[發(fā)明專(zhuān)利]雷達(dá)測(cè)量流速的方法、流速儀及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202310904510.0
• 申請(qǐng)日: 2023-07-24
• 公開(kāi)（公告）號(hào): CN116626665B
• 公開(kāi)（公告）日: 2023-10-13
• 發(fā)明（設(shè)計(jì)）人: 陳德莉;朱世平;朱逸帆;袁開(kāi)見(jiàn)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 無(wú)錫航征科技有限公司
• 主分類(lèi)號(hào): G01S13/58
• 分類(lèi)號(hào): G01S13/58;G01P5/00;G01C13/00;G06F17/18
• 代理公司: 無(wú)錫路楊知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32724
• 代理人: 郭珊珊

本發(fā)明提供的雷達(dá)測(cè)量流速的算法模型、算法、流速儀及存儲(chǔ)介質(zhì)，涉及流體測(cè)量技術(shù)領(lǐng)域，包括結(jié)構(gòu)型概率和的模型來(lái)表達(dá)水流頻譜占總測(cè)量頻譜部分帶寬的特性和水流頻譜具有連續(xù)性的特性，利用此模型能夠解出后驗(yàn)均值和后驗(yàn)方差，進(jìn)而使得和能被求出近似解，所以就實(shí)現(xiàn)了在水流流速測(cè)量領(lǐng)域利用后驗(yàn)均值估計(jì)來(lái)提高信噪比的功能，相比于常用的MLE方案，后驗(yàn)均值估計(jì)方案可大大增加噪聲抑制能力。

技術(shù)領(lǐng)域

本發(fā)明涉及測(cè)量流體流速的技術(shù)領(lǐng)域，尤其涉及雷達(dá)測(cè)量流速的算法模型、算法、流速儀及存儲(chǔ)介質(zhì)。

背景技術(shù)

現(xiàn)在的雷達(dá)信號(hào)處理辦法一般都分為通過(guò)對(duì)接收的時(shí)域信號(hào)進(jìn)行處理，將時(shí)域信號(hào)轉(zhuǎn)變?yōu)轭l域信號(hào)，然后對(duì)頻域信號(hào)進(jìn)行目標(biāo)識(shí)別。

例如公開(kāi)號(hào)為CN114265017A，名稱(chēng)：一種基于數(shù)字信號(hào)處理的相噪測(cè)量方法的中國(guó)發(fā)明專(zhuān)利申請(qǐng)，其中揭示了在現(xiàn)有技術(shù)中需要對(duì)雷達(dá)接收的信號(hào)進(jìn)行去噪，一般情況下都是需要控制相位噪聲來(lái)提高。

通常的雷達(dá)頻域信號(hào)我們可以表達(dá)為?①，其中，是N個(gè)點(diǎn)的反傅里葉轉(zhuǎn)換的矩陣，是理想狀態(tài)下的水流反射信號(hào)的頻域分量，表達(dá)為，為噪聲方差為的高斯白噪聲。

在雷達(dá)系統(tǒng)中，信噪比越高目標(biāo)識(shí)別的精度也就越高，提高信噪比可以通過(guò)重構(gòu)硬件結(jié)構(gòu)或者優(yōu)化算法來(lái)實(shí)現(xiàn)，在算法手段上這種提高信噪比的算法一般被稱(chēng)為接收信號(hào)恢復(fù)算法。

而在水流測(cè)量領(lǐng)域，常用的接收信號(hào)恢復(fù)算法其實(shí)就是最大似然估計(jì)算法，以下簡(jiǎn)稱(chēng)MLE。在雷達(dá)系統(tǒng)實(shí)際操作中，因?yàn)榫仃嘇是方陣，所以對(duì)于公式①來(lái)說(shuō)，也就是相當(dāng)于有多少元就有多少個(gè)方程，所以S應(yīng)該是存在唯一解，對(duì)于MLE就可以形成表達(dá)式，其中表示的是求使得最大，因?yàn)樗钥梢缘贸觥?/p>

而評(píng)價(jià)一個(gè)算法的重要指標(biāo)是這個(gè)算法的均方差，即。其中為估計(jì)值方差、為估計(jì)誤差，而MLE作為一種最大差異展開(kāi)算法，算法的核心就是最小化的解。

綜上，MLE算法先天需要存在一個(gè)約束，即假設(shè)估計(jì)誤差為0，所以MLE并不能稱(chēng)為最小化均方差的解。

而現(xiàn)在存在一類(lèi)基于貝葉斯推理的恢復(fù)性算法，其目的為最小化，所以它的理論性能是優(yōu)于MLE的。

最小化的解為后驗(yàn)均值，即，因此我們可以得到。根據(jù)貝葉斯定理，。

這邊看來(lái)都沒(méi)有什么問(wèn)題，但是（頻譜聯(lián)合概率分布）在實(shí)際使用中是一個(gè)先驗(yàn)概率，所以在實(shí)際中不可知，因此后驗(yàn)均值積分不可積，所以無(wú)法解出最優(yōu)解，并導(dǎo)致后驗(yàn)均值估計(jì)器無(wú)法使用。

發(fā)明內(nèi)容

針對(duì)上述最大似然估計(jì)算法的局限性，本發(fā)明的技術(shù)問(wèn)題是提供一種提高雷達(dá)測(cè)量流速信噪比的算法模型。

為實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案為：

本申請(qǐng)?zhí)峁┮环N雷達(dá)測(cè)量流速的算法模型，包括：

步驟1：構(gòu)建，向量為理想狀態(tài)下的水流反射信號(hào)的頻域分量；

步驟2：引入向量：；

為隱變量，，

步驟3：展開(kāi)、：

；

其中，；

步驟4：構(gòu)建概率模型用于描述水流頻譜占總測(cè)量頻譜小于20%帶寬的特性：

其中為狄利克雷函數(shù)；

步驟5：構(gòu)建概率模型用于描述水流頻譜具有連續(xù)性的特性：

?，

為從0到1的轉(zhuǎn)移概率，為從1到0的轉(zhuǎn)移概率；

步驟6：給定先驗(yàn)均值和先驗(yàn)方差，依次通過(guò)步驟4和步驟5模型解得后驗(yàn)均值和后驗(yàn)方差；

步驟7：利用步驟6產(chǎn)生的后驗(yàn)均值和后驗(yàn)方差，帶入步驟6的先驗(yàn)均值和先驗(yàn)方差；

步驟8：迭代步驟6和步驟7，直至收斂。