检测原理第二次作业讲解2848

过程参数检测作业➢实验程序f=2*10^6;a=10^12;tao=5*10^-6;fs=10^9;T=1/fs;t=0:T:2*tao;%初始化参数s=sin(2*pi*f*t).*exp(-a*(t-tao).^2/2);%函数关系式plot(t,s)%按两个数组画图xlabel('t/s');title('超声波顺流信号采样图')%图表信息➢实验结果➢实验程序f=2*10^6;a=10^12;tao=5*10^-6;fs=10^9;T=1/fs;t=0:T:2*tao;%初始化参数t1=2.05*10^-7;t2=2.10*10^-7;t3=2.15*10^-7;s=sin(2*pi*f*t).*exp(-a*(t-tao).^2/2);%函数关系式s1=sin(2*pi*f*(t-t1)).*exp(-a*(t-t1-tao).^2/2);%函数关系式s2=sin(2*pi*f*(t-t2)).*exp(-a*(t-t2-tao).^2/2);%函数关系式s3=sin(2*pi*f*(t-t3)).*exp(-a*(t-t3-tao).^2/2);%函数关系式ttsonplot(t,s1,'y');plott,s2,'c');plot(t,s3,'r');xlabel('t/s');title('超声波逆流信号采样图')%图表信息legend('顺流信号','dt=205ns','dt=210ns','dt=215ns');f=2*10^6;a=10^12;tao=5*10^-6;fs=10^9;T=1/fs;t=0:T:2*tao;%初始化参数➢实验结果➢实验结果➢实验程序波形，从而得到波形的时延，当相关性分析所得的最大值对应的t值即为两者的时延。ns的同理。f=2*10^6;a=10^12;tao=5*10^-6;fs=10^9;T=1/fs;t=0:T:2*tao;%初始化参数t1=2.05*10^-7;t2=2.10*10^-7;t3=2.15*10^-7;s=sin(2*pi*f*t).*exp(-a*(t-tao).^2/2);%函数关系式s1=sin(2*pi*f*(t-t1)).*exp(-a*(t-t1-tao).^2/2);%函数关系式s2=sin(2*pi*f*(t-t2)).*exp(-a*(t-t2-tao).^2/2);%函数关系式s3=sin(2*pi*f*(t-t3)).*exp(-a*(t-t3-tao).^2/2);%函数关系式abxcorrss;xlabel(‘t/s’);title(‘信号相关性分析’)%图表信息aN=(maxi-length(s))*T-2.0500e-007➢实验程序f=2*10^6;a=10^12;tao=5*10^-6;fs=10^9;T=1/fs;t=0:T:2*tao;%初始化参数t1=2.05*10^-7;t2=2.10*10^-7;t3=2.15*10^-7;s=sin(2*pi*f*t).*exp(-a*(t-tao).^2/2);%函数关系式s1=sin(2*pi*f*(t-t1)).*exp(-a*(t-t1-tao).^2/2);%函数关系式s2=sin(2*pi*f*(t-t2)).*exp(-a*(t-t2-tao).^2/2);%函数关系式s3=sin(2*pi*f*(t-t3)).*exp(-a*(t-t3-tao).^2/2);%函数关系式g(1)=0;>>fori=1:10000noise1=g(i)*randn(1,length(s));noise2=g(i)*randn(1,length(s));saddnoise1=s+noise1;s1addnoise2=s1+noise2;[a,b]=xcorr(saddnoise1,s1addnoise2);ani=(maxi-length(s))*T;ifi<10000g(i+1)=g(i)+0.0001;g(i+1)=g(i)+0.0001;plotgntitle('噪声对测量结果的影响');xlabel('标准差');ylabel('t/s');➢实验结果的影响局部图的影响整体图希望噪声的标准差小于0.01(相比于原始信号幅值的比例)。若噪声较大，测量结果就会出现大的误差。图7和图8是顺流和逆流信号加入不同的噪声所得的结果，同样为了获得准确的时延，噪声的标准差应小于0.01，整体误差有所不同，加入相同的噪声采样频率的改变对第一问的影响不大，只是采样点减少，图像不能更加平滑。➢顺流传播信号采样➢逆流传播信号采样➢估计时差s要改变代码的算法更加精确地求得时差。f=2*10^6;a=10^12;tao=5*10^-6;fs=50*10^6;T=1/fs;t=0:T:2*tao;%初始化参数t1=2.05*10^-7;t2=2.10*10^-7;t3=2.15*10^-7;s=sin(2*pi*f*t).*exp(-a*(t-tao).^2/2);%函数关系式s1=sin(2*pi*f*(t-t1)).*exp(-a*(t-t1-tao).^2/2);%函数关系式s2=sin(2*pi*f*(t-t2)).*exp(-a*(t-t2-tao).^2/2);%函数关系式s3=sin(2*pi*f*(t-t3)).*exp(-a*(t-t3-tao).^2/2);%函数关系式T1=10^-9;ts=0:T1:2*tao;y=interp1(t,s,ts,'cubic');y1=interp1(t,s1,ts,'cubic');xlabel(‘t/s’);title(‘信号相关性分析’)%图表信息aN=(maxi-length(y))*T1-2.0500e-007性分析图➢噪声影响与之前相同的算法，由于插值速度的影响，将数据点改为1000个，以下为具体的是测量的精度有一定的提高。f=2*10^6;a=10^12;tao=5*10^-6;fs=50*10^6;T=1/fs;t=0:T:2*tao;%初始化参数t1=2.05*10^-7;t2=2.10*10^-7;t3=2.15*10^-7;s=sin(2*pi*f*t).*exp(-a*(t-tao).^2/2);%函数关系式s1=sin(2*pi*f*(t-t1)).*exp(-a*(t-t1-tao).^2/2);%函数关系式s2=sin(2*pi*f*(t-t2)).*exp(-a*(t-t2-tao).^2/2);%函数关系式s3=sin(2*pi*f*(t-t3)).*exp(-a*(t-t3-tao).^2/2);%函数关系式g(1)=0;fori=1:1000noise1=g(i)*randn(1,length(s));noise2=g(i)*randn(1,length(s));saddnoise1=s+noise1;s1addnoise2=s1+noise2;T1=10^-9;ts=0:T1:2*tao;y=interp1(t,saddnoise1,ts,'cubic');y1=interp1(t,s1addnoise2,ts,'cubic');an(i)=(maxi-length(y))*T1;ifi<1000g(i+1)=g(i)+0.0001;plot(g,n);title('噪声对测量结果的影响');xlabel('标准差');ylabel('t/s');图12.插值算法后噪声对测量结果的影响整体图图12.插值算法后噪声对测量结果的影响局部图采用hilbert变换通过求相位差求取两个波形的时差。对于前两个问题都是一样的，在此不再赘述，主要针对于后三问进行分析。➢估计时差下面的程序求的是延迟为2.10×10−7s的信号的时延，由实验结果图中可以读出时延2.10×10−7s。ff=2*10^6;a=10^12;tao=5*10^-6;fs=10^9;T=1/fs;t=0:T:2*tao;%初始化参数t1=2.05*10^-7;t2=2.10*10^-7;t3=2.15*10^-7;s=sin(2*pi*f*(t-t2)).*exp(-a*(t-tao).^2/2);%函数关系式sw=(hilbert(s)-s)/j;%hilbert变换onplot(t,s);plot(t,sw,'r');plot(t,exp(-a*(t-tao).^2/2),'y');theta=atan(sw./s);%求波形的相位差plottthetak;legend('原信号','hilbert变换','轮廓波形','相位')➢噪声影响由于hilbert变换是通过读取波形的相位差来确定两者的时差，而原信号的整体轮以通过读取波峰处对应的相位差，能最大程度精确地读到时延。同时由于hilbert变换位信息无法读取，而在原信号的幅值较大，也即在图像的中间段时，噪声的影响较大，例如2.1x1062.5x107*n=2.11x107。直到噪声的标准差变为1时，相ff=2*10^6;a=10^12;tao=5*10^-6;fs=10^9;T=1/fs;t=0:T:2*tao;%初始化参数t1=2.05*10^-7;t2=2.10*10^-7;t3=2.15*10^-7;s=sin(2*pi*f*(t-t2)).*exp(-a*(t-tao).^2/2);%函数关系式sw=(hilbert(s)-s)/j;%hilbert变换noise1=0.0001*randn(1,length(s));saddnoise1=noise1+s;sw=(hilbert(saddnoise1)-saddnoise1)/j;onplot(t,s);plot(t,sw,'r');plot(t,exp(-a*(t-tao).^2/2),'y');theta=atan(sw./s);%求波形的相位差plottthetak;title('hilbert变换');legend('原信号','hilbert变换','轮廓波形','相位');t➢采样频率改变当采样频率发生改变，同样采取之前相同的算法——插值法。(1)估计时差利用插值算法和hilbert变化求出的结果实际误差很小，但是相对于相关法误差较大。此时读出的数据为2.06×10−7，误差约为1%，而相关法在没有噪声的情况下误差f=2*10^6;a=10^12;tao=5*10^-6;fs=50*10^6;T=1/fs;t=0:T:2*tao;%初始化参数t1=2.05*10^-7;t2=2.10*10^-7;t3=2.15*10^-7;s=sin(2*pi*f*t).*exp(-a*(t-tao).^2/2);%函数关系式s1=sin(2*pi*f*(t-t1)).*exp(-a*(t-t1-tao).^2/2);%函数关系式s2=sin(2*pi*f*(t-t2)).*exp(-a*(t-t2-tao).^2/2);%函数关系式s3=sin(2*pi*f*(t-t3)).*exp(-a*(t-t3-tao).^2/2);%函数关系式T1=10^-9;ts=0:T1:2*tao;y=interp1(t,s,ts,'cubic');y1=interp1(t,s1,ts,'cubic');yw=(hilbert(y1)-y1)/j;onplot(ts,y1);plot(ts,yw,'r');plot(t,exp(-a*(t-tao).^2/2),'y');theta=atan(yw./y1);%求波形的相位差plottsthetak);title('hilbert变换');legend('原信号','hilbert变换','轮廓波形','相位');(2)噪声影响响的分析。分析如下：从图中可以看出使用插值算法进行分析与1GHz的采样频率时有着基本差不多的效f=2*10^6;a=10^12;tao=5*10^-6;fs=50*10^6;T=1/fs;t=0:T:2*tao;%初始化参数t1=2.05*10^-7;t2=2.10*10^-7;t3=2.15*10^-7;s=sin(2*pi*f*t).*exp(-a*(t-tao).^2/2);%函数关系式s1=sin(2*pi*f*(t-t1)).