基于电弧超声波传感器的风速和方向测量 阵列信号处理算法外文翻译资料

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

---

基于电弧超声波传感器的风速和方向测量

阵列信号处理算法

摘要

本文研究了一种测量风速和风向的方法基于电弧超声波传感器阵列，结合阵列信号处理算法。在提出的方法中，引入了一种新的电弧超声阵列结构，首先推导出阵列歧管。在此基础上，分析和讨论了风速和风向的测量手段的经典MUSIC（多信号分类）算法的基本思想，实现了分辨率为1°和0-60m/s风速的360°风向的测量分辨率为0.1m/s。提出的方法的实施通过理论阐述推导和相应的讨论。此外，还提出了仿真实验提出的方法的可行性。理论分析和仿真结果表明，提出的方法对抗噪声性能有优势，改善了风量测量准确性。

1.

介绍

今天越来越多的人注意自然生态环境和可持续发展。作为一种绿色，清洁和可再生能源，风能已经广泛应用于风力发电等多个领域，风力发电和风力导航。对风速和方向的精确测量起着重要的作用在这些领域的作用。例如，在风的设计过程中动力抽水系统，采用风速数学模型的构建，因为体积系统泵水的流量是风速和风速的函数抽水系统随风的增加而减小速度。船上合理使用风能也是促进环保节能。准确测量风速和方向是至关重要的对风能navaid系统的可靠性和安全性。对于风力发电机的设计，目标区域应首先探讨。然后风速的范围是根据风速的历史数据确定选择该区域的方向和风力涡轮机。与此同时，需要实时检测风速和方向在风力发电机运行期间确保系统正常运行。此外，测量

的风速和方向也起着重要的作用在

气象观测科学实验区

。

在这些应用中，多种类型的风量测量

仪器已经开发出来，其中常用

仪器是机械风速计，热风速计，风车风速计，牵引力风速计，压力管风速计，激光多普勒

风速计，FBGA风速计，超声波风速计

等等。最常用的机械风速计

是翼风速计和杯式风速计，其利用

螺旋桨速度或风杯等功能关系

环境参数和风速测量

风速。机械风速计已广泛应用

用于简单。然而，由于存在旋转

部件，机械风速计有机械缺点

磨损短，寿命长，维护成本高，影响精度低

其进一步应用。热风速计利用热量

探头通过测量辐射率来测量风速

的热元件。热的主要缺点

风速计的测量范围很小。如今，超声波

由于风力测量技术（UWMT）被广泛使用

其精度高，测量范围广，各种应用场合等诸多优点。最广泛使用的方法

UWMT是利用差异的时差理论

下风向和上风之间的传播时间进行测量

风速。另外，其他测量原则也适用于

UWMT是相位法，多普勒法，相关性

方法等。但是，由于复杂性

原则难以实现，这些原则不是

广泛使用。

阵列信号处理方法可以有效抑制噪声存在于复杂环境中。广泛应用于其优点是波束控制更灵活，增益更高，更强的干扰抑制和更高的空间分辨率。然而，阵列信号处理理论对气象仪器研究的应用很少见，特别是在超声波风测量研究领域。在中，a风速和方向测量方法的开发提出了超声波传感器阵列，其中特殊阵列结构采用。在其阵列结构中，定位了传感器在上层传输超声波而其他四个传感器位于下层，以接收运行超声波和时差法用作风测量算法。但是，不考虑由阵列结构引入的冗余信息测量精度完全取决于超声波传输时间差的测量。特别是在电磁干扰强或信号比较低的情况下，超声波传输的时间测量会变得困难甚至导致失败。在本文中，超声波传感器阵列结构与阵列信号处理算法结合使用风测量系统，可以测量风速风向在低信噪比条件下准确。理论分析和仿真实验验证了所提出的方法提高了测量范围有效的测风系统的精度。

本文的结构如下。一，原则提出了方法和实现过程；二，数组模糊和解决的关键问题提出的方法进行了分析和讨论；三，实现了该方法的仿真实验提出的方法的可行性得到验证。还提出了所提出的方法的性能。最后，总结了本文提出的方法

原理

2.1. 原理概述

传统的阵列信号处理方法通常假设阵列系统位于远场条件。

因此，阵列系统中波前的到达信号可以是

大概被认为是平面波。同时，延时

的信号仅在相邻的接收阵列元件处撞击

涉及信号的方向。然而，在附近的情况下

场，到达信号不再是平面波，而是球形

波。在这种情况下，相邻接收阵列的信号时延

元素不仅涉及信号的方向，而且涉及到信号的方向

信号源和阵列元件之间的距离。

因此，我们提出了一种基于近似原理的方法

在固定位置的情况下的场阵列

在本文中接收数组元素。因此，超声波传感器

阵列输出数据矩阵仅与风速和风速有关

风向，风速和风向信息可以从提出的阵列信号处理来估计

算法。

本文应用三个基本简化来建立数学模型。第一个简化是考虑

沿着声学路径的一个脉冲的行程仅受影响

由风速向量的局部分量平行

声路。第二个简化包括考虑一个

不可压缩均匀和各向同性湍流模型。

第三个简化是考虑泰勒的有效性

冷冻湍流假说。

在本文中，具有弧形结构的超声波传感器阵列是

构造和近场声传播的模型

成立此外，阵列接收信号向量矩阵是

分析最后，估计风速和风向

通过提出的多信号分类（MUSIC）算法.

2.2.数学模型

2.2.1.阵列输出模型

假设近场窄带信号撞击任意传感器阵列。传感器阵列号为M和所有阵列

元素是各向同性的，没有通道不一致或相互的

耦合。超声波信号由传感器阵列接收

元件并通过相应的方式传输到处理器

频道假设超声波传输信号为s（t），则

由第i个数组元素接收的信号是：

其中i=1;2;⋯M，f是发射超声波的频率，是

来自参考阵列的传输信号的时间延迟

元素到第i个数组元素，是第i个的噪声

数组的元素。

在t时刻M阵列元件接收到的信号

表示为列向量：

程式（2）进一步改写为矩阵形式：

其中

T是阵列接收信号

矩阵

T是噪声矩阵，A是

阵列歧管矩阵，表示为：

根据阵列信号处理理论，估计

参数在时间延迟。此外，对于不同的阵列结构，阵列歧管

矩阵（方程（4））也不同。所以，

基于阵列的空间参数估计问题被转化

到不同阵列下的参数识别问题

多种情况。

2.2.2．近场超声波传播模型的延迟

推导

本文设计了一种电弧超声波传感器阵列，

其结构如图2.1所示。在图中，

传感器0是传输超声波传感器和传感器1-5

是均匀的接收超声波传感器阵列

传感器0为弧形圆弧，R为圆弧

半径。传感器0-5由提出的风组成

测量阵列系统。

在图2.1，V是测量的风速;theta;是测量值

风向方向角度由即将到来的风指示

相对于垂直方向，theta;的范围为0-350;

V1-V5是方向上的风速V的分量从传感器0到传感器1-5，alpha;是角度在两个相邻阵列元素之间，值为22.5°。

这里应该指出的是，在施工期间系统近场模型的数学模型，超声波信号，风速和风向都是连续信号，但在第三次模拟实验中部分和实际应用，模型离散化高频。我们认为风的振幅速度和风向在短时间采样中是恒定的期。那就是风速和风向连续时间和离散幅度的量化信号。假设在一个采样周期内，风速是固定的V值和风向角度是theta;的固定值传输信号从传感器0运行到的时间传感器是：

其中i = 1; 2; ⋯ 5，c是超声波的传播速度。根据图2.1所示的几何关系,风速V可以分解为不同的矢量，即:

将传感器3作为参考数组元素，发送信号的时间延迟从引用数组元素到数组的第i个元素是:

电弧接收阵列的相应歧管矢量如图1所示。

由于在系统中只有一个传输阵列元件，信号源的数量是1和阵列歧管方程中的向量矩阵（4）满足,因此，在等式（11）可以从等式（6） - （10）推导，是重写为:

如前所述，在模型的一个采样周期离散化，风速V和风向角theta;是恒定的方程式中所示的阵列歧管矢量（12）也是在一个采样周期内不变，随时间不变。因此，方程式中的阵列歧管向量矩阵A （3）可以由等式（12）和阵列接收向量矩阵X（t）也可以得到。通过推导，得出结论在接收到圆弧的阵列输出向量矩阵X（t）之后超声波阵列，风速V和的估计问题将风向角度theta;转换为识别V和theta;的问题。

2.3. 风速和风向测量方法

基于音乐在本文中，采用经典的MUSIC算法估计风速和方向信息阵列接收向量矩阵X（t）。假设每个的噪音数组元素是具有zeromean和sigma;2方差的固定白噪声过程，没有相关性存在之间的噪声与之间没有相关性存在噪声和信号，阵列接收的协方差矩阵数据X（t）可以表示为:

其中H表示共轭转置。协方差矩阵可以分为两部分，其中是相关的部分信号和是与噪声有关的部分。 Rs是信号的协方差矩阵。 R的特征值分解是表达为:

其中美国代表由大型组成的信号子空间特征值向量和UN表示由小特征值向量组成的噪声子空间。在理想的条件下，信号子空间和噪声子空间是相互正交的。因此，信号子空间的导向矢量也是正交的到噪声子空间

由于噪声矢量之间的正交关系和信号矢量，MUSIC的频谱估计公式算法派生为:

在测量范围内不断变化V和theta;风速度V和风向角theta;可以通过估算找到PMUSIC的最大值。考虑数据长度由阵列接收的是有限的阵列协方差矩阵接收数据替换

其中L是快照的数量。此外，该模型应该在系统中离散化仿真实验和实际应用。那就是超声波接收信号以高频率采样来自每个传感器的接收信号的离散数据是获得。然后根据风速和风向的范围和分辨率实现光谱峰值搜索要测量的角度。

2.4. 关于提出的测量方法的一些问题

2.4.1. 风向测量范围所提出的方法

可以在360°风向上实现整个角度测量。在推导公式中的近场超声波传播模型的时间延迟第2.2.2节，将风向角度theta;的范围从0设定为359°，实行整角风向测量如下所示。如图2.2所示，当时风向角theta;大于180°，传播传感器连接中超声波的速度0和传感器1是声速C和之间的差风速分量V 1在连接方向。在这点，V1根据公式和方程（5）。当theta;变成其他的时候角度，有类似的情况，可以分析同样的方式。总而言之，当theta;在0〜359°的范围内时，成分在传感器i和传感器的连接中的风速0可以通过第2.2.2节中的Vi的推导来表示。同时，方程（5）仍然有效。也就是说，相应的时间延迟表达式和数组歧管向量完全相同。因此，所提出的方法可以应用于测量的整个风向。随后的模拟实验也验证要测量的风向范围。

2.4.2.数组模糊的问题

在阵列信号处理中，如果阵列结构不正确，则估计角度模糊问题将由于相位而发生信息周期。也就是说，角度信息多于可以估计源号，并且将发生误差估计。因此，有必要讨论角度歧义问题在本文中提出的方法。接下来，图2.1中的阵列结构中不存在歧义。说明如下。如果结构有歧义，则和将建立下列方程：

那是

其中i=1-5,取公式的两边的对数:

其中是正整数。方程式（19）可以进一步简化如下：

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[27714]，资料为PDF文档或Word文档，PDF文档可免费转换为Word