买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于高阶线性预测‑最小均方误差的FSI动态测距方法，主要解决现有FSI测距系统对被测距离解算速度较慢、动态测量能力不足的问题。方案包括：1构建用以生成距离解算所需干涉信号的光频扫描干涉测距系统；2设置激光器的扫频速率，使其进行光频连续调谐输出，经过干涉、探测后生成时域上连续变化的正弦干涉信号；3FSI系统中的数据采集装置对正弦干涉信号进行实时采集，并将采样点传输到测量模块；4测量模块利用高阶线性预测‑最小均方误差级联算法对采样数据进行实时预测，并利用得到的干涉信号频率完成距离的实时解算。本发明能够使FSI系统的距离解算速度明显提升，有效改善测距速率。

主权项：1.一种基于高阶线性预测与最小均方误差的FSI动态测距方法，其特征在于，包括如下步骤：1利用可调谐外腔半导体激光器ECDL、准直器、分光棱镜、法布里-珀罗FP标准具、光电探测器以及迈克尔逊干涉光路搭建光频扫描干涉FSI测距系统，并在所述系统中配备数据采集装置；2通过FSI测距系统的可调谐外腔半导体激光器ECDL产生频率随时间t变化的调谐光源S并输出至准直器；3准直器对调谐光源S准直后，利用分光棱镜将其分为S1和S2两束光，且S1进入法布里-珀罗FP标准具、S2进入迈克尔逊干涉光路；4法布里-珀罗FP标准具获取S1的透射信号，并使用光电探测器对该透射信号进行探测得到FP信号；迈克尔逊干涉光路中的光电探测器对进入光路后经过分光、反射及汇聚干涉的S2进行探测，得到干涉信号；5利用数据采集装置采样步骤4中得到的FP信号，并对其进行预处理，得到激光器的线性调频速率β；6利用数据采集装置对步骤4中得到的干涉信号进行实时采样；7对高阶线性预测滤波算法和最小均方误差预测算法LMS进行级联组合，得到LMS-HOLP滤波算法；8数据采集装置将干涉信号的实时采样数据传输给LMS-HOLP滤波算法进行处理，完成干涉信号频率的实时预测，实现如下：8.1高阶线性预测算法利用干涉信号的前M个采样值为LMS-HOLP滤波算法提供最优初始滤波系数，并将初始最优滤波系数赋予LMS滤波算法；8.2将干涉信号的前M项采样值输入到LMS滤波器，得到当前时刻k对应的信号期望值8.3利用信号期望值与当前时刻k的实际采样值做差，得到估计误差ek，获取该估计误差ek的冲激响应的z变换Qz，对其求根并寻找最优根，定义最优根得到信号的瞬时相位θ0；8.4按照下式求解当前时刻k对应干涉信号频率的最优估计值： 9根据步骤5所得激光器的线性调频速率β与步骤8.4所得干涉信号频率的最优估计值利用距离测量公式完成k时刻距离的解算；10数据采集装置在下一时刻将干涉信号的前M个采样值传输至LMS-HOLP滤波算法，完成对当前时刻k对应干涉信号频率的最优估计值的替换，从而完成下一时刻距离的解算；最终得到对每个采样时刻距离值的解算，得到待测距离。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于高阶线性预测-最小均方误差的FSI动态测距方法