最大似然频谱估计法与周期图最大值法的性能比较分析

研究宽带信噪比(RSNW)和有效功率谱宽度对最大似然(ML)法多普勒频率估计结果的影响,采用探测概率和正确估计频率标准差来描述ML算法对仿真信号和实验数据的处理性能,并与周期图最大值(PM)法所得结果进行比较。经理论仿真和对中国科学院上海光学精密机械研究所1.5μm全光纤相干测风激光雷达实测数据的反演处理,结果表明,高谱宽度下,ML算法的正确估计频率标准差与相比PM可降低0.5 MHz,达到90%的探测概率所需宽带信噪比ML算法与PM算法相比低2 d B。表明ML算法的正确估计频率标准差能与PM算法相比不高于1.1 MHz,探测概率高9%。要获得风速精度小于1 m/s同时探测概率在80%以上,所需宽带信噪比大于-14 d B。

最大概似法在多普勒激光测风雷达中的应用研究

为了从相干多普勒测风激光雷达的微弱气溶胶后向散射信号中高效、准确地提取多普勒频移信息,得到最接近CRB极限的无偏估计,利用气溶胶后向散射信号统计特性,建立了相干多普勒激光雷达仿真模型,并用最大概似法(ML)推导了在功率谱宽度已知情况下多普勒频率的估计算法。利用1.54μm全光纤相干激光雷达系统获得风场测量数据,用ML算法进行多普勒频移估计,并将结果与传统的周期图最大值法(PM)所得结果进行比较。对比表明,ML算法与PM算法的数据处理结果有较好的一致性,并且ML算法的多普勒频率探测能力更优。

先验平滑方法在相干测风激光雷达中的应用

相干测风激光雷达通常采用周期图最大值法,但在远场低信噪比区域是有偏估计,因而会增加风速测量误差。距离门功率谱基线漂移现象作为误差源之一,会偏置谱峰分布基准,并干扰峰值频率检测。为了校正基线漂移,提出了基于正则化惩罚最小二乘法的先验平滑估计频谱基线方法。经过大气测风实验应用,结果表明,该方法能有效校正基线漂移,从而显著提高远场风速的估计精度,并最终提升了测风激光雷达的探测距离。

相干多普勒测风激光雷达低信噪比区域回波信号的估计方法

相干多普勒测风激光雷达通常会采用周期图最大值法(PM)提取不同距离门信号的多普勒频移(对应风速)信息。由于噪声和相干效率的影响,个别距离门信号会出现信噪比(SNR)突然降低的情况,从而导致系统的探测概率降低,影响系统整体的探测性能。为了解决个别距离门信号多普勒频移的错误估计问题,提出了一种新的非线性自适应多普勒频移估计方法。该方法利用风速的连续性,标定错误距离门,并自适应地利用强信噪比区域的多普勒频移统计数据来弥补信噪比变差而出现的估计错误。分别利用了仿真模型和一套1.54μm全光纤相干激光雷达系统获得了风场测量数据,对比了使用该技术前后反演得到的风速趋势,证明该方法能够有效地解决上述问题。