速估计值,代表速度变量,涵盖所有可能的速度取值。
在其中一个实施例中,将所述当前校正距离门前的m个距离门的风速概率密度分布进行加权求和后与所述当前校正距离门的功率谱相乘,得到所述当前校正距离门的修正后的功率谱,并将所述修正后的功率谱的峰值作为所述当前校正距离门的估计风速,包括:
将所述当前校正距离门前的m个距离门的风速概率密度分布进行加权求和后与所述当前校正距离门的功率谱相乘,得到所述当前校正距离门的修正后的功率谱为:
,
其中,为当前校正距离门,为当前校正距离门的功率谱,为当前校正距离门的修正后的功率谱,为第个距离门的权重系数,。
将所述修正后的功率谱的峰值作为所述当前校正距离门的估计风速。
一种基于概率密度约束的测风激光雷达风速估计装置,所述装置包括:
功率谱原值数据获取模块,用于接收大气回波信号,并按距离门划分处理,得到每个距离门的功率谱原始数据,经每个距离门的功率谱峰值作为该距离门的风速估计值。
初始校正点确定模块,用于根据所述风速估计值确定风速偏移点,将所述风速偏移点作为初始校正点。
校正模块,用于将初始校正点作为当前校正距离门;根据所述当前校正距离门前的m个距离门的校正系数和风速估计值,确定所述当前校正距离门前的m个距离门中每个距离门的风速概率密度分布;距离门的校正系数是根据所述初始校正点对应的距离门的功率谱的实际信号峰、干扰噪声峰以及调节系数计算得到的,用于将该距离门的功率谱的信号峰的强度提升到高于噪声峰的强度;m为大于0小于20的整数;将所述当前校正距离门前的m个距离门的风速概率密度分布进行加权求和后与所述当前校正距离门的功率谱相乘,得到所述当前校正距离门的修正后的功率谱,并将所述修正后的功率谱的峰值作为所述当前校正距离门的估计风速;将当前校正距离门更新为下一个距离门,继续对当前校正距离门进行功率谱修正,直到遍历完初始校正点后所有距离门为止。
估计风速确定模块,根据所述修正后的功率谱重新确定起始校正点,继续进行下一轮功率谱修正迭代,直到估计风速无突变不合理值为止,停止迭代,得到最终估计风速。
在其中一个实施例中,初始校正点确定模块,还用于计算后一个风速和前一个风速之间的差值,若得到的差值大于预设阈值,则将该点作为起始校正点;所述预设阈值的设定要根据当前风场的变化剧烈程度,以及所选择距离门的大小设定的,预设阈值范围在0.5-10m/s。
在其中一个实施例中,初始校正点确定模块,还用于计算出单个风速值距离其前序5个风速平均值的差值,将得到的差值第一个大于预设阈值的点作为起始校正点;所述预设阈值是根据当前风场的变化剧烈程度,以及所选择距离门的大小设定的,预设阈值范围在0.5-10m/s。
在其中一个实施例中,校正模块中所述距离门的校正系数的计算步骤具体包括:找出所述初始校正点对应的距离门的功率谱的所有峰,将距离该距离门的前一个距离门的功率谱的峰值最近的一个峰作为实际信号峰,将峰值最高的峰作为干扰噪声峰; 根据所述干扰噪声峰的频率或风速估计值与所述实际信号峰的频率或风速估计值,得到间隔为:
,
其中,为间隔,为干扰噪声峰的频率或风速估计值,为所述实际信号峰的频率或风速估计值;
根据所述间隔、所述干扰噪声峰的强度、所述实际信号峰的强度,得到校正系数的近似值,校准系数近似值的表达式为:
,
其中,为校正系数,为干扰噪声峰的强度,为实际信号峰的强度;
利用调节系数来控制修正后信号峰强度比噪声峰强度增大的比例,得到校正系数,校正系数的表达式为:
,
其中,
k为调节系数;。
上述基于概率密度约束的测风激光雷达风速估计方法和装置,所述方法利用风场的时空连续性,使用前序距离门的风速分布修正后续脉距离门的功率谱观测,实现了从高信噪比区域获取信息来增强低信噪比区域的信噪比,有效的延拓测风激光雷达的探测范围,且无需额外的数据或预先的训练,基于回波数据本身即可;除此之外,本方法不通过插值等方式产生额外的风速估计值,只选出原始数据中存在的最合理的信号峰,风速估计结果更加可靠。
附图说明
图1为一个实施例中测风激光雷达风速估计方法的原理图;
图2为一个实施例中测风激光雷达风速估计方法的流程示意图;
图3为另一个实施例中对第91个距离门的功率谱在采用测风激光雷达风速估计修正前后的对比图;
图4为另一个实施例中测风激光雷达风速估计方法的过程步骤图;
图5为另一个实施例中采用测风激光雷达风速估计方法和传统基于功率谱峰值的风速估计方法测速结果对比示意图
图6为一个实施例中测风激光雷达风速估计装置的结构框图。
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。
本申请提供的基于概率密度约束的测风激光雷达风速估计方法利用了风场作为流体的时空连续性,即:相邻位置的风速不会突变,越邻近的位置的风速越相近。具体原理为基于前序风场分布通过自适应迭代推导出风速概率密度分布,来修正当前低信噪比区域的功率谱分布,进而获得更合理的风速估计值。测风激光雷达风速估计方法的原理图如图1所示。图1中上半部分按列举例画出部分距离门的功率谱,其中纵坐标为风速,横坐标对应功率谱强度,每一列对应一个距离门的功率谱。每一列中三角形标记对应真实风速,在左侧靠近激光雷达区域信噪比较高,功率谱峰值即对应着风速,右侧原理激光雷达区域的信噪比较低,噪声所导致的峰大于信号峰,这里以最后一列为例,此时的距离门为第。信号峰为,噪声峰为,噪声峰强度超过了信号峰,此时如果使用功率谱峰值是无法估计出真实的风速的。通过计算出前序从第到个距离门的速度概率分布,按照权重系数来修正当前第个距离门的功率谱计算值。修正后的功率谱如图1的下半部分所示,修正后信号峰的强度大于噪声峰,此时功率谱峰值对应着真实风速。由此可以看出,通过基于概率密度约束的测风激光雷达风速估计方法可以修正被噪声污染后的功率谱,提高回波的信噪比。
在一个实施例中,如图2所示,提供了一种基于概率密度约束的测风激光雷达风速估计方法,该方法包括以下步骤:
步骤200:接收大气回波信号,并按距离门划分处理,得到每个距离门的功率谱原始数据,经每个距离门的功率谱峰值作为该距离门的风速估计值。
步骤202:根据风速估计值确定风速偏移点,将风速偏移点作为初始校正点。
具体的,利用了风场作为流体的时空连续性,即:相邻位置的风速不会突变,越邻近的位置的风速越相近。
找出风速估计值中明显偏离所在风速曲线的点,作为起始校正点。
步骤204:将初始校正点作为当前校正距离门;根据当前校正距离门前的m个距离门的校正系数和风速估计值,确定当前校正距离门前的m个距离门中每个距离门的风速概率密度分布;距离门的校正系数是根据初始校正点对应的距离门的功率谱的实际信号峰、干扰噪声峰以及调节系数计算得到的,用于将该距离门的功率谱的信号峰的强度提升到高于噪声峰的强度;m为大于0小于20的整数。
具体的,每个距离门的风速概率密度分布,由估计风速和校正系数共同决定,m由实际情况决定,作为优选,m的取值范围在1-20,表示选择前序多少个距离门的信息对当前待修正距离门进行校正。
步骤206:将当前校正距离门前的m个距离门的风速概率密度分布进行加权求和后与当前校正距离门的功率谱相乘,得到当前校正距离门的修正后的功率谱,并将修正后的功率谱的峰值作为当前校正距离门的估计风速。
具体的,将当前校正距离门前的m个距离门的风速概率密度分布进行加权求和的权重系数,由第个距离门和当前校正距离门之间的共同探测区域比值决定,范围在0-1,其中,
N为当前校正距离门的序号。
步骤208:将当前校正距离门更新为下一个距离门,继续对当前校正距离门进行功率谱修正,直到遍历完初始校正点后所有距离门为止。
具体的,对初始校正点后的所有距离门都采用上述相同的方法进行功率谱修正。
步骤210:根据修正后的功率谱重新确定起始校正点,继续进行下一轮功率谱修正迭代,直到估计风速无突变不合理值为止,停止迭代,得到最终估计风速。
上述测风激光雷达风速估计方法中,该方法利用风场的时空连续性,使用前序距离门的风速分布修正后续脉距离门的功率谱观测,实现了从高信噪比区域获取信息来增强低信噪比区域的信噪比,有效的延拓测风激光雷达的探测范围,且无需额外的数据或预先的训练,基于回波数据本身即可;除此之外,本方法不通过插值等方式产生额外的风速估计值,只选出原始数据中存在的最合理的信号峰,风速估计结果更加可靠。
在其中一个实施例中,步骤202包括:计算后一个风速和前一个风速之间的差值,若得到的差值大于预设阈值,则将该点作为起始校正点;预设阈值的设定要根据当前风场的变化剧烈程度,以及所选择距离门的大小设定的,预设阈值范围在0.5-10m/s。
具体的,计算后一个风速和前一个风速之间的差值(即:计算相邻两个距离门的风速的差值),若大于某个阈值,例如常规经验值3m/s,该点作为起始校正点。阈值的设定要根据当前风场的变化剧烈程度,以及所选择距离门的大小,如果风场变化距离且距离门选择的较大,应该设置较大的阈值,但是阈值通常范围在0.5-10m/s。
在其中一个实施例中,步骤202包括:计算出单个风速值距离其前序5个风速平均值的差值,将得到的差值第一个大于预设阈值的点作为起始校正点;预设阈值是根据当前风场的变化剧烈程度,以及所选择距离门的大小设定的,预设阈值范围在0.5-10m/s。
具体的,计算出单个风速值距离其前序5个风速平均值的差值,对于第一个大于某个阈值,例如3m/s的点作为起始校正点。阈值的设定要根据当前风场的变化剧烈程度,以及所选择距离门的大小,如果风场变化距离且距离门选择的较大,应该设置较大的阈值,但是阈值通常范围在0.5-10m/s。
单个风速值是指每一个距离门的风速,或者说选中的距离门的风速。
前序5个风速平均值是指选中的距离门之前的5个距离门的风速估计值的平均值,比如选中了第6个距离门,就是以1-5个距离门的风速估计值的平均值作为其前序5个风速平均值。
在其中一个实施例中,步骤204中距离门的校正系数的计算步骤具体包括:找出初始校正点对应的距离门的功率谱的所有峰,将距离该距离门的前一个距离门的功率谱的峰值最近的一个峰作为实际信号峰,将峰值最高的峰作为干扰噪声峰;根据干扰噪声峰的频率或风速估计值与实际信号峰的频率或风速估计值,得到间隔为:
(1)
其中,为间隔,为干扰噪声峰的频率或风速估计值,为实际信号峰的频率或风速估计值。
根据间隔、干扰噪声峰的强度、实际信号峰的强度,得到校正系数的近似值,校准系数近似值的表达式为:
(2)
其中,为校正系数,为干扰噪声峰的强度,为实际信号峰的强度。
利用调节系数来控制修正后信号峰强度比噪声峰强度增大的比例,得到校正系数,校正系数的表达式为:
(3)
其中,
k为调节系数;。
具体的,校正系数的推到过程如下:
1)找出起始校正点的所有峰,其中距离其前一个距离门峰值最近的一个峰认为是实际信号峰假设为,即实际信号峰的强度为所处的频率或速度值为,峰值最高的峰作为干扰噪声峰假设为,即干扰噪声峰的强度为所处的频率或速度值为,间隔为;
2)计算将实际信号峰的强度提升到高于干扰噪声峰所需要的校正系数,计算公式如下:
(4)
其中,是当前校正距离门的前一个距离门的速度估计值。由于风速概率分布为高斯型,理论上说乘以前一个距离门的概率分布这种修正方法能够增强实际信号峰的强度,同时降低干扰噪声峰的强度,如果修正后信号峰等于噪声峰,则可推导出上述公式。但如果以功率谱峰值作为估计的风速,则信号峰强度要略大于噪声峰强度,为此引入一个调节系数
k用来控制修正后信号峰强度比噪声峰强度增大的比例,即。其中,一般取值在1-3之间,实际中可根据风速变动的幅度情况调整,若风速变换幅度大速度快,则相邻距离之前的约束应较弱,
k的值更偏向于1,若风速变换的幅度小速度慢,则相邻距离之间的约束较强,
k的值应设置较大。
值得注意的是:在对第一轮修正的过程中,根据起始距离门(即:初始校正点对应的距离门)的两个峰计算出校正系数后,这一轮修正中所有的距离门都用这个系数,但是下一轮重新开始选起始校正点后需要重算校正系数。
在其中一个实施例中,步骤204包括:根据当前校正距离门前的m个距离门的校正系数和风速估计值,确定当前校正距离门前的m个距离门中每个距离门的风速概率密度分布为:
(5)
其中,为第个距离门的风速概率密度分布,是风速的一个可能性分布,,为当前校正距离门的序号,为当前轮的距离门校正系数,为第个距离门的风速估计值,代表速度变量,涵盖所有可能的速度取值。
在其中一个实施例中,步骤206包括:将当前校正距离门前的m个距离门的风速概率密度分布进行加权求和后与当前校正距离门的功率谱相乘,得到当前校正距离门的修正后的功率谱为:
(6)
其中,为当前校正距离门,为当前校正距离门的功率谱,为当前校正距离门的修正后的功率谱,为第个距离门的权重系数,。
将修正后的功率谱的峰值作为当前校正距离门的估计风速。
具体的,用每一轮的距离门的校正系数写出每个距离门的风速概率密度分布修正项,将当前校正距离门前的m个距离门的每个距离门的风速概率密度分布修正项进行加权求和后的结果乘以当前校正距离门的功率谱,得到当前校正距离门修正后的功率谱,并将修正后功率谱的峰值作为估计的风速。
在一个实施例中,对第91个距离门的功率谱在采用基于风速概率密度分布约束修正前后的对比如图3所示,实线为第91个距离门的功率谱,可以看到功率谱有三个峰,其中最右边的峰值最高。短点虚线为第90个距离门的功率谱,中间的峰强度最大,此时信噪比较高,功率谱峰值和估计速度值是一致的。因此,第91个距离门的中间峰应该为真实的风速形成的峰,距第90个距离门的峰最近。经过修正后的第91个距离门的功率谱如长点虚线所示,中间的实际风速形成的峰提高,两侧的噪声峰降低,此时功率谱峰值的点对应着真实速度,表明经过概率密度修正后风速估计值从错误变为正确。
在一个实施例中,如图4所示的基于概率密度约束的测风激光雷达风速估计方法的过程步骤图,该测风激光雷达风速估计方法的整个流程为:首先对输入的大气回波信号按照距离门计算出功率谱并以功率谱峰值作为估计出的风速;然后选出速度偏移点作为起始待校正距离门,找出该距离门的功率谱中峰值最高的峰作为噪声峰,距离前一距离门峰值最近的峰作为信号峰;以将信号峰峰值提升到高于噪声峰的标准,计算出校正系数,并写出概率密度修正项(概率密度修正项的定义为当前校正距离门前的m个距离门的风速概率密度分布的加权和);以概率密度修正项来修正以起始待校正距离门开始的功率谱,并获得校正后功率谱的峰值作为风速;最后基于校正后功率谱再重新选出速度偏移点,进行迭代校正。此方法的好处是,对于信噪比很低的功率谱可以多次利用前序风速概率分布进行修正,远距离和近距离的迭代次数可以不同,且判断标准可根据实际情况设置,迭代次数和强度可调。
在一个实施例中,提供的采用本申请的测风激光雷达风速估计方法和传统基于功率谱峰值的风速估计方法测速结果对比示意图如图5所示。基于功率谱峰值作为估计的风速在较短距离就会开始出现速度震荡,700m后速度就开始错误。但是基于本发明的概率密度约束的风速估计方法,能够将速度值的合理估计范围扩展到1300m以上,且不改变风速的趋势和细节,充分体现出本发明的优势。
应该理解的是,虽然图2和图4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2和图4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种基于概率密度约束的测风激光雷达风速估计装置,包括:功率谱原值数据获取模块、初始校正点确定模块、校正模块和估计风速确定模块,其中:
功率谱原值数据获取模块,用于接收大气回波信号,并按距离门划分处理,得到每个距离门的功率谱原始数据,经每个距离门的功率谱峰值作为该距离门的风速估计值。
初始校正点确定模块,用于根据风速估计值确定风速偏移点,将风速偏移点作为初始校正点。
校正模块,用于将初始校正点作为当前校正距离门;根据当前校正距离门前的m个距离门的校正系数和风速估计值,确定当前校正距离门前的m个距离门中每个距离门的风速概率密度分布;距离门的校正系数是根据初始校正点对应的距离门的功率谱的实际信号峰、干扰噪声峰以及调节系数计算得到的,用于将该距离门的功率谱的信号峰的强度提升到高于噪声峰的强度;m为大于0小于20的整数;将当前校正距离门前的m个距离门的风速概率密度分布进行加权求和后与当前校正距离门的功率谱相乘,得到当前校正距离门的修正后的功率谱,并将修正后的功率谱的峰值作为当前校正距离门的估计风速;将当前校正距离门更新为下一个距离门,继续对当前校正距离门进行功率谱修正,直到遍历完初始校正点后所有距离门为止。
估计风速确定模块,根据修正后的功率谱重新确定起始校正点,继续进行下一轮功率谱修正迭代,直到估计风速无突变不合理值为止,停止迭代,得到最终估计风速。
在其中一个实施例中,初始校正点确定模块,还用于计算后一个风速和前一个风速之间的差值,若得到的差值大于预设阈值,则将该点作为起始校正点;预设阈值的设定要根据当前风场的变化剧烈程度,以及所选择距离门的大小设定的,预设阈值范围在0.5-10m/s。
在其中一个实施例中,初始校正点确定模块,还用于计算出单个风速值距离其前序5个风速平均值的差值,将得到的差值第一个大于预设阈值的点作为起始校正点;预设阈值是根据当前风场的变化剧烈程度,以及所选择距离门的大小设定的,预设阈值范围在0.5-10m/s。
在其中一个实施例中,校正模块中距离门的校正系数的计算步骤具体包括:找出初始校正点对应的距离门的功率谱的所有峰,将距离该距离门的前一个距离门的功率谱的峰值最近的一个峰作为实际信号峰,将峰值最高的峰作为干扰噪声峰;根据干扰噪声峰的频率或风速估计值与实际信号峰的频率或风速估计值,得到间隔,间隔的表达式如式(1)所示。
根据间隔、干扰噪声峰的强度、实际信号峰的强度,得到校正系数的近似值,校准系数近似值的表达式如式(2)所示。。
利用调节系数来控制修正后信号峰强度比噪声峰强度增大的比例,得到校正系数,校正系数的表达式如式(3)所示。
在其中一个实施例中,校正模块,还用于根据当前校正距离门前的m个距离门的校正系数和风速估计值,确定当前校正距离门前的m个距离门中每个距离门的风速概率密度分布,其表达式如式(5)所示。
在其中一个实施例中,校正模块,还用于将当前校正距离门前的m个距离门的风速概率密度分布进行加权求和后与当前校正距离门的功率谱相乘,得到当前校正距离门的修正后的功率谱,其表达式如式(6)所示。
将修正后的功率谱的峰值作为当前校正距离门的估计风速。
关于测风激光雷达风速估计装置的具体限定可以参见上文中对于测风激光雷达风速估计方法的限定,在此不再赘述。上述测风激光雷达风速估计装置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计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
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)
1.一种基于概率密度约束的测风激光雷达风速估计方法,其特征在于,所述方法包括:
接收大气回波信号,并按距离门划分处理,得到每个距离门的功率谱原始数据,经每个距离门的功率谱峰值作为该距离门的风速估计值;
根据所述风速估计值确定风速偏移点,将所述风速偏移点作为初始校正点;
将初始校正点作为当前校正距离门;
根据所述当前校正距离门前的m个距离门的校正系数和风速估计值,确定所述当前校正距离门前的m个距离门中每个距离门的风速概率密度分布;距离门的校正系数是根据初始校正点对应的距离门的功率谱中的实际信号峰、干扰噪声峰以及调节系数计算得到的,用于将该距离门的功率谱中的实际信号峰的强度提升到高于干扰噪声峰的强度;m为大于0小于20的整数;
将所述当前校正距离门前的m个距离门的风速概率密度分布进行加权求和后与所述当前校正距离门的功率谱相乘,得到所述当前校正距离门的修正后的功率谱,并将所述修正后的功率谱的峰值作为所述当前校正距离门的估计风速;
将当前校正距离门更新为下一个距离门,继续对当前校正距离门进行功率谱修正,直到遍历完初始校正点后所有距离门为止;
根据所述修正后的功率谱重新确定起始校正点,继续进行下一轮功率谱修正迭代,直到估计风速无突变不合理值为止,停止迭代,得到最终估计风速。
2.根据权利要求1所述的方法,其特征在于,根据所述风速估计值确定风速偏移点,将所述风速偏移点作为初始校正点,包括:
计算后一个风速和前一个风速之间的差值,若得到的差值大于预设阈值,则将该点作为起始校正点;所述预设阈值的设定要根据当前风场的变化剧烈程度,以及所选择距离门的大小设定的,预设阈值范围在0.5-10m/s。
3.根据权利要求1所述的方法,其特征在于,根据所述风速估计值确定风速偏移点,将所述风速偏移点作为初始校正点,包括:
计算出单个风速值距离其前序5个风速平均值的差值,将得到的差值第一个大于预设阈值的点作为起始校正点;所述预设阈值是根据当前风场的变化剧烈程度,以及所选择距离门的大小设定的,预设阈值范围在0.5-10m/s。
4.根据权利要求1所述的方法,其特征在于,根据所述当前校正距离门前的m个距离门的校正系数和风速估计值,确定所述当前校正距离门前的m个距离门中每个距离门的风速概率密度分布,步骤中所述距离门的校正系数的计算步骤具体包括:
找出所述初始校正点对应的距离门的功率谱的所有峰,将距离该距离门的前一个距离门的功率谱的峰值最近的一个峰作为实际信号峰,将峰值最高的峰作为干扰噪声峰;
根据所述干扰噪声峰的频率或风速估计值与所述实际信号峰的频率或风速估计值,得到间隔为:
,
其中,为间隔,为干扰噪声峰的频率或风速估计值,为所述实际信号峰的频率或风速估计值;
根据所述间隔、所述干扰噪声峰的强度、所述实际信号峰的强度,得到校正系数的近似值,校准系数近似值的表达式为:
,
其中,为校正系数,为干扰噪声峰的强度,为实际信号峰的强度;
利用调节系数来控制修正后信号峰强度比噪声峰强度增大的比例,得到校正系数,校正系数的表达式为:
,
其中,k为调节系数;。
5.根据权利要求1所述的方法,其特征在于,根据所述当前校正距离门前的m个距离门的校正系数和风速估计值,确定所述当前校正距离门前的m个距离门中每个距离门的风速概率密度分布,包括:
根据所述当前校正距离门前的m个距离门的校正系数和风速估计值,确定所述当前校正距离门前的m个距离门中每个距离门的风速概率密度分布为:
,
其中,为第个距离门的风速概率密度分布,,为当前校正距离门的序号,为当前轮的距离门校正系数,为第个距离门的风速估计值,代表速度变量。
6.根据权利要求1所述的方法,其特征在于,将所述当前校正距离门前的m个距离门的风速概率密度分布进行加权求和后与所述当前校正距离门的功率谱相乘,得到所述当前校正距离门的修正后的功率谱,并将所述修正后的功率谱的峰值作为所述当前校正距离门的估计风速,包括:
将所述当前校正距离门前的m个距离门的风速概率密度分布进行加权求和后与所述当前校正距离门的功率谱相乘,得到所述当前校正距离门的修正后的功率谱为:
,
其中,为当前校正距离门,为当前校正距离门的功率谱,为当前校正距离门的修正后的功率谱,为第个距离门的权重系数,;N为当前校正距离门的序号;
将所述修正后的功率谱的峰值作为所述当前校正距离门的估计风速。
7.一种基于概率密度约束的测风激光雷达风速估计装置,其特征在于,所述装置包括:
功率谱原值数据获取模块,用于接收大气回波信号,并按距离门划分处理,得到每个距离门的功率谱原始数据,经每个距离门的功率谱峰值作为该距离门的风速估计值;
初始校正点确定模块,用于根据所述风速估计值确定风速偏移点,将所述风速偏移点作为初始校正点;
校正模块,用于将初始校正点作为当前校正距离门;根据所述当前校正距离门前的m个距离门的校正系数和风速估计值,确定所述当前校正距离门前的m个距离门中每个距离门的风速概率密度分布;距离门的校正系数是根据所述初始校正点对应的距离门的功率谱的实际信号峰、干扰噪声峰以及调节系数计算得到的,用于将该距离门的功率谱的信号峰的强度提升到高于噪声峰的强度;m为大于0小于20的整数;将所述当前校正距离门前的m个距离门的风速概率密度分布进行加权求和后与所述当前校正距离门的功率谱相乘,得到所述当前校正距离门的修正后的功率谱,并将所述修正后的功率谱的峰值作为所述当前校正距离门的估计风速;将当前校正距离门更新为下一个距离门,继续对当前校正距离门进行功率谱修正,直到遍历完初始校正点后所有距离门为止;
估计风速确定模块,根据所述修正后的功率谱重新确定起始校正点,继续进行下一轮功率谱修正迭代,直到估计风速无突变不合理值为止,停止迭代,得到最终估计风速。
8.根据权利要求7所述的装置,其特征在于,初始校正点确定模块,还用于计算后一个风速和前一个风速之间的差值,若得到的差值大于预设阈值,则将该点作为起始校正点;所述预设阈值的设定要根据当前风场的变化剧烈程度,以及所选择距离门的大小设定的,预设阈值范围在0.5-10m/s。
9.根据权利要求7所述的装置,其特征在于,初始校正点确定模块,还用于计算出单个风速值距离其前序5个风速平均值的差值,将得到的差值第一个大于预设阈值的点作为起始校正点;所述预设阈值是根据当前风场的变化剧烈程度,以及所选择距离门的大小设定的,预设阈值范围在0.5-10m/s。
10.根据权利要求7所述的装置,其特征在于,校正模块中所述距离门的校正系数的计算步骤具体包括:找出所述初始校正点对应的距离门的功率谱的所有峰,将距离该距离门的前一个距离门的功率谱的峰值最近的一个峰作为实际信号峰,将峰值最高的峰作为干扰噪声峰; 根据所述干扰噪声峰的频率或风速估计值与所述实际信号峰的频率或风速估计值,得到间隔为:
,
其中,为间隔,为干扰噪声峰的频率或风速估计值,为所述实际信号峰的频率或风速估计值;
根据所述间隔、所述干扰噪声峰的强度、所述实际信号峰的强度,得到校正系数的近似值,校准系数近似值的表达式为:
,
其中,为校正系数,为干扰噪声峰的强度,为实际信号峰的强度;
利用调节系数来控制修正后信号峰强度比噪声峰强度增大的比例,得到校正系数,校正系数的表达式为:
,
其中,k为调节系数;。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310226207.XA CN115951328B (zh) | 2023-03-10 | 2023-03-10 | 基于概率密度约束的测风激光雷达风速估计方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310226207.XA CN115951328B (zh) | 2023-03-10 | 2023-03-10 | 基于概率密度约束的测风激光雷达风速估计方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115951328A CN115951328A (zh) | 2023-04-11 |
CN115951328B true CN115951328B (zh) | 2023-05-16 |
Family
ID=85891224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310226207.XA Active CN115951328B (zh) | 2023-03-10 | 2023-03-10 | 基于概率密度约束的测风激光雷达风速估计方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115951328B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116540266B (zh) * | 2023-07-06 | 2023-10-27 | 南京牧镭激光科技股份有限公司 | 基于相干激光雷达识别极端风况的方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006118973A (ja) * | 2004-10-21 | 2006-05-11 | Chugoku Electric Power Co Inc:The | 風速測定システムおよび風速測定方法 |
JP5781018B2 (ja) * | 2012-06-08 | 2015-09-16 | 三菱電機株式会社 | 風計測装置 |
US9599714B2 (en) * | 2012-06-25 | 2017-03-21 | Mitsubishi Electric Corporation | Wind measurement coherent lidar |
US9851444B2 (en) * | 2012-09-14 | 2017-12-26 | Mitsubishi Electric Corporation | Laser radar device and method of calculating speed of object to be measured |
CN105637383B (zh) * | 2013-10-11 | 2017-11-14 | 三菱电机株式会社 | 风测量雷达装置 |
WO2016181493A1 (ja) * | 2015-05-12 | 2016-11-17 | 三菱電機株式会社 | レーザレーダ装置及び風速観測方法 |
JP6493988B2 (ja) * | 2016-11-07 | 2019-04-03 | 株式会社amuse oneself | 移動体を用いたレーザ測量における誤差補正装置および誤差補正プログラム |
CN109004996B (zh) * | 2018-08-13 | 2020-11-03 | 哈尔滨工业大学 | 基于多正弦窗功率谱峰值的信号检测方法 |
CN110336763B (zh) * | 2019-05-21 | 2021-08-17 | 西安电子科技大学 | 一种抑制高阶调制ofdm信号峰均比的ace的方法及系统 |
CN113109837B (zh) * | 2021-04-20 | 2022-12-13 | 北京理工大学 | 激光雷达系统数据处理方法 |
CN114488200B (zh) * | 2022-04-17 | 2022-07-15 | 中国科学技术大学 | 一种提高激光雷达测风精度的功率谱信号处理方法 |
CN114966100A (zh) * | 2022-05-16 | 2022-08-30 | 中国人民解放军国防科技大学 | 一种基于激光雷达的波后粒子速度场测量系统及方法 |
-
2023
- 2023-03-10 CN CN202310226207.XA patent/CN115951328B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115951328A (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115951328B (zh) | 基于概率密度约束的测风激光雷达风速估计方法和装置 | |
CN114270216A (zh) | 一种强杂波下fmcw阵列雷达运动多目标弱信号检测方法、装置、计算机设备及存储介质 | |
US7602331B2 (en) | Computationally efficient adaptive radar pulse compression system | |
CN111538012B (zh) | 一种基于干扰消除的自适应恒虚警检测方法 | |
CN107271973B (zh) | 韦布尔杂波环境下基于偏斜度和均值比的恒虚警检测方法 | |
CN111551903A (zh) | 改进型二维变化指数恒虚警目标检测方法 | |
US6658261B1 (en) | Method for sinusoidal modeling and prediction of fast fading processes | |
CN107942324B (zh) | 基于多普勒引导的多帧联合小目标双重检测方法 | |
CN111025273B (zh) | 一种畸变拖曳阵线谱特征增强方法及系统 | |
CN112180341A (zh) | 一种背景自适应cfar算法选择的实现方法 | |
CN108196238B (zh) | 高斯背景下基于自适应匹配滤波的杂波图检测方法 | |
CN110133680B (zh) | 一种机载激光测深接收波形有效信号初值确定方法及系统 | |
CN111007473B (zh) | 基于距离频域自相关函数的高速微弱目标检测方法 | |
CN105652256B (zh) | 一种基于极化信息的高频地波雷达tbd方法 | |
CN112130138A (zh) | 一种超视距雷达的电离层相位污染校正方法 | |
CN109347770B (zh) | 一种基于压缩感知理论的信道估计方法及装置 | |
CN110673118A (zh) | 一种主动声纳单频脉冲串波形设计及检测算法 | |
CN111650574A (zh) | 基于稀疏恢复的水下空时自适应处理方法及系统 | |
CN116203522A (zh) | 一种复杂电磁环境下四通道雷达单脉冲测角方法与系统 | |
CN113189573B (zh) | 一种相控阵搜索雷达海面目标检测方法 | |
CN105738882B (zh) | 对实测杂波协方差矩阵估计性能的白化度评价方法 | |
CN108957461B (zh) | 一种适用于水下长线阵的相位匹配波束形成方法 | |
CN109765540B (zh) | 一种频率步进体制米波雷达目标提取方法 | |
CN112230199B (zh) | 一种基于高维特征值分析的激光雷达回波盲去噪方法 | |
CN103441975B (zh) | 一种基于功率谱的二相编码信号参数估值方法 |
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 |