一种高精度宽范围超声波测风系统及方法技术方案

本发明专利技术公开了一种高精度宽范围超声波测风系统及方法，测风系统包括有四个超声波探头、模拟开关模块、AD采样模块、微处理器模块和通信模块，其中四个超声波探头两两相互正交设置，每个超声波探头均连接有收发模块，每个收发模块的控制端均与微处理器模块相连接，模拟开关模块的输出端连接到AD采样模块的输入端，方法为：步骤一、对各模块进行初始化；步骤二、检测通信模块是否接收到控制命令；步骤三、对四组数字量的收发信号进行时延估计；步骤四、得到其中两个上下相对应的超声波探头方向的风速以及，两个左右相对应的风速；有益效果：还大大提高了该仪器的风速矢量测量精度，具有重要的实际意义。

【技术实现步骤摘要】

本专利技术涉及一种测风系统及方法，特别涉及一种高精度宽范围超声波测风系统及 方法。
技术介绍
当前，超声波风速风向测量方法研究己有几十年的发展历史，先后提出了时差法、 频差法、相位差法、多普勒法和相关法等多种测量方法。其中，时差法、频差法、相位差法和 多普勒法由于测量线路复杂、易受环境噪声影响等原因，在高精度超声波风速风向测量方 面的实际应用较少，而相关法以其所具有的测量线路简单、抗干扰能力强等一系列优点成 为目前高精度超声波风速仪所普遍采用的测量方法。 相关方法实际上是基于信号统计相关理论的时间延迟估计方法。在该研究领域， 已有大量的研究成果。针对测量背景噪声为高斯白噪声情况，Knapp等提出了广义互相关 方法，该方法虽原理简单，计算量小，但估计精度不高；极大似然法是一种最佳的时间延迟 估计方法，但该方法需要已知信号的概率密度，而这一点恰恰是难以做到的，因此该方法在 实际中很少使用；Gardner和Chen等提出的基于循环相关函数的时间延迟估计方法，由于 可以抑制不同于信号频率的任意噪声而倍受人们瞩目，但该方法仅适用于发射和接收为同 频信号情况。由于高风速必然产生的多普勒频移，因此无法在宽测量范围的超声波测风仪 中使用；对于测量背景噪声为高斯有色噪声情况，可以使用高阶累积量方法，由于高阶累积 量对于高斯有色噪声具有极强的抑制能力，因此基于高阶累积量的时间延迟估计方法可以 达到很高的估计精度。目前，国内外高精度超声波测风仪基本上都是采用这一方法。然而， 当背景噪声为非高斯噪声，特别是当背景噪声中含有脉冲冲击噪声时，该方法的时间延迟 估计精度急剧下降。 脉冲冲击噪声是一种带有明显脉冲冲击性质的非高斯噪声，如空间放电引起的大 气噪声，汽车发动机的点火噪声，电气设备的开关噪声，无线通信设备的窜扰噪声等，都属 于脉冲冲击噪声。因而脉冲冲击噪声是超声波时间延迟测量环境中的一种常见噪声形式。 由于脉冲冲击噪声符合α稳定分布，因此一般称脉冲冲击噪声为α稳定分布噪声或简称 为α噪声。α噪声的一个最大特点是它不存在有限的方差，因此，那些基于广义相关函数、 极大似然法、循环相关法、和高阶累积量方法的时间延迟估计方法失效。这是基于上述方法 进行时间延迟估计的超声波测风仪经常出现测量数据不稳定的关键因素之一。 近年来，针对α噪声，人们进行了大量的研究。Nikias指出，α稳定分布存在分 数低阶矩，根据这一理论，各国学者相继提出了许多α噪声背景下，基于分数低阶矩的时 间延迟估计方法。然而，在大量的实际应用中，基于分数低阶矩的时间延迟估计方法的固有 缺陷也逐渐暴露出来：首先，分数低阶矩是一种非线性方法，特别是它不存在半不变性，即 两个相互统计独立的随机变量的和的分数低阶矩不等于各自随机变量的分数低阶矩的和， 这使得我们无法进行信号和噪声的有效分离。另外，α噪声和高斯噪声的分数低阶矩恒不 为零，这说明分数低阶矩方法的噪声抑制能力不强。因而基于分数低阶矩的时间延迟估计 精度一般较差。由于α稳定分布噪声往往都是和高斯噪声混杂在一起的，因此，人们迫切 需要一种对α噪声和高斯噪声均具有极强抑制能力的时间延迟估计方法。
技术实现思路
本专利技术的目的是为了解决现有超声波测风系统及方法存在的诸多问题而提供的 。 本专利技术提供的高精度宽范围超声波测风系统包括有四个超声波探头、模拟开关模 块、AD采样模块、微处理器模块和通信模块，其中四个超声波探头两两相互正交设置，每个 超声波探头均连接有收发模块，四个收发模块相并联，每个收发模块的输出端均与模拟开 关模块的输入端相连接，每个收发模块的控制端均与微处理器模块相连接，模拟开关模块 的输出端连接到AD采样模块的输入端，模拟开关模块的控制端连接到微处理器模块;AD采 样模块的输出端连接到微处理器模块；微处理器模块与通信模块相连接，用于输出所测得 的风速和接收控制命令。 本专利技术提供的高精度宽范围超声波测风方法，其方法如下所述： 步骤一、系统上电后，对各模块进行初始化； 步骤二、初始化完成后，检测通信模块是否接收到控制命令，如果接收到控制命 令，则微处理器模块调用控制命令处理函数对该命令进行处理，处理完成后返回继续检测； 如果没有接收到控制命令，则微处理器模块依次控制与四个超声波探头连接的四个收发模 块驱动超声波探头发出超声波，再控制模拟开关模块依次选通四个超声波探头作为接收探 头，并将接收到的信号传递给AD采样模块进行模数转换，其结果将传递给微处理器模块并 保存，总共得到四组数字量的收发信号； 步骤三、分别采用基于分数阶累积量的高精度宽范围的超声波信号时延估计方法 对四组数字量的收发信号进行时延估计，得到四个时延估计值tl、t2、t3、t4 ; 步骤四、设两个相对的超声波探头之间的距离均为d，再由相对时差法得到其中两 个上下相对应的超声波探头方向的风速为两个左右相对应的超声波探头方 向的风速为 步骤五、通过正交合成得到实际风速为风向角为 步骤六、将步骤五中得到的风速和风向角通过通信模块输出，之后返回步骤二，如 此循环得到实时的风速和风向。 步骤三中所述的基于分数阶累积量的高精度宽范围的超声波信号时延估计方法， 其具体方法如下： 1)分数阶累积量函数及标准的确定 (1)分数阶累积量函数的确定： 设Φ (U)为随机变量X的特征函数，有 式中：.为左Riemann-Liouville分数阶导数，0 < p < 1，k为任意整数，称 Mkp为随机变量X的分数阶累积量，分数阶累积量rVsp也可记为％um kp( ·); (2)分数阶累积量标准的确定： 确定分数阶累积量标准如下： 标准1 :设a。a2,…，akS常数，X(k) = 为随机变量，则 标准2 :分数阶累积量对其自变量是对称的，或者说它们的量值与自变量的顺序 无关，即 其中，、，"，…，、是^^"^的一个排列； 标准3 :若k个随机变量{xj的一个子集与其它部分独立，则 标准4 :如果随机变量集和是独立的，则有 标准5 :对于2p阶分数阶累积量Rtkp ( τ )，当τ = 〇时，有最大值，即 2)分数阶累积量对α噪声和高斯噪声的抑制能力和抑制方法： α稳定分布是一种广义高斯分布，标准α稳定分布的特征函数为： 式中：参数γ > 0称为分散系数；参数a e (〇, 2]称为特征指数，当特征指数α =2时，α稳定分布退化为高斯分布； 关于分数阶累积量对α噪声和高斯噪声的抑制能力和抑制方法，有如下定理： 定理1 :设标准α稳定分布的特征函数如上式所示，令m为大于或等于ρ的最小 正整数，则当P > 〇且α > 〇时，标准α稳定分布的P阶分数阶累积量为： (1)当α -ρ不为整数时， (2)当1彡ρ- α彡m为整数时， rlCp= 0 可见，对于标准α稳定分布信号的ρ阶分数阶累积量，当取ρ < α，或当 K ρ-α Sm为整数时，其ρ阶分数阶累积量存在且为零，由于高斯分布是标准α稳定分 布中当α =2时的一个特例，因此，分数阶累积当前第1页1 2 3 本文档来自技高网...

【技术保护点】
一种高精度宽范围超声波测风系统，其特征在于：包括有四个超声波探头、模拟开关模块、AD采样模块、微处理器模块和通信模块，其中四个超声波探头两两相互正交设置，每个超声波探头均连接有收发模块，四个收发模块相并联，每个收发模块的输出端均与模拟开关模块的输入端相连接，每个收发模块的控制端均与微处理器模块相连接，模拟开关模块的输出端连接到AD采样模块的输入端，模拟开关模块的控制端连接到微处理器模块；AD采样模块的输出端连接到微处理器模块；微处理器模块与通信模块相连接，用于输出所测得的风速和接收控制命令。

【技术特征摘要】

【专利技术属性】
技术研发人员：石屹然，梁亮，石要武，李旭晨，高伟，王猛，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22