因此，对于这个风监测项目，我从几个 3d 声波风速计获取数据，特别是 2 RMYoung 81000。数据输出是数字化的，采样频率为 10Hz，周期为 10 分钟。经过所有的预处理（坐标旋转，趋势去除......），我得到了 3 个正交时间序列的湍流数据。现在，我正在使用 2 小时测量的固定数据，窗口为 4096 个点，重叠率为 50%，以获得所有三个方向的频谱。获得频谱后，我应用对数频率平滑算法，该算法以对数间隔对获得的频谱进行平均。
我有两个问题：
- 我从测量中获得的频谱显示出最高频率的明显下降趋势，如附图所示。我想知道这种能量损失是否与声波风速计的内部过滤器有关？或者还有什么？有没有办法补偿这种损失或更好地考虑频谱直到“中断频率”？
http://i.stack.imgur.com/B11uP.png
- 当应用曲线拟合算法根据 von Karman 方程确定积分长度尺度时，正确的程序是什么：曲线拟合原始数据，这会给更高频率的数据点更多的权重？或者使用对数频率平滑数据来近似冯卡曼方程，对数尺度中的数据给予相同的权重？在某些情况下，我使用这两种方法获得了非常不同的积分长度尺度估计值（例如：原始 -> Lu=113.16 Lv=42.68 Lw=9.23；频率平滑 -> Lu=148.60 Lv=30.91 Lw=14.13）。
使用对数频率平滑和原始数据进行曲线拟合：http: //i.imgur.com/VL2cf.png
如果有不清楚的地方，请告诉我。我在这个领域相对较新，我可能在我的方法中犯了一些错误，所以如果你能给我一些建议或提示，那就太棒了。