[发明专利]一种直升机光学大气数据系统自适应滤波方法

说明书

本发明公开了一种直升机光学大气数据系统自适应滤波方法，包括以下步骤：S1、对预处理后的频谱数据进行寻峰得到多个满足信噪比阈值的峰值；S2、建立先验信号估计模型来自动更新状态空间的特征参数；S3、利用步骤S2的特征参数建立状态空间模型，将S1中所有的寻峰值依次带入状态空间模型并利用卡尔曼滤波算法进行噪声滤除及有效信号估计。本发明可以克服滤波模型复杂、繁琐的参数调优问题，同时可以解决光学大气数据系统探测复杂环境下包含多种干扰成分的问题，本发明实现了滤除信号中的随机噪声、环境噪声及直升机旋翼干扰等噪声，具有较好的实用性。

技术领域

本发明属于机载激光雷达数据处理的技术领域，具体涉及一种直升机光学大气数据系统自适应滤波方法。

背景技术

随着武装直升机平台对三轴大气参数及全速度域作战需求的不断增加，传统大气数据系统由于其原理限制导致低速测量精度不满足要求，同时容易受直升机旋翼下洗流影响。而光学大气数据系统不再使用空速管、矢量传感器等受下洗流影响的沉式大气数据传感器，是通过激光多普勒遥感原理测量直升机前方宏观大气与直升机之间的相对速度矢量，并解算出各大气矢量参数。

光学大气数据系统具有时空分辨率高，响应速度快等优点，但是在信号获取及处理过程中速度较快，特别是在复杂环境下容易引入多种干扰信号，因此在数据反演过程中存在多种噪声信号，其中主要包括采集数据及信号预处理导致的过程随机噪声、因安装位置导致部分激光打在旋翼的噪声、系统打在固定物体上(发射激光打在它机或者山体等)的信号干扰噪声。噪声信号的剔除可以提高信号解算的准确性，同时有利于增加全速度域、复杂多干扰环境下的信号有效性。因此，亟需一种能够全面、高效的滤除干扰信号并保留原始信号成分的滤波方法。

现有技术中，一般采用限幅平均滤波法去除过程噪声，对周期性的干扰及因偶然因素引起的脉冲干扰均有良好的抑制作用。但是在实际飞行过程中仍然存在较大的局限性，首先，对限幅采用的最大阈值需根据每次所得飞行数据进行迭代，过程相对繁琐，无法根据每次飞行数据自适应调整；另外，直升机大机动动作下或在气溶胶突然减少(系统有效探测必要条件)情况下，短时间信号特征变化过大会导致滤波发散，无法有效收敛在真实值附近；最后，在取均值的过程中需要有效设置队列长度，太长会导致数据实时性降低，太短难以有效抑制噪声。针对激光打在直升机旋翼产生的噪声和激光短时间持续打在固定物体导致的干扰噪声，利用分类算法等方式分别来剔除串扰噪声和旋翼噪声信号，分类算法在一定程度上能够有效去除，但是会丢失大量原始信号，同时需要针对飞行情况进行单独调试。综上，限幅平均滤波法适用于常规飞行状态和气溶胶后向散射信号一致性较好的情况，而利用分类算法则会丢失的大量有效原始信号。

发明内容

本发明的目的在于提供一种直升机光学大气数据系统自适应滤波方法，旨在解决上述问题。

本发明可以克服滤波模型复杂、繁琐的参数调优问题，同时可以解决光学大气数据系统探测复杂环境下包含多种干扰成分的问题，本发明实现滤除信号中的随机噪声、环境噪声及直升机旋翼干扰等噪声，具有较好的实用性。

本发明主要通过以下技术方案实现：

一种直升机光学大气数据系统自适应滤波方法，包括以下步骤：

S1、对预处理后的频谱数据进行寻峰得到多个满足信噪比阈值的峰值；

S2、建立先验信号估计模型来自动更新状态空间的特征参数；

S3、利用步骤S2的特征参数建立状态空间模型，将S1中所有的寻峰值依次带入状态空间模型并利用卡尔曼滤波算法(Kalman R.R.A new approach to linear filteringand prediction problem[J].Journal of Basic Eng(ASME),1960,82D:95～108)进行噪声滤除及有效信号估计。

为了更好地实现本发明，进一步地，所述步骤S1包括以下步骤：