开展智能机器人快速定位毒害气体泄漏源的研究,无论在民用还是军用领域都蕴藏着巨大的应用价值。但复杂多变的实际气流场环境给智能机器人气味源快速搜寻和定位带来了极大的困难和挑战。深入研究复杂气态流场的流动及演化规律将为上述难题的解决提供非常有价值的线索。本文主要借助稀疏表示理论,对自然风场的风速波动特性及不同环境的波动差异进行深入细致的研究,获得了对自然风场的一些规律性认识。具体工作如下:一、对稀疏表示理论中五种算法的性能做了对比测试分析。其中基追踪(BP)、匹配追踪(MP)以及正交匹配追踪(OMP)三大稀疏求解算法的测试结果表明:选择相同的误差容限,将同一段风速信号在相同的字典上进行分解,OMP方法得到的向量是最稀疏的;DCT分析字典和K-SVD学习字典的对比测试结果表明:K-SVD学习字典具有更强的表征能力,原因在于K-SVD字典通过对风速信号样本进行一定次数的迭代训练,可以更好地捕捉到信号的内部特征结构。二、由于K-SVD字典通过对风速信号样本的不断训练可以有效地捕捉到风速信号的细节波动特征,因此采用该算法从室内外三维合成风速信号中提取出局部细节特征。最后采用排序递归图结合递归定量分析方法对两种局部细节特征做了分析和对比,由分析结果可知:室内风速信号与室外风速信号具有相似的局部细节特征,但整体而言室内风速信号的波动特性要比室外风速信号更加复杂。三、K-SVD字典训练时没有考虑到相邻信号片段的相关性、连续性,造成了字典原子的冗余性。而卷积稀疏编码充分地考虑到了信号的局部相关性,对整段风速信号进行训练,每次迭代时,进行全局搜索,查找信号的特征。故本文采用卷积稀疏编码算法分别从整段室内外三维合成风速信号中训练出滤波器字典,作为风速信号的全局波动特征。最后同样采用排序递归图和递归定量分析方法对室内外风速信号全局波动特征进行分析,得到如下结论:室内外风速信号中含有相近的波动成分,但从整体来看,室内风速信号的波动成分要比室外信号更加复杂,随机性更强。