基于波束成形算法的三维风速风向测量方法

发布时间：2020-11-18 19:41

　　 风是一种由许多在时空上随机变化的小尺度脉动叠加,在大尺度规则气流上的一种三维矢量。三维风的风速风向测量在很多领域的信息积累和决策判断方面都有重要作用,比如对机场低空风切变的检测,来避免空难的发生;在航海中的风帆助力船通过调整风帆使之处于最佳迎风角度,并借助风能产生最大助推力来使横向力最小,从而提高船只航行的稳定性;在风力发电方面,可以根据风场中空间三维风参数的确定,来调整风力发电结构,使之处于最佳迎风角度,以此提高风力发电效率;而军事方面导弹弹道的偏移,科学实验方面风洞中风参数的偏差都需要借助三维风参数的确定来进行调整。目前市场上现有的测风仪主要有机械式测风仪,热敏式测风仪,激光多普勒测风仪,超声波测风仪等,但这也只能测量出二维平面上的风参数信息,并不能对三维风参数信息进行完整的描述。根据现有的公开资料表明,在国内外,对超声波风速风向测量的设计研究工作已经取得了比较大的发展及应用,但相对于三维超声波风速风向测量的应用优势及市场需求的增加而言,相关的设计研究工作相对于二维平面风参数测量的研究依然进行的较少。波束成形算法是阵列信号处理理论中的一种典型算法,其算法计算量较小,实时性高在空域滤波及抑制噪声方面有很大的优越性。本文将利用波束成形算法的理论优势,将其应用到三维风参数测量领域中,以此来提高三维空间中风速风向的测量精度,并为三维风参数的测量方法提供一种新思路。本文的主要工作内容如下:(1)本文设计了一种三维半球形超声波传感器阵列结构,建立了风场环境中各接收阵元所接收超声波信号的数学模型,并推导了其阵列流型矢量,在此基础上,结合了阵列信号处理中典型的波束成形算法,通过谱峰搜索及三维空间矢量的分解与合成进行了空间中三维风速值、风向角及俯仰角的测量。(2)对基于波束成形原理的三维风速风向测量方法的相关原理及测量性能和所遇到的相关问题展开分析和讨论:对所设计的超声波传感器阵列进行阵列流型矢量推导,并将其扩展到随机阵列;通过映射阵元位置的变化,深入解释了风参数对波束指向的影响;通过仿真实验,对比分析了不同准则下的波束成形和常规波束成形算法下的风速风向测量方法的可行性及相关性能;(3)通过搭建硬件实验平台对本文所提三维风参数测量方法进行可行性及工程可实现性验证:首先详细描述了所搭建实验平台的整体框架及各组成部分,并对实验风洞进行风洞性能测试;然后利用基于协方差矩阵的幅相误差校正方法对实验平台进行数据预处理;最后对硬件平台所测量结果进行了误差分析和讨论,并验证了本文所提方法的可行性及工程可实现性。
【学位单位】：吉林大学
【学位级别】：硕士
【学位年份】：2020
【中图分类】：V321.2
【部分图文】：

第1章绪论4测量方法也应运而生。图1.1时差法测风原理图2006年，一种新的估计超声波度越时间（TOF）的数字信号处理方法被提出[43]，通过对所接收的超声波信号进行离散扩展卡尔曼滤波处理，来提高回波包络的形状因数，并定位发射信号的信源位置，该方法能在低信噪比和回波形状严重失真的情况下，减少TOF的测量偏差和不确定度。2011年，基于超声波度越时间测量系统的应用，通过双频率的尖峰序列时间的不同而做的研究[44]，证明了开发合适参数实现的过程，研究了尖峰时间序列的瞬态行为关键特性，并推导了在系统过程中的抗干扰数据处理措施，通过重复的数据测试和线性回归，有效的解释了第一波前的高精度的度越时间。该文献通过度越时间的精确获取，直接有效的提高了基于时差法的超声测风的测量精度。2016年有文献[45]指出，在使用足够高的采样频率和较高性能的数字信号处理器的情况下，传统的全数字处理方法，可以利用全数字波形，使之在较高信噪比的条件下具有高测量精度，但该测量精度往往会受到硬件性能的严重限制，并且很容易受到噪声和信号失真的影响。而模拟过零检测法可以与硬件匹配进而达到很高的分辨率，但是它的精度容易受到检测阈值，接收信号的基准漂移，和噪声的影响。因此该文献中提出了一种数字式的过零检测算法来进行超声波流量的测量，且在硬件平台花费少，采样频率和计算量都较低的情况下，达到高测量精度高和测量性能稳定的测量效果。除了超声测风技术方面的研究与发展，也有不少学者开始将超声测风仪的结构作为研究对象。2017年，法国学者GiancarloMichelino等人讨论分析了结构对超声测风精度的影响，并提出了一种几何结构非正交的超声测风仪，如图1.2所示，能进行高强度的三维风参数测量，结果表明非正交排列的阵

非正交超声测风结构

第1章绪论5原理的风参数测量结果[46]。2016年，美国林业局研究站的JohnM.Frank等人在文献[47]中对现场试验中超声测风仪收集的试验数据引入了贝叶斯分析，并通过安装在水平和垂直方向上的风速计之间的差异来解决三维风参数校正问题,如图1.3所示。该文所研究的基础是两个只能测量平面风的测风仪协同工作，将其分别进行垂直和水平方向的安装，然后联合两个测风仪分别所测结果便能知道空间中的三维风参数。但这也要求对测风仪有严格的安装规格。目前，较高精度的超声波测风仪已经研制成功并开始实现商品化，比如英国的GILL公司[48]、美国的CSI公司[49]等，这些公司的三维风参数测量范围和测量精度方面都达到了世界领先水平，市场占有率也十分高，相关产品已经在气象、航空、航海等领域投入使用。图1.2非正交超声测风结构图1.3测风仪安装结构1.3波束成形技术研究现状波束成形技术是智能天线研究中的核心内容，最早可以追溯到20世纪40年代[50]。依据不同的分类标准，波束成形算法可以分为许多种类。若依据基于对象的不同，波束成形算法可以分为基于方向估计[51]、基于训练信号或者参考信号[52]、基于信号结构[53]的波束成形方法。还可以根据是否需要发射参考信号，将波束成形算法分为非盲算法[54]和盲算法[55]。波束成形算法的分类如图1.4所示。波束成形技术是阵列信号处理理论中的一种典型算法，也是阵列信号处理的标志之一，广泛应用在超声成像[56]、雷达[57]、卫星[58]、声呐[59]等领域，该技术的实质是对各阵元所接收信号进行加权系数的处理，使之可以达到同相相加的目的，并在算法层面，达到增强期望信号，抑制干扰的目的，在物理意义上，可以理解
【相似文献】

相关期刊论文 前10条

1 张鹏;马楠;张璐;;卫星通信中数字波束成形关键技术研究[J];数字通信世界;2017年09期

2 高新涛;赵季红;曲桦;;基于随机波束成形的多天线用户系统的容量研究[J];重庆邮电大学学报(自然科学版);2013年06期

3 梁健;摆玉龙;;基于特征波束成形的功率分配算法[J];湖南城市学院学报(自然科学版);2016年06期

4 党军宏;潘亚汉;;无相位反馈的分布式发射波束成形技术研究[J];计算机工程与科学;2012年05期

5 许磊;任灵芝;蒋全胜;;基于稀疏网络中机会波束成形技术的算法[J];滁州学院学报;2011年05期

6 林静;宋荣方;;机会波束成形系统中一种新的调度方案[J];南京邮电大学学报(自然科学版);2008年04期

7 陈雪艳;郭莉;林家儒;;认知双向中继网络下分布式鲁棒波束成形[J];北京邮电大学学报;2014年06期

8 何世文;黄永明;杨绿溪;;基于公平性对偶理论的多小区下行协同波束成形算法[J];通信学报;2013年01期

9 肖静;李瑜锋;夏洪;;高铁环境下基于大规模多入多出自适应波束成形的干扰对齐[J];科学技术与工程;2018年28期

10 束锋;杨淑萍;许正文;秦耀璐;王进;周小波;刘婷婷;;毫米波无线通信系统混合波束成形综述[J];数据采集与处理;2017年03期

相关博士学位论文 前10条

1 秦博雅;基于低复杂度自适应信号处理的波束成形技术研究[D];浙江大学;2015年

2 索龙;基于随机波束成形和干扰对齐的多小区传输方法研究[D];西安电子科技大学;2019年

3 李从改;多小区无线蜂窝通信系统中的鲁棒波束成形算法研究[D];上海交通大学;2016年

4 薛瑄;毫米波中继系统波束成形关键技术研究[D];西安电子科技大学;2017年

5 陈雪艳;认知无线网络中波束成形及相关技术研究[D];北京邮电大学;2018年

6 王勇;面向能效的云无线接入网络波束成形技术研究[D];哈尔滨工业大学;2018年

7 王俊;多用户MIMO系统中波束成形的优化研究[D];华中科技大学;2017年

8 王磊;分布式波束成形下的中继协作研究[D];中国科学技术大学;2011年

9 张涛;导向矢量失配条件下的稳健自适应波束成形研究[D];中国科学技术大学;2014年

10 顾宇杰;鲁棒自适应波束成形研究[D];浙江大学;2008年

相关硕士学位论文 前10条

1 朱阁彦;基于波束成形算法的三维风速风向测量方法[D];吉林大学;2020年

2 秦伟微;三维波束成形关键技术研究[D];东南大学;2016年

3 崔晓怡;多用户联合波束成形与离散相位优化研究[D];电子科技大学;2020年

4 牟昱舟;阵列天线广义数字波束成形的研究[D];电子科技大学;2020年

5 王乐;宽带波束成形平台数字电路设计与验证[D];电子科技大学;2019年

6 马斯;毫米波波束成形快速搜索算法研究[D];电子科技大学;2019年

7 冯帅;毫米波大规模MIMO系统混合波束成形方法的研究[D];哈尔滨工业大学;2019年

8 岳明珠;基于混合双工中继和波束成形的MIMO系统物理层安全研究[D];哈尔滨工业大学;2019年

9 陈帆;无线通信网络中的若干鲁棒波束成形问题研究[D];广东工业大学;2019年

10 黄怡梅;基于混合波束成形的数据流公平性研究[D];西安电子科技大学;2019年

本文编号：2889122