一种基于自适应联合特征滤波的积水监测仪自动校准方法与流程

摘要: 本发明涉及积水监测,具体涉及一种基于自适应联合特征滤波的积水监测仪自动校准方法。背景技术:1、城市内涝是影响城市安全运行的重要灾害,道路积水监测是内涝预警的核心...
一种基于自适应联合特征滤波的积水监测仪自动校准方法与流程

本发明涉及积水监测,具体涉及一种基于自适应联合特征滤波的积水监测仪自动校准方法。

背景技术:

1、城市内涝是影响城市安全运行的重要灾害,道路积水监测是内涝预警的核心环节。基于毫米波雷达的积水监测技术因其全天候工作能力和较高的测距精度得到广泛应用,其通过发射调频连续波信号并接收水面反射回波实现积水深度测量。

2、现有毫米波雷达积水监测技术主要采用纯多普勒滤波方法进行信号处理,其核心原理是利用目标物体相对运动产生的多普勒频移实现积水检测。然而,该方法在处理城市道路积水监测实际场景时存在以下技术缺陷:

3、其一,对于静态积水或液面近乎静止的场景,水面反射信号不产生或仅产生极其微弱的多普勒频移,传统自适应滤波器的增益在低多普勒区域严重衰减,导致检测输出信噪比恶化;对于缓慢水位变化场景,多普勒信号被环境噪声淹没,检测概率低下。其根本原因在于现有技术将多普勒频域信息与回波波形时域信息割裂处理,静态积水虽缺乏多普勒特征但具有稳定波形包络,动态积水虽具有显著多普勒特征但波形变化剧烈,单一域处理方法无法覆盖全范围水位变化场景。

4、其二,当监测点周围存在漂浮物时,雷达回波呈现多峰值特征,传统固定阈值检测器无法有效区分水面真实回波与漂浮物虚假回波,导致系统误报率高、有效监测率不足。

5、其三,现有监测仪普遍缺乏有效的自动校准机制。温度漂移补偿精度不足导致极端温度条件下测量误差大;传感器表面污染物累积导致长期运行时灵敏度下降;传统设备依赖人工定期校准,校准周期内测量数据严重失真。

6、综上所述,现有技术存在静态积水检测失效、缓慢水位变化漏检、虚假回波干扰导致误报率高、缺乏自动校准能力的技术问题。

技术实现思路

1、本发明的目的就是为了弥补现有技术的不足,本技术提供了一种基于自适应联合特征滤波的积水监测仪自动校准方法,旨在解决上述背景技术中提出的现有积水监测仪校准效率低、精度差、静态积水检测失效、缓慢水位变化漏检以及虚假回波干扰导致误报率高的技术问题。

2、为实现上述目的,本发明提供了一种基于自适应联合特征滤波的积水监测仪自动校准方法,应用于由毫米波雷达传感器、信号调理模块、模数转换模块、数字信号处理器、存储模块以及温度湿度传感器构成的控制系统,其特征在于,包括以下步骤:

3、步骤s1,雷达回波信号采集与预处理:利用毫米波雷达传感器向监测区域发射调频连续波雷达信号,接收水面及漂浮物反射形成的雷达回波信号。毫米波雷达采用77ghz频段,射频带宽为4ghz,距离分辨率优于5cm,最大检测距离为10m,测距精度为±2mm。优选地,所述调频连续波雷达信号的起始频率为76ghz,终止频率为81ghz,调制周期为1ms。

4、接收链路将射频回波信号与本振信号进行混频以产生中频信号;所述中频信号依次经过低噪声放大和带通滤波处理;经放大、滤波后的中频信号进入模数转换模块进行数字化采样。所述模数转换的采样率为20msps,数字采样序列的长度为2048点。

5、同时,温度湿度传感器同步采集环境温度信号和湿度信号,并通过数据总线传送至数字信号处理器。处理器根据环境温度查表得到对应的声速修正系数,用于后续的距离计算补偿。优选地,所述温度传感器采用铂电阻温度传感器,测量范围为-40℃至+85℃,测量精度为±0.3℃;所述湿度传感器采用电容式湿度传感器,测量范围为0%至100%相对湿度,测量精度为±2%相对湿度;

6、步骤s2,多普勒特征提取:对步骤s1获得的数字采样序列进行频域变换处理,提取多普勒速度谱信息,构成多普勒特征向量。

7、具体地,对所述数字采样序列施加汉明窗(hamming窗)以减小频谱泄漏效应。汉明窗函数的系数计算公式为:

8、

9、其中n为快速傅里叶变换的点数,取值为1024点,n为采样点索引。所述数字采样序列的长度为2048点,从中截取前1024点进行加窗和后续的快速傅里叶变换处理。加窗后的信号表示为,x(n)为原始采样序列。

10、随后,对加窗信号进行1024点快速傅里叶变换。fft运算采用基2时间抽取算法,通过蝶形运算单元在数字信号处理器中实现。变换结果x(k)为复数序列,包含512个独立频率分量的幅度和相位信息。连续采集个调频周期的距离维fft结果(取值为256),沿帧序号方向对同一距离单元构成慢时间维序列;对所述慢时间维数据序列进行第二次fft处理,设第二次fft后的频域结果为。

11、多普勒速度谱的提取采用峰值搜索方法。对于慢时间维上的每一个距离单元,计算该单元对应的多普勒频率分量的功率谱,功率谱计算公式为:

12、

13、对所有距离单元的功率谱进行峰值搜索,得到多普勒速度谱。多普勒频率与目标径向速度的对应关系为:

14、

15、其中为雷达波长(77ghz频段对应的波长约为3.9mm),为多普勒频率。所述多普勒速度谱的维度为512维,构成多普勒特征向量。

16、步骤s3,波形特征提取:对步骤s1获得的数字采样序列同步进行包络检波处理,从包络序列中提取时域特征参数,构成波形特征向量。

17、包络检波采用希尔伯特变换实现。所述希尔伯特变换通过有限冲激响应(fir)滤波器实现。所述fir滤波器采用parks-mcclellan最优等纹波设计方法,通带范围为0.1至0.9倍奈奎斯特频率,阻带衰减大于60db,滤波器阶数为128阶。包络检波后的序列经过多级抽取滤波处理,分辨率降至1khz。

18、从包络序列中提取四类时域特征参数。上升时间定义为包络从10%峰值上升至90%峰值所经历的时间,反映回波信号的建立速度。峰值幅度定义为包络序列的最大值,反映目标回波的强度。回波能量e定义为包络幅度平方在时间窗口内的积分离散近似,即。峰值宽度定义为包络高于50%峰值所持续的时间宽度,反映回波脉冲的时间扩展特性。

19、上述四类时域特征参数构成波形特征向量w(t),维度为512维。各特征参数经过归一化处理以消除量纲差异对后续融合算法的影响。

20、对包络检波后呈现多峰值特征的回波信号,采用动态时间规整(dtw)方法进行匹配聚类,计算各回波脉冲之间的dtw距离;将dtw距离小于预设阈值的回波归为同一类别;将波形特征偏离典型水面回波特征模式的回波判定为漂浮物虚假回波并予以抑制,保留符合典型水面回波特征的回波用于后续处理。

21、步骤s4,联合特征融合:将步骤s2获得的多普勒特征向量与步骤s3获得的波形特征向量按照动态加权系数进行加权拼接融合,对融合结果进行降维处理和归一化处理,获得联合特征向量。

22、加权拼接融合的数学表达式为:

23、

24、其中和为动态加权系数,表示向量拼接操作。所述动态加权系数基于特征方差确定:

25、

26、其中为多普勒特征向量的方差,为波形特征向量的方差。,满足归一化条件。

27、加权拼接后的联合特征向量f的维度为1024维。为降低后续算法的计算复杂度和存储开销,进行降维处理。所述降维处理采用主成分分析(pca)方法。首先构造包含m个历史样本的数据矩阵,其中m取值为1000。计算数据矩阵的均值向量和协方差矩阵:

28、

29、通过特征值分解求解协方差矩阵的特征值和特征向量,取前64个最大特征值对应的特征向量组成投影矩阵。降维变换将1024维特征向量映射至64维空间:

30、

31、其中,为由前64个最大特征值对应的特征向量组成的投影矩阵。

32、降维后的特征向量进行l2范数归一化处理:

33、

34、归一化处理确保联合特征向量的能量恒定,消除特征幅度波动对分类器的影响。

35、步骤s5,变分贝叶斯推断:利用变分贝叶斯推断方法对步骤s4获得的联合特征向量进行概率分类,输出至少包括静态积水、缓慢变化积水和动态积水三类检测状态对应的后验概率。

36、优选地,观测模型采用高斯混合模型(gmm),包含三个高斯分量,分别对应静态积水、缓慢变化积水和动态积水三种检测状态。设隐类别变量为c,取值范围为{静态,缓慢,动态}。每个高斯分量的参数包括均值向量和协方差矩阵,其中。观测模型的条件概率为:

37、

38、其中,分别对应静态、缓慢、动态三种状态。变分贝叶斯推断的目标是近似后验分布,其中z为隐类别变量的集合。引入变分分布,通过最小化变分分布与真实后验分布的kl散度来求解近似后验。

39、e步固定模型参数,计算隐变量的后验分布:

40、

41、m步固定隐变量分布,更新模型参数,其中为先验混合系数:

42、

43、迭代过程重复执行e步和m步,直至收敛。收敛判定条件为相邻两次迭代的证据下界(elbo)变化量小于  ,或达到最大迭代次数50次。

44、迭代收敛后,根据贝叶斯公式计算各类别的后验概率:

45、

46、后验概率的数值范围为0至1,反映联合特征向量属于各类别的置信程度。

47、步骤s6,自适应模式切换:根据步骤s5输出的后验概率判定当前积水状态,自适应切换至对应的检测模式,设置对应的积分时间和检测阈值。

48、模式判定采用阈值比较策略:

49、当静态后验概率时,判定为静态积水模式。此时积分时间设置为30秒,检测阈值设置为0.5mm。较长的积分时间可以有效平滑随机噪声,提升静态目标的检测信噪比。

50、当缓慢后验概率 且 时,判定为缓慢变化积水模式。该模式适用于水位以0.5mm/s至5mm/s速率缓慢变化的应用场景。积分时间设置为10秒,检测阈值设置为0.2mm。

51、当动态后验概率 且 且 时,判定为动态积水模式。该模式适用于水位快速变化或存在流动的场景。积分时间设置为2秒,检测阈值设置为1.0mm。

52、模式切换机制采用硬切换与软保持相结合的策略。硬切换条件为连续3帧满足切换条件才执行模式切换,避免瞬时噪声或突发干扰导致的模式频繁跳变。软保持机制为模式切换后设置15秒的缓冲期,缓冲期内若后验概率回归原模式则立即回切至原模式,确保模式切换的平滑性和稳定性。

53、步骤s7,自动校准触发与执行:持续监测系统运行状态参数,当检测到系统参数发生漂移时,自动触发校准程序,执行系统参数的自动校准。

54、漂移监测模块持续计算联合特征向量的统计均值与初始校准值的偏差。偏差计算采用l2范数度量:

55、

56、其中为当前时刻联合特征向量的统计均值,为系统初始校准时的基准均值。

57、校准触发条件包括以下至少一种情形:

58、累积漂移量超过预设阈值2mm(主要触发方式);

59、连续运行时长达到预设校准周期48小时;

60、环境温度变化超过预设温度阈值15℃(辅助触发方式,与累积漂移量监测形成互补);

61、系统上电复位后首次测量。

62、任一条件满足即触发自动校准程序。其中,联合特征向量的统计均值与初始校准值的累积漂移量监测为主要的校准触发方式,其能够综合反映传感器老化、污染物累积、电路参数漂移等多种因素导致的系统性能退化;环境温度变化触发为辅助的校准触发方式,主要用于在温度剧烈变化时提供快速的补充校准,两者互为补充、共同保障系统在全工况下的测量精度。

63、自动校准程序包括以下阶段:

64、基准采集阶段:持续5秒,关闭雷达发射信号,仅采集环境噪声数据。数字信号处理器计算噪声均值和噪声方差:

65、

66、其中m为噪声采样点数,取值为5000点。

67、模型更新阶段:持续3秒,基于采集的噪声基准更新背景噪声模型:

68、

69、其中为传感器固有噪声方差,在系统设计阶段通过测试确定。

70、滤波器重初始化阶段:持续2秒,重新初始化变分贝叶斯滤波器的先验分布参数,包括各类别的均值向量、协方差矩阵和混合系数:

71、

72、其中为先验混合系数,初始值根据典型应用场景设定。

73、恢复监测阶段:完成校准参数更新后,恢复正常的积水监测模式。

74、与现有技术相比,本发明的有益效果在于:

75、本发明通过在慢时间维对连续多个调频周期的距离维fft结果进行二次fft处理,有效提取水面反射回波的多普勒频率分量,并结合峰值搜索方法获得多普勒速度谱,使得静态积水与缓慢变化积水场景下的微弱多普勒信号得以有效提取,为后续联合特征融合提供了可靠的多普勒特征输入,动态积水场景下多普勒特征在联合特征中占据主导地位以强化运动信息,并基于特征方差异常进行动态加权调整以突出判别能力更强的特征维度。由此,实现了从静态到动态全范围水位变化场景的有效覆盖,克服了单一域处理方法无法覆盖全场景的技术瓶颈;

76、本发明通过从包络序列中提取上升时间、峰值幅度、回波能量、峰值宽度等多维时域特征构建波形特征向量,使真实水面回波与漂浮物回波在特征空间中形成可分性分布,并结合动态时间规整匹配聚类对多峰回波进行相似度聚类,将波形特征偏离典型水面回波特征模式的回波判定为虚假回波并予以抑制,从而有效降低了系统误报率;

77、本发明通过对联合特征向量的统计均值进行持续跟踪监测,以统计距离度量其与初始校准基准值的偏差程度,综合感知传感器老化、温度漂移、污染物累积等多因素耦合导致的系统性能退化,并在偏差超出预设范围时自动触发包含基准噪声采集、背景噪声模型更新、滤波器先验分布重初始化的完整校准流程。校准全过程无需人工干预。同时,通过同步采集环境温度并对测距参数进行持续声速补偿,消除了环境温度变化对测量精度的影响,确保系统在全温度范围内的测量一致性。