-
题名全波形激光雷达回波分解方法
被引量：16
- 1
-
-
作者
李洪鹏
李国元
蔡志坚
吴冠豪
-
机构
清华大学精密仪器系精密测试技术及仪器国家重点实验室
国家测绘地理信息局卫星测绘应用中心
苏州大学物理光电与能源学部
-
出处
《遥感学报》
EI
CSCD
北大核心
2019年第1期89-98,共10页
-
基金
国家高分遥感测绘应用示范系统课题(编号:AH1601-8)
国家自然科学基金(编号:51405317)
江苏省自然基金(编号:BK20140358)~~
-
文摘
全波形激光雷达的回波中携带了被测目标的距离与特征信息,为了获取这些信息,本文提出了一种回波分解方法。本方法将原始的全波形回波分解为几个独立的高斯脉冲,并得到其函数表达式,从而提取出被测目标的距离等信息。分解过程中,首先,采用可变阈值的经验模态分解滤波法(EMD-soft)对原始波形进行滤波和噪声水平评估;其次,采用一套应对多种波形组成的初始参数估计方法,获取后续拟合所需的初始参数;最后,采用LM(Levenberg-Marquardt)优化算法对回波进行拟合优化,从而获取全波形回波中包含的独立高斯脉冲及其函数表达式。仿真波形的分解实验表明,分解误差在0.1 ns量级,换算成距离误差为15 mm,通过实验室自制的全波形激光雷达实验系统获取的回波的分解实验表明,分解的距离误差小于0.1 m。对比另外两种高斯分解方法对于相同仿真与实验数据的分解结果可以看出,本方法在分解成功率与精度上都有较大的提高。回波分解后的独立高斯脉冲中,除距离外还含有被测目标的反射率、粗糙度、面型等丰富的信息,回波分解方法作为回波分析的基础,将在遥感、测绘等生产与科研领域中发挥非常重要的作用。
-
关键词
全波形激光雷达
回波分解
经验模态分解(EMD)
lm(levenberg-marquardt)优化算法
-
Keywords
full-waveform LiDAR
echo decomposition
Empirical Mode Decomposition(EMD)
lm(levenberg–marquardt) optimization
-
分类号
TN958.98
[电子电信—信号与信息处理]
-
