-
激光雷达测风系统原理如图1所示,由连续光纤激光器、光纤放大器、环形器、望远镜、可调光衰减器、保偏光纤耦合/分束器、平衡探测器、ADC和FPGA组成的信号采集处理模块、上位机等组成。
利用连续光纤激光器产生波长为1 550 nm的连续激光,经保偏分束器分成两路:一路光通过可调光衰减器作为本振光在保偏光纤耦合/分束器实现相干处理;另一路探测光通过光纤放大器进行功率放大,进入到光纤环形器,经过同轴望远镜发射频率为
${f_a}$ 的光信号到大气中。该光信号通过大气中气溶胶颗粒散射后返回频率为${f_b}$ 的回波光信号,该回波光信号被聚焦透镜接收耦合后通过光纤与本振光进行外差相干混频,得出多普勒频移$\Delta f$ ,此时风速$v$ 与多普勒频移$\Delta f$ 关系为[7-8]:$$\Delta f{\rm{ = }}{f_a} - {f_b} = {{2v} \mathord{\left/ {\vphantom {{2v} \lambda }} \right. } \lambda }$$ (1) 式中:
$\lambda $ 为1 550 nm。相干后的光信号在平衡探测器上转换为电信号,经过信号采集处理模块将模拟信号转换为数字信号,再通过FPGA进行FFT运算以及频谱数据累加平均,通过上位机软件反演出风速。为了得到多普勒频移$\Delta f$ ,基于以上原理搭建一套激光雷达测风系统,主要器件参数标定如表1所示。表 1 激光雷达测风系统主要器件参数标定
Table 1. Parameter calibration of main components of lidar wind measurement system
Name Parameters Value Fiber laser Wavelength/nm 1 550 Output power/mW 10 Line width/kHz 3 Balanced detector Responsivity/A·W−1 0.95 3 dB bandwidth/MHz 100 Telescope Focus distance/m 50 ADC Resolution/bit 14 Sampling rate/MHz 100 利用上述设定参数器件搭建的激光雷达测风系统,将望远镜聚焦距离固定在50 m左右,进行实际风速测量与实验数据分析,得出测风系统的性能指标。
-
实际风速测量过程中,提取到有效的多普勒频谱信息对实现风速反演有着重要意义,目前FFT算法的实现有软件与硬件两种实现方式[10]。针对激光雷达回波信号实时性强的特点,软件方式实现存在运算速度慢、延时长等问题,对数据的处理欠缺实时性,因此研究硬件实现FFT对激光雷达测风系统有着重要意义。该研究使用了块浮点结构,将采集到的回波数据在FPGA上进行实时FFT流模式运算。
FFT是离散傅里叶变换(以下简称DFT)的快速算法,长度为
$N$ 的DFT单位圆上计算均匀分布的$N$ 个点$W_N^{nk}{\rm{ = }}{{\rm{e}}^{{{ - j2\pi nk} / N}}}$ 组成的时域离散序列$x(n)$ 的傅里叶变换[11]:$$X\left( k \right) = \sum\limits_{n = 0}^{N - 1} {x(n)} W_N^{nk},\;\;\;\;k = 0,1,…,N - 1$$ (2) Cooley-Tukey(库利-图基)FFT算法是变换长度
$N$ 是$r$ 基幂的形式,即$N = {r^x}$ ,该算法称为基$r$ 算法。采用基-4 FFT可以降低运算对FPGA资源的占用量,提高FPGA对回波数据运算的效率,提高频谱数据运算精度,其基本结构是每一级运算由${N / 4}$ 个蝶形运算构成,将序列$x(n)$ 分成4个${N / 4}$ 点的序列,原理如下:$$ {x}_{1}(n),{x}_{2}(n),{x}_{3}(n),{x}_{4}(n)\;\;n=0,1,…,N/4-1$$ (3) 令:
$$\left\{ {\begin{array}{*{20}{c}} {A = {x_1}(n) = x(n)} \\ {B = {x_2}(n) = x(n + {N \mathord{\left/ {\vphantom {N 4}} \right. } 4})} \\ {C = {x_3}(n) = x(n + {N \mathord{\left/ {\vphantom {N 2}} \right. } 2})} \\ {D = {x_4}(n) = x(n + {{3N} \mathord{\left/ {\vphantom {{3N} 4}} \right. } 4}){\kern 1pt} {\kern 1pt} } \end{array}} \right.$$ (4) 得:
$$x(n) = {x_1}(n) + {x_2}(n) + {x_3}(n) + {x_4}(n) = A + B + C + D{\kern 1pt} {\kern 1pt} $$ (5) 将
$x(n)$ 代入DFT表达式中,则有:$$\begin{gathered} X(k) = \sum\limits_{n = 0}^{{N \mathord{\left/ {\vphantom {N 4}} \right. } 4} - 1} {[AW_N^{nk} + BW_N^{{\rm{(}}n{\rm{ + }}{N \mathord{\left/ {\vphantom {N 4}} \right. } 4}{\rm{)}}k} + CW_N^{{\rm{(}}n{\rm{ + }}{N \mathord{\left/ {\vphantom {N 2}} \right. } 2}{\rm{)}}k} + DW_N^{{\rm{(}}n{\rm{ + }}{{3N} \mathord{\left/ {\vphantom {{3N} 4}} \right. } 4}{\rm{)}}k}]} = \\ \sum\limits_{n = 0}^{{N \mathord{\left/ {\vphantom {N 4}} \right. } 4} - 1} {[A + BW_N^{{{Nk} \mathord{\left/ {\vphantom {{Nk} 4}} \right. } 4}} + CW_N^{{{Nk} \mathord{\left/ {\vphantom {{Nk} 2}} \right. } 2}} + DW_N^{3{{Nk} \mathord{\left/ {\vphantom {{Nk} 4}} \right. } 4}}]} W_N^{nk}{\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} \\ \end{gathered} $$ (6) 把
$X(k)$ 按频率抽取,得:$$\begin{gathered} \left\{ {\begin{array}{*{20}{c}} {X\left( {4k} \right) = \displaystyle\sum\limits_{n = 0}^{{N \mathord{\left/ {\vphantom {N 4}} \right. } 4} - 1} {[A + B + C + D]} W_{{N \mathord{\left/ {\vphantom {N 4}} \right. } 4}}^{nk}} \\ {X\left( {4k + 1} \right) = \displaystyle\sum\limits_{n = 0}^{{N \mathord{\left/ {\vphantom {N 4}} \right. } 4} - 1} {[A - jB - C + jD]} W_N^nW_{{N \mathord{\left/ {\vphantom {N 4}} \right. } 4}}^{nk}} \\ {X\left( {4k + 2} \right) = \displaystyle\sum\limits_{n = 0}^{{N \mathord{\left/ {\vphantom {N 4}} \right. } 4} - 1} {[A - B + C - D]} W_N^{2n}W_{{N \mathord{\left/ {\vphantom {N 4}} \right. } 4}}^{nk}} \\ {X\left( {4k + 3} \right) =\displaystyle \sum\limits_{n = 0}^{{N \mathord{\left/ {\vphantom {N 4}} \right. } 4} - 1} {[A + jB - C - jD]} W_N^{3n}W_{{N \mathord{\left/ {\vphantom {N 4}} \right. } 4}}^{nk}} \end{array}} \right. \\ \\ \end{gathered} $$ (7) -
根据上述原理,该研究采用时序控制逻辑结合封装完成的FFT IP核,在100 MHz全局时钟下对1 024点回波数据进行FFT运算,仿真结果表明一帧FFT运算时间约为100 μs,相比DSP等软件编程方式处理频谱数据拥有更好的实时性。此设计在提高数据测量精准度的同时也缩短了开发周期。对FFT IP 核进行状态机控制逻辑编写得到的时序仿真如图3所示。
其中sink_sop与sink_eop表示输入一帧数据的开始与结束;sink_real与sink_imag表示输入数据的实部与虚部;source_sop与source_eop表示一帧FFT计算结果输出的开始与结束;source_real与source_imag表示计算输出数据的实部与虚部;sink_ready与source_ready表示FFT引擎可以接收数据与发送数据。sink_valid信号拉高时表示输入端口数据有效,source_exp表示FFT计算输出数据的指数。
-
激光雷达回波信号频谱复杂、背景噪声复杂,为提高系统测风的精准度,保证测风过程的实时性的同时有效降低背景噪声对测风精度的影响,需要在信号采集处理模块内,利用10 kHz的内部触发信号对回波信号进行1 024个点的采集处理。整个算法设计在状态机逻辑控制下完成,将FFT运算后的数据进行对应点累加,累加后数据移位至存储器中,最终累加平均结果通过SPI总线发送给数据传输模块,算法架构如图4所示。
-
FPGA中FFT累加平均运算由并行累加存储单元、累加次数判断单元、存储器等模块以及相关标志信号协同工作完成。FFT的计算结果输出标志作为状态机的驱动,标志信号确保每次FFT计算结果的对应点依次累加,保证了数据准确性,图5是1 024次累加状态转移图,其运行频率为100 MHz。
在空闲状态下,初始化并行累加存储单元与累加计数器;当检测到标志信号时,跳转到开始累加状态;等待延迟标志信号,将FFT算出的第一组数据写入存储器模块中,状态跳转到累加存储单元。状态机检测到第二次标志信号时,开启并行累加器使能,开始将第一组数据与第二组数据进行对应点累加存储,同时将新的累加结果写入存储器模块;在完成一次新数据累加存储后,跳转到累加判断状态,进行当前累加次数与1 024次进行比较,如果未到达则跳回累加存储状态继续累加存储;如果到达则跳转到累加完成状态,同时给出中断信号。控制逻辑将累加数据右移10位得到1 024次累加平均数据,通过SPI总线将该累加平均数据发送给数据传输模块。
-
DSP在20 MHz主频下完成一次1 024点采集任务结束后,DSP在0.2 ms内(采集1 024个数据的时间:1 024×10 ns≈0.01 ms)将1024个数据读入DSP存储器暂存[12],等1 024次采集结束后,需要的时间约为0.2 ms×1 024≈205 ms。将DSP主频设置为100 MHz,完成1 024次采集需要41 ms左右,并且在1 024次采集任务完成之后DSP还需要进行对应点的累加平均工作,此过程又会消耗DSP大量存储空间与时间,将导致后续风速反演速度变慢,导致测风系统实时性变差。另外,当采集数据点数增加时、累加平均次数增多时,完成单次数据点采集时就花费DSP更多的时间与存储空间,数据读取的时间也会更长,这就会使测风系统实时性较差、并且也欠缺后期的可配置性。
相较于上述方案,该研究利用FPGA设计累加平均算法,当采样频率
${f_S}$ =100 MHz,FFT长度P=1 024点,N=1 024次时,根据以下公式[13]:$$T{\rm{ = }}\frac{{N \times P}}{{{f_S}}}$$ (8) 得到累加平均数据的采样时间T约为10 ms:两者数据对比表明,该研究所设计的硬件实现累加平均算法,能大幅度提高频谱数据运算速度,提高系统的时间分辨率与测风精度。
-
为了对连续相干激光雷达测风系统的回波信号进行采集处理与显示,同时验证采集处理模块的性能指标,在实验室搭建激光雷达侧风系统实验平台。实验平台如图6所示,该平台有以下模块组成,其中①~⑧分别为连续激光器、光纤放大器、可调光衰减器、望远镜、平衡探测器、采集处理模块、数据传输模块和上位机。
①~⑤以及光纤组成了连续相干激光雷达部分,将设计的⑥~⑧接入到连续相干激光雷达部分,组成完整的激光雷达测风系统。相干后的光信号在⑤上转换为电信号,通过⑥进行实时采集、FFT计算多普勒频移、并对频谱数据进行累加平均运算;将处理后的数据通过SPI总线传输到⑦上,最后通过网线传输到⑧实时监控频谱数据,并进行风速反演。
-
搭建的该套激光雷达测风系统能够实现的性能指标如表2所示。
表 2 测风系统性能指标
Table 2. Performance indicators of wind measurement system
Parameter Value Detection range/m 10-100 Wind speed measurement range/m·s−1 0-38 Spectral resolution/kHz 97.66 Wind speed measurement accuracy/cm·s−1 7.57 Wind speed data refresh frequency/Hz 8 由于光的衍射,连续激光超过一定距离无法聚焦,测量距离经常在几十到数百米之间[14],ADC的数据采集速率为100 MHz,根据奈奎斯特采样定理,超过50 MHz后的多普勒频谱数据将会失真,所以该系统最大测量风速约为38 m/s;其中频谱分辨率由数据采样频率除以采样点数得到,即:100 MHz/1 024≈97.66 kHz,根据频谱分辨率得出系统的测量风速的精度为7.57 cm/s,经过系统联调测试,风速数据刷新频率为8 Hz。
-
为了验证累加平均算法对激光雷达回波信号背景噪声的滤波效果,利用采集处理模块分别实现对回波信号频谱单次测量与1 024次累加平均测量。图7为单次回波信号频谱,X轴表示信号的频率,其分辨率为0.1 MHz;Y轴表示幅值谱,采用对数坐标,单位为dB。其背景噪声频谱幅度波动范围为−10~10 dB。
图8是经过1 024次累计平均之后的频谱图,由图可知,其背景噪声幅值谱波动范围为−1~1 dB。通过两图对比可知,激光雷达回波信号经过单次FFT变换时,其背景噪声频谱幅度波动大,通过1 024次累加平均后,可明显消除背景噪声的频谱干扰。图中第一个峰对应频率是连续激光器固有频率,第二个峰是有风时测得的频率偏移量,频率为5 MHz,此时将
$\Delta f{\rm{ = }}5\; {\rm{MHz}}$ ,$\lambda {\rm{ = }}1\;550 \;{\rm{nm}}$ 代入公式(1)得出风速为3.88 m/s。 -
为了验证所设计的模块能否满足实时测风需求,需要考虑模块FPGA资源利用率的大小,资源利用率决定了FPGA并行处理激光雷达回波数据的效率。文中通过优化时序控制逻辑与算法整体架构,大幅减小了FPGA资源利用率,提高了回波数据运算的效率,表3展示了两模块FPGA的资源利用率,由表可知,设计的模块资源利用率小,并行运算回波数据效率高,满足实时测风需求,并在实际测风中得到了很好的验证。
表 3 FPGA的资源利用率
Table 3. Resource occupancy rate of FPGA
Device FPGA resources Used/Total Rate Cyclone IV Logic elements 5 978/114 480 5% Memory bits 411 086/3 981 312 10% Cyclone V Multiplier elements 40/532 8% Logic utilization 3 671/41 910 9% Memory bits 19 200/5 662 720 <1%
Research on signal acquisition and processing of lidar wind measurement system
-
摘要: 为满足风场对风速测量的需求,研制了基于FPGA的激光雷达测风系统高速信号采集处理模块,负责对激光雷达回波信号采集、快速傅里叶变换(FFT)及频谱数据累加平均运算。将采集到的1 024点回波数据通过流模式、块浮点结构FFT运算,分别得到单次频谱数据和1 024次累加平均频谱数据,并利用数据传输模块可靠传输至上位机进行显示与分析。通过搭建工作波长为1 550 nm的连续相干激光雷达测风系统,对信号采集处理模块进行指标测试和累加平均滤波算法验证。测试结果表明:该采集处理模块能够在100 MHz时钟下对回波信号实时采集处理,频谱分辨率达到97.66 kHz,将风速测量精度提升至7.57 cm/s。Abstract: In order to meet the requirements of wind speed measurement in wind field, a high-speed signal acquisition and processing module of lidar wind measurement system based on FPGA has been developed, which was responsible for lidar echo signal acquisition, Fast Fourier Transform (FFT) and spectrum data accumulation and averaging operation. The collected 1 024 point echo data was calculated by flow mode and block floating-point structure FFT to obtain single spectrum data and 1 024 cumulative average spectrum data respectively, and the data transmission module was reliably transmitted to the host computer for display and analysis. By building a continuous coherent lidar wind measurement system with the working wavelength of 1 550 nm, the index of the signal acquisition and processing module was tested and the cumulative average filtering algorithm was verified. The experiment results show that the acquisition and processing module can meet the real-time acquisition and processing of echo signal under the 100 MHz clock, and the spectrum resolution reaches 97.66 kHz, and the accuracy of wind speed measurement is improved to 7.57 cm/s.
-
Key words:
- lidar /
- high-speed signal acquisition and processing /
- FPGA /
- FFT
-
表 1 激光雷达测风系统主要器件参数标定
Table 1. Parameter calibration of main components of lidar wind measurement system
Name Parameters Value Fiber laser Wavelength/nm 1 550 Output power/mW 10 Line width/kHz 3 Balanced detector Responsivity/A·W−1 0.95 3 dB bandwidth/MHz 100 Telescope Focus distance/m 50 ADC Resolution/bit 14 Sampling rate/MHz 100 表 2 测风系统性能指标
Table 2. Performance indicators of wind measurement system
Parameter Value Detection range/m 10-100 Wind speed measurement range/m·s−1 0-38 Spectral resolution/kHz 97.66 Wind speed measurement accuracy/cm·s−1 7.57 Wind speed data refresh frequency/Hz 8 表 3 FPGA的资源利用率
Table 3. Resource occupancy rate of FPGA
Device FPGA resources Used/Total Rate Cyclone IV Logic elements 5 978/114 480 5% Memory bits 411 086/3 981 312 10% Cyclone V Multiplier elements 40/532 8% Logic utilization 3 671/41 910 9% Memory bits 19 200/5 662 720 <1% -
[1] Luo Jie, Hou Zaihong, Jing Xu, et al. Advances in coherent laser wind measurement technology [J]. Chinese Journal of Quantum Electronics, 2020, 37(2): 129-137. (in Chinese) [2] Fan Qi, Zhu Keyun, Zheng Jiafeng, et al. Detection performance analysis of all-fiber coherent wind lidar under different weather types [J]. Chinese Journal of Lasers, 2017, 44(2): 326-335. (in Chinese) [3] Liu Ruqing, Jiang Yan, Li Feng, et al. Design of multi-channel data acquisition system for real-time perception lidar [J]. Infrared and Laser Engineering, 2021, 50(5): 20200291. (in Chinese) [4] Liu Binggang, Chang Jianhua, Xu Fan, et al. Design of lidar data acquisition system based on FPGA chip [J]. Electronics Optics & Control, 2018, 25(12): 68-72. (in Chinese) [5] Yang Weida, Xu Qiongqiong, Chen Zhongge. Realization of 1024 points fast fourier transform based on FPGA IPcore [J]. Metrology & Measurement Technique, 2020, 47(8): 31-34. (in Chinese) [6] Li Hejun, Zhang Pengfei, Pan Jingyan, et al. Study on signal processing system of coherent wind LIDAR [J]. Laser & Infrared, 2013, 43(10): 1113-1116. (in Chinese) [7] Yang Wuhao, Zhang Pu, Yang Xinfeng, et al. Performance optimization and experimental research of continuous wave coherent wind lidar [J]. Acta Photonica Sinica, 2021, 50(4): 0401004. (in Chinese) [8] Chu Yufei, Liu Dong, Wang Zhenzhu, et al. Basic principle and technical progress of Doppler wind lidar [J]. Chinese Journal of Quantum Electronics, 2020, 37(5): 580-600. (in Chinese) [9] Yang Yu, Yang Changlin, Hu Jianyu, et al. Design of GNSS IF signal acquisition system and receiver based on Linux [J]. Electronics Optics & Control, 2015, 22(7): 75-78. (in Chinese) [10] Shen Longlong, Li Junqi, Yu Shuiyou. Implementation of 1024 points FFT based on FPGA in real-time decoding of signal [J]. Electro-Optic Technology Application, 2020, 35(3): 67-72, 77. (in Chinese) [11] Yin Shimin, Liang Yongbo, Zhu Jianming, et al. Study on real-time spectrum recovery system on a FPGA chip for Fourier transform infrared imaging spectrometer [J]. Infrared and Laser Engineering, 2015, 44(12): 3580-3586. (in Chinese) [12] Xin Wenhui, Li Shichun, Hua Dengxin, et al. Design of a high-speed data acquisition system based on FPGA for laser radar [J]. Acta Photonica Sinica, 2012, 41(8): 967-971. (in Chinese) doi: 10.3788/gzxb20124108.0967 [13] Jiang Shan, Sun Dongsong, Han Yuli, et al. Design and test of laser anemometer based on continuous wave coherence detection [J]. Infrared and Laser Engineering, 2019, 48(12): 1203008. (in Chinese) doi: 10.3788/IRLA201948.1203008 [14] Rodrigo Peter John, Pedersen Christian. Field performance of an all-semiconductor laser coherent Doppler lidar [J]. Optics Letters, 2012, 37(12): 2277-2279.