频率预测方法（共7篇）
频率预测方法 篇1
0 引言
虽然JIDS和卫星通信等新型通信方式不断涌现, 机载短波通信在远距通信中仍占有重要的地位[1]。鉴于试验室仿真和测试总是难以摆脱纸上谈兵的潜在嫌疑, 提出运用飞行试验实际对机载短波通信进行功能和性能的考核, 真实飞行得出的对短波通信评估的可信度与实战最为接近。合理高效的试飞方法是进行飞行试验的基础, 根据短波通信试飞的技术特点, 提出了一种短波频率预测方法。
在战争中, 当卫星被打掉, 又超出超短波通信距离时, 短波通信就成为超视距通信的重要甚至是唯一的手段。短波的通信距离主要受到通信频率的影响[2]。在实际飞行试验中, 需要明确频率和通信距离之间的关系。
通过合理的技术方法预先得到被试两地的优势通信频率, 直接决定试飞的短波话音、数据通信的质量以及通信距离。频率频率在传统的试验中, 都是凭经验选频率, 致使短波通信试验一直效率低下。所以, 频率的选取是机载短波通信飞行试验和实战应用的关键。
1 频率和通信距离的关系分析
1.1 电离层对短波通信距离的影响
短波通信是利用电离层反射实现的。由于电离层不会被摧毁, 短波通信是其他通信方式不可替代的。对于无线电路来说, 可以应用的频率不是整个的短波波段, 而仅仅是它的一部分, 即所谓的工作频率。若频率太高, 虽然传播的吸收损耗小, 但电波易穿出电离层, 无法反射至接收点;若工作频率太低, 吸收损耗增大, 致使无法保证通信所需的信噪比[3]。
短波传输损耗主要是自由空间传输损耗Lbf[2], Lbf是2个理想的电源天线在自由空间传播和接收无线电波时产生的损耗, 短波在传播路径上的衰减如式 (1) 所示, 反应了短波频率与通信距离的关系。
又可表示为:
式中, Lbf为自由空间传输损耗;d为通信距离;f为短波频率;λ为短波波长。
频率一定时, 电波主要由2条路径反射回来。仰角高波在电离层浓度较大处反射, 一跳的距离近;低仰角波在较低处反射, 电离层电子浓度小, 一跳的传播距离远。不同仰角时信号的轨迹如图1所示。
1.2 短波的最高可用频率分析
当短波频率升高时, 图1中的高仰角和低仰角波的轨迹趋于重合, 此时相应的频率就是这一距离的最高可用频率fMUF[4], 通信距离和fMUF的关系如图2所示。
相应通信距离的fMUF由公式 (3) 表示:
式中, i100=arcsin (0.985cosβ) , fMUFE (d) 为两地距离为d的最高可用频率;fc (E) 为E层的临界频率。i100为射线入射角, β为初始入射仰角。由图2可以看出, 入射角小最高可用频率低, 最高可用频率随入射角增大而升高, , 从而传播路径越远。
1.3 寂静区对短波通信距离的影响
200 km对于短波通信来说是个临界距离:小于200 km时, 地波传播;大于200 km时, 天波传播, 这样就形成了一个短波通信的寂静区[5,6]。如图3所示, 寂静区的形成是由于地波衰减较快, 传播距离较近处就无法接收到地波, 而相应频率的电波只能在一定距离外才能收到。
由图3可知, 寂静区的范围取决于内半径r1和外半径r2[7]。当频率升高时, 地波衰减增大, r1就减小。为了使电离层将电波反射回来, 随着频率的增高, 反射的仰角就要减小, 所以r2较大。
2 通信频率预测及试验结果
频率是影响通信距离的关键因素, 实现可靠的频率预测对于提高飞行试验的效率有重要意义[8,9]。将传统的选频方法与提出的预测方法进行比较, 结果如表1所示。
选用短波通信工作频率时, 应该尽量接近电波能反射回地面的最高可用频率 (MUF) , 通常选取MUF的80%~90%作为通信频率[10]。这样, 既避免了当电离层变化时电波穿过电离层的可能;又防止若频率取得太高, 电波深入反射层使吸收损耗加大。
通过软件辅助计算[11], 将从互联网上获得的, 当天北京天文台发布的太阳辐射通量 (Flux) 和K指数 (单个台站3小时内地磁扰动强度的指数, 称为3h磁情指数[12]) 及目标地的经纬度输入就可以得出一天内两地之间的短波通信适宜频率。
短波通信是一种远距通信方式。试验中将该飞行试验的航路设计为阎良到海南陵水。试飞中采用了1 000 W的短波电台作为地面通信终端, 假定频率选择10 MHz, 由式 (1) 得出, 信号在航路上传播的传播衰减为117.64 d B。由式 (2) 可得相应有效作用距离约为1 819.33 km。阎良和海南陵水的距离为1 828 km, 与上面分析的通信距离非常接近, 满足航线的距离要求。
在互联网上找到12月17日至12月23日这7天的太阳辐射通量和地磁指数K, 如表2所示。
计算2010年12月20日阎良 (N34.64°、E109.24°) 和三亚陵水 (N18.5°、E109.08°) 之间短波电台通信时可用的频率, 计算结果如图4和图5所示。图中上方TERMINAL表示地点, Sunrise/Set表示日出/日落时间, A Bearing to B表示以A点为轴心, B点在逆时针方向上偏离正北方向的角度, SSN是太阳黑子数, Flux是太阳辐射通量, K是3小时磁情指数, Path Length是两地距离。
图4是一天之中各时段的最高可用频率。可见正午之前的最高可用频率低, 正午之后有所升高。在飞行试验中, 根据试验时间合理地改变所选通信频率即可;图5表示了各个频率在各个时段的可用性百分比, 以及在传播路径上的信噪比。
对于图5的注释如表3所示。
根据图5所得结果, 夜间时段较为适用的频率比白天要高, 最佳频率在14 MHz左右, 因为虽然14.1 MHz和7.1 MHz可用性都为A, 但14.1 MHz的信噪比较高。考虑到试验的气象和时段, 发现原定的试验的频率明显偏高, 将原来的短波定频模式下午时段中的频率进行了修改, 如表4所示。修改之后超视距通信效果良好, 话音质量3级以上[13]。
3 结束语
运用短波通信理论研究了短波频率与通信距离的关系, 分析了影响短波通信距离的因素。又因为解决频率问题的需要, 提出了一种预测频率的方法, 方法首先确定了相应距离和时刻的最高可用频率 (MUF) ;再对各频率在一天中不同时段的可用性百分比以及信噪比进行分析, 综合评价预测出通信质量较好的频率。并通过飞行试验验证了该方法在工程上的可行性。在后续某型直升机短波远距数传试飞和某型预警机短波远距离通信试飞中有着良好的应用。
摘要：机载短波通信是CNI (通信/导航/识别) 体系内不可或缺的组成部分。运用短波通信理论分析了机载短波通信通信频率与通信距离之间的关系, 鉴于通信距离在实战中的的重要性, 提出了一种预测短波通信频率的方法。方法主要为以下2点:一、特定时间和路程下的最高可用频率;二、每一频率在每一时段的信噪比及可用性百分比。方法主要经由理论分析、软件辅助计算, 并结合电磁环境的监测结果和实际地面互联互通经验对预测结果进行修正, 给出每一时刻的最佳通信频率。最后, 通过真实飞行试验对该方法的可行性进行了工程验证。
关键词：短波通信,通信距离,频率预测,飞行试验
频率预测方法 篇2
授权公告日:2016.07.13
专利权人:南京航空航天大学
地址:210016江苏省南京市御道街29号
发明人:谭慧俊;张启帆;黄河峡;陈昊;孙姝;宁乐
Int.Cl.:G06F19/00(2011.01)I
频率预测方法 篇3
电力系统频率稳定是电力系统安全稳定运行的重要因素之一。频率异常或频率崩溃将对电力系统本身及电力用户带来极为严重的后果。如果发生恶性频率事故,则波及面广,影响较大。因此当系统频率偏离额定值达到一定程度时,需要通过自动装置或系统紧急控制手段进行有功/频率调节以维持系统的频率稳定性[1,2,3]。
电力系统频率的静态稳定是指电力系统运行于初始平衡点,受到微小扰动,扰动消失后,系统频率能否以一定的精确度回到初始运行状态的性能,而所谓静态频率特性(频率调节效应)指的是当系统处于稳定状态下有功功率和频率的关系。电力系统的静态频率特性取决于发电机组的静态频率特性以及负荷的静态频率特性。因此,当系统的静态频率特性系数用系统中发电机频率静态特性系数和负荷静态频率特性来表示时,公式为[4,5]
式中:kr为功率扰动初始时发电机功率与负荷功率之比;KG为系统中发电机频率静特性系数;KL为系统负荷频率静特性系数。发电机频率静特性系数KG与机组调节特性及旋转备用容量多少有关,而负荷的静态频率特性系数KL则与负荷自身随频率变化的特性有关。
电力系统频率的暂态稳定是指电力系统运行于初始平衡点受到大扰动,扰动消失后,系统频率最终能否以一定的精确度回到初始状态下的性能。电力系统中负荷或发电机出力的突然增减,使得系统中能量供求关系失去平衡,系统频率将从正常的稳态值过渡到另一个使能量供求达到平衡的暂稳态值,频率的这种变化过程称为电力系统的暂态频率特性,它与系统中电源备用容量大小、负荷调节效应、电源机组的机械惯性和负荷的特性等有关。
由以上分析可知,系统的频率静态稳定特性与暂态稳定特性的物理意义可统一表示为:电力系统发生功率缺额ΔP与其所发生的最大频率偏差Δf的相对值之比,是系统发电机组和系统负荷共同作用的结果,频率特性系数K可以用式(2)表示[3]。
式中,P0、f0为正常运行时系统的功率和频率。
电力系统的频率特性在电力系统的运行及各种频率调节措施中都是重要的数据之一,具有广泛的应用。
(1)自动发电控制(AGC)[5]中,对于TBC控制策略的各区域,将B值设置为与本区域的静态频率调节效应系数相等时,即可做到各区域内部的功率缺额由本区域的机组承担二次调节,以减少区域间的功率交换和能量损耗。
(2)当发电机组因故障被切除或系统内某区域电网因故解裂后,若采取考虑负荷静态频率特性的低频减载[6,7]方案时,需要根据各不同负荷的静态频率特性系数,来确定按轮次切负荷的顺序和切负荷量的大小,以减少系统中的功率缺额,使系统频率保持在事故允许的限额之内。
(3)对于调度部门来说,静态频率调节效应系数同样是一个重要的数据。例如:事故预想机组跳闸或发电机调试期间机组甩负荷试验,或直流切机装置的设计等,都需要利用K值确定功率不平衡后系统频率的变化[8]。
(4)研究电网的频率特性系数识别与计算方法,能为制定频率控制方案、安排运行方式、调度实时调整以及确定紧急控制措施等提供科学依据。
传统的系统静态频率特性系数的确定,多采用统计或者实验的方法,不具备实时性,不能满足处于实时变化的电力系统的需要。因此,对电力系统的静态频率调节效应系数进行快速识别及预测具有十分重要的意义。
1 电力系统频率特性系数的测量及计算
当前的电力系统频率特性测算方法可归纳为统计综合法和总体测辨法两类。
统计综合法[9,10]是将静态频率特性看成是区域内等效汽轮机组(含水轮机组)的调速器频率特性和全体负荷频率特性的综合。在以用电设备为单位的前提下,进行周密的特性测试,在频率变动的大范围内测取基本负荷的频率变化特性,并与网络规划相结合,可以得到待测网络的频率特性。
总体测辨法[10]则是把待测的机组和负荷考虑为一个整体,并将两者的频率特性综合考虑。在系统不同运行方式下,利用数据集结系统在系统具有负荷扰动PL时,录取测试时段每个测试系统的机组出力PG及联络线交换功率PTL,据此求取各区域电网的静态频率特性系数。
目前的静态频率特性系数测量及计算方法存在过于依赖负荷模型的准确性、测辨参数过于繁杂以及无法针对变化的运行方式进行计算等不足,因此,本文提出了使用灰色模型对静态频率特性系数进行预测计算的方法,该方法不需要进行负荷及机组建模型,不依赖系统复杂参量的在线测量和计算,仅需要相对较为简单的系统频率参量和有功功率参量,依靠一段相对固定的运行方式下的历史数据即可有效预测计算出相对下一个扰动量的系统静态频率特性系数,不需要复杂的迭代计算,也不需要复杂的曲线拟合及校正,是一种较为理想的静态频率特性系数实时或准实时预测与计算方法。
2 GM模型建模机理
GM模型即灰色模型[11](Grey Model,GM)是从灰色系统中抽象出来的模型。灰色系统是既含有已知信息,又含有未知信息或非确知信息的系统,这样的系统普遍存在。研究灰色系统的重要内容之一是如何从一个不甚明确的、整体信息不足的系统中抽象并建立起一个模型,该模型能使灰色系统的因素由不明确到明确,由知之甚少发展到知之较多提供研究基础。灰色系统理论是控制论的观点和方法延伸到社会、经济领域的产物,也是自动控制科学与运筹学数学方法相结合的结果。
灰色预测是灰色系统理论的重要组成部分。灰色系统理论认为,由于各种环境因素对系统的影响,使得表现系统行为特征的离散数据呈现离散,但是这一无规律的离散数列是潜在的有规序列的一种表现,系统总是有其整体功能,也就必然蕴含着某种内在规律。任何随机过程都是在一定幅度范围、一定时区内变化的灰色量,灰过程处理的主要手段是将原始数据进行有规律的处理来寻求数据间的内在联系,GM(1,1)模型[8]是最常用的一种灰色预测模型,其灰色方程是一个只包含单变量的一阶微分方程。GM(1,1)模型是灰色理论中用于预测的最广泛的模型,建立GM(1,1)模型只需要一个数列。用微分拟合方程拟合数据的方法来描述事物的发展变化规律,算法简单、速度快捷。最显著的特点是在历史数据较少的情况下,利用GM(1,1)模型的建立方法预测能达到很好的预测效果。
灰色预测模型具有以下三个典型的特点:一是建立灰色预测模型所需的信息和数据相对较少,一般只要有4个以上的数据就可以建立模型;二是建立的灰色预测模型精度较高,能保持原始数据的特征,较好地反映需要预测的问题的实际状态;三是灰色预测与其他预测方法相比而言,其可检验性较强,因而具有很强的生命力,广泛地被运用于不同行业的有关数据的预测中。
因为电力系统的特点符合灰色系统模型的相关量众多、数值随机性大、干扰量不确定等特点,基于灰色理论的数值预测在电力系统中得到了广泛的应用,如在电网短期负荷预测、电网最大负荷预测以及短期电价预测等[12,13]。
由于电力系统的静态频率特性的辨识与众多相关参量的复杂变化均有关联,如系统中机组的开机方式、负荷性质、对外潮流断面功率流向及大小等等,而K值的计算与预测本身就是一个模糊计算过程,因此本文集中于将灰色模型中的GGM(1,1)预测模型用于电力系统静态频率特性系数的预测,使得静态频率特性仅与众多变化参量中的主要参量(如系统初始平衡功率或系统扰动不平衡功率)正相关,以此来进行K值预测和计算并进行精度验证。
通过对电力系统静态频率特性系数的实验统计规律可以发现,随着系统有功扰动的增大,系统的频率调节能力将逐渐达到饱和,系统静态频率特性系数呈现逐渐上升且上升幅度递减的变化,相比选用一次函数和二次函数对系数曲线本身进行拟合,选用指数函数形式模型可以更加精确地描述系数变化并有效地减少误差,因此本文选取基于指数形式的GM(1,1)灰色模型对静态频率特性系数进行预测和计算。
3 GM(1,1)预测模型的建立过程
GM(1,1)预测模型是灰色系统预测模型[11,12]的核心方法之一,因为它是用单个变量进行预测的一阶微分方程,故记为GM(1,1)。它的建模过程是:首先将一规律性不强的离散数列采用累加生成变换为近似地按照指数规律变化的序列,一般只做一次累加。
设给定的初始序列为xk(0)(k=1,2,,n),对其做一次累加生成新的数据序列为
假定x(1)近似服从指数规律,则白化方程为
式中:a为发展系数;b为灰输入量。a、b可通过最小二乘法确定:
将B、Yn代入式(5)解得参数a、b,白化形式微分方程为
令x1(1)=x1(0),再累减还原,得x(0)的预测模型为
为避免复杂的矩阵及微分计算,本文采用GGM(1,1)模型即GM(1,1|τ,r)模型,其中τ=,1r=1,其改进公式如下。
首先生成原始数列
则
式中,C、D、E、F、G为中间参数。
则预测量为
4 电力系统静态频率特性系数灰色预测模型
由K值计算曲线可知,在某一初始量特定情况下,如在初始系统平衡功率变化不大而扰动不平衡功率不同情况下,K值曲线随功率变化近似为一条单调平滑曲线,因此,在基于已计算或记录的静态频率特性系数K值数列的基础上,可以采用GGM(1,1)模型来对后续K值进行预测。
但是K值数列与前述灰色预测相关应用中的负荷值等数列有一个本质的不同,即前者是与变化有功功率(P1,P 2,…,P k)为输入量,其取值级差是变化的即是非等测度的,而后者是依据时间顺序(t 1,t 2,…,t k)进行排列,级差变化始终等于1,因此,必须对输入有功功率进行等测度变换,由于功率变化级差较小,可以假设每两个K值之间取值依据两个值的连线近似等斜率变化,因此对取值数列进行以下变化。
令已知功率变化数列为[P1,P 2,,Pn],对其功率值级差取平均值
并对avr Pn取最接近的整数并令其为AP,则等测度功率变化为mP=k PA,必然有值k使得Pk+1
推导得
这样,数列Km(m=1 2,,…,n)则转化成了随m变化的单调数列,可使用GGM(1,1)灰色预测模型进行预测计算,同样,当可求出Km值后,可反推Kk+1为
通过上述方法,可将依据功率变化(包括系统初始平衡功率和扰动功率的变化)的系统K值变化转化为依据时间序列t的变化。
5 算例及分析
5.1 算例选取与计算条件设置
本文采用特高压电网某年度运行方式为基础计算模型进行静态频率特性系数的计算。仿真计算模型采用特高压电网某年度丰大、丰小枯大、枯小及相应派生方式为基础,通过0 s切特高压线路、华中电网内突然投切大型机组以及增减负荷来进行功率扰动,实时记录频率变化波形及变化量,并根据事先确定好的扰动功率数值,计算系统的静态频率特性系数,计算公式为式(2)。
对系统静态频率计算基于以下前提假设:
(1)全系统在静态及暂态变化过程中频率同步,即系统同频率假设;
(2)特高压直流等效为不随系统频率变化的静态负荷;
(3)计算中不考虑线路和设备的过负荷校验,不考虑无功功率波动及由此带来的电压波动对有功功率及频率的影响;
(4)假设正常运行方式下系统的开机方式和负荷安排遵循一定的规律,系统运行方式不会突变,系统的静态频率特性系数随系统总有功负荷变化是连续变化的,不会出现阶跃的情况。
5.2 算例1
选取丰大北送变扰动功率计算K值数据,如表1所示,其中t*9为丰大标准方式,不放在等测度序列当中。
由于功率变化值级差接近300 MW,因此本计算除t*9数值外可不做等测度变换,由初始值取前5个值组成数列。
则AGO为
则
因此
与实际偏差为
由表2可看出,用GGM(1,1)模型预测算法对丰大运行方式下系统K值随扰动功率变化的预测是较为准确的,系统误差可保持在5%以下。
5.3 算例2
选取丰小北送变功率计算K值数据,可用表3表示。
由于功率变化值级差接近300 MW,因此本计算除t*9数值外可不做等测度变换,由初始值取前5个值组成数列。
则
则n=4,有
则
因此
与实际偏差为
由表4可看出,用GGM(1,1)方法对丰小运行方式下系统K值随扰动功率变化的预测较为准确,系统误差可保持在7%以下。
5.4 算例结果分析
相比算例1,误差有所扩大,具体原因分析如下:
(1)在丰水期小负荷方式下系统中主要承担调频能力的火电机组开机相对丰大方式下有所减少,系统对于频率的调节能力有所降低,反映在K值上则是相同的扰动功率下频率特性系数初值有所上升,变化更快;
(2)在系统频率调节能力有所下降的前提下,初始数据变化规律以及预测数据对应关系的误差呈现一定的扩大趋势。
因此,采用GGM(1,1)模型对系统静态频率特性系数进行预测时,预测结果精度与系统运行方式以及K值初始数据均有一定关系。
6 小结
本文对基于GGM(1,1)模型的静态频率特性系数K的灰色预测进行了研究,使用灰色预测方法对K值进行预测计算的优势在于:
(1)需要的数据量少,仅需要4~5个历史数据即可开始计算;
(2)计算不需要考虑复杂的系统机组与负荷模型、机组及负荷的投退情况,仅依据扰动功率大小并转化为时间测度排序即可对数据进行处理;
(3)计算在一定范围内较为精确,基本误差可以保持在5%左右。
频率预测方法 篇4
1 风电场有功输出的特性和互联系统模型
1.1 基于风电场/ 群有功输出特性
由于风能本身具有很多特点, 如波动性和随机性等等, 这样就使风电场功率的输出出现波动特性。 风电的迅速的接入引起了电网频率波动, 大大的增加了电网调频的负担, 对于电网来说, 风电场整体的功率输出特性需要我们给予关注。 ( 图1)
1.2 互联系统模型结构
许多情况下, 一组发电机联系紧密, 转速统一, 发电机转子有相同的响应特性, 这样的发电机组称为相关的发电机组, 可以用一个负荷频率控制环代表, 称为控制区域[2]。 以两区域系统为例, 用两个等效的发电机代表两区域系统通过无损线连接, 无损线电抗设为Xtie, 每个发电区域可以用一个电抗和一个电压源进行表示, 如图2。
联络线上传输的正常功率为:
在联络线额定功率处, 将公式 ( 1) 进行线性处理后, 得:
PS是功角曲线在初始运行角处的斜率, 为同步功率系数, 因此有:
两区域系统的负荷频率控制模型主要由发电机负荷、 原动机、调速器、联络线系统等几部分的模型组成的。 使用处理后模型来模拟运行点左右的系统动态的变化情况。 因此, 用合理的假设和近似的处理方式来建立元件数学模型, 对其进行了一定的简化, 并且简化为低阶线性模型[3]。
2 分散LFC预测控制算法
2.1 预测模型。 当预测控制器进行模型化设计时, 首先需离散化处理线性化模型。 在涉及到互联电网的基础上, 搭建负荷频率控制模型, 风电有功输出的不可测性将在模型中考虑到, 将与被研究区域i相关联的联络线上功率, 这样条件可以当成作为不确定性扰动予以处理, 则可以得到区域i的离散状态方程为:
依据模型控制算法原理, 首先要根据系统当前时刻 (即k时刻) 的状态信及状态方程, 在预测时域N0内对系统响应进行预测, 如下式所示。
式中, Nu为控制时域, 表示k时刻预测系统在k+j时刻的输出响应, 表示k时刻变量的计算值, 为单位矩阵;当时。
2.2 滚动优化。 对于模型预测控制算法的原理, 它可以很好的使用预测模型, 通过其对预测未来的系统输出, 然后进行优化, 对于预测的每个周期, 第一个控制是在实施优化后的控制序列中得到的[6]。
在其控制时域内, 频率控制器在区域i的性能函数为:
式中, Yr为在其目标时域内被控系统的参考响应, Q和R为对角加权矩阵。
二次规划问题涉及到以上俩式和其约束条件, 如果采用滚动优化的策略, 则系统实际控制动作可作为最先被最优控制序列的元素。
3 广域预测的负荷频率控制
对于基于分散式MPC的LFC来说, 其对电力系统信息的采集有非常高的要求, 并且传输过程要保证快速性和准确性。 以GPS为基础的WAMS的广泛应用并基于分散式MPC的LFC数据平台[7]就是很好的一个平台。
MPC控制器主要提供系统的ACE信号与状态信息, 主要由WAMS平台进行分散提供, 控制器中相应的控制量由各MPC控制器得到, 然后再分配至AGC机组里, 这样基于LFC互联电网分散预测控制就可以实现了。
4 算例仿真
通过Matlab/Simulink模拟软件系统对含风电单区域LFC系统进行了模拟仿真分析和研究, 通过分析结果来验证本文论证的。
对于模型预测控制算法来说, 需首先知道对角加权矩阵R和Q、预测时域NP、和控制时域Nu。 一般的原则[8]依据MPC控制参数的选取, 经过数次的模拟仿真, 然后进行对比, 可以得到本文中MPC相关参数如下:
预测时域:
控制时域:
输出权矩阵:
控制权矩阵:
仿真中将考虑单一区域风功率波动的情况, 详细了解本文提出的负荷频率预测控制策略, 然后与常规PI- LFC控制策略的控制效果进行类比分析。
在计及风电场的汇聚效应以后, 然后参考文献[7]可以得到风电功率序列。 风电功率和预测值间偏差标幺值曲线如图3 所示。
建立关于互联电网的LFC模型, 并且考虑到风功率波动对其的影响, 并利用负荷频率预测控制策略, 然后针对图3 所示风功率随机波动的情况, 单一域系统频率动态过程进行仿真模拟, 区域1及区域2 的LFC响应如图4、图5 所示。 针对本文建立的计及风功率波动的互联电网LFC模型, 我们可以在风功率波动特性及动态频率响应曲线上得到如下结论: 系统LFC动态响应对风电场有功输出随机波动很敏感, 输出的波动会对其带来很明显的影响。
由图4 和图5 中的动态响应曲线可以看出, 对于相同的风功率波动, 基于广域向量测量系统的负荷频率预测控制的动态响应特性优于常规的PI频率控制。
5 结论
本文建立了计及风功率波动的互联电网LFC模型, 是针对规模化风电场/ 群并网后互联电网负荷频率控制问题而言的, 将风功率波动在该模型中并入以往的互联电网LFC中, 风功率波动增加到至ACE信号中引起的模型不明确性质的问题将会的得到有效的解决。 仿真结果表明:对于风功率波动对互联电网LFC动态响应的影响, 可以在本文建立的计及风功率波动的互联电网LFC模型能够得到比较真实的显示。
参考文献
[1]蔡国伟, 杨德友, 姜又滔.基于广域瞬时量测信息的复杂受端电网动态频率量化评估与预警方法研究[J].中国科学技术科学, 2013, 35 (1) :59-65.
[3]杨德友, 蔡国伟.基于广域局部量测信息的复杂电力系统自适应低频保护策略研究[J].电工技术学报, 2014, 29 (10) .
[4]Lisa Ruttledge, Student Member and Damian Flynn, Member.System-wide Inertial Response from Fixed Speed and Variable Speed Wind Turbines.IEEE.
[5]高翔, 严正, 李端超等.现代电网频率控制应川技术[M].北京:中国屯力出版社, 2010, 6-9:104-105.
[6]《电力系统调频与自动发电控制》编委会.电力系统调频与自动发电控制[M].北京:中国电力出版社, 2006:74-75, 81-86
[7]丁剑, 邱跃丰, 孙华东等.大规模风电接入下风电机组切机措施研究[J].中国电机工程学报, 2010 (7) .
频率预测方法 篇5
基音频率作为语音信号的一个重要特征参数，它在语音压缩编码、分析合成、语音识别和说话人识别等研究中都具有重要的意义。现有的基音频率检测方法主要可以分为以下两大类：基于事件的方法和非基于事件的方法。非基于事件的方法主要包括：自相关法、倒谱法、简单逆滤波法、平均幅度差法等[1,2]。近年来众多学者在非基于事件的基音检测方法中做了大量研究，并提出了许多改进方法，比如基于改进自相关函数的方法[3,4]、基于修正倒谱的方法[5,6]等。基于事件的基音检测方法是通过定位声门闭合时刻来估计基音信息。目前关于这类方法的研究并不是很多，主要以小波方法[7]为代表。其中，李香春和杜立民于2003年提出的基于多尺度空间的小波系数加权方法[8]是目前效果较好的方法之一。以上方法虽然能从语音信号中检测出较为满意的基音信息，并在不同系统都已经得到了一定的应用，但是它们大部分提取的基音信息多为单一话者的基音信息。如何从单声道中提取多话者基音频率仍然是一个有待研究的课题。
本文提出了一种基于线性预测残差倒谱的多语音基音频率检测算法。该算法首先对混合语音信号进行线性预分析以得到该信号的预测信号，进而计算该预测信号与原信号的残差，并对残差信号做倒谱变换，得到混合语音信号的线性预测残差倒谱;然后，在该信号的残差倒谱中，结合图像处理的技术以及语音信号特性，求取语音信号的基音倒频频带并计算频带对应的基音倒频值。最后，利用信号基音频率前后差距变化最小原则标记出各基音频率所属话者，得到各说话人的基音频率信息。实验结果表明，本文提出的算法在弱回声及无回声的情况下能快速有效地从单声道混合语音信号中检测出多语音基音信息。
1 语音信号的声学特性
在发声过程中，肺部和与其相连的肌肉形成了声道系统的激励源。当声道处于收紧状态时，流经的气流迫使声带振动，产生浊音;而不带有声带振动的音为清音。浊音语音可以分成纯音(pure tone)和复合音(complex tone)。纯音是指仅包含单一频率的声波，它的语音频率称为基音，而基音频率的整数倍频率叫做倍音(或称谐音)。对于大多数的声音来说，除了具有一个基音之外，还有若干倍音，把这种声音称为复合音。语音产生的离散时域模型如图1所示。设e(n)为声源激励信号，浊音e(n)是准周期脉冲信号，而清音e(n)是随机噪声，声道冲激响应为v(n)，离散语音信号s(n)可以为e(n)与v(n)卷积，
2 语音信号倒谱及其线性预测残差倒谱
语音信号s(n)的倒谱定义为其功率谱对数的离散逆傅立叶变换：
通过求取倒谱，公式(1)中的卷积效应转化为加性效应。在理想情况下，浊音激励信号的倒谱在对应于其基音周期的时刻会出现尖峰[2]。通过检测该尖峰，有望获得语音信号的基音信息。然而在倒谱域中，实际语音信号的激励信息与声道信息并非完全分离。尤其对于过度音和弱浊音而言，其激励信号的能量较低，易受到声道响应共振峰的影响，使得反映基音信息的倒谱峰变得不清晰。极端情况下，上述倒谱峰将会被声道响应共振峰所淹没，这对基音检测的准确度造成严重影响。为得到反映基音信息的清晰倒谱峰，必须去除声道响应的影响。本文通过求取语音信号的线性预测残差，并对残差信号做倒谱变换，有效地消除了声道响应的影响。
假定离散语音信号s(n)可用如下差分方程表示：
其中，为s(n)的理想p阶线性预测，为常数系数。记为实际的p阶线性预测，则根据线性预测残差的定义，s(n)的残差信号为：
显然，当逼近理想p阶线性预测时，的特性逼近激励信号e(n)的特性。因此，通过检测的倒谱尖峰，便可获得准确的基音信息。
图2给出了求取s(n)的线性预测残差倒谱的流程。在对语音信号分帧加窗之后，对语音帧进行线性预测分析，得到线性预测系数，由此构成逆滤波器对语音帧进行逆滤波，进一步得到残差信号，最后对做倒谱变换得到反映基音信息的倒谱。
以图3(a)中语音信号为例，其倒谱和线性预测残差倒谱分别如图3(b)和图3(c)所示。由图可见，在语音信号的倒谱中，反映基音信息的倒谱峰基本被淹没。与之相比，相应的倒谱峰在线性预测残差倒谱中则表现得非常明显。因此，通过求取线性预测残差倒谱可有效地去除声道响应共振峰的影响，使得反映基音信息的倒谱峰凸显，有利于获取更加有效和准确的基音信息，为后续的基音检测提供了可靠的基础。
3 多语音信号的基音检测
将每帧语音信号的线性预测残差倒谱按列排列成倒谱图，其中N为帧长，M为帧数。从倒谱图S中检测多语音信号基音频率的流程如图4所示。
下面以两个话者的情况为例对该流程说明。设fs为信号的采样频率，而、和分别为用于存放话者基音周期、倒频值和基音频率的2行M列的矩阵，在倒谱图S中检测两话者信号基音频率的步骤如下：
步骤1：通过倒谱图预测理得到仅包含语音信号基音倒频频带的倒谱图。预测理内容如右图虚框所示，首先将倒谱图的中高频灰度值置零，进而对倒谱图进行灰度二值化，然后根据语音信号的倍频特性寻找并去除倍频频带，得到仅含有语音信号基音频带的倒谱图。
步骤2：利用求取均值的方法计算倒频频带的中心坐标，以得到该频带对应的基音倒频值。求取方法如下式所示
其中，m为频带所处的帧，i=1,2为频带序号，k为频带i在该帧的起始坐标，l为终止坐标。若无该频带，则F(i,m)=0。
步骤3：将基音倒频值转化为基音周期以及基音频率。基音周期与该信号基音倒频的关系如下所示
根据(6)式可求得的语音信号的基音周期，利用公式(7)可计算出相应的基音频率矩阵。
步骤4：标记出各基音频率所属话者。对于各频带起始帧位置的基音频率，本文依据基音频率前后变化差距最小原则进行标记。频带后续帧的标记如下式所示
图5显示了本文算法检测的一段混合语音信号(图5(a)所示)的基音信息：图5(b)显示了该算法求取的各语音的倒频信息，图5(c)为根据倒频信息得到的语音信号的基频信息。图6为根据语音信号基音频率定位的各语音信号的基音频带并将频带去除的语谱图，从图中可以看出，本文算法可以准确地检测出多语音信号的基音信息。
4 结论
本文提出了一种基于线性预测残差倒谱的多语音基音频率检测算法。该算法首先对混合语音信号进行线性预分析，得到该信号的预测信号，进而计算该预测信号与原信号的残差，并对残差信号做倒谱变换，得到混合语音信号的线性预测残差倒谱;然后，在该信号的残差倒谱中，结合图像处理的技术以及语音信号特性，利用语音信号基音倒频匹配法检测出多语音信号的基音倒频频带并计算频带对应的基音倒频，进而将其转化为语音信号的基音频率信息。最后，利用信号基音频率前后差距变化最小原则标记出各基音频率所属话者。实验结果表明，本文提出的算法在弱回声及无回声的情况下能快速有效地从单声道混合语音信号中检测出多语音基音信息。
参考文献
[1]Hess W.Pitch determination of speech signals.Berlin:Springer-Verlag,1983
[2]杨行峻,迟惠生等.语音信号数字处理.北京:电子工业出版社,1995
[3]Boersma P.Accurate Short-term Analysis of the Fundamental Frequency and the Harmonics-to-noise Ratio of a Sampled sound.In:Proc.of the Institute of Phonetic Sciences of the University of Amsterdam 17,1993,97-110
[4]鲍长春,樊昌信.基于归一化互相关函数的基音检测算法.通信学报,1998,19(10):27-29+31
[5]Kobayashi H,Shimamura T.A Modified Cepstrum Method for Pitch Extraction.In:The 1998 IEEE Asia-Pacific Conference on Circuits and Systems,1998,299-302
[6]Ahmadi S,Spanias A S.Cepstrum-Based Pitch Detection Using a New Statistical V/UV Classification Algorithm.IEEE Transactions on Speech and Audio Processing,1999,7(3):333-338
[7]Kadambe S,Boudreaux-Bartels,G.F.Application of the Wavelet Transform for Pitch detection of Speech Signals.IEEE Transactions on Information Theory,1992,38(2):917-924
[8]李香春,杜利民.一种基于多尺度边缘特征提取的基音检测算法.电子学报,2003,31(10):1500-1502
频率预测方法 篇6
1 方法原理
1. 1 地震信号时频分析方法
在地震勘探中,地震信号由于地层吸收、流体和孔隙等因素的影响,常呈现非线性的特征,即地震信号的频率是随着时间变化的。由于煤层速度较低,其视波长较小,利用频率调谐曲线在相同的厚度范围内可分辨的厚度也就较薄。因此,在同等条件下对煤层的振幅和频率特征的分辨率较高[6]。目前,常用的时频分析方法主要有Wigner-Ville分布、小波变换、短时傅立叶变换、S变换、广义S变化等。为了提高时频谱的精度,提出了分解小波谱的时频分析方法[7—10]。
将地震信号分解成一组经平移、伸缩的小波,小波函数 φ( t) 满足:
即为小波的容许性条件。此外,还要满足能量的条件:
小波基是小波函数经平移、伸缩和归一化处理后的集合,即:
式( 3) 中: a是尺度参数,b是平移参数。
x( t) 的连续小波变换为:
小波基函数通过尺度参数a的增加而拉伸,从而窗函数在频域压缩,在时域变宽; 反之,相反。因此,a的高值对应地震信号的低频段,频率有较高的分辨率; a的低值对应信号的高频段,频率分辨率较低。由此,可提取更精确的有效地震信号主频。
1. 2 频率衰减梯度理论
吸收衰减是指地震波的总能量在地下介质中传播时的损失,属于介质的内在属性。引起地震波在岩石骨架中的吸收衰减主要有两个因素: 一是岩石的矿物基质具有黏滞弹性性质; 二是介质中固体与固体、流体与流体、流体与固体界面之间存在滑动摩擦,从而产生能量的损耗。前人的理论研究表明,地震波在不同的介质中吸收程度不同,随着地层的吸收作用增强,高频成分的地震波衰减地越快[11,12]。煤层气以吸附、游离和溶解三种状态储存于煤层或其他储层中,煤的裂隙和孔隙十分发育,吸附能力强[13]。因此,频率衰减理论可以在煤层的开发中起到指示作用。
在吸收衰减属性中,频率衰减梯度对储层预测最为敏感,当孔隙较发育且含油气的储层中,地震波高频能量比低频能量衰减得大。在时频分析的基础上,高频振幅谱包络的线性拟合斜率即为频率衰减梯度属性。图1 为研究区沁水盆地南部3#煤层的含煤层气和不含煤层气的频谱分析对比图。图( a)中,绿色和黑色线分别代表频率衰减前、后煤层气段的频谱,可分析出,高频能量衰减明显快于低频衰减。频谱的总能量可以表示为地震波在有效频带范围内振幅谱的积分,相当于图1 中频率轴与频谱曲线所围成的区域面积,积分公式表示如下:
式( 5) 中: f是频率的大小,fa和fb是所围区域面积对应的频率最小值和最大值,p( f) 是振幅能量随频率变化的函数。
由沁水盆地南部3#煤层的数据统计分析可得( 如表1) ,高产井附近,频谱总能量85% 时的频率衰减为高频衰减,此时从地震剖面上得到的频率值在37 ~ 39 Hz范围内,衰减梯度绝对值在1. 26 ~ 1. 05 范围内变化; 在有效频带范围内,衰减到频谱总能量65% 时的频率衰减为低频衰减,地震频率值在28 ~ 30Hz范围内,衰减梯度绝对值在0. 47 ~ 0. 43 范围内变化。即高频衰减时,地层的频率衰减最明显,对应的地震频率值较高,频率衰减梯度的绝对值较大,一般是大于1; 低频衰减时,地震频率值较低,频率衰减梯度绝对值为低值,一般小于0. 5。因此,当地下储层中裂缝较发育或饱含油气时,会使地震波的频率在地下传播时发生频率衰减,高频衰减或低频衰减的相对值可以对地下煤层进行一定程度的检测。
2 模型计算
根据实际煤层的测井资料建立煤层地质模型及岩石物理参数( 如表2) ,其中,设定(1)号泥岩层为煤层顶板,其纵波速度为4 000 m/s、横波速度为2 000m / s、密度为2. 66 g / cm3; (2)号为含气性均匀的煤层,其纵波速度为2 149 m/s、横波速度为883 m/s、密度为1. 32 g /cm3、煤层厚度逐渐变厚: 5 ~ 10m; (3)号泥岩层为煤层底板,其纵波速度为3 750 m/s、横波速度为1 840 m/s、密度为2. 65 g /cm3,煤层与顶、底板泥岩层的物性差异较为明显[14]。
图2 显示了表2 中地质模型自激自收地震记录的结果,图中可以看出地震响应中振幅属性变化较为明显,煤层与顶板和底板的泥岩层分别形成了较强的波谷反射和波峰反射。利用小波谱的分解时频方法提取了时频分布特征,即图3 为图2 中正演模拟自激自收的地震记录与频率衰减梯度的叠合图,其中,黑色波形是自激自收的地震记录,彩色是不同时刻对应的频率特征。结果表明,随着煤层的厚度变厚,煤层与顶、底板泥岩层间的地震反射强度增大,由于煤层的密度小且与顶、底板的泥岩层间的波阻抗有较大的差异,当地震波在煤层气中传播时会有明显的频率衰减。因此,煤层气对地震波高频成分有特殊的响应异常。
3 实际应用
沁水盆地先后经历了海西期、印支期、燕山期和喜马拉雅期运动,该4 期次构造运动对盆地构造格局及煤系地层发育均起到重要的作用。研究区沁水盆地南部钻遇地层主要位于古生界奥陶系中统峰峰组( O2f) 之上,由老至新分别发育古生界中石炭统本溪组( C2b) 、上石炭统太原组( C3t) 、下二叠统山西组( P1s) 、下二叠统石盒子组( P1x) 、上二叠统上石盒子组( P2s) 、上二叠统石千峰组( P2sh) 、中生界三叠系( T) 和新近系( Q) 。主要含煤地层为二叠系山西组3#煤层和石炭系太原组15#煤层在本地区广泛分布,赋存完好,其中3#煤层测井曲线特征较明显,具有“两高三低”的曲线特征,即高电阻、高声波时差,低密度、低伽玛、低波阻抗。沁水盆地南部煤层中游离气与吸附气伴生出现的现象较为普遍,两者具有相近的温压条件,存在于同一吸附气-游离气共存系统中。因此,在煤层的勘探开发过程中造成一定的困难。
依据上述技术方法,针对沁水盆地南部2D地震资料提取了近、中、远道集的频率梯度衰减和调谐能量属性,分析了频率梯度衰减和调谐能量属性及含气性储集层对高频成分的响应特征,并且与测井结果的含气性检测取得了一致性的效果。根据研究区58 口井的近、中、远道集的频率衰减梯度和调谐能量属性可知,近、中、远道集的3#煤层的频率衰减梯度属性呈一定的条带性,且产气量较高的井在3#煤层处的频率衰减梯度属性为较大的负异常值,随着道集入射角的增加,频率衰减梯度的负值越大,远道集的属性值显示为最大的负异常值; 产气量较高的井在近、中、远道集的3#煤层处的调谐能量值有较大的异常值,且随着道集偏移距的增加,属性值也越大,远道集的调谐能量的异常值最大。
图4 为测线QN11-236 远、中、近道集叠前频率衰减梯度剖面。图中左侧为构造高点,因此,沁17-23 井打在了构造高点的翼部,可以较好的检测到含气异常,已探明的高产井沁17-23 的远、中、近道集在3#煤层的频率衰减梯度为较大的负值,且随着道集偏移距的增加频率衰减属性的绝对值也增大。图5 为测线QN11-236 远、中、近道集的调谐能量剖面。调谐能量是指合理地调整频带振幅能量,使地层的响应尽量恢复到真实情形,起到保幅作用。因此,在频率衰减梯度值较大的地方,调谐能量也是高值。如图,高产井沁17-23 处3#层附近的调谐能量值最大,且随着偏移距的增加调谐能量的值也增大,与频率衰减梯度预测煤层含气性一致。
图6、图7 中分别显示了QN11-240 远、中、近道集频率衰减梯度剖面和调谐能量剖面。从图中可以看出,不产气的沁19-25 井在远、中、近道集的频率衰减梯度属性的绝对值较周围的值低,且在中、近道集处有断点; 而调谐能量在该井处的值较低,无明显异常。
由于频率衰减梯度和调谐能量属性受地震资料品质和储层的厚度、岩性等的影响[15,16],因此需要结合实际的钻井资料和频率衰减梯度的平面图进行分析。分别对沁水盆地南部3#煤层的远、中、近叠前道集提取频率衰减平面图,为了更准确的看到频率衰减的异常,对频率衰减的平面图进行了远减中道集、中减近道集的处理,全区的58 口井经统计,共有50 口井的频率衰减属性与实际的钻井资料吻合较好,吻合率达86% 。
图8、图9 为研究区沁水盆地南部3#煤层东部的频率衰减梯度属性平面图,红色井是已打的产气井,黑色是空井,从图中我们可以看出东部的构造高带较为发育,产气井的频率衰减梯度有异常值,空井的频率衰减梯度基本上无异常,上文所提到的高产井沁17-23 处的频率衰减属性有明显的异常,在远—中和中—近道集的频率衰减平面图中异常值尤为明显。图9 中,沁17-23 井的西边标有设计井处有极其明显的异常值,且从地震剖面上看该设计井附近基本不发育断层,受到较好的保护,没有遭受后期构造运动的破坏。因此,该设计井处具有一定的有利储层厚度、受断层影响小、具有较完整的背斜圈闭的区域,有利于游离气藏的保护,所以,笔者预测该井主要勘探游离气和煤成气藏,能有较好的产能。
4 结论
( 1) 利用分解小波谱的时频方法,有效地提取地震信号的主频; 分析地震波在煤层中传播时会有能量的吸收和高频衰减,频率衰减梯度属性可以有效的指示煤层的含气性。
( 2) 频率衰减梯度属性是一种适合沁水盆地南部煤层气含气性预测的有效技术方法。研究区的近、中、远道集的3#煤层的频率衰减梯度属性呈一定的条带性,且产气量较高的井的频率衰减梯度属性为较大的负异常值,远道集的属性值为最大的负异常值,指示此处煤层具有较好的含气特征。
( 3) 提取沁水盆地南部3#煤层的远、中、近叠前道集频率衰减梯度平面图,并对频率衰减的平面图进行了远减中道集、中减近道集的处理,高产井附近的频率衰减梯度值有极其明显的异常值。因此,频率衰减梯度属性有效地提高了煤层含气性预测的可靠性。
( 4) 频率衰减梯度属性预测的含气性与实际测井结果的含气性检测取得了一致性的效果。但由于地震资料的品质、储层的厚度、岩性、埋深等等对频率衰减有一定的影响,应结合研究区的实际构造环境、有利储层特征、叠后和叠前AVO属性对该区域的含气性分析进行综合评价。
摘要：针对沁水盆地南部二叠系山西组煤系地层煤层气富集的特征,将频率衰减梯度属性应用于该区的煤层含气性检测。首先基于小波变换,利用分解小波谱的时频分析方法,有效地提取了煤层气中地震信号的时间-频率分布特征;其次构建了与实际勘探目标储层物性参数近似的地质模型。模拟结果表明用频率衰减梯度属性识别煤层的含气性的方法是可行的。将该方法应用到沁水盆地南部的煤层含气性预测中,其预测结果与实际测井解释含气性的结论相一致,有效地提高了储层预测的准确性;且为沁水盆地南部煤层气及类似储层的预测提供一种可行的方法。
电子信号频率测量方法误差分析 篇7
设待测电子信号的频率实际测量值、精确值分别为fx、fx0;电子信号的基准频率的标定频率与实际测量频率分别为fR、fR0;电子计数器对待测电子信号的计数值和精确值分别为n、n0;电子计数器对基准频率信号的计数值及精确值分别为m、m0。然后通过计算, 得出电子信号待测精确值为
而实际计算待测电子信号频率公式为:
从公式 (1) 与公式 (2) 就可以明显看出电子信号的实际测量值与理论计算值存在有不同, 因此必然会造成电子信号频率的测量误差。
如果设定公式 (2) 中的四个变量的绝对误差分别为, 则可以推出以下两个计算公式:
如果设定公式 (2) 中的四个变量的相对误差分别为, 则可以把公式 (4) 中的绝对误差量用相对误差量替代得到公式 (5) :
公式 (5) 中所产生的误差主要是因为电子计数器基准频率源不稳定所导致的, 当前有很多电子技术其基准频率源是由于振荡器晶体震荡频率信号分频所获取到的, 因此其稳定性同传统电子技术器相比较强, 这样就可以忽略误差项, 就可以把公式 (5) 简化为下式:
因此由公式 (6) 可以得出, 误差项是难以利用某一方法加以消除, 不仅如此, 由于在电子技术其的技术时间间隔当中也会产生一定的计数误差, 而且在计数间隔中很难保证计数始终为整, 加上电子计数器其最小技术单位为1, 因此在计数过程中所产生的量化误差同样不可消除。
2 直接测频法的误差分析
图1为直接测频法示意图。
所谓的测频法主要的原理就是在十分标准的计数时间间隔内运用计数器来准确统计待测电子信号的脉冲个数进而能够得到其频率值。然后, 又因为在时间间隔非常标准的情况下其脉冲个数均是由电子计数器捕获频率信号得到的, 因此这就能够确保m值技术的精确性, 但是这种方法的待测电子信号的计数存在1的量化误差。从公式 (6) 可以得出:
由于
从而可以推出直接测频法的误差为:
从公式 (7) 中可以看出将技术时间的间隔适当增大, 即指增加的值, 就能够保证测量的最终精度得到显著提升;同时, 待测电子信号的频率值愈高, 其精度也会随之增加。显而易见, 在测量高频信号时采用直接测频法是十分有效的。
3 变闸门测频法的误差分析
变闸门测频法示意图如图2所示:
运用方法来测量电子信号的频率的原理基本与测周期法一致, 最大的不同之处即是在确定闸门时间间隔时主要依赖于待测电子信号, 并且这不只是对一个周期进行测量, 待测信号的频率与测量的周期数之间呈正变化, 这样就可以保证测量的精确度。从图3也可以看出, 在测量待测电子信号脉冲数时其结果是十分准确的, 也即是n=n0, 并且基准频率信号的计数也是会出现1的量化误差, 可以得出:
公式 (8) 中各参数的意义为:预置闸门时间;是基准频率信号的后续计数的个数。
若预置闸门的下降沿正好与预置闸门关闭后待测电子信号的第1个下降沿重合或者略为超前, 则为0或者一个较小的数, 此时远远大于, 测量误差为, 这个误差可以认为与待测电子信号的频率没有关系, 只是与预置闸门时间成反比;而若预置闸门的下降沿超前较多, 且待测电子信号的频率很低, 则就会较大, 则变闸门测频法的测量误差为, 从这个公式可以看出测量误差随着待测电子信号的频率的增大而稍微有所增大。
4 总结
直接测频法测量高频率的电子信号的误差小, 因此比较适合测量高频率的电子信号, 而且频率值愈大, 将会使误差控制得更小, 进而可以保证与变闸门测频法所要求的测量精度保持一致;采用变闸门变频法可以将测量误差控制到最低, 并且测量过程相对稳定所以此测量方法更容易进行高精度、等精度、全量程的电子信号频率测量。
摘要：现阶段在电子信号频率的测量上大多是采用数字方法进行, 其基本原理是利用电子计数的输入通道对信号进行放大、分析、处理, 然后再结合具体数据输出符合技术要求的脉冲信号, 然后再通过定时器对采样时间间隔加以控制。一般来说, 在该时间段内对电子信号与基准频率信号进行计算能够通过计算机分析得出具体的频率值。当前在电子信号频率的测量上主要有变闸门测频法、测周期法与直接测频发三种, 对此就通过采用定量分析的方法对三种测量方法进行具体分析, 并提出一些可用参考的意见与措施。
关键词：电子信号,数字方法,电子计数器,采样
参考文献
[1]王海.精密时频测量和控制技术研究[D].西安电子科技大学, 2007, (05) .