[发明专利]基于改进模糊神经网络滤波的激光雷达回波处理方法

权利要求书

1.一种基于改进模糊神经网络滤波的激光雷达回波处理方法，其特征在于，包括如下步骤：

步骤1、对含噪声激光雷达回波信号进行建模，构建仿真理想信号模型，通过改进大气脉冲激光雷达方程，修正回波模型；

步骤2、通过LMS算法更新滤波算法系统权值参数；

步骤3、设计自校正模糊神经网络系统同时处理激光雷达回波信号的数值数据和语言信息；

步骤4、利用模糊滤波-X LMS算法更新滤波系统参数，通过信噪比检验信号质量，获得飞行时间、脉宽和幅值。

2.根据权利要求1所述的基于改进模糊神经网络滤波的激光雷达回波处理方法，其特征在于，步骤1中的回波模型修正为：

其中，P_r′为第k个采样回波信号强度，为第k-1个采样点和第k个采样点范围内采样体积内的平均消光系数，C_q′为仪器常数，c为光速，l_v为放大器偏置电平，f为系统采样率。

3.根据权利要求1所述的基于改进模糊神经网络滤波的激光雷达回波处理方法，其特征在于，步骤2具体为：

在含噪激光雷达回波信号传递模型中，第k个非期望噪声样本x_k经过放大器后残余噪声变为其中，为第k个非期望噪声时间参数t的权值参数；H_p为激光雷达回波采集系统主放大器，P为信号传递函数，H_s为抗噪声放大器传递函数，M_p为信号输出到的误差放大器，H_e为误差路径；

通过LMS算法更新权值参数：其中为自适应系统的相应梯度估计，μ为阶跃参数。

4.根据权利要求1所述的基于改进模糊神经网络滤波的激光雷达回波处理方法，其特征在于，步骤3具体为：

使用过去的(k+1)噪声样本来设计模糊滤波器；对于(k+1)阶模糊系统，用高斯隶属函数定义每个输入噪声样本x_k-i的M模糊设置F_i^l：l＝1,2,…,M，i＝0,1,2,…,N，k表示时间样本，和分别是高斯函数的中心和轴标准偏差；

设定数值数据M＝7，N＝20，并且初始标准偏差等于0.2；因此，每个输入样本x_k-i，有7个语言方面，最初在输入信号[-11]范围内均匀分布：Nb、Nm、Ns、Az、Ps、Pm和Pb；

定义一组M模糊if-then规则，给出模糊规则的自适应规则，这七条规则形成一个模糊的FIR滤波器，作为一个抗噪声滤波器来消除不想要的噪声；

假设采样时模糊滤波器的给定输入噪声k为该滤波器利用推理机和质心去模糊器的最小值，结合上一步定义的M规则对其进行等压；滤波器表示为

5.根据权利要求1所述的基于改进模糊神经网络滤波的激光雷达回波处理方法，其特征在于，步骤4具体为：

通过模糊滤波-X LMS算法更新每个采样点k的自由参数和

通过信噪比S/N判断信号质量，其中P_i为信号幅度，N_i为噪声幅度，n为信号长度。

6.根据权利要求5所述的基于改进模糊神经网络滤波的激光雷达回波处理方法，其特征在于，通过模糊滤波-X LMS算法更新每个采样点k的自由参数和

此时，

其中，λ为一个正常数，xi为前i阶滤波器的噪声，μ_k为第k个噪声的阶跃参数；

将以下初始参数设置为：

同时，令

式(17)可通过在(17)的后端应用传递函数H_eM_p来实现，因此