مبدل محدوده اولتراسونیک با SNR کم و تجزیه و تحلیل طیفی

مبدل دامنه اولتراسونیک در SNR پایین و نرخ نمونه برداری کم بر اساس تابع همبستگی متقابل. روش خاص به این صورت است که سیگنال اولتراسونیک ارسال شده توسط فرستنده به عنوان سیگنال مرجع استفاده می شود و خروجی گیرنده بلافاصله در پایان هر ارسال موج اولتراسونیک نمونه برداری می شود و تابع همبستگی بین مقدار نمونه و سیگنال مرجع محاسبه می شود. اگر تابع همبستگی یک مقدار پیک داشته باشد، مقدار نمونه برداری شده سیگنال اکو دریافت شده توسط مبدل است و زمان برد را می توان با توجه به لحظه ظاهر شدن پیک همبستگی محاسبه کرد. روش تخمین همبستگی (همچنین به عنوان آشکارساز مسابقه شناخته می شود) از دامنه سیگنال اکو و شکل سیگنال اکو استفاده می کند. اگر شکل موج سیگنال اکو اساساً تحریف نشده باشد و نویز سوار بر سیگنال اکو نویز سفید گاوسی باشد، دقت تخمین تاخیر و حساسیت روش تخمین همبستگی بالاتر از روش تشخیص آستانه است. در ده سال گذشته، محققان خارجی داخلی بسیاری از الگوریتم‌های تخمین همبستگی را منتشر کرده‌اند. الگوریتم تخمین همبستگی تاخیر سریع پیشنهادی بر اساس اصل درون یابی می تواند محاسبه همبستگی دیجیتالی 256 نقطه ای را در lms با استفاده از تراشه پردازش سیگنال دیجیتال معمولی (DSP) انجام دهد. مبدل اندازه گیری فاصله نه تنها دقت محدوده سیستم را تضمین می کند بلکه زمان واقعی سیستم را نیز بهبود می بخشد.

ابتدا یک مدل سیگنال پژواک شامل پارامترهای تاخیر، افست فرکانس خطی و نویز افزودنی ایجاد می‌شود و سپس از معیار حداکثر احتمال برای تخمین پارامترهای تاخیر در مدل استفاده می‌شود. آزمایش‌ها نشان می‌دهند که حتی اگر شکل موج اکو دارای اعوجاج ناشناخته باشد، همچنین دقت تخمین تاخیر الگوریتم را کاهش نمی‌دهد، که نشان می‌دهد این الگوریتم مبتنی بر مدل بهتر از روش تخمین همبستگی معمولی است. علاوه بر این، بسیاری از پیشرفت‌های دیگر یا روش‌های تخمین مرتبط با تاخیر طولانی وجود دارد. به عنوان مثال، روش تخمین همبستگی تاخیر بر اساس تبدیل هیلبرت، روش تخمین همبستگی تاخیری سنسور اندازه گیری فاصله اولتراسونیک دارای الگوریتم تخمین تاخیر همبستگی، الگوریتم همبستگی متعامد تاخیر مبتنی بر کد شبه تصادفی و دو مرحله تاخیر کد شبه تصادفی است. این الگوریتم‌های تخمین همبستگی حالت غیرعادی می‌توانند تأثیر تداخل خارجی را بر دقت تخمین تأخیر روش همبستگی تا حد زیادی کاهش دهند. بسیاری از این الگوریتم‌ها مشکل زمان واقعی اجرای سیستم را نیز در نظر می‌گیرند.