[發(fā)明專利]基于小波平移不變閾值去噪的激光雷達波形數(shù)據(jù)處理方法

有效

• 申請?zhí)枺?/td>: 201410042447.5
• 申請日: 2014-01-28
• 公開（公告）號: CN103777191A
• 公開（公告）日: 2014-05-07
• 發(fā)明（設(shè)計）人: 李奇;周偉
• 申請（專利權(quán)）人: 李奇;中國科學院遙感與數(shù)字地球研究所;北京千尋百合科技發(fā)展有限公司
• 主分類號: G01S7/48
• 分類號: G01S7/48
• 代理公司: 北京瑞思知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11341
• 代理人: 李濤

1.一種基于小波平移不變閾值去噪的激光雷達波形數(shù)據(jù)處理方法，其特征在于，所述方法包括：

步驟1：獲取激光雷達的波形數(shù)據(jù)X(n)，n=0,1,2…N-1；

步驟2：采用小波變換濾波對波形數(shù)據(jù)X(n)進行分解，得到：

其中，為尺度函數(shù)、Ψ_j,k為小波函數(shù)、ρ_T為硬取閾值函數(shù)或軟取閾值函數(shù)；

步驟3：在信號急劇變化部分，對分解后的波形數(shù)據(jù)進行平移不變估計：

在相反方向?qū)ρh(huán)平移小波，得到：

x^P[n]=Σj=0JΣk=0N×2-jρT(<X[n],ψj,k[n+p]>)ψj,k[n+p],]]>

再對進行逆循環(huán)平移小波，得到：

x^[n]=1HΣp=0H-1x^p[n+p];]]>

步驟4：對平移后的波形數(shù)據(jù)進行信號重建得到去噪后的波形數(shù)據(jù)；

步驟5：對去噪后的波形數(shù)據(jù)進行維護：檢測去噪后的每一段波形數(shù)據(jù)的位置，然后在經(jīng)平滑的原始波形數(shù)據(jù)X(n)上找到相應(yīng)的波形段，并把所述波形段兩端一定范圍的數(shù)據(jù)恢復(fù)到去噪后的波形數(shù)據(jù)里，得到維護后的波形數(shù)據(jù)；

步驟6：求取維護后的波形數(shù)據(jù)的梯度算子，采用求取的梯度算子對維護后的波形數(shù)據(jù)進行一階求導得到波形數(shù)據(jù)的局部最大值，并將所述局部最大值作為高斯函數(shù)的期望值的初始值；

步驟7：采用EM算法對高斯函數(shù)參數(shù)做最大相似評估；

步驟8：令

Qij=pjfj(i)Σj=1kpjfj(i)---(1)]]>

pj=Σi=1nNiQijn×Σi=1nNi---(2)]]>

μj=Σi=1nNiQijin×pj×Σi=1nNi---(3)]]>

σj=Σi=1nNiQij(i-μj)2n×pj×Σi=1nNi---(4)]]>

其中，n為波形中采樣的數(shù)量，N_i為第i次采樣的振幅，Q_ij是對象x_i屬于高斯函數(shù)分支j的概率，f_j(x)是高斯概率密度函數(shù)，p_j是f_j(x)的權(quán)，表示該高斯函數(shù)分支在混合分布中占的比重，μ_j是高斯函數(shù)的期望值，σ_j是高斯函數(shù)的標準差，得到改進的EM算法公式；

步驟9：采用所述改進的EM算法對維護后的波形數(shù)據(jù)進行高斯分解：通過迭代公式（1）～（4）不斷地調(diào)節(jié)p_j、μ_j、σ_j得到對應(yīng)的最優(yōu)值從而實現(xiàn)對維護后的波形數(shù)據(jù)的高斯分解：f(x)=Σj=1kpj×fj(x),fj(x)∈N(μj,σj2);]]>

步驟10：采用min?dist(k)=min(μ_j+1-μ_j)，確定最佳的k值；

步驟11：提取分解激光雷達波形得到的高斯函數(shù)f(x)，高斯函數(shù)期望值為激光雷達波形的位置，高斯函數(shù)的均方差為激光雷達波形的寬度；

步驟12：通過應(yīng)用高斯函數(shù)期望值求解激光雷達點云數(shù)據(jù)三維坐標，并利用高斯函數(shù)均方差求解森林參數(shù)。