近海测波多传感器优化配置模拟与设计研究

刘国栋 ，王兵振 ，王 鑫 ，唐 厂 ，宋占杰

(1.天津大学电视与图像信息研究所，天津 300072；2.国家海洋技术中心，天津 300112)

近海测波多传感器优化配置模拟与设计研究

刘国栋1，王兵振2，王 鑫2，唐 厂1，宋占杰1

(1.天津大学电视与图像信息研究所，天津 300072；2.国家海洋技术中心，天津 300112)

研究了测波浮标中GPS传感器和加速度传感器共同作用下对近海测波的影响。介绍了测波浮标数据采集系统的基本框架和硬件设计；为提高测波浮标系统的测量精度，对多传感器进行了优化配置和信息的融合处理，并通过仿真验证了该设计性能的优越性。

近海测波；GPS传感器；加速度传感器；浮标；信息融合

海洋开发是一个具有战略意义的领域，随着海洋技术的发展和人们对海洋资源的不断开发，海浪参数的监测就显得尤为重要。近海岸中远程海浪的监测多采用测波浮标方法，测波浮标可以无人值守、自动、定点、连续地对有效波高、波向、波周期及波速等海洋参数进行遥测，测波浮标可以作为连续波浪测量的唯一可靠来源[1-2]。所以如何提高测波浮标的测波精度就显得尤为重要。针对测波浮标采集数据的精度问题，本文提出了一套高精度测波浮标采集系统和一种多传感器优化配置和信息融合的处理方法。

1 系统总体设计

目前国际较成熟的波浪浮标主要有荷兰的“波浪骑士”、加拿大的TRIAXYS等，它们均使用加速度传感器或GPS传感器作为单一的测波传感器。单一传感器测波系统在测量波浪时总会产生由自身缺陷所带来的误差。本采集系统的总方案如图1所示，主要传感器为高精度三轴加速度传感器和高性能GPS接收机，主处理器为C8051F020单片机，对各个传感器进行控制管理和优化配置。

根据波浪理论和计算原理可知，要反演出海浪的有效波高、波向、波周期等信息，首先应该采集出浮标随波浪一起变化的三维位移和运动方向[1-2]。GPS接收机通过跟踪和解调卫星信号解算出浮标的经度、纬度、海拔高度、三维速度、时间、运动方向等信息；三轴加速度传感器可以测量出浮标随波浪运动的三维加速度。单片机定时对两个传感器采样,并将数据通过无线设备发送到岸边的上位机上。在上位机经过相关算法反演出海浪的有效波高、波向、波周期等信息。

图1 采集系统总方案图

2 系统硬件设计

2.1 GPS信号接收模块

本系统使用的是加拿大NovAtel公司的OEMV-1G接收模块，该模块具有超强的接收能力,可在苛刻的条件下提供高可靠性和高精度的三维坐标、速度、时间、航行方向、卫星星历以及其他状态信息。并且数据刷新率最高可达20 Hz，保证对海浪信息的高采样率。

GPS接收模块通过串口和单片机的UART0通信，单片机定时从GPS接收模块中读取有关信息，并将有用信息提取出来，通过UART1由无线设备传送至上位机。

2.2 加速度传感器模块

当浮标处于工作状态时，浮标体将随波浪作起伏运动，加速度传感器产生与水质点运动相对应的垂直加速度信号，经二次积分后得到该水质点运动的垂直位移，获得一系列海面波动数据，这些数据为反演波高，波周期和估计功率谱的原始数据。水平方向上X轴和Y轴的加速度通过二次积分可以得到水平方向上的位移，结合电子罗盘的方位信息可以估计出波浪的方向；通过三个方向上的位移序列交叉谱可以估计海浪的方向谱。因此，精确采集出加速度信号尤为重要[3]。本系统采用的是高精度三轴加速度传感器Model2422。由于我国近海岸海浪不大，采用量程为+/-2g。加速度传感器采用差分模拟输出，相比单端输出可以减小误差。加速度传感器和单片机的内置AD直接相连，并经过单片机的处理后，通过单片机的UART1由无线设备传送至上位机。

2.3 单片机微处理器系统

系统采用C8051F020单片机作为主控制器，集成了众多的外设和总线接口：2个硬件UART串口，其中UART0与GPS进行通信，UART1与无线发射模块进行通信；一个SMBus接口,一个I2C接口，一个SPI接口，还具有丰富的I/O口。由可编程计数器阵列和定时器模拟出2个软件UART串口，易于系统扩展，可以将陀螺仪，电子罗盘，温度传感器，GIS（地理信息系统）等连入本系统。

C8051F020单片机片内集成一个8通道的12位ADC,能够满足对三轴加速度传感器的6个差分信号同步采样，片内的A/D转换器对加速度传感器的模拟信号进行采集和处理,减少外部电路的使用,使电路简化,减小干扰。流水线指令结构和高达25 MIPS的速度适合海上实时采集和处理数据。具有低功耗和多种节电休眠方式，适合长期在海上作业。有专用看门狗定时器，防止微处理器在恶劣的海况下死机。

3 多传感器性能对比及协同优化

3.1 多传感器的协同优化设计

加速度传感器和GPS传感器可以独立进行测波工作，将其放在一起可以提高精度，但又引出了很多技术问题。首先是以哪个传感器为主传感器。由于加速度传感器伴随着浮标的运动产生信号，信号质量比较稳定不易丢失，而GPS需要接收到卫星才能产生有效的信号，海况不好时，测波浮标进入盲区，所以加速度传感器为主传感器，GPS传感器负责协同。其次是多传感器的同步问题，两个传感器采集的数据应在同一时间点上,本系统中GPS接收机接收信息的同时，发送一个同步脉冲，脉冲触发单片机的外部中断，开始采集加速度信号，使二者的数据同步。

加速度传感器浮标和GPS传感器浮标特点不同，适用海域也不同，本系统对采集的信号自适应处理。GPS测波浮标可以测量海浪周期大于100 s的海浪；而加速度测波浮标只能测量周期小于30 s的海浪[4]。当海浪很大，海浪的周期小于30 s时，使用加速度传感器的信息多一些；当海面上非常平静，海浪的周期大于100 s时，使用GPS的信息多一些。因为：（1）加速度传感器对大浪比较敏感，但加速度变化不大的信号很容易消失在噪声中；而GPS的测量依靠卫星的定位和演算，得到的信息比较准确。（2）当海浪很大时，浮标在海浪中的姿态可能会发生巨大变化，一旦被海水淹没，GPS可能会接收不到信号；而加速度传感器在浮标中心不会受到任何的影响。

3.2 多传感器的信息融合算法

加速度传感器浮标测量波高是对竖直方向上的加速度二次积分得到位移，从而得到原始的波面序列。在初速度未知的情况下，多次积分后误差会被无限放大，反演误差将会很大。GPS传感器的波浪浮标是通过星历演算出波浪浮标的三维速度。在测量波高时，用竖直速度乘以采样时间得到原始的波面序列[5]。由于波浪浮标在海上运动时大都是加速运动，所以也存在很大的误差。

目前被广泛应用的两种测波浮标在测量原理上都存在不足，单独使用都不能很好地反演海浪信息，如果联合使用，对数据进行信息融合处理，可以得到更加精确的结果。

卡尔曼滤波器是一种用于时变线性系统的递归滤波器，被广泛用于导航、控制、导弹追踪等领域。卡尔曼滤波可以尽可能地减少噪声的影响,可以从含有噪声的测量值中得到系统状态的最优估计。本文用卡尔曼滤波器对加速度传感器信号和GPS传感器信号进行信息融合，来提高反演海浪的精度[6-7]。本设计的算法框架如图2所示。

图2 卡尔曼滤波算法框图

卡尔曼滤波过程可分为两部分：状态更新和测量更新。状态更新方程能及时地由当前系统状态和噪声方差估计出下一个系统状态（先验估计）；而测量更新方程负责反馈,将新的测量信号加入已经在状态更新方程中得到的先验估计状态,并得到系统状态的后验估计。卡尔曼滤波算法的状态更新方程为式（1）：

测量更新方程为式（2）：

由于波浪浮标的采样率较高，海浪的加速度在短时间内几乎不会突变，所以对波面序列估计的关键是对各个采样点瞬时速度的估计。选择三维速度（k），（k），（k）为状态向量，则系统状态方程如式（3）所示，系统更新方程如式（4）所示：

式中：vGPSX（k），vGPSY（k），vGPSZ（k）为GPS输出的三维速度测量值；ax（k），ay（k），az（k）为加速度传感器的测量值；wax，way，waz为三轴加速度在 X，Y，Z 方向上的测量噪声；wvx，wvy，wvz为GPS测量三维速度的测量噪声；fs为采样率。令=[vxvyvz]，=[axayaz]，a=[waxwaywaz]T，则系统的状态方程和测量方程如式（5）和式（6）所示：

4 试验结果分析

为了验证卡尔曼滤波器对多传感器信息融合的有效性，在MATLAB环境下编程仿真。仅以一维速度为例,设GPS在竖直方向上的速度的测量值为式（8）：

式中：wvz为方差为0.1的高斯白噪声。

加速度传感器在Z轴的加速度的测量值为式（9）：

式中：waz为方差为0.2的高斯白噪声。传感器的采样率fs=20 HZ，设定初值为零。

图3（a）为GPS测量的速度值，图3(b)为滤波后的速度信号，图3(c)为无噪声的理想速度值，图3(d)为加速度的测量值。由图对比可见，经过卡尔曼滤波融合处理后，主要噪声被滤掉，结果比较接近理想真实值。

图3 信息融合后的速度值与测量得到的速度值的对比

5 结论

本文对近海测波多传感器优化配置的模拟和设计进行了研究。为了提高测波浮标测波的精度，提出了一种多传感器信息融合的测波方法，然后进行了电脑仿真模拟。首先分析了系统的总体设计，然后具体分析了GPS模块和加速度传感器模块的电路设计和实现方法。用多传感器的优化配置去克服两种方法各自的不足，提出了优化配置的设计思想和设计方法。采用卡尔曼滤波器对加速度传感器信号和GPS传感器信号进行信息融合处理，提高了测量精度。通过有关实验和电脑仿真，验证了多传感器优化配置和信息融合可以有效地提高测波精度，减小噪声干扰，提高海浪参数反演的精度。

[1]俞聿修．随机波浪及其工程应用[M]．大连：大连理工大学出版社，2000．

[2]文圣常，余宙文．海浪理论与计算原理[M]．北京：科学出版社，1984．

[3]赵曙东．SZF波浪方向浮标数据接收和处理系统[D]．中国优秀硕士学位论文全文数据库，2007．

[4]De Vries J,Waldron J,CunninghamV.Field tests ofthe newDatawell DWR-GGPSwave buoy[J].Sea Technol,2003,44:50-55．

[5]Steele KE,TengCC,WangDWC.Wave direction measurements usingpitch-roll buoys[J]．Ocean Engineering,1992,19:349-375．

[6]陆晶晶，张为公，周耀群．基于GPS和加速度计的车速测量系统的开发与研制[J]．测控技术，2007，26（8）：15-18．

[7]杨承凯，曾军，黄华．多传感器融合中的卡尔曼滤波探讨[J]．现代电子技术，2009，14：159-164．

Research on Simulation and Design of Optimized Multi-Sensor in Wave Measurement Offshore

LIU Guo-dong1,WANG Bing-zhen2,WANG Xin2,TANG Chang1,SONG Zhan-jie1
(1.Institute of TV and Image Information,Tianjin University,Tianjin 300072,China;2.National Ocean Technology Center,Tianjin 300112,China)

The wave measurement with GPS and acceleration sensor in wave buoy was researched.The basic framework and hardware design of the wave buoy data acquisition system was introduced then.In order to improve the accuracy of wave buoy system,multisensor was optimally configured and the information was fused and processed.The simulation on computer shows the superior performance of the design.

wave measurement offshore;GPS;accelerometer;buoy;information fusion

P715

B

1003-2029（2012）01-0006-04

2011-08-22

国家自然科学基金资助项目(10926196)

刘国栋（1987—），男，信号与信息处理专业研究生，主要研究方向为海洋水文测量与海洋环境监测。