[发明专利]基于粒子群算法的激光雷达波形数据分解的方法

权利要求书

1.基于粒子群算法的激光雷达波形数据分解的方法，其特征在于：具体步骤如下：

(1)获取激光雷达全波形回波数据；

(2)对波形进行去噪处理；

(3)对波形进行平滑处理；

(4)通过峰值检测检测出回波的峰值点，根据背景噪声水平设定峰值点阈值，去除因噪声产生的多余的峰值点，确定回波峰值点位置及个数；

(5)运用改进粒子群算法进行迭代，获取单个波形参数的大致值；

(6)将步骤(5)中获得的参数大致值作为LM迭代算法的初值，通过最小二乘法获取最终的波形参数；拟合效果按照拟合度公式计算，所述拟合度公式如下：

R=1-Σi=1N(obsi-yi)2/Σi=1Nobsi2]]>

其中：obs_i为待拟合的目标波形，即经过(1)-(3)步处理后的实际波形数据，y_i为拟合结果，N为实际回波采样点数，当R值越接近于1时拟合度越高。

2.根据权利要求1所述的基于粒子群算法的激光雷达波形数据分解的方法，其特征在于：步骤(2)中采用小波算法对波形进行去噪处理。

3.根据权利要求1所述的基于粒子群算法的激光雷达波形数据分解的方法，其特征在于：步骤(5)运用改进粒子群算法进行迭代，获取单个波形参数的大致值；具体流程如下：

a、确定参数、随机初始化粒子群体的位置和速度，记录个体极值以及群体极值；

b、计算每个粒子的适应值；

c、比较每个粒子适应值与个体极值，如果较优，则更新该粒子个体极值；

d、比较每个粒子适应值与群体极值，如果较优，则更新该粒子群群体极值；

e、更新每个粒子的位置和飞行速度；

f、设定迭代次数，达到则停止计算；

所述参数为单个波形的延时、强度以及脉宽参数，所述适应值由函数计算，其中obs_i为待拟合的目标波形，即经过(1)-(3)步处理后的实际波形数据，y_i为当前参数粒子所重构成的波形，N为实际回波采样点数，当R值越接近于1时效果越好；

对于参数粒子的更新为：

Vimk+1=w*Vimk+c1*rand*(Pimk-ximk)+c2*rand*(Pgmk-ximk)]]>

ximk+1=ximk+Vimk]]>

所述个体极值指粒子本身找到的最优解，即式中的所述群体极值是指全局找到的最优解，即式中的为参数粒子，为飞行速度，ω为惯性因子，c₁与c₂为加速常数。