一种基于自适应滤波技术的舰船升沉测量方法与流程

本发明属于舰船运动测量技术领域，尤其涉及解决升沉滤波器输出相位超前问题的一种基于自适应滤波技术的舰船升沉测量方法。

背景技术：

舰船在海上航行过程中，不可避免地会受到海浪和海风等复杂海洋环境因素的扰动，被动地产生6自由度的摇荡运动，包括3个角运动纵摇、横摇和艏摇，以及3个线运动横荡、纵荡和垂荡，其中纵横摇和升沉运动对舰船的影响和危害最大。舰船一般体型大并且吨位重，其加减速和转向都需要较长时间，这些主动航行运动通常被视为低频运动，周期在30s以上；相比而言，被动的摇荡运动是与海浪运动频率大体一致的往复运动，可视为高频运动，周期通常在10s左右。在许多场合，舰船升沉信息的实时精确测量具有非常重要的应用价值，比如舰载机的起降、舰载武器的发射、气垫船登陆、钻井平台升沉补偿装置的补偿设计以及舰船补给等。

捷联惯性导航系统利用陀螺仪和加速度计测量载体的角运动和线运动，通过解算可以实时输出姿态、速度和位置信息，不依赖于任何外界信息，并且具有较高的精度和稳定性。而且捷联惯性导航系统能够实时输出垂向加速度信息。

目前国内外学者正试图寻求有效的手段用于舰船升沉信息的测量。出自oceans.ieee,1998:174-178vol.1的文献《adaptivetuningofheavefilterinmotionsensor》，首次提出了升沉滤波器并对升沉滤波器的特性进行了分析。升沉滤波器的参数根据海洋环境实时修正，但未能消除相位误差，结果并不理想。

后来，出自导航定位学报,2016,4(2):91-93的文献《基于惯导和无时延滤波器的舰船升沉测量》，提出了基于惯导和无时延滤波器的舰船升沉测量方法，解决了相位误差的问题，但存在低频衰减较慢并且收敛时间较长的缺点。

出自ifacproceedingsvolumes,2014,47(3):10119-10125的文献《real-timeheavemotionestimationusingadaptivefilteringtechniques》，在升沉滤波器的基础上通过实时修正传递函数的零点和极点解决了相位误差问题，但存在稳定性问题，因此存在局限性。

出自ieeeengineeringinmedicine&biologymagazine,1996,15(3):29-36的文献《modelingandcancelingtremorinhuman-machineinterfaces》介绍了加权傅里叶线性组合算法并应用在震颤信号方面，该算法在迭代过程中通过不断优化拟合信号的基频，可以达到较好的拟合结果。

技术实现要素：

本发明的目的在于公开一种解决升沉滤波器输出相位超前问题，稳定性好且精确度高的基于自适应滤波技术的舰船升沉测量方法。

本发明的目的是这样实现的,包含如下步骤:

(1)实时采集安装在舰船内的捷联惯性导航设备的垂向加速度信息，通过升沉滤波器处理垂向加速度信息后得到具有相位超前误差的升沉信息；

(2)利用加权傅里叶线性组合频率估计算法对垂向加速度信息进行实时频率估计，得到估计频率；

(3)根据估计频率计算出需要补偿的相位信息；

(4)根据估计频率和需要补偿的相位信息计算得到维纳解，并设计出自适应fir滤波器；

(5)通过自适应fir滤波器对具有相位超前误差的升沉信息进行相位校正，得到输出相位信息正确的信号。

与现有技术相比，本发明的有益效果为：

在升沉滤波器的基础上，应用加权傅里叶线性组合频率估计算法，对升沉滤波器的输入信号进行频率估计，设计自适应fir滤波器对升沉滤波器的输出进行相位补偿，消除了相位差，实现了舰船升沉信息的实时精确测量，进一步提高了稳定性，满足了升沉测量过程中实时性和准确性的要求，能够广泛地运用到舰载机的起降、舰载武器的发射、气垫船登陆、钻井平台升沉补偿装置的补偿设计以及舰船补给。

附图说明

图1是基于自适应滤波技术的相位补偿流程图；

图2是加权傅里叶线性组合频率估计算法流程图；

图3是自适应fir滤波器结构图；

图4是h1(s)、h2(s)和hint(s)的bode图；

图5是加权傅里叶线性组合频率估计算法结果对比图；

图6是升沉滤波器未补偿和补偿输出的对比结果；

图7是升沉滤波器未补偿的输出误差曲线；

图8是升沉滤波器补偿后的输出误差曲线。

具体实施方式

下面结合附图对本发明作进一步描述。如图1所示的步骤：

(1)实时采集安装在舰船内的捷联惯性导航设备的垂向加速度信息az，通过升沉滤波器对垂向加速度信息az进行处理，升沉滤波器的传递函数如下

式中，ζ为阻尼系数，通常取0.7071；ωc为系统截止频率，取值为0.08。

升沉滤波器的二次积分环节的传递函数如下

输出的结果即为具有相位超前误差的升沉信息y(k)。

图4中h1(s)代表截止频率ωc在0.05hz的升沉滤波器,h2(s)代表0.08hz的升沉滤波器。通常情况下，舰船升沉运动的频段为0.05hz～0.2hz，该频段内h(s)与hint(s)的幅频特性基本相同，但在相频特性上，h(s)超前于hint(s)，在系统截止频率不变的情况下，超前量随着输入信号频率的增大而减小；在输入信号频率不变的情况下，超前量随系统截止频率的减小而减小。在低频特性方面，图4表明h(s)具有低频衰减特性，并且系统截止频率越大，低频衰减越快。在噪声对系统的影响方面，ωc越小，噪声产生的误差方差越大，噪声对系统的影响越大。所以为了抑制加速度零偏和噪声对系统的影响，ωc取值为0.08。

(2)通过加权傅里叶线性组合频率估计算法对垂向加速度信息az进行频率估计：如图2所示，加权傅里叶线性组合频率估计算法中建立的模型为：

式中，r为模型中的与谐波的次数相关的不同的系数，w0k为需要估计的频率信息，m为谐波的次数。加权傅里叶线性组合频率估计算法在迭代过程中的误差为：

wk＝[w1k,w2k...w2mk]^t,

xk＝[x1k,x2k...x2mk]^t。

y(k)为自适应滤波算法中的输入信号，wk为算法中的系数向量，xk为算法中的模型向量，使用lms算法寻找估计的频率信息w0k的迭代过程为

式中，μ为基频在迭代过程中的收敛因子，为与需要估计的频率信息w0k有关的误差梯度向量。系数向量通过lms算法的迭代过程为

式中，μw为系数向量在迭代过程中的收敛因子。所以，加权傅里叶线性组合频率估计算法整体迭代过程为

根据上述加权傅里叶线性组合频率估计算法整体迭代过程可知，系数向量wk和需要估计的频率信息w0k不断被修正。为了保证算法收敛，需要合理选取基频在迭代过程中的收敛因子μ，系数向量在迭代过程中的收敛因子μw，通常选取较小的值。

(3)根据估计频率w计算出需要补偿的相位信息q：为了解决升沉滤波器输出相位超前的问题，将升沉滤波器的输出，具有相位超前误差的升沉信息y(k)，作为自适应滤波算法中的输入信号，相位补偿后的信号作为自适应滤波算法中的期望信号。具有相位超前误差的升沉信息y(k)，在短时间内可被描述为：ap为幅度信息，w为估计频率，为随机相位，ap和为随机量，不易实时和准确的求取。由于具有相位超前误差的升沉信息的频率与垂向加速度信息的频率相同，故估计频率w可通过对垂向加速度信息进行频率估计得到。自适应滤波算法中的期望信号可以被描述为通过升沉滤波器与二次积分环节在估计频率w处的相位特性可得到需要补偿的相位信息q，设标准升沉滤波器在估计频率w处的相位为a(w)，则q＝-π-a(w)。

(4)根据估计频率w和需要补偿的相位信息q，求出维纳解wo：在自适应滤波技术中，目标函数通常采用均方误差，定义为

ξ(k)＝e[e²(k)]

＝e[(d(k)-y(k))²]

＝e[d²(k)+y²(k)-2d(k)y(k)]，

w(k)＝[w0(k)w1(k)…wn(k)]^t，

y(k)＝w^t(k)x(k)，

式中，d(k)是期望信号，y(k)是具有相位超前误差的升沉信息，w(k)为系数向量。在许多应用，输入信号向量都是由相同信号的时延形式构成的，则自适应滤波器的实现方法是采用fir结构，如图3所示。平稳环境下均方误差函数为

x(k)＝[x0(k)x1(k)…xn(k)]^t。

式中，r为自适应滤波算法中的输入信号向量的自相关矩阵，p为期望信号和自适应滤波算法中的输入信号向量的互相关向量，x(k)为输入信号向量。令与系数向量相关的mse函数的梯度向量为零，即

wo＝r^-1p。

得到自适应fir滤波器的最优系数向量wo，即维纳解。

若选取一阶自适应fir滤波器，设为n，则为n-w，自适应滤波算法中的输入信号向量的自相关矩阵r为

期望信号与输入信号的互相关向量p为：

则其维纳解为

由于需要补偿的相位信息q由估计频率w得到，则上式表明维纳解wo只与估计频率w有关。本例只作为参考，不对本发明构成限制作用。

(5)如图3，通过自适应fir滤波器对具有相位超前误差的升沉信息y(k)进行相位校正，得到输出相位信息正确的信号y′k。

由图5可以看出估计频率随着时间的延长变得准确，由图6可以看出升沉滤波器补偿后输出变得准确，由图7和图8的对比可以看出升沉滤波器补偿后误差在很大程度上减小了。

这里必须指出的是，本发明给出的其他未说明的部分都是为本领域人员公知的，根据本发明所述的名称或功能，本领域技术人员就能够找到相关记载的文献，因此未进一步说明。