本發(fā)明涉及超聲波液固兩相流測量、信號處理、泥沙濃度技術領域，特別是涉及一種超聲波聚焦式河流泥沙濃度在線測量方法。

背景技術：

近年來我國的水資源問題日益突出，不管是水資源的稀缺問題，還是污染問題，都需要對水體中的顆粒物的濃度進行準確監(jiān)測。水體懸移質(zhì)含量及其特性是表征水質(zhì)的重要參數(shù)之一，與河岸植被、水利工程、水利機械、航運河道、海洋生態(tài)、水文計量、水體保護及防災減災等密切相關，其有效測量具有重要意義。

目前傳統(tǒng)的測泥沙含量的方法以人工為主，包括烘干法和稱重法，優(yōu)點是簡單易懂，精度高，對工作人員要求較低，但存在著繁瑣性、危險性及無法在線實時測量等弊端。隨后出現(xiàn)了以各種物理因素為基礎的泥沙含量測量法，包括光電法、振動法、電容法、超聲波法、同位素法和比熱法等。光電法為近幾年較為熱門的一個分支，基于激光的測量法和儀器設計層出不窮，但光電法測量范圍小，設備龐大，成本高。振動法快速準確，測量范圍較廣，受泥沙粒徑變化小，但由于低濃度情況下的沉積現(xiàn)象，僅適用于流速較高的水體泥沙含量的測量。電容法簡單經(jīng)濟，安全高效，精度高，但測量范圍窄，且影響因素較多如溫度、流速等。同位素法高效且抗干擾性強，但其放射性引起的污染和健康隱患使其應用范圍大大減小。比熱測沙法適用于高濃度的含沙量的測量，但研究年限短，技術不夠成熟。超聲法由于其強穿透性，寬頻帶，無干擾，實時性好等，有著其他方法不可比擬的優(yōu)勢，但綜合來講，更適合在低濃度情況下測量。

超聲波測泥沙法是基于超聲波穿透含沙溶液時發(fā)生衰減的原理來實現(xiàn)的。近年來也有人開始研究基于聲阻抗的超聲波測量法。傳統(tǒng)的測量方法中采用的是平面式超聲波探頭，此種探頭發(fā)出的平行波在傳播過程中極易在水中粒子表面發(fā)生反射折射等而改變原來的傳播方向。對于一發(fā)一收式的超聲波換能器，一部分發(fā)射出來的超聲波無法被對面的平面式超聲波探頭接收，而自發(fā)自收式的則會引起更多的散射損失。而聚焦式超聲波探頭由于其聚焦性能，近年來被廣泛應用于醫(yī)療和清洗等行業(yè)，在水體含沙量測量方面有著良好的應用前景，值得引起人們的重視和研究。

基于衰減法的超聲模型包括經(jīng)典的ECAH模型以及耦合相模型均有著各自的適用范圍和不可避免的缺陷，且均是在平面超聲波換能器的情況下得到，聚焦式換能器的情況下的應用效果不得而知。

技術實現(xiàn)要素：

為了克服上述現(xiàn)有技術的不足，本發(fā)明提供了一種超聲波聚焦式河流泥沙濃度在線測量方法。本發(fā)明操作簡單，實驗部分靈敏度高，信號處理容易實現(xiàn)，可行性高。

本發(fā)明方法的具體步驟是：

1)搭建一套以聚焦式超聲波探頭為核心的超聲波聚焦式河流泥沙濃度在線測量裝置。

2)測量前，對測量系統(tǒng)進行調(diào)試，其后啟動測量裝置進行測量。

3)對采集到的信號進行相空間分割和符號動態(tài)濾波分析，得到與泥沙濃度相關的參數(shù)值濃度測度。

將數(shù)據(jù)采集卡采集到的離散信號提取得到x(n)，對其進行希爾伯特變換，可以表示為x(n)與h(t)的卷積，即：

其中，x(n)和分別表示原始信號和希爾伯特變換后的信號；h(n)為一個脈沖響應；n為原始信號中離散點的個數(shù)；m為從負無窮到正無窮的一系列自然數(shù)，且滿足m<(n+1)/2。理論上，由連續(xù)信號的希爾伯特變換可知，離散信號的希爾伯特變換可以看做是x(n)通過一個等效的濾波器h(n)的輸出。令H(e^jω)為h(n)傅里葉變換后的形式，則h(n)的離散時間Fourier變換定義為：

對應的脈沖響應為：

由卷積定理可知，在時域上的卷積為頻域上的乘積，則：

其中，和F[x](ξ)分別為經(jīng)過傅里葉變換的和x(n)。經(jīng)過傅里葉變換后，信號共軛對稱，負頻率的信息和正頻率的信息重合，則在復數(shù)域內(nèi)，對應的信號可以表示為：

因此，Hilbert變換后相位與x(n)相位是正交的。也就是說，解析信號還可以表示為：

上式以及很明了將信號表示成為極坐標形式，A(n)和分別對應極坐標的r軸和θ軸，經(jīng)此，對原始信號的一個二維相空間建立完成。為了給D-Markov機的運行提供條件，該相空間必須被分割為可用不同符號所表示的幾個完備互斥的區(qū)域。在包含整個信號信息的緊致域Φ內(nèi)對信號的幅值和相角分別進行最大熵分割法。為了使每個符號出現(xiàn)的概率幾乎一致，將數(shù)據(jù)按照幅值大小重新排序，等數(shù)量地分為|X_A|組，用x_i表示根據(jù)幅值分割的各個符號，符號表X_A用以表示每一組符號的集合：

X_A＝{x_i：i＝1，2......|X_A|} (2-7)

同時，數(shù)據(jù)以同樣的方法按相角大小分為組，用x_j表示根據(jù)相位分割的各個符號，符號表用以表示每一組符號的集合：

經(jīng)過幅值和相角的最大熵分割，整個緊致域Φ被分為個區(qū)域，每一個區(qū)域都由一組包含幅值信息x_i和和相位信息x_j的符號對表示，用符號表X來表示所有符號對的集合：

X＝{(x_i，x_j)} (2-9)

采用D-Markov機對信號進行分析，基于D階Markov過程的一個符號出現(xiàn)的概率僅取決于它前面的(最多)D個符號的原理，可以認為包含了相同的長度為D的子符號串的兩個符號串是等價的。故整個信號的符號串至多可以分為|X|^D個等價類，每個屬于該信號符號串的等價類的符號串長度為D，各自為一個有效狀態(tài)，所以所有的有效狀態(tài)的集合里面元素的個數(shù)為|X|^D。

當兩個有效狀態(tài)的符號串其中一個S的第二個到最后一個符號與另一個S’的第一個到倒數(shù)第二個的字符依次完全一樣時(S可以與S’是同一有效字符串)，在S新接收一個符號是S’的最后一個符號的同時去掉原符號串的最前面的符號，S可以轉化為另一個有效狀態(tài)S’，即為狀態(tài)的轉移。每一個有效狀態(tài)可以向不同的另外的有效狀態(tài)轉移，其轉移概率的總和為1：

其中π_j，k表示狀態(tài)j到狀態(tài)k轉移的概率，j、k均為自然數(shù)，由于狀態(tài)轉移的條件相對嚴苛，一個D-Markov機中，很多個π為0，π不等于零的情況叫做非零入口，最多有|X|^D+1個。

假設狀態(tài)j的符號序列S為s₁s₂……s_D，若狀態(tài)j可以轉移為狀態(tài)k，則狀態(tài)k的符號序列S’為s₂s₃……s_D+1。將符號序列s₁s₂……s_D以及符號序列s₁s₂s₃……s_D+1的個數(shù)分別記為N和M，那么：

其中，N＝0的時候，代表狀態(tài)j不存在，也就是上式?jīng)]有意義。

將狀態(tài)的集合Q中的各個狀態(tài)編號為1,2……n，則，按照下面的順序填入各個狀態(tài)轉移概率得到狀態(tài)轉移矩陣：

根據(jù)狀態(tài)轉移矩陣得到狀態(tài)轉移向量p和p’，濃度測度定義為：

4)建立濃度測度與泥沙濃度的關系圖，得到測量模型。

進一步說，所述的聚焦式超聲波探頭為球面電子相控陣列聚焦。

進一步說，所述的相空間分割基于希爾伯特變換，將時間序列映射到二維相空間。

進一步說，所述的符號動態(tài)濾波依賴D-Markov機的建立。

進一步說，所述的D-Markov機得到的狀態(tài)概率向量可以反映出超聲波衰減的信息。

進一步說，所述的超聲波衰減的信息用濃度測度表征，和泥沙的濃度存在一定的函數(shù)關系。

進一步說，所述的超聲波聚焦式河流泥沙濃度在線測量裝置包括由信號發(fā)生模塊、超聲換能模塊及數(shù)據(jù)采集模塊三大模塊組成，所述的信號發(fā)生模塊包括信號發(fā)生器和功率放大器，所述的超聲換能模塊包括聚焦式超聲波發(fā)射探頭和聚焦式超聲波接收探頭，所述的數(shù)據(jù)采集模塊包括功率放大器和示波器。

進一步說，所述的超聲換能模塊的中心頻率為1.13Mhz。

進一步說，所述的信號發(fā)生器發(fā)出的初始信號為頻率為1.13MHz頻率、2Vpp峰峰值的猝發(fā)波。

進一步說，所述的示波器采樣頻率為5MHz，單次采樣點數(shù)為7000個，用USB設備儲存采樣點。

與現(xiàn)有技術相比，本發(fā)明的有益效果是；

1、本發(fā)明采用的聚焦式超聲波換能器，在超聲傳播過程中向固定方向聚焦，可以有效減少傳播過程中的散射衰減，增加接收換能器處可接受的聲能，提高信噪比以及整個測量系統(tǒng)的靈敏度和測量精度，泥沙含量預測的準確性得以提高。

2、本發(fā)明在信號處理方面采用了基于希爾伯特變換的相空間分割結合符號動態(tài)濾波D-Markov機，相較于基于小波變換的小波空間分割等方法，運算速度更快速，異常值檢測的方法對于微小濃度變化引起的信號的變化更加敏感。

附圖說明

圖1為總體測量原理圖；

圖2為信號處理流程圖；

圖3為超聲波濃度測量系統(tǒng)示意圖。

具體實施方式

下面結合附圖對本發(fā)明作進一步的說明。

搭建一套以聚焦式超聲波探頭為核心的超聲波聚焦式河流泥沙濃度在線測量裝置。所述的超聲波聚焦式河流泥沙濃度在線測量裝置包括由信號發(fā)生模塊、超聲換能模塊及數(shù)據(jù)采集模塊三大模塊組成，所述的信號發(fā)生模塊包括信號發(fā)生器51和功率放大器52，所述的超聲換能模塊包括聚焦式超聲波發(fā)射探頭53和聚焦式超聲波接收探頭55，所述的數(shù)據(jù)采集模塊包括功率放大器56和示波器57。

搭建完成后，對系統(tǒng)進行調(diào)試，確認無誤后，開啟各開關。所述的信號發(fā)生器51發(fā)出頻率為1.13MHz頻率、2Vpp峰峰值的猝發(fā)波作為初始信號，在功率放大器52放大2.5倍后通過聚焦式超聲換能器53將電能轉化為聲能。所述的超聲波發(fā)射探頭53的中心頻率為1.13Mhz，發(fā)出聚焦于一定方向的超聲波。超聲波在被測介質(zhì)54中傳播，在懸浮顆粒表面發(fā)生了反射和折射，在懸浮液中發(fā)生了衰減到達所述的超聲波接收探頭55并被轉化為電能。由于接受探頭55所接受到的電信號十分微弱，再用功率放大器56進行放大。所述的示波器57采樣頻率為5MHz，單次采樣點數(shù)為7000個，用USB設備儲存采樣點。

對采集到的信號處理包括進行相空間分割31和符號動態(tài)濾波分析32。

將數(shù)據(jù)采集卡采集到的離散信號311提取出來作為解析信號x(n)，對其進行希爾伯特變換312，可以表示為x(n)與h(t)的卷積，即：

其中，x(n)和分別表示原始信號和希爾伯特變換后的信號；h(n)為一個脈沖響應；n為原始信號中離散點的個數(shù)；m為從負無窮到正無窮的一系列自然數(shù)，且滿足m<(n+1)/2。理論上，由連續(xù)信號的希爾伯特變換可知，離散信號的希爾伯特變換可以看做是x(n)通過一個等效的濾波器h(n)的輸出。令H(e^jω)為h(n)傅里葉變換后的形式，則h(n)的離散時間Fourier變換定義為：

對應的脈沖響應為：

由卷積定理可知，在時域上的卷積為頻域上的乘積，則：

其中，和F[x](ξ)分別為經(jīng)過傅里葉變換的和x(n)。

經(jīng)過傅里葉變換后，信號共軛對稱，負頻率的信息和正頻率的信息重合，則在復數(shù)域內(nèi)，對應的信號可以表示為：

因此，Hilbert變換后相位與x(n)相位是正交的。也就是說，復數(shù)域內(nèi)解析信號313還可以表示為：

上式以及很明了將信號表示成為極坐標形式，A(n)和分別對應極坐標的r軸和θ軸，經(jīng)此，對原始信號的一個二維相空間314建立完成。為了給D-Markov機的運行提供條件，該相空間必須被分割為可用不同符號所表示的幾個完備互斥的區(qū)域。在包含整個信號信息的緊致域Φ內(nèi)對信號的幅值和相角分別進行最大熵分割法。為了使每個符號出現(xiàn)的概率幾乎一致，將數(shù)據(jù)按照幅值大小重新排序，等數(shù)量地分為|X_A|組，用x_i表示根據(jù)幅值分割的各個符號，符號表X_A用以表示每一組符號的集合：

X_A＝{x_i：i＝1，2，......|X_A|} (3-7)

同時，數(shù)據(jù)以同樣的方法按相角大小分為組，符號表用以表示每一組符號的集合：

經(jīng)過幅值和相角的最大熵分割，整個緊致域Φ被分為個區(qū)域，每一個區(qū)域都由一組包含幅值信息x_i和和相位信息x_j的符號對表示，用x_j表示根據(jù)相位分割的各個符號，用符號表X來表示所有符號對321的集合：

X＝{(x_i，x_j)} (3-9)

采用D-Markov機322對信號進行分析，基于D階Markov過程的一個符號出現(xiàn)的概率僅取決于它前面的(最多)D個符號的原理，可以認為包含了相同的長度為D的子符號串的兩個符號串是等價的。故整個信號的符號串至多可以分為|X|^D個等價類，每個屬于該信號符號串的等價類的符號串長度為D，各自為一個有效狀態(tài)，所以所有的有效狀態(tài)的集合里面元素的個數(shù)為|X|^D。

當兩個有效狀態(tài)的符號串其中一個S的第二個到最后一個符號與另一個S’的第一個到倒數(shù)第二個的字符依次完全一樣時(S可以與S’是同一有效字符串)，在S新接收一個符號是S’的最后一個符號的同時去掉原符號串的最前面的符號，S可以轉化為另一個有效狀態(tài)S’，即為狀態(tài)的轉移。每一個有效狀態(tài)可以向不同的另外的有效狀態(tài)轉移，其轉移概率的總和為1：

其中π_j，k表示狀態(tài)j到狀態(tài)k轉移的概率，j、k均為自然數(shù)，由于狀態(tài)轉移的條件相對嚴苛，一個D-Markov322機中，很多個π為0，π不等于零的情況叫做非零入口，最多有|X|^D+1個。

假設狀態(tài)j的符號序列S為s₁s₂……s_D，若狀態(tài)j可以轉移為狀態(tài)k，則狀態(tài)k的符號序列S’為s₂s₃……s_D+1。將符號序列s₁s₂……s_D以及符號序列s₁s₂s₃……s_D+1的個數(shù)分別記為N和M,那么:

其中，N＝0的時候，代表狀態(tài)j不存在，也就是上式?jīng)]有意義。

將狀態(tài)的集合Q中的各個狀態(tài)編號為1,2……n，則，按照下面的順序填入各個狀態(tài)轉移概率得到狀態(tài)轉移矩陣323：

假設k時刻前后的兩個符號序列分別為S和S’，相對應的兩個狀態(tài)概率矩陣323為Π和Π’，兩者的左特征向量324分別為p和p’，則可以得到狀態(tài)概率向量324，進一步求出濃度測度325：

以接收到的第一個回波點為參考點進行實驗得到各個泥沙濃度1條件下的濃度測度325，建立濃度模型6。再通過以上方法即可利用濃度模型6即可用于求解泥沙濃度1。

以上所述，僅是本發(fā)明的較佳實施例，并非對本發(fā)明作任何限制，凡是根據(jù)本發(fā)明技術實質(zhì)對以上實施例所作的任何簡單修改、變更以及等效結構變化，均仍屬于本發(fā)明技術方案的保護范圍內(nèi)。