[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

摘要

本发明提供了一种基于粒子群算法与Levenberg‑Marquardt Algorithm(LM算法)相结合的三维激光回波分解算法，包括平滑去噪、峰值检测、波形分解与拟合。利用设定阈值以及峰值检测确定平滑去噪后信噪比良好的波形个数，通过粒子群算法获取单个波形的强度参数大概值和宽度参数大概值，将其作为LM算法的初值以提高分解精度，减少初值带来的误差影响。

主权项

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；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obsi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，yi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；(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：obsi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，yi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。