[发明专利]雷达测量流速的方法、流速仪及存储介质

说明书

本发明提供的雷达测量流速的算法模型、算法、流速仪及存储介质，涉及流体测量技术领域，包括结构型概率和的模型来表达水流频谱占总测量频谱部分带宽的特性和水流频谱具有连续性的特性，利用此模型能够解出后验均值和后验方差，进而使得和能被求出近似解，所以就实现了在水流流速测量领域利用后验均值估计来提高信噪比的功能，相比于常用的MLE方案，后验均值估计方案可大大增加噪声抑制能力。

技术领域

本发明涉及测量流体流速的技术领域，尤其涉及雷达测量流速的算法模型、算法、流速仪及存储介质。

背景技术

现在的雷达信号处理办法一般都分为通过对接收的时域信号进行处理，将时域信号转变为频域信号，然后对频域信号进行目标识别。

例如公开号为CN114265017A，名称：一种基于数字信号处理的相噪测量方法的中国发明专利申请，其中揭示了在现有技术中需要对雷达接收的信号进行去噪，一般情况下都是需要控制相位噪声来提高。

通常的雷达频域信号我们可以表达为 ①，其中，是N个点的反傅里叶转换的矩阵，是理想状态下的水流反射信号的频域分量，表达为，为噪声方差为的高斯白噪声。

在雷达系统中，信噪比越高目标识别的精度也就越高，提高信噪比可以通过重构硬件结构或者优化算法来实现，在算法手段上这种提高信噪比的算法一般被称为接收信号恢复算法。

而在水流测量领域，常用的接收信号恢复算法其实就是最大似然估计算法，以下简称MLE。在雷达系统实际操作中，因为矩阵A是方阵，所以对于公式①来说，也就是相当于有多少元就有多少个方程，所以S应该是存在唯一解，对于MLE就可以形成表达式，其中表示的是求使得最大，因为所以可以得出。

而评价一个算法的重要指标是这个算法的均方差，即。其中为估计值方差、为估计误差，而MLE作为一种最大差异展开算法，算法的核心就是最小化的解。

综上，MLE算法先天需要存在一个约束，即假设估计误差为0，所以MLE并不能称为最小化均方差的解。

而现在存在一类基于贝叶斯推理的恢复性算法，其目的为最小化，所以它的理论性能是优于MLE的。

最小化的解为后验均值，即，因此我们可以得到。根据贝叶斯定理，。

这边看来都没有什么问题，但是（频谱联合概率分布）在实际使用中是一个先验概率，所以在实际中不可知，因此后验均值积分不可积，所以无法解出最优解，并导致后验均值估计器无法使用。

发明内容

针对上述最大似然估计算法的局限性，本发明的技术问题是提供一种提高雷达测量流速信噪比的算法模型。

为实现上述目的，本发明采取的技术方案为：

本申请提供一种雷达测量流速的算法模型，包括：

步骤1：构建，向量为理想状态下的水流反射信号的频域分量；

步骤2：引入向量：；

为隐变量，，

步骤3：展开、：

；

其中，；

步骤4：构建概率模型用于描述水流频谱占总测量频谱小于20%带宽的特性：

其中为狄利克雷函数；

步骤5：构建概率模型用于描述水流频谱具有连续性的特性：

 ，

为从0到1的转移概率，为从1到0的转移概率；

步骤6：给定先验均值和先验方差，依次通过步骤4和步骤5模型解得后验均值和后验方差；

步骤7：利用步骤6产生的后验均值和后验方差，带入步骤6的先验均值和先验方差；

步骤8：迭代步骤6和步骤7，直至收敛。