留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于高斯拟合的相干激光雷达风速估计算法

王平春 陈廷娣 周安然 韩飞 王元祖 孙东松 王国成

王平春, 陈廷娣, 周安然, 韩飞, 王元祖, 孙东松, 王国成. 基于高斯拟合的相干激光雷达风速估计算法[J]. 红外与激光工程, 2018, 47(12): 1230006-1230006(6). doi: 10.3788/IRLA201847.1230006
引用本文: 王平春, 陈廷娣, 周安然, 韩飞, 王元祖, 孙东松, 王国成. 基于高斯拟合的相干激光雷达风速估计算法[J]. 红外与激光工程, 2018, 47(12): 1230006-1230006(6). doi: 10.3788/IRLA201847.1230006
Wang Pingchun, Chen Tingdi, Zhou Anran, Han Fei, Wang Yuanzu, Sun Dongsong, Wang Guocheng. Wind velocity estimation algorithm based on Gaussian fitting in coherent lidar[J]. Infrared and Laser Engineering, 2018, 47(12): 1230006-1230006(6). doi: 10.3788/IRLA201847.1230006
Citation: Wang Pingchun, Chen Tingdi, Zhou Anran, Han Fei, Wang Yuanzu, Sun Dongsong, Wang Guocheng. Wind velocity estimation algorithm based on Gaussian fitting in coherent lidar[J]. Infrared and Laser Engineering, 2018, 47(12): 1230006-1230006(6). doi: 10.3788/IRLA201847.1230006

基于高斯拟合的相干激光雷达风速估计算法

doi: 10.3788/IRLA201847.1230006
基金项目: 

国家自然科学基金(41574180,41374156,41204108)

详细信息
    作者简介:

    王平春(1993-),男,硕士生,主要从事测风激光雷达及光电探测方面的研究。Email:blusumer@mail.ustc.edu.cn

  • 中图分类号: TN958.98

Wind velocity estimation algorithm based on Gaussian fitting in coherent lidar

  • 摘要: 分别利用高斯拟合估计算法(Gaussian fitting estimation algorithm,以下简称Gauss估计算法)和最大似然(Maximum Likelihood,ML)离散谱峰值(Discrete Spectral Peak,DSP)估计算法(ML DSP)处理实测回波信号,计算得到风速扰动的功率谱密度(Power Spectral Density,PSD)。根据Kolmogorov湍流理论中PSD与频率的-5/3关系,比较不同距离门下的PSD,采用高频区域的风速误差作为风速估计性能参数,分析比较不同距离情况下风速误差,并利用自相关系数分析风速时间变化的相关性。结果表明:在距离较低的探测区域Gauss估计算法的风速误差微弱小于对应的ML DSP估计算法,二者之间的风速误差差值最多不超过0.05 m/s。而在距离较高的区域,两种算法的风速误差差值从820 m处的0.06 m/s增加至1 200 m的0.16 m/s。在风速的时间相关性分析上,Gauss估计算法的风速时间自相关系数明显大于对应的ML DSP估计算法,说明Gauss估计算法处理的风速数据更具有稳定性。
  • [1] Wang Guining, Liu Bingyi, Feng Changzhong, et al. Data quality control method for VAD wind field retrieval based on coherent wind lidar[J]. Infrared and Laser Engineering, 2018, 47(2):0230002. (in Chinese)
    [2] Liu Qiuwu, Chen Yafeng, Wang Jie, et al. Effects of wavelength shift and energy fluctuation on inversion of NO2 differential absorption lidar[J]. Optics and Precision Engineering, 2018, 26(2):253-260. (in Chinese)
    [3] Lu Xianyang, Li Xuebin, Qin Wubin, et al. Retrieval of horizontal distribution of aerosol mass concentration by micro pulse lidar[J]. Optics and Precision Engineering, 2017, 25(7):1697. (in Chinese)
    [4] Rye B J, Hardesty R. Discrete spectral peak estimation in incoherent backscatter heterodyne lidar. I. Spectral accumulation and the Cramer-Rao lower bound[J]. IEEE Transactions on Geoscience and Remote Sensing, 1993, 31(1):16-27.
    [5] Frehlich R, Yadlowsky M. Performance of mean-frequency estimators for Doppler radar and lidar[J]. Journal of Atmospheric and Oceanic Technology, 1994. 11(5):1217-1230.
    [6] Rye B J. Estimate optimization parameters for incoherent backscatter heterodyne lidar including unknown return signal bandwidth[J]. Applied Optics, 2000. 39(33):6086-6096.
    [7] Frehlich R. Scanning Doppler lidar for input into short-term wind power forecasts[J]. Journal of Atmospheric and Oceanic Technology, 2013, 30(2):230-244.
    [8] Valla M. Fourier transform maximum likelihood estimator for distance resolved velocity measurement with a pulsed 1.55m erbium fiber laser based lidar[C]//Proceedings of the 13th Coherent Laser Radar Conference, 2005.
    [9] Dabas A M. Semiempirical model for the reliability of a matched filter frequency estimator for Doppler lidar[J]. Journal of Atmospheric and Oceanic Technology, 1999, 16(1):19-28.
    [10] Dabas A M, Philippe D,Pierre H F, et al. Adaptive filters for frequency estimate of heterodyne Doppler lidar returns:Recursive implementation and quality control[J]. Journal of Atmospheric and Oceanic Technology, 1999, 16(3):361-372.
    [11] Dabas A M, Philippe D,Pierre H F, et al. Velocity biases of adaptive filter estimates in heterodyne Doppler lidar measurements[J]. Journal of Atmospheric and Oceanic Technology, 2000, 17(9):1189-1202.
    [12] Dolfi-Bouteyre A, Guillaume C, Laurent L, et al. Long-range wind monitoring in real time with optimized coherent lidar[J]. Optical Engineering, 2017, 56(3):031217.
    [13] Frehlich R. Simulation of coherent Doppler lidar performance in the weak-signal regime[J]. Journal of Atmospheric and Oceanic Technology, 1996, 13(3):646-658.
    [14] Frehlich R, Stephen M H, Sammy W H, et al. Coherent Doppler lidar measurements of winds in the weak signal regime[J]. Applied Optics, 1997, 36(15):3491-3499.
    [15] Frehlich R, Stephen M H, Sammy W H, et al. Coherent Doppler lidar measurements of wind field statistics[J]. Boundary-Layer Meteorology, 1998, 86(2):233-256.
    [16] Zhou Yinjie, Zhou Anran, Sun Dongsong, et al. Development of differential image motion LiDAR for profiling optical turbulence[J]. Infrared and Laser Engineering, 2016. 45(11):1130001. (in Chinese)
    [17] Feng Shuanglian, QiangXiwen, Zong Fei, et al. Data processing techniques for turbulence profile Lidar[J]. Infrared and Laser Engineering, 2015, 44(S1):220-224.(in Chinese)
    [18] Frehlich R. Estimation of velocity error for Doppler lidar measurements[J]. Journal of Atmospheric and Oceanic Technology, 2001, 18(10):1628-1639.
    [19] Hu Yang, Zhu Heyuan. 1.55m all-fiber coherent Doppler lidar for wind measurement[J]. Infrared and Laser Engineering, 2016, 45(S1):S130001. (in Chinese)
  • [1] 邬淼, 陆俣, 冒添逸, 何伟基, 陈钱.  单光子激光雷达的时间相关多深度估计 . 红外与激光工程, 2022, 51(2): 20210885-1-20210885-9. doi: 10.3788/IRLA20210885
    [2] 周鹏, 胡成海, 毕超, 郝雪.  三轴视觉测量系统自动对焦技术 . 红外与激光工程, 2021, 50(12): 20210141-1-20210141-8. doi: 10.3788/IRLA20210141
    [3] 刘斌, 谯倩, 赵静, 张子淼, 李志伟, 张宝峰.  基于高频方差熵清晰度评价函数的聚焦三维测量方法 . 红外与激光工程, 2021, 50(5): 20200326-1-20200326-9. doi: 10.3788/IRLA20200326
    [4] 张楠, 孙剑峰, 姜鹏, 刘迪, 王鹏辉.  激光雷达场景三维姿态点法向量估计方法 . 红外与激光工程, 2020, 49(1): 0105004-0105004(8). doi: 10.3788/IRLA202049.0105004
    [5] 魏天问, 夏海云.  基于相干多普勒激光雷达的风雨同时探测 . 红外与激光工程, 2020, 49(S2): 20200406-20200406. doi: 10.3788/IRLA20200406
    [6] 庄子波, 陈星, 台宏达, 宋德龙, 徐丰田, 邢志伟.  双激光雷达的水平风场估计方法 . 红外与激光工程, 2019, 48(10): 1005008-1005008(8). doi: 10.3788/IRLA201948.1005008
    [7] 周安然, 韩於利, 孙东松, 韩飞, 唐磊, 蒋杉.  高光学效率相干多普勒激光雷达的测风性能分析与测试 . 红外与激光工程, 2019, 48(11): 1105006-1105006(7). doi: 10.3788/IRLA201948.1105006
    [8] 周永升, 马勋鹏, 赵一鸣, 李凉海.  相干测风激光雷达微弱信号的频率估计 . 红外与激光工程, 2018, 47(3): 306002-0306002(8). doi: 10.3788/IRLA201847.0306002
    [9] 庄子波, 刘晓宇, 陈星.  基于激光雷达脉冲特性的湍流风速估计方法 . 红外与激光工程, 2018, 47(11): 1106001-1106001(8). doi: 10.3788/IRLA201847.1106001
    [10] 郭力仁, 胡以华, 王云鹏.  相干激光探测中微动参数估计的克拉美-罗界 . 红外与激光工程, 2017, 46(7): 706002-0706002(7). doi: 10.3788/IRLA201746.0706002
    [11] 贾晓东, 孙东松, 谢绍亮, 吴小锋.  相干测风激光雷达中多核DSP并行风速反演算法的实现 . 红外与激光工程, 2016, 45(9): 906007-0906007(6). doi: 10.3788/IRLA201645.0906007
    [12] 夏文泽, 韩绍坤, 曹京亚, 王亮, 翟倩.  激光雷达距离估计技术 . 红外与激光工程, 2016, 45(9): 906005-0906005(6). doi: 10.3788/IRLA201645.0906005
    [13] 周辉, 李松, 王良训, 涂兰芬.  单次大气散射效应对星载激光测高仪接收脉冲回波的影响 . 红外与激光工程, 2016, 45(1): 106002-0106002(7). doi: 10.3788/IRLA201645.0106002
    [14] 高雅, 周佳霖, 侯雪, 王晓飞, 王霄衣.  基于高斯拟合的高光谱影像配准算法 . 红外与激光工程, 2016, 45(S2): 126-131. doi: 10.3788/IRLA201645.S223002
    [15] 吕丹, 孙剑峰, 李琦, 王骐.  基于激光雷达距离像的目标3D姿态估计 . 红外与激光工程, 2015, 44(4): 1115-1120.
    [16] 杨雨迎, 崔占忠, 张万君.  基于双高斯拟合的目标激光偏振特性实验研究 . 红外与激光工程, 2015, 44(2): 449-454.
    [17] 李飞, 张鸿翼, 吴军, 洪光烈, 徐卫明, 舒嵘.  强度编码合成孔径激光雷达原理与实验 . 红外与激光工程, 2015, 44(9): 2575-2582.
    [18] 闫公敬, 张宪忠.  基于最大似然估计算法的子孔径拼接检测技术 . 红外与激光工程, 2015, 44(7): 2206-2210.
    [19] 赵婧鑫, 周富强.  小尺寸光斑中心的高精度定位算法 . 红外与激光工程, 2014, 43(8): 2690-2693.
    [20] 安其昌, 张景旭, 孙敬伟.  基于极大似然估计的TMT三镜轴系装调 . 红外与激光工程, 2013, 42(11): 3002-3007.
  • 加载中
计量
  • 文章访问数:  242
  • HTML全文浏览量:  40
  • PDF下载量:  31
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-07-05
  • 修回日期:  2018-08-15
  • 刊出日期:  2018-12-25

基于高斯拟合的相干激光雷达风速估计算法

doi: 10.3788/IRLA201847.1230006
    作者简介:

    王平春(1993-),男,硕士生,主要从事测风激光雷达及光电探测方面的研究。Email:blusumer@mail.ustc.edu.cn

基金项目:

国家自然科学基金(41574180,41374156,41204108)

  • 中图分类号: TN958.98

摘要: 分别利用高斯拟合估计算法(Gaussian fitting estimation algorithm,以下简称Gauss估计算法)和最大似然(Maximum Likelihood,ML)离散谱峰值(Discrete Spectral Peak,DSP)估计算法(ML DSP)处理实测回波信号,计算得到风速扰动的功率谱密度(Power Spectral Density,PSD)。根据Kolmogorov湍流理论中PSD与频率的-5/3关系,比较不同距离门下的PSD,采用高频区域的风速误差作为风速估计性能参数,分析比较不同距离情况下风速误差,并利用自相关系数分析风速时间变化的相关性。结果表明:在距离较低的探测区域Gauss估计算法的风速误差微弱小于对应的ML DSP估计算法,二者之间的风速误差差值最多不超过0.05 m/s。而在距离较高的区域,两种算法的风速误差差值从820 m处的0.06 m/s增加至1 200 m的0.16 m/s。在风速的时间相关性分析上,Gauss估计算法的风速时间自相关系数明显大于对应的ML DSP估计算法,说明Gauss估计算法处理的风速数据更具有稳定性。

English Abstract

参考文献 (19)

目录

    /

    返回文章
    返回