したがって、この風監視プロジェクトでは、2 台の 3D 音響風速計、具体的には 2 RMYoung 81000 からデータを取得しています。データ出力は、10 分間、10Hz のサンプリング周波数でデジタル処理されます。すべての前処理 (座標回転、トレンド除去など) の後、乱流データの 3 つの直交時系列を取得します。現在、4096 ポイントのウィンドウと 50% のオーバーラップで 2 時間の測定の静止データを使用して、3 つの方向すべての周波数スペクトルを取得しています。スペクトルを取得した後、取得したスペクトルを対数間隔で平均化する対数周波数平滑化アルゴリズムを適用します。
2 つの質問があります。
- 測定から得たスペクトルは、添付の図に見られるように、最高周波数で明確な下降傾向を示しています。このエネルギーの損失は、音波風速計の内部フィルターと関係があるのでしょうか? それとも他に何ですか？「ブレーク周波数」までスペクトルを考慮するだけで、この損失を補償する方法はありますか?
http://i.stack.imgur.com/B11uP.png
- カーブ フィッティング アルゴリズムを適用して、フォン カルマンの式に従って積分長スケールを決定する場合、正しい手順は何ですか?元のデータをカーブ フィッティングすると、より高い頻度のデータ ポイントにより多くの重みが与えられますか? または、対数周波数平滑化データを使用してフォン・カルマン方程式を近似し、対数スケールのデータに等しい重みを与えますか? 場合によっては、両方のアプローチを使用して整数長スケールの非常に異なる推定値を取得します (例: Original -> Lu=113.16 Lv=42.68 Lw=9.23; Freq. Smoothed -> Lu=148.60 Lv=30.91 Lw=14.13)。
対数周波数平滑化と元のデータを使用したカーブ フィッティング: http://i.imgur.com/VL2cf.png
不明な点があればお知らせください。私はこの分野では比較的新しいので、アプローチに間違いを犯している可能性があるため、アドバイスやヒントを教えていただければ幸いです.