[發明專利]小光斑雷達信號分解方法

有效

• 申請號: 201110298326.3
• 申請日: 2011-09-28
• 公開（公告）號: CN102445685A
• 公開（公告）日: 2012-05-09
• 發明（設計）人: 賴旭東;侯文廣
• 申請（專利權）人: 賴旭東;侯文廣
• 主分類號: G01S7/48
• 分類號: G01S7/48
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 薛玲

技術領域

本發明涉及信息處理領域，特別涉及一種小光斑雷達信號的分解方法。

背景技術

在激光波形數據高斯函數分解的理論基礎上，劉峰等提出了利用廣義高斯模型函數擬合脈沖波形，并提出脈沖波形重要參數的方法（中南林業大學科技學報30卷8期2010年8月）。小光斑激光雷達（LiDAR）數據能夠提供更加準確詳細的數字地面模型。針對小光斑激光雷達數據，馬洪超等則提出了一種使用改進的EM脈沖檢測法得到回波脈沖的位置和寬度的性能可靠、精度較高的波形分解方法（遙感學報2009年1期）。

這些技術都較好的實現了LiDAR波形數據的分解，也得到了一定的參數，但是這些技術存在著初值定位不準，子波形個數估計也不準確的問題，這樣就導致了分解結果往往不收斂，會產生誤差。

發明內容

針對現有技術的不足，本發明提出了一種小光斑雷達信號分解方法。

本發明的技術方案為一種小光斑雷達信號分解方法，將原始雷達信號波形????????????????????????????????????????????????視為多個高斯波、…的疊加，

，=1，2，…；

其中，表示波形反射時間點位，表示自然對數的底數，參數表示高斯波的振幅，參數表示高斯波的中值，參數表示高斯波的方差；

通過迭代對高斯波的個數及每個高斯波的參數、和進行估計，得到參數、和的初值，然后對初值進行優化得到參數、和的確定值，根據高斯波的個數和參數、和的確定值分解原始雷達信號波形，

?????????????

估計高斯分解初值包括以下步驟，

步驟1，設=1，初始的當前波形為原始雷達信號波形；

步驟2,?提取當前波形中峰值最大的點，該點的橫坐標作為參數的初值，峰值作為參數的初值，沿該峰值左右兩側分別搜索峰值為0.5×的點的橫坐標，得到和，取和中距離更小者記為，則參數的初值為(-)/0.8326；

步驟3，根據步驟2所得參數、和的初值，從當前波形中減去高斯波對應的分量，得到一個新的波形數據；

步驟4，判斷是否滿足終止條件，滿足終止條件則令n=，然后退出，否則令=+1，將步驟3所得新的波形數據作為當前波形，重復步驟2和步驟3；所述終止條件是下列選項的一種或一種以上的組合，

（1）高斯波的峰值小于雷達設備的峰值分辨率；

（2）高斯波的面積與原始雷達信號波形的面積比小于預設的面積比閾值；

（3）高斯波的峰值與高斯波的峰值之比小于預設的峰值比閾值；

（4）已分解出的高斯波個數達到預設的分解波形數目上限。

而且，對參數、和的初值進行優化采用內存受限BFGS算法或期望最大化算法或非線性最小二乘算法。

本發明能夠有效分解混合波形，特別是波峰間距離很近的情況；能夠準確估計波形個數和參數初值；不需要對原始數據進行濾波等預處理；終止條件容易控制。這樣分解得到的結果，能夠提供更加準確詳細的數字地面模型。

附圖說明

圖1是本發明實施例的流程圖。

圖2是本發明實施例第一次迭代后的波形圖。

圖3是本發明實施例第二次迭代后的波形圖。

圖4是本發明實施例第三次迭代后的波形圖。

圖5是本發明實施例第四次迭代后的波形圖。

圖6是本發明實施例第五次迭代后的波形圖。

圖7是本發明實施例參數優化后的波形圖。

具體實施方式???

以下結合附圖和實施例詳細說明本發明技術方案。

實施例將原始雷達信號波形視為多個高斯波、…的疊加，

，=1，2，…；

其中，表示波形反射時間點位，表示自然對數的底數，參數表示高斯波的振幅，參數表示高斯波的中值，參數表示高斯波的方差；

通過迭代對高斯波的個數及每個高斯波的參數、和進行估計，得到參數、和的初值，然后對初值進行優化得到參數、和的確定值，根據高斯波的個數和參數、和的確定值分解原始雷達信號波形，

?????????????。

對估計出的高斯分解初值進行優化可以采用L-BFGS(內存受限BFGS算法)或EM(期望最大化)或LM(非線性最小二乘)算法等現有技術。

參見圖1，實施例中，估計高斯分解初值包括以下步驟，

步驟1，設=1，初始的當前波形為原始雷達信號波形；