선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
가설 설정
- 보통은 10~为 cycle의 정현파를 사용하지만 초음파센서가 진동하고 멈추는데 약 2배 정도의 시간이 걸리므로 cycle의 정현파가 발생한다고 가정하였다. 데이터 획득 시간이 매우 짧은 30cm 이하의 수심에서 적당한 데이터의 수를 계산하기 위하여 bin의 간격을 정하는 것이 중요하다.
제안 방법
- BPF는 Equiripple 방식을 사용하였고, 스톱밴드 700 KHz, 1300 KHz 로 설정하고, 패스밴드를 990 KHz, 1010 KHz로 설정한 62차 FIR필터로 설계한 뒤 hamming 윈도우를사용하여 신호의 시작과 끝을 감쇄시켰다. 그리고 주파수 분해능을 향상시키기 위하여 원신호의 5배 길이를 zero-padding 하여 데이터를 20480개로 만든 뒤 decimation을 위하여 Fs를 1/100로 조정하고, resample 후 생긴 205개의 데이터를 생성한다.
- 88 Hz를 계산하였다. 결국 decimation을 1/500 한 것으로, 실제 실험데이터를 여러 가지 decimation 상황으로 분석한 결과 원신호를 5배 zero-paddi眼한 뒤 decimation을 1/100으로 하는 것이 결과가 가장 좋았기 때문에 이러한 방식을 사용하였다.
- 제안한다. 그리고 유속추정결과를 시뮬레이션한 후, 실제 초음파 센서로 수신한 데이터를 알고리즘에적용시켜서 분석할 것이다. II장은 본 논문에 제안한 알고리즘과 수식을, 이장에서는 제안한 알고리즘을 적용시킨 신호처리의 성능 시뮬레이션 및 실험, 그리고 마지막 IV장은 본 논문의 결론을 서술하였다.
- BPF는 Equiripple 방식을 사용하였고, 스톱밴드 700 KHz, 1300 KHz 로 설정하고, 패스밴드를 990 KHz, 1010 KHz로 설정한 62차 FIR필터로 설계한 뒤 hamming 윈도우를사용하여 신호의 시작과 끝을 감쇄시켰다. 그리고 주파수 분해능을 향상시키기 위하여 원신호의 5배 길이를 zero-padding 하여 데이터를 20480개로 만든 뒤 decimation을 위하여 Fs를 1/100로 조정하고, resample 후 생긴 205개의 데이터를 생성한다. 그리고 다시 zero-paddin姻을 이용하여 데이터 개수 N=4096로 맞추면 (1)로부터 주파수분해능 △f=4.
- 제안한 알고리즘과 기존의 알고리즘에 사용된 데이터는 현재 국내에서 개발된 초음파센서를 이용하여 실험한 데이터를 이용하였다. 기존의 알고리즘은 실험데이터를 FFT 한 것이고, 제안한 알고리즘은 window, decimation, zero padding, FFT, compensation 등을 모두 적용시킨 것이다.
- 図 이렇게 계산된 도플러 주파수를 이용하여 유속을 계산하였다. 마지막으로 Compensation 부분은 수신 신호에 제안한 알고리즘을 통하여 얻은 유속값에서 알고리즘을 이용하여 얻은 송신신호의 유속을 빼주는 것으로 하였다. Function generator로 신호를 발생시키더라도 항상 똑같은 주파수가 발생하는 것이 아니라 1~ 30 Hz 정도의 오차가 발생하기 때문에 이를 보상해 주는 의미에서 Compensation 블록을 사용하였다.
- 유속의 정확도 향상을 위해 주파수 분해능을 높이려면 샘플링 주파수를 낮추거나 샘플의 개수를 늘려야한다. 본 논문에서는 Decimation, LPF, Zero Padding 등의 Zoom FFT 신호처리를 수행하여서 주파수 분해능을 향상시켰고, 파워스펙트럼 분석방법을 이용하여 유속을 계산하였다.
- 본 논문에서는 제안한 알고리즘을 FFT방법과 결합하여 적용시키고, 개수로에서 사용할 수 있으며 펄스 도플러를 사용하는 도플러 초음파 유속측정기의 신호처리를 제안한다. 그리고 유속추정결과를 시뮬레이션한 후, 실제 초음파 센서로 수신한 데이터를 알고리즘에적용시켜서 분석할 것이다.
- 본 논문은 수중에서 초음파센서를 이용하는 AD CP 의 신호처리 방식에서 Zoom FFT 방식을 적용하고, 주파수 분해능을 향상시키기 위한 Zero Padding 기법을 적용한 후 보상을 통하여 신호를 처리하였다. 실제로 하천에서 갈수기 때는 수심이 Stem 이하로 줄어드는 것을 감안한다면, 기존의 ADCP 신호처리 방법보다 제안한 알고리즘의 신호처리방법이 이론적으로는 추정오차가 약 ±62 cm/s 정도 개선되었고, 실험적으로는 약 ±93 cn/s 정도의 성능 개선이 이루어졌음을 결과분석을 통하여 확인하였다.
- 신호는 CW가 아닌 Tone burst 타입으로 하였다. 보통은 10~为 cycle의 정현파를 사용하지만 초음파센서가 진동하고 멈추는데 약 2배 정도의 시간이 걸리므로 cycle의 정현파가 발생한다고 가정하였다.
- 제안한 알고리즘의 유속추정 정확도를 알아보기 위하여 시뮬레이션을 수행하였다. 시뮬레이션 환경에서 사용된 주요 파라미터를 아래의 표 1.
- 주파수 분해능 을 향상시키기 위해서는 Fs를 낮 주거나 데이터의 수 N을 늘려야하는데, 본 논문에서는 decimation을 이용하여 Fs를 낮추고, 줄어든 데이터의 개수를 zero-padding 기법을 이용하여 원래의 데이터 개수인 N으로 유지하여 주파수 분해능을 향상시켰다.
대상 데이터
- 위의 15cm로 데이터를 얻을 수 있는 최대 2"개는 4096개이다. 만약 8192개의 데이터를 사용하려고 하면 30cm 이하의 수심에서는 사용할 수 없게 되기 때문에 본 논문에서는 4096개의 데이터를 획득하는 것으로 하였다.
- 그림 8에서의 실측유속은 한국건설기술연구원의 보정 완료된 ADCP Flow Tracker를 사용하여 측정한 유속이다. Flow Tr&cker의 상세 제원은 표 2.
- 만약 8192개의 데이터를 사용하려고 하면 30cm 이하의 수심에서는 사용할 수 없게 되기 때문에 본 논문에서는 4096개의 데이터를 획득하는 것으로 하였다.
- 실험에 사용한 센서의 빔 패턴은 위의 그림 9와 같으며 빔 폭은 약 4.6도 정도이다. 실험데이터는 0.
- 위의 정현파 50 cycle을 포함한 4096개의 데이터를 한 샘플로 하고 신호를 생성하였다. 생성된 신호에 도플러 주파수를 첨가시킨 후 Zoom FFT 알고리즘의 신호처리를 한 결과 그림 4와 같은 그래프를 얻었다.
- 에 적어 놓았다. 제안한 알고리즘과 기존의 알고리즘에 사용된 데이터는 현재 국내에서 개발된 초음파센서를 이용하여 실험한 데이터를 이용하였다. 기존의 알고리즘은 실험데이터를 FFT 한 것이고, 제안한 알고리즘은 window, decimation, zero padding, FFT, compensation 등을 모두 적용시킨 것이다.
- 제안한 알고리즘의 성능을 알아보기 위해서 한국 건설연구기술원에 설치되어있는 실험용 하수로에서 실험을 해보았다. 실험환경의 주요 파라미터는 그림 7에 표시하였다.
데이터처리
- 그리고 주파수 분해능을 향상시키기 위하여 원신호의 5배 길이를 zero-padding 하여 데이터를 20480개로 만든 뒤 decimation을 위하여 Fs를 1/100로 조정하고, resample 후 생긴 205개의 데이터를 생성한다. 그리고 다시 zero-paddin姻을 이용하여 데이터 개수 N=4096로 맞추면 (1)로부터 주파수분해능 △f=4.88 Hz를 계산하였다. 결국 decimation을 1/500 한 것으로, 실제 실험데이터를 여러 가지 decimation 상황으로 분석한 결과 원신호를 5배 zero-paddi眼한 뒤 decimation을 1/100으로 하는 것이 결과가 가장 좋았기 때문에 이러한 방식을 사용하였다.
- 6도 정도이다. 실험데이터는 0.1 초 마다 데이터 샘플을 4096 포인트씩 측정하였고, 실험 데이터의 개수는 女X)개를 사용하여 제안한 알고리즘을 이용하여 결과를 얻고, 그 결과를 평균을 내었다. 그리고 기존의 알고리즘과 제안한 알고리즘에 13cmWs를 더하였다.
이론/모형
- 시뮬레이션 환경에서는 그림 1 의 과정에서 A/D 바로 뒤에 BPF(Band Pass Filter)를 사용하였다. BPF는 Equiripple 방식을 사용하였고, 스톱밴드 700 KHz, 1300 KHz 로 설정하고, 패스밴드를 990 KHz, 1010 KHz로 설정한 62차 FIR필터로 설계한 뒤 hamming 윈도우를사용하여 신호의 시작과 끝을 감쇄시켰다.
성능/효과
- 1 MHz의 중심주파수에 도플러주파수를 그림 4의 X 축과 같이 100 Hz 간격으로 생성하여 적용한 결과 알고리즘을 통한 추정 도플러 주파수가 거의 일치함을 확인할 수 있었다.
- 실제로 하천에서 갈수기 때는 수심이 Stem 이하로 줄어드는 것을 감안한다면, 기존의 ADCP 신호처리 방법보다 제안한 알고리즘의 신호처리방법이 이론적으로는 추정오차가 약 ±62 cm/s 정도 개선되었고, 실험적으로는 약 ±93 cn/s 정도의 성능 개선이 이루어졌음을 결과분석을 통하여 확인하였다. 기존의 알고리즘은 수심이 30cm 이하에서 사용하려면 유속 분해능이 210cnVs 였기 때문에 유속 추정이 거의 불가능하였고, 비록 정보의 양은 늘어나지 않았지만 주파수 분해능을 향상시킨 제안한 알고리즘을 이용하여 실제로 유속을 추정하는 것이 기존의 것보다 더 나은 것으로 나타났다. 다만 유속이 느릴수록 수중 반사체를 맞고 돌아오는 신호들의 세기가 약해지기 때문에 유속의 정확도가 떨어진 모습을 보였다.
- 그림 7을 보면 기존의 알고리즘은 유속 해상도 문제로 인하여 실험 유속과 전혀 다른 값 들을 보여주고 있다. 반면 제안한 알고리즘은 처음 약 11 cWs와 22 cm/s의 유속이 비슷하게 나오고 33 cm/s 이후의 유속은 선형적으로 나타났다. 10 cm/s 이하의 유속에서는 반사신호강도가 매우 낮기 때문에 오차가 크게 나타나는 것으로 보인다.
- 성능개선 알고리즘을 적용한 유속과 이론적인 유속의 오차는 최대 ±9 cm/s 정도 나옴을 확인함으로써, 수심이 낮아 유속 해상도가 떨어지는 곳에서는제안한 알고리즘의 유속추정이 기존의 알고리즘보다 더 정확한 유속 추정이 가능하다 것을 확인하였다.
- 후 보상을 통하여 신호를 처리하였다. 실제로 하천에서 갈수기 때는 수심이 Stem 이하로 줄어드는 것을 감안한다면, 기존의 ADCP 신호처리 방법보다 제안한 알고리즘의 신호처리방법이 이론적으로는 추정오차가 약 ±62 cm/s 정도 개선되었고, 실험적으로는 약 ±93 cn/s 정도의 성능 개선이 이루어졌음을 결과분석을 통하여 확인하였다. 기존의 알고리즘은 수심이 30cm 이하에서 사용하려면 유속 분해능이 210cnVs 였기 때문에 유속 추정이 거의 불가능하였고, 비록 정보의 양은 늘어나지 않았지만 주파수 분해능을 향상시킨 제안한 알고리즘을 이용하여 실제로 유속을 추정하는 것이 기존의 것보다 더 나은 것으로 나타났다.
후속연구
- 다만 유속이 느릴수록 수중 반사체를 맞고 돌아오는 신호들의 세기가 약해지기 때문에 유속의 정확도가 떨어진 모습을 보였다. 이를 해결하기 위해서 반사되어 들어오는 신호의 SNR을 높일 수 있는 신호처리기법이 연구되어야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.