用于表征气流的方法和装置与流程

用于表征气流的方法和装置
1.说明书
2.本发明的实施例涉及一种用于表征气流的方法和相应的装置。一般而言，本发明属于声学分析、空间声音记录和麦克风阵列信号处理领域。特别地，它涉及由麦克风附近的湍流气流生成的记录的风噪声。
3.许多应用需要可靠地测量气流速度和方向，例如气象站、风力涡轮机/矿山/机场监控和智能家居。此类测量的准确性至关重要，尤其是在安全关键系统中。测量可能与受约束(管道/管道流)或不受约束(气象风)的气流有关。用于测量气流速度的仪器称为风速计，而气流方向是通过所谓的风向标来测量的。如果将两种仪器集成到单个系统中，则通常称为叶轮风速计。
4.风速计的实现基于利用不同物理原理的技术，大致可分为：
5.1.机械
6.2.超声波
7.3.热
8.4.基于激光
9.然而，从不可扩展性到高成本或频繁维护，上面列出的每一种设备类型有不同的缺点。第2部分提供了现有技术的概述。
10.以下小节总结了测量气流的速度和方向的现有方法，从最常用的设备到最不常用的设备排序。
11.机械风速计
12.最简单但最常用的风速计是所谓的杯式风速计[pindado 2011]，其中通过水平臂以相等角度连接的三个或四个半球杯在暴露在风中时围绕垂直轴旋转。计算杯在确定的时间间隔内的旋转次数得出平均风速。旋转次数通常是通过簧片开关以电子方式计算的，该开关在旋转完成后立即触发一个或多个脉冲。杯式风速计呈现出风速u与旋转频率f之间的线性关系，如下：
[0013]
u＝γ
·
f+β
[0014]
其中γ和β是校准系数，它们取决于设备的几何形状并在校准过程中定义。更准确的分析模型可以在[pindado 2014]中找到。
[0015]
螺旋桨风速计与杯式风速计类似，因为与其动力学相关的方程与杯式风速计相同[kristensen 1994]，只是它的旋转轴是水平的。螺旋桨风速计的一个实际示例是商用手持风速计。
[0016]
典型的杯式或螺旋桨式风速计不足以解析风向。风向标是一种机械仪器，用于通过朝最小风阻力的位置定向的垂直刀片来测量风向。方向通常是通过均匀排列在一个圆圈中的簧片开关和电阻器以电子方式计算的：机械刀片使得可以根据其位置激活一个或两个开关。每个开关连接到相对于其他开关具有不同值的电阻器，以便将不同的风向映射到不同的电阻值。
[0017]
所谓的叶片风速计或风车风速计将螺旋桨风速计与风向标结合在一起，这样就可
以用单个仪器测量速度和方向。机械(旋转)风速计相对便宜且易于安装，但运动部件会因此类设备的几何形状而受到惯性时延和风流障碍的影响。例如，由于运动部件(风杯和叶片)的启动扭矩，机械风速计具有有限的时间常数(响应时间)：无法立即测量风向的快速变化或快速阵风。
[0018]
为此，市场上的大多数设备可以测量不少于5秒的长阵风。此外，一种称为超速的现象[westermann 1996]，可以被描述为对于减速流相对于对于加速流的响应相对缓慢，当其平均速度衰减时，可能导致对风流的高估。尤其是暴露在低温或多尘环境中时，当冰或污垢大大增加旋转过程中的摩擦时，这些设备还需要不断维护。最后，机械风速计相对较大的尺寸以及测量速度和方向的单独传感器的要求导致不可扩展性以及在智能手机或相机等商业设备中的硬集成，以及令人不快的审美。机械风速计的示例可以在[hakkarinen 1962]和[dahlberg 2005]中找到。
[0019]
超声波风速计
[0020]
超声波(或声波或声学)风速计提供准确和瞬时的风速和风向的测量，与广泛使用的杯式风速计相比，检测范围更大。它实际上由分别发射和接收频率在20khz以上的超声波脉冲或连续波(或它们的组合)的超声波换能器组成。因此，术语声学与超声波有关。对于第一种方法，可以基于脉冲的发射和接收之间发生的时间间隔来解析风速。对于第二种方法，通过测量发送和接收信号之间的相位差来计算传播时间。
[0021]
假设干燥空气(0％湿度)，声音取决于温度以特定速度c传播，遵循以下关系
[0022][0023]
其中tk是以开尔文为单位的气温。在没有流动的情况下，当声音发送器(扬声器)发射出以速度c传播的波时，由于传感器之间的距离是固定的，接收器(麦克风)会在大约恒定的时间间隔后检测到脉冲或相位差。风流影响声波的传播时间：如果风呈现与声波的方向相同，则发送和接收之间的时间间隔会更短，而相反方向，时间间隔会更长。可以基于没有任何流动的恒定时间间隔与测量的时间间隔之间的差来解析风速。当采用多于三个换能器时，还可以通过向量三角测量来解析风向，该向量三角测量利用沿不同换能器传播路径发生的复合换能器传播时间。与一个特定传播路径相关联的每个测量传播时间唯一地定义了风速向量：组合三个或更多风速向量(每个传播路径一个)导致合成向量，其大小和方向分别指示风速和风向，也在三维空间域中。
[0024]
超声波风速计没有旋转组件，因此系统中不涉及惯性时延，这导致几乎即时和准确的测量。可以选择性地加热它以防止在其结构中形成冰。它几乎不需要维护，其工作寿命远大于普通旋转风速计。
[0025]
然而，超声波风速计会受到安装换能器的臂的遮蔽效应的影响，尤其是当风流与传播路径之一平行时，这会导致测量中断。它的尺寸比机械风速计更具可扩展性，但不足以与小型设备集成。最后，它的成本可能是传统杯式风速计的十倍，因此它并不总是在商业实施范围内。超声波风速计的示例可以在[amman 1994]和[loucks 2003]中找到。
[0026]
热风速计
[0027]
热风速计利用流速与加热元件的对流传热之间的关系。实际实施包括一根小电
线，该电线被电加热到恒定温度或保持恒定电流并暴露在气流中。流体流冷却电线，电线温度/电阻的变化可以映射到气流速度。这种关系是非线性的，并且需要校准。
[0028]
由于其逐点测量，这种风速计示出良好的空间分辨率。然而，它极其微妙，并且无法解析风向。
[0029]
激光风速计
[0030]
激光多普勒风速计(lda)是一种高度复杂、非侵入性且对方向非常敏感的仪器。它独特地用于流体动力学研究，并且不需要任何校准过程。lda利用可见光的光学原理，即多普勒频移，其与流体粒子的速度成正比。它由激光源实现，其光束被分成两束平行光束。透镜将两束光束聚焦，使它们在流体流动的区域相交。流体粒子引起光散射，其频率的多普勒频移与粒子的速度成正比。流向可以通过使用多个不同波长的激光束来解决。lda是高科技仪器，因此成本极高。
[0031]
本发明的目的是提供一种用于表征气流的概念，在成本效率、可集成性和准确性之间提供更好的折衷。
[0032]
此目的由独立权利要求的主题解决。
[0033]
实施例提供了一种用于表征气流的方法。该方法包括以下基本步骤：
[0034]
·
通过麦克风阵列接收气流生成的声学信号(来自两个或更多个麦克风和/或属于两个或多个时间点的两个或更多个声学信号)；
[0035]
·
从声学信号(从表示接收/记录的声学信号的音频信号)中提取特性信息(例如时间和/或频谱和/或空间信息和/或特征)；以及
[0036]
·
基于特性信息确定关于气流的信息。
[0037]
本发明的实施例基于这样的原理，即通过分析接收的由麦克风阵列上方的气流的湍流运动生成的声学信号来实现气流速度和气流方向的联合估计。根据(优选)变体，麦克风阵列包括多个麦克风(例如，密集的3个麦克风)。根据此方法，记录的风噪声的空间特性被利用，这些特性取决于风流速度和方向。
[0038]
另一个实施例提供了一种用于表征气流的装置。该装置包括麦克风阵列、声学信号分析单元和估计单元。麦克风阵列被配置为接收由气流生成的声学信号。声学信号分析单元被配置为提取特性信息。估计单元被配置为基于特性信息确定关于气流的信息(例如，风速和/或风向)。此实施例可以实现为不涉及运动部件的低成本和小尺寸系统。特别地，它可以集成在现有的多麦克风系统中，例如智能手机和运动相机，这些系统通常包括麦克风阵列，该阵列包括多个麦克风(例如，具有足够小的麦克风距离)。根据实施例，关于气流的信息包括关于风速u和/或风向θw的信息。
[0039]
下面，给出了两个不同的用于确定的示例。
[0040]
根据第一实施例，确定步骤基于(通过使用提取步骤)从声学信号中提取的特征(时间、频谱和/或空间)信息与特性信息的相应版本的相关性。根据实施例，可以使用所谓的corcos模型来确定相应的版本。此模型可以用下面的公式来描述
[0041][0042]
可替代地，可以使用其他模型，如ad-hoc或经验模型。
[0043]
当从corcos模型开始时，确定步骤可以包括通过求解最小二乘(ls)最小化来计算
最优集合(u,θw)的子步骤。
[0044][0045]
根据第二实施例，确定步骤可以基于作为特性信息的特征的回归或分类。在这里，可以将此特征与(先前)提取的特征(使用用于教授算法的训练数据集确定的)进行比较。根据实施例，可以通过使用监督机器学习方法、深度学习方法，例如通过卷积或全连接神经网络，从声学信号(表示接收/记录的声学信号的音频信号)中提取特征。这里，根据实施例，可以通过将获得的特征映射到表征的气流的测量来确定关于气流的信息。
[0046]
根据进一步的实施例，上述途径/方法可以包括从接收的声学信号中分离风噪声的步骤。例如，这可以通过使用低通滤波来完成。在此，选择/过滤声学信号的频率范围。所选择的频率范围在20hz至20khz之间。例如，可以选择低于1.5khz或2khz的频率范围。根据进一步的实施例，可以使用另一个步骤来估计要选择的频率范围。这意味着方法包括从其他声学信号中贡献出和估计/提取风噪声的步骤。根据进一步的实施例，可以通过使用将声学信号变换到时频域或另一域来执行分离。因此，根据此替代方案，执行麦克风信号到时频域或另一合适域的预处理和变换。
[0047]
根据进一步的实施例，方法进一步可以包括去除异常值的后处理。后处理的目的是从获得的速度和方向的测量中去除可能的异常值。此外，可以执行对时间的平均。
[0048]
根据实施例，麦克风阵列可以包括至少三个麦克风。优选地，麦克风彼此非常靠近地布置。这意味着根据实施例，麦克风阵列的麦克风可以以小于30mm、小于20mm、小于50mm或小于10mm的距离彼此间隔开。根据进一步的实施例，麦克风阵列的麦克风布置在平面星座中和/或可以安装在所谓的自由场中。
[0049]
所有讨论的方面都可以在上面定义的方法内实现，也可以在上面描述的装置内实现。此外，应当注意，一些方法步骤可以是软件实现的。因此，另一实施例涉及一种用于执行一个或所有上述方法步骤的计算机程序。
[0050]
在从属权利要求中描述/定义了进一步的实施方式。随后将参考附图讨论本发明的实施例，其中
[0051]
图1a示出了根据基本实施例的声学风速计的示意框图；
[0052]
图1b示出了根据增强实施例的声学风速计的另一个示意框图；
[0053]
图2示出了根据进一步实施例的具有风存在决策步骤的声学风速计的示意框图；
[0054]
图3、5-8示出了根据实施例的用于说明与corcos模型相比风噪声的空间协方差的示意图；
[0055]
图4示出了用于说明corcus模型的参考系统的示意性向量表示；以及
[0056]
图9示出了说明与由超声波风速计atmos 22测量的风速和风向相比较的优选实施例估计的风速和风向的表格。
[0057]
下面，将参照附图对本发明的实施例进行后续讨论，其中对具有相同或相似功能的对象/结构提供相同的附图标记，以使其描述相互适用或可互换。
[0058]
图1a示出了用于表征气流af并且尤其用于确定参数，如描述气流af的风速u或方向θw，的装置。由附图标记100标记的装置包括麦克风阵列10，例如，具有三个麦克风10a至10c。根据实施例，麦克风阵列10是平面或3d麦克风阵列。
[0059]
装置100包括从麦克风阵列10接收声学信号as的分析单元30(asa)。分析单元30执行处理并输出包括接收的声学信号as的特性信息的数据，特性信息如声学信号as的时间信息和/或频谱信息和/或空间信息或特征。这些数据由附图标记d标记。
[0060]
被称为估计器/确定器的后续单元70接收特性信息d以用于确定关于气流的信息，例如空速u或方向θw。
[0061]
由于现在已经描述了结构，因此将讨论其功能。
[0062]
为了解析风(或生成的气流af的气流速度和方向)，使用声学叶片风速计100。应该注意的是，术语“声学”与超声波传感器无关，而仅与记录的声学信号有关。
[0063]
为了测量风速u和方向θw，本发明的实施例唯一地依赖于在麦克风10a至10c处接收的声学信号as的处理。为此，具有至少三个麦克风的麦克风阵列10执行接收声学信号as的步骤。与现有技术相比，此概念不涉及发送器，因为信号处理是在20hz至20khz的可听范围内而不是在超声波范围内执行的。
[0064]
接收到的信号as被处理以由单元asa 30提取时间和/或频谱和/或空间信息。基于此信息，可以解析风速u和方向θw。此步骤由单元70执行。
[0065]
多个评估/估计概念是可能的。根据第一方面，使用所谓的基于模型的风速和方向估计。这里，执行对风噪声(参见信号as)的空间特性的分析(参见单元30)并且确定相应的值与例如通过使用模型生成的期望值的相关性。该模型可以是corcos模型或其他描述依赖于风向θw或风速u的风噪声的ad-hoc模型。模型的此输入参数可以反向确定，从而可以确定或估计从所确定的接收值(参见附图标记v)和期望值的相关性开始的风速u和/或方向θw。换句话说，这是指实体70执行计算由气流af引起的类湍流噪声的空间协方差，以通过最小化测量的空间协方差与corcos模型或不同的模型之间的距离来获得气流af的速度和/或方向。
[0066]
根据另一种方法，可以基于基于特征的方法来估计风速和方向。这里，执行麦克风信号的回归或分类，尤其是提取的特征的回归或分类。这种分类的结果是由特征决定的。这些特征可以与先前确定的特征进行比较/映射。这里，先前确定的特征用标记的数据声明。
[0067]
当返回到由实体100执行的处理时，应注意声学信号分析或使用卷积神经网络来提取特征是由asa 30执行的，其中最终的分类方法/映射是由实体70完成以确定风速u或方向θ。换句话说，这意味着使用手工制作的特征或通过卷积神经网络(cnn)提取的特征用于执行回归/分类。此回归/分类可以通过使用监督机器学习或深度学习来执行，以便将获得的特征映射到气流速度和/或方向的测量。
[0068]
从硬件的角度来看，声学叶片风速计100由处理器30+70和三个或更多个麦克风10a-10c组成，麦克风10a-10c具有相对小的传感器间距离(小于2cm)和膜，布置在平面星座中。麦克风优选地安装在自由场中，以便最小化由电子板或外壳的立体几何形状引起的复杂湍流。不涉及运动部件。
[0069]
下面，将关于图1b讨论增强的实施例。
[0070]
图1b示出了声学叶片风速计100’的增强实施例的框图。这里，声学信号as由具有紧密间隔开的孔径10的麦克风阵列测量并且以定义的采样频率采样。预处理块2将接收到的信号变换到时/频域或另一个合适的域，在该域中风噪声至少部分地与其他声源隔离。可替代地，可以应用低通滤波来将接收的信号的带宽限制到特定值，例如1.5khz，其中存在大
部分的风噪声能量(nelke 2014)。在不同声源与风噪声频率重叠的情况下，可以实施旨在提取风噪声的估计算法。例如，使用(schwartz 2018)中描述的期望最小化(em)算法。
[0071]
一旦风噪声被分离，在块30中执行声学信号分析(asa)。分析集中在记录的风噪声的时间、频谱和空间信息上。随后，在块4中，基于先前的分析(即特征提取，fe)计算与风速和方向成比例或可映射到风速和方向的相关量。所获得的量与风速和方向之间的关系可以例如基于基于模型的估计(参见基于模型的估计的实施例)获得或使用监督机器或深度学习技术(参见基于特征的估计的实施例)获得。基于上述关系，在块6中获得风速和方向的瞬时估计。在图1a中，虚线描绘了可选的后处理(pp)步骤：在块5中，可以例如使用中值滤波器去除检测到作为异常值的测量，并以所需的分辨率随时间平均化测量值，并提取速度的最大值，通常称为阵风。
[0072]
图2示出了具有附加决策步骤w？(参见实体25)的声学风速计100”。块25被添加到图1a的块方案100’，其中实体25被配置为检测风噪声的存在或不存在。这可以基于声学信号分析来实现。如果出现无风情况，系统可以给出和作为零输出值。
[0073]
基于模型的风速和方向估计的实施例
[0074]
当用紧密间隔的麦克风阵列记录时，优选实施例基于对风噪声的空间特性的分析来提供u和/或θw的估计。空间相干性是描述相关性的复归一化量，即频域中两个信号的相似性，定义为
[0075][0076]
其中y1(l,k)和y2(l,k)指的是第一和第二麦克风信号，l和k分别表示时间帧和频率仓索引，e{.}表示期望值，.*表示复共轭。在语音增强和降噪领域(例如，在数字助听器中)，通常假设风噪声不相关，即具有零值相干性。然而，如[mirabilii2018]中所示，当麦克风距离足够小时，风噪声信号的空间相干性可以通过流体动力学模型，即corcos模型[corcos1964]来近似。corcos模型定义为
[0077][0078]
其中ωk＝2πkfs/k表示离散角频率，k和fs分别表示离散傅立叶变换的长度和采样频率，d表示麦克风距离，uc表示对流湍流速度(约80％的自由场风流u)，α(θw)表示取决于风向的相干衰减参数，定义为
[0079]
α(θw)＝α1|cos(θw)|+α2|sin(θw)|
ꢀꢀ
(3)
[0080]
其中α1和α2分别表示纵向和横向相干衰减率，在[mellen1990]中凭经验确定。风向θw是相对于麦克风轴定义的，因此0
°
和90
°
分别对应于平行和正交于麦克风轴的风流。在图3中，不同风噪声测量的空间相干性的实部和虚部用实线示出，而corcos模型用虚线示出。
[0081]
由于corcos模型取决于风速和方向，上述参数是从麦克风对信号中通过求解最小二乘(ls)最小化问题计算最优集来估计的
[0082][0083]
其中为简洁起见省略了时间帧l，表示如(1)中计算的测量空间相干性，γ
12
(k,u,θw)表示取决于风速和方向的理论模型(其中uc＝0.8
·
u)，而k是包含所考虑频率的集合(优选是低频范围)。例如，可以通过定义e{yi(l,k)
·yj*
(l,k)}＝φ
ij
(l,k)并计算以下内容来递归估计(1)中的数学期望
[0084]
φ
ij
(l,k)＝β
·
φ
ij
(l-1,k)+(1-β)
·
yi(l,k)
·yj*
(l,k)，
[0085]
其中β∈[0,1)。通过使用两个麦克风或更一般地使用线性阵列，会出现风向估计中的歧义。线性阵列呈现仅限于θw∈[0
°
,180
°
]的视场角(fov)，因此无法区分关于麦克风轴对称的方向。例如，给定相同的风速，γ
12
(k,u,θw)对于150
°
或210
°
的风向具有相同的表达式。二维阵列的选择，即至少3个麦克风在平面上的二维分布，因此是优选的以唯一地识别真实的风向θw∈[0
°
,360
°
]。
[0086]
因此，可以为具有n个麦克风的任意平面几何形状定义corcos模型的表达式。该模型以固定笛卡尔坐标(x,y)表示，例如，y轴的正方向朝向真正的北，x轴的正方向朝向真正的东。风流传播由向量定义，其中q＝1/uc，是指向风流动方向的单位向量。因此，波向量的范数定义为第i个麦克风的位置向量由表示，因此和是第i个麦克风和第j个麦克风之间的距离。
[0087]
该模型可以重写为
[0088][0089]
其中衰减率现在定义为
[0090][0091]
其中表示与向量正交的向量。由于横向衰减由到的正交分量的绝对值给出，因此的方向是任意的可以注意到(2)中的模型如何与(5)中的模型类似，因为
[0092][0093]
以及
[0094][0095]
图4示出了上述参考系统，其中为了清晰起见省略了位置向量给定(5)，可以将每个麦克风对的空间相干性以矩阵形式布置，即空间相干矩阵。重写空间相干矩阵定义为
[0096][0097]
其中
[0098]
为了使用任意阵列几何形状来解析风速和方向，最小化由测量的空间相干矩阵与由corcos模型定义的矩阵之间的差给出的复合误差矩阵的frobenius范数。方法可以写成
[0099]
[0100]
其中是估计的风传播向量，是矩阵的平方frobenius范数，定义为
[0101][0102]
其中是根据麦克风观测计算的测量空间相干矩阵，定义为
[0103][0104]
其中如(1)中所述的计算，而是(5)中的空间相干矩阵。这样，整个麦克风集都被采用以避免方向模糊，因为在所有麦克风对中是唯一确定的，因此扩展了视场角∈[0,360
°
]。
[0105]
此实施例不必限制于用corcos模型对湍流进行建模。事实上，湍流的统计压力空间相关函数可以用不同的近似建模，如[chase1980]、[williams1982]、[smol'yakov1991]或[caiazzo2016]中描述的。此外，可以基于受控环境，例如风洞中的校准过程来制定ad-hoc模型。此实施例的实际应用的结果在第5节中示出。
[0106]
基于特征的风速和方向估计的实施例
[0107]
此实施例提供基于回归或分类方法的风速和方向的估计。从多通道麦克风信号开始，通过声学信号分析(手工制作的特征)或使用cnn来提取相关特征。
[0108]
随后，可以使用监督机器学习(例如，线性/非线性回归或支持向量机)或深度学习(例如，神经网络)技术，处理回归或分类过程，以将提取的特征映射到风速和方向的定义值。在分类方法的情况下，风向必须被视为类别变量(例如，n、e、s、w、ne、se、sw、nw等)，与由基本方向给定的4、8或16标称类别相关联，而风速可以在具有定义的分辨率的多个子范围内离散化(例如[0-5]km/h、[5-10]km/h等)。
[0109]
必须使用由模拟和测量的风噪声信号提供的标记数据集来监督训练。可以使用[mirabilii2018]中提出的人工生成方法获得模拟数据。可以通过使用机械或超声波风速计记录风噪声然后将音频信号与风速和方向的同时测量同步来获得测量数据。
[0110]
关于图5、6、7和8，将给出上述方法的实际示例。图3示出了与corcos模型(虚线)相比，使用紧密间隔的麦克风记录的风噪声的空间相干性的实部和虚部(实线)。此处，图3a示出了90
°
和1.8m/s(麦克风距离4mm和20mm)时的气流。图3b示出了0
°
和2.8m/s(麦克风距离4mm和20mm)时的气流。
[0111]
图4示出了公式(5)中corcos模型表达式的参考系。其中，m1、m2和m3表示麦克风位置，ii表示风流传播向量，e1表示与传播向量正交的向量，r21、r31表示麦克风轴向量。
[0112]
图5示出了与最佳拟合corcos模型相比，从30秒室内噪声记录测量的空间相干性的实部和虚部。图6示出了与最佳拟合corcos相比，从30秒室内噪声记录测量的空间相干性的实部和虚部。
[0113]
图7示出了与最佳拟合corcos模型相比，从1秒室外噪声记录测量的空间相干性的实部和虚部。图8示出了，与最佳拟合corcos模型相比，从1秒室外噪声记录测量的空间相干性的实部和虚部。
[0114]
此节提供了应用于室内和室外风噪声测量的优选实施例的一些示例。在图5和图6中，示出了室内实验的结果。在低混响房间中，由4个紧密间隔的mems麦克风组成的圆形麦
克风阵列暴露在由固定风扇生成的气流中。圆形阵列的半径约为1cm。控制风扇功率和位置可以改变气流的速度和方向。气流的速度由手持风速计测量。使用量角器手动标记气流方向。假设层流和平面波传播，气流方向与第一麦克风对的轴方向一致。
[0115]
在图5和6中，记录的由气流引起的湍流噪声的空间相干性以红色实线示出。在30秒的噪音记录上取空间相干性的平均值。使用实施例1的方法估计的空间相干性以蓝色实线示出。在图5中，测量的近似恒定速度和方向为11.4公里/小时和210
°
的气流的空间相干性与估计的空间相干性进行了比较，所得估计的速度和方向如上所示。同样，图6示出了近似恒定速度和方向为7.8公里/小时和120
°
的气流的估计的速度和方向。
[0116]
室外测量是使用由3个紧密间隔的mems麦克风组成的圆形麦克风阵列记录的。阵列的半径为0.7cm。风向是相对于第一麦克风对的轴手动标记的，而风速测量是不可获得的。由于速度和方向的高度变化，测量的空间相干性仅在1秒的记录中取平均值。
[0117]
图7和图8分别示出了在内盖夫沙漠和特拉维夫耶路撒冷海滩记录的风噪声的测量的空间相干性和ls估计的空间相干性。
[0118]
进行了附加的实验，将使用优选实施例获得的测量与超声波风速计atmos 22(https://www.metergroup.com/environment/products/atmos-22-sonic-anemometer/)的读数进行比较。风速计测量与音频记录同步。麦克风阵列与图4和图5中描述的实验相同。风速计和麦克风阵列对齐并在不同位置暴露于固定风扇，导致不同的气流速度和方向。优选实施例用于解析气流速度和方向。表1/图9示出了作为“真实速度”和“真实方向”(由超声波风速计提供)的超声波风速计的测量值与使用优选实施例获得的作为“估计速度”和“估计方向”的估计值之间的比较，以3秒的时间间隔取平均值。
[0119]
表1示出了优选实施例如何能够提供接近于由超声波风速计获得的估计。室内和室外记录的附加结果示出的估计和跟踪速度符合美国联邦航空管理局提供的测量分辨率要求(三秒阵风持续时间)。基于超声波风速计和实施所提出的方法所需的组件的平均价格，成本方面的收益是显著的。
[0120]
尽管已经在装置的上下文中描述了一些方面，但是很明显，这些方面也代表了相应方法的描述，其中块或设备对应于方法步骤或方法步骤的特征。类似地，在方法步骤的上下文中描述的方面也表示相应装置的相应块或项目或特征的描述。一些或所有方法步骤可以由(或使用)硬件装置来执行，例如微处理器、可编程计算机或电子电路。在一些实施例中，一些一个或多个最重要的方法步骤可以由这样的装置执行。
[0121]
本发明的编码的音频信号可以存储在数字存储介质上，或者可以在传输介质诸如无线传输介质或有线传输介质诸如如互联网上传输。
[0122]
根据某些实施要求，本发明的实施例可以以硬件或软件来实施。可以使用例如软盘、dvd、蓝光、cd、rom、prom和eprom、eeprom或flash存储器等数字存储介质来执行该实现，在其上具有存储的电子可读控制信号，其与可编程计算机系统协作(或能够协作)从而执行相应的方法。因此，数字存储介质可以是计算机可读的。
[0123]
根据本发明的一些实施例包括具有电子可读控制信号的数据载体，该控制信号能够与可编程计算机系统协作，从而执行本文所述的方法之一。
[0124]
通常，本发明的实施例可以被实现为具有程序代码的计算机程序产品，当计算机程序产品在计算机上运行时，该程序代码可操作用于执行方法之一。程序代码可以例如存
储在机器可读载体上。
[0125]
其他实施例包括存储在机器可读载体上的用于执行本文描述的方法之一的计算机程序。
[0126]
换言之，本发明方法的实施例因此是具有程序代码的计算机程序，当该计算机程序在计算机上运行时，该程序代码用于执行本文描述的方法之一。
[0127]
因此，本发明方法的进一步实施例是数据载体(或数字存储介质，或计算机可读介质)，其上记录有用于执行本文所述方法之一的计算机程序。数据载体、数字存储介质或记录介质通常是有形的和/或非过渡性的。
[0128]
因此，本发明方法的进一步实施例是数据流或信号序列，其表示用于执行本文描述的方法之一的计算机程序。数据流或信号序列可以例如被配置为经由数据通信连接、例如经由因特网来传送。
[0129]
进一步实施例包括处理装置，例如计算机或可编程逻辑器件，其被配置为或适合于执行本文描述的方法之一。
[0130]
进一步实施例包括其上安装有用于执行本文所述方法之一的计算机程序的计算机。
[0131]
根据本发明的进一步实施例包括被配置为向接收器传送(例如，电子地或光学地)用于执行本文描述的方法之一的计算机程序的装置或系统。例如，接收器可以是计算机、移动设备、存储器设备等。例如，该装置或系统可以包括用于将计算机程序传送到接收器的文件服务器。
[0132]
在一些实施例中，可编程逻辑器件(例如现场可编程门阵列)可用于执行本文所述方法的一些或全部功能。在一些实施例中，现场可编程门阵列可与微处理器协作以执行本文所述的方法之一。通常，这些方法优选地由任何硬件装置执行。
[0133]
上述实施例仅用于说明本发明的原理。应当理解，对本领域技术人员而言，本文描述的布置和细节的修正和变化将是显而易见的。因此，其意图是仅由即将到来的专利权利要求的范围来限制，而不是由通过本文的实施例的描述和解释所呈现的具体细节来限制。
[0134]
参考文献
[0135]
[pindado2011]s.pindado,e.vega,a.mart
í
nez,e.meseguer,s.franchini,and i.p
é
rez,“analysis of calibration results from cup and propeller anemometers.influence on wind turbine annual energy production(aep)calculations.”wind energy 2011,14,119
–
132.
[0136]
[pindado2014]s.pindado,j.cubas,and f.sorribes-palmer,“the cup anemometer,a fundamental meteorological instrument for the wind energy industry.research at the idr/upm institute.”sensors 14.11,2014,21418-21452.
[0137]
[kristensen1994]l.kristensen,“cups,props and vanes.”denmark:national laboratory,1994.
[0138]
[westermann1996]d.westermann,“overspeeding measurements of cup anemometers compared to a simple numerical model.”deutsches windenergie-institut gemeinnutzige gmbh,1996.
[0139]
[hakkarinen1962]w.hakkarinen,“cup anemometer.”u.s.patent nr.3,020,
963,1962.
[0140]
[dahlberg2005]j.a.dahlberg,“cup anemometer.”u.s.patent nr.6,895,812,2005.
[0141]
[amman1994]s.k.amman,“ultrasonic anemometer.”u.s.patent nr.5,343,744,1994.
[0142]
[loucks2003]r.b.loucks,richard b.“acoustic anemometer for simultaneous measurement of three fluid flow vector components.”u.s.patent nr.6,601,447,2003.
[0143]
[nelke2014]c.m.nelke,and p.vary,“measurements,analysis and simulation of wind noise signals for mobile communication devices.”,in proc.intl.workshop acoust.echo noise control(iwaenc),2014.
[0144]
[schwartz2018]o.schwartz,and s.gannot,“a recursive expectation-maximization algorithm for online multi-microphone noise reduction.”,in proc.signal processing conference(eusipco),2018.
[0145]
[mirabilii2018]d.mirabilii,and e.a.p.habets,“simulating multi-channel wind noise based on the corcos model.”in proc.intl.workshop acoust.echo noise control(iwaenc),2018.
[0146]
[corcos1964]g.corcos,“the structure of the turbulent pressure field in boundary-layer flows.”,journal of fluid mechanics,vol.18,no.3,pp.353-378,1964.
[0147]
[mellen1990]r.h.mellen,“on modeling convective turbulence.”,the journal of acoustical society of america,vol.88,no.6,pp.2891-2893,1990.
[0148]
[chase1980]d.chase,“modeling the wavevector-frequency spectrum of turbulent boundary layer wall pressure”,journal of sound and vibration,vol.70,issue i,pp.29-67,1980.
[0149]
[williams1982]j.e.f.williams,“boundary-layer pressures and the corcos model:a development to incorporate low wavenumber constraint.”,journal of fluid mechanics,vol.125,pp.9-25,1982.
[0150]
[smolyakov1991]a.v.smol’yakov,and v.m.tkachenko,“model of a field of pseudo sonic turbulent wall pressures and experimental data.”,soviet physics-acoustics,vol.37,no.6,pp.627-631,1991.
[0151]
[caiazzo2016]a.caiazzo,r.d’amico,w.desmet,“a generalized corcos model for modelling turbulent boundary layer wall pressure fluctuation”,journal of sound and vibration,vol.372,pp.192-210,2016.