[发明专利]一种多尺度全波形激光雷达数据最优化分解方法

摘要

本发明提出一种多尺度全波形激光雷达数据最优化分解方法，其方法包括以下步骤：（一）通过对全波形信号的增强处理，提高信号的信噪比，提升后向散射波形的数据质量；（二）综合先验知识和各类核密度函数的后向散射波形分解与拟合；（三）对波形分解结果进行精度评价。本发明的优点：1）提出的综合核密度函数和先验知识的波形优化模型，既防止了数据的过拟合，又保证了解析结果的合理性，构建的优化模型具有开放性，可以容易地扩充有效的核密度函数和可靠的先验知识。2）多尺度全波形数据信息提取与挖掘的完整框架，实现了信息提取的完整性，综合多种方法定性和定量地验证了结果的精度和有效性。

主权项

1.一种多尺度全波形激光雷达数据最优化分解方法，其特征是该方法包括以下步骤：(一)通过对全波形信号的增强处理，提高信号的信噪比，提升后向散射波形的数据质量；(二)综合先验知识和各类核密度函数的后向散射波形分解与拟合，具体包括以下步骤：1)构建核密度基元函数库，核密度基元函数库中包含General Gauss，Lognormal，Weibull，Nakagami，Burr，Triangular和Quadrilateral七类核密度函数；2)设计抽象目标函数公式(1)拟合复杂波形：其中，xi表示后向散射波形中第i时刻的采样点，对应回波强度值为yi，N为后向散射波形的采样次数，n为后向散射波形中潜在的散射体数目，Pj(xi，θj)为拟合第j个回波采用的核密度函数，ε为后向散射波形的噪声，n个Pj(xi，θj)均来自于核密度基元函数库；3)提炼先验知识，并将先验知识融入到目标函数的求解过程中，设计先验知识波形解析模型，抽象表达如公式(2)所示：其中，为后向散射波形的回波数目约束、为回波反射强度约束、为相邻回波距离约束、为相邻回波的区域相似性和一致性约束；所述的后向散射波形的回波数目约束表达式，如公式(3)所示：随着后向散射波形中回波数目Number(θ)的增加，p(θ)逐渐减小，将会变大，将会有效惩罚后向散射波形中过多的拟合回波，达到防止数据过度拟合的目的；所述的回波反射强度约束如公式(4)所示：其中，A_max和σ_max分别为实验区回波振幅和回波宽度的最大值，在拟合后向散射回波时，如果核密度函数的振幅大于E_ref，需对其进行惩罚；所述的相邻回波距离约束如公式(5)所示：其中，μ_j(θ)为后向散射波形中第j个回波的位置，l_p为发射脉冲的宽度，当两个相邻散射体的距离小于d时，将惩罚该现象；所述的相邻回波的区域相似性和一致性约束如公式(6)所示：其中，θ～θ'为两束邻近区域波形参数，当较大时，即局部连续两束激光脉冲的后向散射波形残差较大，这两束回波的一致性较小，此时需要惩罚该情形；4)将“基于核密度基元函数的波形解析模型”和“基于先验知识约束的波形解析模型”进行结合，得到统一的抽象目标函数公式(7)：E(θ)＝EData(θ)+ERegularity(θ)           (7)其中，EData(θ)为数据约束项，ERegularity(θ)为先验知识正则约束项，θ为构成核密度函数的参数向量，数据约束的目的是使得目标函数经优化组合后尽可能地忠于观测数据，先验知识正则约束，即由先验知识对模型实施约束，则可避免目标优化函数的过度拟合，从而提高解析结果的精度；5)通过耦合RJMCMC算法与模拟退火算法，搜索抽象目标函数公式(7)的全局最优解，解析后向散射波形中潜在的多个回波散射体的三维坐标、波形宽度、振幅、偏度、峰度、半波宽、后向散射因子、后向散射截面和归一化后向散射截面特征；6)基于模型驱动和数据驱动的方法对反射强度和后向散射截面进行辐射校正，校正后的辐射特征，用来辅助进行地物的分类和认知或用于研究地表的辐射过程；(三)对波形分解结果进行精度评价。