《风场数值模拟及数据传输技术的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
国内图书分类号:TK81国际图书分类号:621。5工学硕士学位论文学校代码:10079密级:公开风场数值模拟及数据传输技术的研究硕士研究生:导师:开y⋯:申请学位:学科:专业:所在学院:答辩日期:授予学位单位:曹丽平刘石教授工学硕士工学热能工程能源动力与机械工程学院2013年6月华北电力大学 ClassifiedIndex:TK81U.D.C:621.5DissertationfortheMasterDegreeinEngineeringWindFieldNumericalSimulationandResearchonDataTransmissionTechnologyCandidate:Supervisor:AcademicDegreeAppliedfor:Speciality:School:DateofDefence:Degree--Conferring--Institution:CaoLipingProf.LiuShiMasterofEngineeringThermalPowerEngineeringSchoolofEnergy,PowerAndMechanicalEngineeringJune,2012NorthChinaElectricPowerUniversity 华北电力大学硕士学位论文原创性声明本人郑重声明:此处所提交的硕士学位论文《风场数值模拟及数据传输技术的研究》,是本人在导师指导下,在华北电力大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知,论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体,均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签名:钙昏}日期:Ⅺ>年6月】Lf同华北电力大学硕士学位论文使用授权书《风场数值模拟及数据传输技术的研究》系本人在华北电力大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归华北电力大学所有,本论文的研究内容不得以其它单位的名义发表。本人完全了解华北电力大学关于保存、使用学位论文的规定,同意学校保留并向有关部门送交论文的复印件和电子版本,允许论文被查阅和借阅。本人授权华北电力大学,可以采用影印、缩印或其他复制手段保存论文,可以公布论文的全部或部分内容。本学位论文属于(请在以上相应方框内打“√”):保密口,在年解密后适用本授权书不保密口作者签名:导师签名:弯角平需纽日期:_哆年0月斗同日期:30l>年6月2中同 华北电力大学硕士学位论文摘要由于世界能源危机的加剧和日趋严重的环境问题,以及风能利用成本的低廉和技术的成熟,发展风电越来越受到各国政府的重视。近些年,风电产业兴起迅猛,风电场建设的规模也日渐扩大,而风电场风的测量是风电产业良好、高效发展的重要因素。无线传感器网络(WSN)能协作地实时感知、检测以及采集网络分布区域内的各种有关环境或监测对象的数据,并对这些数据做简单的处理,获取较为准确的信息,并将其传送给对这些信息有需求的用户。本文以风电场的无线传感器监测数据远距离传输为研究对象,将压缩传感理论应用在风电场数据远距离传输。本文通过CFD数值计算软件,对风电场风力机在不同来流速度下的绕流流场进行了全三维数值模拟,分析了多个jxL速工况下风力机叶片周围的速度和压力分布,对风力发电机叶片及整机的气动性能进行深入的了解。并在此基础上,将模拟计算得到的大量风速数据作为无线传感器监测到的初始数据,利用高斯分布的测量矩阵和小波分析方法进行均匀随机取样以及稀疏性处理,得到一个矩阵规模远小于真实信息矩阵的样本矩阵;本文中,对样本矩阵重构出与真实信息矩阵误差值均小于3%的重构矩阵。因此,根据压缩传输的少量信息可以重构得到与原始风场数据具有高度相关性的风场信息分布,从而在传输过程中能够有效降低信息量,快速准确地构建大量的风场信息,实现快速传输。关键词:风电场;风速;数据传输;压缩传感理论;数据重构 华北电力大学硕士学位论文曼曼!!曼曼曼曼曼量曼曼曼曼曼曼曼曼鼍量曼II皇曼曼!!曼曼曼!曼皇曼AbstractBecauseoftheintensificationofenergyresourcescrisisandthepressureofenvironmentprotection,windsourcehavebeenvaluedbymoreandmoregovenunents,anddevelopingfastestaswellasthelowcostofwindenergyanditstechnicalmaturity.Inrecentyears,windpowerindustryisdevelopingfast,andwindfarmconstructionhasarapidlyrise.WhilethemeasurementofwindfarmiSaveryimportantfactortoae伍cientdevelopmentwindpowerindustry.WirelesssensornetworkfWSN)Callcollaborativelymonitor,perceiveandcollectthedatainreal.timeofavarietyofenvironmentsormonitoringobjectinnetworkdistributionarea,andsimpledealwiththesedata,getthedetailedandaccurateinformation,then,sendthisinformationtotheusers.Thispaperdependsonthewindfarmdatalong-distancetransmissionasresearchobject,whichobtainedfromwirelesssensormonitoringandcollecting.Takeadvantageofthecompressivesensingtheoryinthelong.distancetransmissionofwindfarmdata.UsingtheCFDnumericalcomputingsoftware,simulatetheflowfieldaroundthewindturbineatdifferentwindspeedsinthree.dimension.Analysisthewindturbinebladesspeedandpressuredistributiononmultiplewindconditions,haveadepthunderstandingoftheaerodynamicperformanceofwindturbinebladesandmachine.Onthisbasis.usethedataobtainedfromthesimulationastheinitialdatacollectedbythewirelesssensormonitoring.ThenuniformrandomsamplingandsparselyprocessingwithGaussiandistributionmeasurementmatrixandwaveletanalysismethod1eadtoasamplematrixthatthesizeismuchsmallerthantheoriginalmatrix.Inthispaper,theerrorofreconstructionmatrixbasedoncompressivesamplingare1essthan3%.Therefore.accordingtoasmallamountofinformationbycompressionandtransmissionCanreconstructthewindfielddatainformationwithflhighcorrelationwiththeoriginalwindfield.andthuscaneffectivelyreducetheamountofjnformationinthetransmissionprocess,buildalargenumberofwindfieldinformationquicklyandaccurately,achievefasttransmission.Keywords:windfarm;windspeed;datatransmission;compressivesensingtheory;datareconstruction 华北电力大学硕士学位论文目录摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.IAbstract⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..II目录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯III第l章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.11.1课题研究的背景及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..11.2课题研究的目的⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一21.3国内外研究概况⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一21.3.1传统的无线传感器网络数据传输⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯31.3.2无线传感器网络数据融合技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯31.4压缩传感理论简介及应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..41.5本文研究的内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一6第2章风场数据传输的理论基础⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯72.1压缩感知理论的基本思想⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一72.2压缩感知的前提条件.稀疏性和不相干性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.82.2.1稀疏性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.82.2.2不相关性取样⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.1O2.3欠抽样和稀疏信号恢复⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1l2.4压缩采样⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯142.4.1约束等距性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.142.4.2来自欠抽样数据的一般性信号构造⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.152。4.3来自噪声数据的稳健的信号恢复⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。152.5随机传感⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯162.6本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯18第3章CFD模型的建立和模拟⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..193.1模拟工具简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.193.2风场模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯193.2.1自然风的形成⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.193.2.2流动模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.203.3风场物理模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯223.3.1物理参数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.223.3.2叶轮流场计算区域⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.243.3.3网格的生成⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.243.4数学模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯263.4.1湍流模型选择⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.26 华北电力大学硕士学位论文3.4.2边界条件设定⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.273.5结果处理与分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯273.6本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.33第4章基于压缩传感方法的数据重构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.344.1基于Matlab编程的数据处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯344.2风场数据重构结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯364.3本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯45第5章结论与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.465.1结论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一465.2展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..46参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯47致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯50IV 华北电力大学硕士学位论文第1章绪论1.1课题研究的背景及意义20世纪70年代发生的世界性能源危机以及气候环境的变化,使得社会各界越来越重视风电、生物质能、太阳能等可再生能源的发展。生态平衡与生态环境的破坏,令人们更加明白减少污染气体排放的重要性,因而当前世界能源发展的一个主题便是加大力度发展各种可再生能源。而风电,作为一种储量巨大的可再生能源,已经得到广泛的应用。风电开发利用历史长远,技术比较成熟,与其他可再生能源相比,技术经济性高,具备大规模开发的条件。风能是一种蕴藏巨大的,取之不竭的清洁能源。据有关协会统计,在2008年,全世界的风电装机总容量将近近1.2079l亿KW,其年增长速度将近28.7%,高出过去十多年。至2008年年底,全世界已有70多个国家建成风场,几乎各地都已认可了风力发电这一新的能源技术。全世界2.74×109MW的风能总量中,可被开发利用的约为2×107MW,远远大于全球水能的总能量,若是使用风能,仅1%即可满足全世界对能源的需求【l‘2】。因此,在所有的可再生能源之中,风能具有极大的发展潜力,其应用前景也相当广泛。我国可开发的风能资源约2.53亿KW,至2008年年底,我国已有200多个风电场,上力.台风电机组,装机总容量高达1221万KW,位居世界第四位。至2009年年底,装机总量已达到2500万KW,成为世界第二。因此,风能资源的开发利用已成为当前各国各地应对能源环境问题的措施之一[3】。随着风力发电的快速发展,风电场的建设正在不断增多。风力发电整个过程中一个重要环节就是风的测量,主要包括风向与风速的测量,其有关数据的来源主要有两个,一是风电场内的测风塔实测所得数据,时间为连续2年,一是风电场所在地的气象部门30年统计的气象数据[41。在我国,风电场的所需的关于风向、风速的数据,通常只采用当地气象部门的数据资料,不能全部满足建设风电场对数据的两个特殊要求。此外,由于大多数风电场都位于环境恶劣、交通不便的偏远地区,采集数据很不方便,因此,希望在采取较少的投入之后,就能获得当地近几年的风向、风速等数据(51。近些年发生的气候恶化以及极端天气频繁,加重了风力发电由于天气影响导致的风电场风机故障发生的频率,所以采集具体、连续地风电场气象参数对风力发电的长期发展具有重大意义【6】。 华北电力大学硕士学位论文传感器是获取和采集信息的一个重要工具,通过使用传感器,可以自动采集风电场的风向、风速等气象数据,并使所获得的信息加工与传输更加便捷,所以,具有高可靠性与高精度的风向风速传感器,是风力发电得以发展的一个不可缺少的因素【7j。并且,随着通信技术的飞速发展,无线通信技术各行各业得到广泛使用,令信息的无线传输更加便利,所以,探索风电场数据的无线传输也十分重要【8】。无线传感器网络(wSN)【乳11】是一种新型的信息感知、采集和处理的技术。它可以实时感知、检测和采集网络分布区域内有关数据,然后对这些数据做简单的处理,获取较为准确的信息,并将这些信息传送给需要用户。如果说因特网的出现令数字世界的联网得以实现,那么传感器网络的出现则能够令模拟世界与数字世界的联网得以实现,这标志着普适计算时代的到来。由于传感器节点产生的传感数据与时|’自J相关性,使得数据之间存在着一定冗余。因此,对原始采集数据做压缩或聚合处理,是十分必要的。1.2课题研究的目的本文以风力发电的飞速发展为背景,以风电场的无线传感器网络气象数据远距离传输为研究对象,将压缩传感理论应用在风电场数据远距离传输。其方法是:利用大量无线传感器测量的数据,进行压缩再重构,在传输过程中能够有效降低信息量,并且根据少量的传递信息能够快速准确地构建大量的风场信息,从而实现风场数据的传输。由于缺乏风电场实地气象信息,本文以CFD模拟的风场为依据,分析风场流体特性,并依靠CFD提供的大量数据,应用压缩传感理论,压缩并以少量信息重构风场,实现风场数据的快速传输。1.3国内外研究概况当前形势下,无线传感器网络已经发展成为一种极具潜力的用于信息测量的工具。其主要通过微型并且能量受限、廉价的传感器节点组成,利用以无线方式进行通信的多跳网络,从而达到对所覆盖区域内的感知信息的采集、处理以及传递的目的。但是,由于传感器节点体积小,需要依靠电池供电,并且由于更换电池困难,如何高效率地使用能量并延长提高传感器节点的生命周期,是传感器网络面临的一个首要问题。无线传感器网络(WSN)所具有的大规模密集部署、节点资源受限、无线带宽小、拓扑结构动态变化等特点使拥塞控制成为传感器网络中的关键问题之一。 华北电力大学硕士学位论文1.3.1传统的无线传感器网络数据传输1)直接传输模型直接传输模型是对信息数据进行集中式处理,是指传感器节点通过消耗较大的功率直接一跳将采集到的信息数据传递到汇聚节点上。这种方法的不足之处是:针对离汇聚节点较远的传感器节点时,需要耗费很大的发送功率,才可以达到与汇聚节点通信传输的目的;然而传感器节点的通信距离一般来说都是有限的,因此离汇聚较远的节点经常不能与之进行较为稳妥可靠的通信,故使得这种传输模型难以广泛应用。并且,对较大的通信距离上的节点,其需要耗费更大的能量,从而将很快将有关一些节点的能量消耗殆尽,这同样使得传感器网络难以应用于在实际中。2)多跳传输模型这种传输模型与AD.Hoe网络模型相类似。此模型中每个节点本身对数据都不进行任何处理,而是通过调节发送功率,只需消耗较小的功率就可以经过多跳的形式将测量信息数据传递到汇聚节点上,然后再对数据进行集中式处理。此模型与直接传输相比,更加趋于完善,充分节省能耗,因此这也成为传感器网络得以广泛应用的前提。但是,这种模型的缺点是:对于较大规模的网络,有可能会导致热点问题产生,即在两条或多条路径交叉处的节点、以及距汇聚节点一跳的节点(称之为瓶颈节点1,一方面它们要承担自身的传输,另一方面他们还要作为多跳传递环节中的中介。在这种情形下,这些节点的能量将很快会完全消耗。而对于节能的角度考虑的传感器网络而言,这种传输方式显然不是很可取的【l21.1.3。2无线传感器网络数据融合技术随着科学技术的进步,气象数据采集系统的数据采集、存储部分以及传输技术分别有着各自的发展方向。其中数据采集的发展方向为高精度、多参数,数据存储的发展方向为微型化、大容量、便于携带,而数据传输技术则向着多通讯(有线和无线)方式发展。在大规模的无线传感器网络中,因为每个传感器的可靠性与检测范围有限,在放置传感器节点时,为了增加整个网络所采集信息的准确性与鲁棒性,有时要令传感器节点的监测范围相互交叠。那么,在无线传感器网络中的感知数据会因此而具有一定的空间相关性,即对于相隔较近的节点所传输的信息数据,其具有一定的冗余度。在传统的数据传输模式中,每一个节点把感 华北电力大学硕士学位论文测到的全部信息传输,而这些信息中有很大一部分的信息数据存在冗余,因此使得很大的一部分能量浪费在不必要的数据传输过程中。而在传感器网络中,数据传输的消耗的能量又远大于数据的处理,有研究表明数据传输消耗了总能量的70%。在大规模的无线传感器网络之中,在节点将感测数据到汇聚节点之前,先将数据进行融合处理是十分必要而且是可行的,因此可以通过某种可靠算法将传感器节点检测采集到的大量原始数据在网内处理,去除掉其中的冗余信息,只将少量的有意义的处理结果传输给汇聚节点【l引。运用这种技术可以大大减少无线传感器网络中传输的数据量,从而有效减少能耗,延长网络寿命【14J。本文将压缩传感理论应用在无线传感网络数据传输,由于无线传感器接收采集的大量数据中存在着大量的数据冗余,通过应用压缩传感理论压缩传输少量的真实信息,降低复杂度,使之适合在资源有限的传感器节点运行。1.4压缩传感理论简介及应用由于无线传感器网络(WSN)节点能量与带宽均非常有限,不适用于大量数据长时问传输,所以非常有必要对原始采集到的信息数据进行聚合或压缩处理。信号采样是联系数字信息与模拟信源的桥梁。而信号在采样、传输和存储的过程中,存在巨大的压力。怎样缓解这种压力,并且又能有效提取信号中所包含的有用信息以及重构出与原始数据误差很小的信息数据,是信号与信息处理中需急迫解决一个问题。实际应用中,人们常常将信源信号进行压缩处理,以便于信号可以用较小的比特数表示,因此可以达到降低存储、处理和传输成本的目的。在这一过程当中,很大一部分非重要的数据都被抛弃去除。传统的信号获取和处理过程有四个部分:采样、压缩、传输和解压缩,其过程可以表示为图1.1。其中采样过程必须满足香农采样定理,即信号采样率必须不小于最高频率的两倍(也就是奈奎斯特采样率),才能不失真地恢复原始信号。通常为了满足该定理,大多在采样之前,为了达到带限的目的,先对信号进行抗混低通滤波,这一过程是以降低信号质量为代价的。随着科学技术的进步与发展,被处理信号的带宽在不断地增加,对于某些本质上非带限的信号,其带宽并不能事先估计,这使得传统的采样系统受到巨大的挑战。针对上述多列问题,学者Cand+s、Tao并难1Rombergtl51、Donoho[16】等提出4 华北电力大学硕士学位论文了一种信息获取的新理论,即压缩传感理论:对于可压缩的信号,可通过远低于Nyquist标准的方式来进行数据采样,仍然能够通过重构得到精确的原始信号。压缩传感的优点是,信号的投影测量数据量远小于通过传统采样方法所获的数据量,这一优点突破了香农采样定理的瓶颈,令采集高分辨率信号有可能得以实现。如图1.2所示,为压缩传感的理论图。鬈鳟壤缭矮缩,一羧数攥粼§一.陋⑨刚哆孬徊一⑨图1.1传统的信息获取与处理流程l}!缩图1.2压缩传感理论框架与传统的图像压缩不同,图像压缩传感由于在采样之前不能知道显著系数,也不能够直接抽取,所以需要对图像进行随机投影采样,重构图像时需结合图像的先验知识,在尽可能满足随机投影观测值的约束条件下,令信号的稀疏性最大¨6|。目前,压缩传感理论已经很好地应用于压缩成像、医疗成像、雷达(Radar)[17,1引、信道估计【19,20】、模/信A/I(Analog.to.information)转换和遥测【21】等各个方面,在图像重建领域,压缩传感应用主要是先对原始的图像进行随机投影,来获得少量观测值,并利用图像具有稀疏性表示的先验知识,然后再求解一个非线性方程,进行图像重建。在数据采样的同时,实现压缩的新 华北电力大学硕士学位论文技术、新理论,具有低能量消耗、低采样速率和低计算复杂度等特性。1.5本文研究的内容本课题综合计算精度、运算时间、计算机资源,对风电场进行CFD模拟,分析了不同工况下风场风速的特性以及风力机工作特性。在此基础上,利用CFD模拟数据,在初始风速下,将模拟计算得到的大量风速值数据抽取一些数据作为无线传感器监测到的风场初始风速值数据,利用高斯分布的测量矩阵和小波分析方法进行均匀随机取样以及稀疏性处理,得到一个矩阵规模远小于真实信息矩阵的样本矩阵;本文中,对样本矩阵重构恢复得到的重构矩阵与真实风速值信息矩阵误差值的标准均设置为小于3%的重构矩阵。因此,根据压缩传输的少量信息可以重构得到与原始风场数据具有高度相关性的风场信息分布,从而在传输过程中能够有效降低信息量,快速准确地构建大量的风场信息,减小能耗,实现快速传输。 华北电力大学硕士学位论文第2章风场数据传输的理论基础由于压缩传感存在非自适应性和抗干扰性的特性,因此可以根据相对于传统方法中的数据量少得多的样本矩阵数据,以较小误差获得重构原始信号。如果采用适当的算法,可以方便快速地进行数据重构。压缩传感可以实现这一点主要根据两个原理:感兴趣信号的稀疏性;感知方式的不相关性【22】。2.1压缩感知理论的基本思想在编解码的思想创新上,压缩感知(compressivesensing)理论是一个非常重要的突破。传统的信号采集与编解码过程表示如图2.1所示:首先,编码端对信号进行采样,再对所有采样值进行变换,并根据其中重要系数的位置与幅度进行编码,最后,将获得的编码值存储或者传输。信号的解码过程则是编码的逆过程,即接收的信号经解压缩与反变换之后,得到恢复的信号。这种传统的编解码方法有两个缺点:1)因信号的采样速率不能低于信号带宽的2倍,使得硬件系统面临着较大的来自采样速率的压力;2)在压缩编码的过程中,大量由变换计算得到的小系数被抛弃,从而造成了数据计算与内存资源的浪费。编码端解码端图2.1传统编解码理论的框架在信号编解码框架上,CS理论与传统理论也不大相同。如下图2.2所示,CS理论对信号的采样与压缩编码过程是发生在同一个步骤中,利用信号的稀疏性,以低于Nyquist采样率的采样速率对采样信号进行非自适应的测量编码。但测量值并不是信号本身,而是从高维到低维的投影值,因此从数学的角度分析,可以大大地减少信息量。在解码端,其解码过程也不仅仅是编码的简单逆过程,而是依据盲源分离 华北电力大学硕士学位论文中的求逆思想,利用信号稀疏分解中存在的重构方法,在概率意义上实现的信号的精确重构或具有一定误差的近似重构【23】。因此解码所需要测量值的数目将远远少于传统理论下的样本数。编码端解码端图2.2基于CS理论的编解码框图2.2压缩感知的前提条件一稀疏性和不相干性CS隐含的两个基本前提:稀疏性和不相关性。前者属于信号的性质,后者和感知(观测)形式有关【24J。稀疏性:稀疏性表达了这样一个思想,一个连续时间信号的“信息速率”可能比由带宽所决定的香农采样率要低很多,或者,一个离散时间信号所依赖的自由度数目远远低于它的长度。更准确简单地说,CS利用了许多自然信号在某个合适的基少下具有简洁的表达这样一个事樊24】。不相关性:不相关性说明用于采样信号的波在基吵下有很稠密的表达【2引。不相关性表达了这样的思想,正如时间域的Dirac或者冲击信号可以在频域展开那样,在基lf,下具有稀疏表示的信号一定可以在获得它们的某个域中展开。2.2.1稀疏性根据调和分秽r理论口]知,一个长度为N的一维呙散时间信号/’,司以表不为一组标准正交基的线性组合:N厂=∑‘少,orf=Vx(2-1)扛l其中y由一组基向量{甲,如构成的正交基,例如,sinusoids,尖峰spikes、B—splines,wavelets。N×1的列向量X是f的加权系数序列,石,=
此文档下载收益归作者所有