[发明专利]全波形激光雷达波形分解方法

说明书

本发明公开了一种全波形激光雷达波形分解方法，该方法将回波波形数据进行分段处理，根据每段波形中的峰值点个数，确定隐函数个数并在模板波形库中寻找到与之对应的模板波形，使用粒子群优化算法获得函数变换的最优因子，从而得到精确的回波峰值强度、半高宽和峰值时刻。该方法可实现无限次回波波形分解，且具有鲁棒性高和便于快速并行计算的优点。

技术领域

本发明涉及一种全波形激光雷达波形分解方法。

背景技术

全波形激光雷达(Waveform-Digitizing LiDAR)将发射脉冲信号和回波脉冲信号均以很小的采样间隔进行采样并记录，用户根据实际应用需求，对记录的波形数据进行处理和分析，相比传统激光雷达，可以得到更丰富的激光回波次数和目标特征信息。

波形数据处理和分析的关键内容是如何进行准确稳定的波形分解。模型拟合法是最常用的波形分解方法，其假设激光雷达的脉冲波形符合某个数学模型，且记录的波形信号看作是若干个数学模型的集合，然后使用非线性最小二乘法计算出数学模型的具体参数。其中，最常用的数学模型是高斯函数或广义高斯函数，然而受脉冲激光器和光电探测器输出特性影响，激光脉冲信号符合类高斯函数，因此使用高斯函数或广义高斯函数作为数学模型，并不严谨。

专利号ZL201510594680.9，专利名称为“脉冲波形的拟合方法”，发明人陈瑞强提出使用隐函数模型以及与其相关联的模板波形，通过非线性最小二乘法实现了单回波脉冲的精确拟合。但还存在两个方面的问题，一是如何实现多回波尤其是重叠回波的分解与拟合，实现无限次回波波形分解，二是如何降低非线性最小二乘法对迭代初始值敏感，提高优化算法的鲁棒性。

发明内容

发明目的：本发明的目的是提供一种全波形激光雷达波形分解方法，该方法将回波波形数据进行分段处理，根据每段波形中的峰值点个数，确定隐函数个数并在模板波形库中寻找到与之对应的模板波形，使用粒子群优化算法获得函数变换的最优因子，从而得到精确的回波峰值强度、半高宽和峰值时刻。

技术方案：本发明所述的全波形激光雷达波形分解方法，包括以下步骤：

步骤1，全波形激光雷达采集得到的目标回波信号定义为其中M表示总的采样个数。根据设定的阈值y_th进行比较，回波波形分割后进行分段处理；

步骤2，假设分割后的波形段为从中寻找到N个峰值，记为根据峰值强度，在模板波形库中寻找到N个峰值强度最接近的模板波形，使用和表示第n个模板波形的峰值强度和半高宽；

步骤3，拟合函数定义为其中f_n表示与第n个模板波形相关联的函数；假设第j个粒子的位置向量为速度向量并以向量用来记录粒子j找到的最优位置，以向量用来记录粒子群找到的最优位置；

步骤4，刷新粒子j的速度向量：V^j＝ωV^j+u₁R₁(P^j-X^j)+u₂R₂(G-X^j)，其中R₁和R₂分别表示分布在0到1区间的随机小数值；u₁和u₂分别为系数因子；ω是惯性因子，使用公式(3)将更新后的速度值限定在设定范围内，

然后刷新粒子j的位置向量：X^j＝X^j+V^j，使用公式(4)将更新后的位置值限定在设定范围内，

步骤5，使用SSE表示粒子群的适应值：其中dot()表示点积操作；Y是实际值向量，Y^e是估计值向量，定义为并利用模板波形最接近时刻的采样点计算Y^e的向量值。