[发明专利]基于小波包分析神经网络的全波形激光雷达数据去噪方法

摘要

本发明公开一种基于小波包分析神经网络的全波形激光雷达数据去噪方法，该去噪方法步骤如下：(1)选定一个小波，对全波形激光雷达数据进行小波包分解；(2)信号与噪声小波包系数的分离；(3)小波包重构，获得去噪后的全波形激光数据；(4)重复(1)-(3)，得到使用不同小波函数变换下的去噪结果；(5)计算基于不同小波函数的小波包分解去噪后的全波形激光数据与原始数据的代价函数，代价函数最小的去噪结果作为最终的输出数据。本发明可有效去除全波形激光雷达数据的噪声，变换后数据的熵降低，可以以很好地刻画数据的非平稳特性，可以很好地保持数据的尖峰和边缘，并对原始数据进行去相关。

主权项

一种基于小波包分析和神经网络的全波形激光雷达数据去噪方法，其特征在于包括以下步骤：(1)选定一个小波，确定进行小波分解的层数N，然后对全波形激光雷达数据进行N层小波分解；(2)信号与噪声小波包系数的分离；选取小波包分解结果中的最后一层低频系数作为信号的训练样本，选取小波包分解结果中的最后一层高频系数作为噪声的训练样本，用神经网络对所有小波结点系数进行分类，分成信号和噪声两类；(3)小波包重构，获得去噪后的全波形激光雷达数据；用步骤(2)中分类结果中的信号小波结点系数对进行小波包重构，得到去噪后的全波形激光雷达数据；(4)重复步骤(1)‑步骤(3)，得到使用不同小波函数变换下的去噪结果；(5)计算基于不同小波函数的小波包分解去噪后的全波形激光数据与原始数据的代价函数，代价函数最小的去噪结果作为最终的输出数据。进一步地，所述步骤(1)‑(4)遍历所有常用的小波函数，用小波包分析对原始全波形激光雷达数据进行去噪；代价函数计算方法为：其中，为滤波后数据；z(t)为原始数；t为采样波形数据中的数据点序数；α为权重，代价函数最小的去噪结果作为最终的输出数据。