全局收敛LM算法优化的机载激光测深信号提取方法

在机载激光测深系统中,水面与水底回波信号的提取精度是影响系统测深能力的关键因素,然而传统的信号提取方法易受噪声影响,精度低,对测量环境的适应性差。针对上述问题,提出一种全局收敛LM(Levenberg Marquardt)算法优化的机载激光测深信号提取方法。首先通过模糊筛选得到较为可靠的初值;然后利用基于全局收敛LM的波形分解算法对波形进行分析建模,从而获取每个初值点的高斯分解参数;最后通过多条件筛选确定精确的水面、水底回波信号位置。利用实测数据和模拟数据分别进行实验,结果表明提出方法对回波信号具有较高的检测正确率,且稳定性较强。     

机载激光测深去卷积信号提取方法的比较

为提高机载激光测深信号提取的精度,在测深波形数据处理中引入去卷积信号提取方法,即利用去卷积对波形进行预处理,再对去卷积后的波形实现峰值检测,以精确确定测深信号位置。通过定义性能评定指标对维纳滤波去卷积、非负最小二乘、理查德森-露西去卷积、盲源去卷积4种常用去卷积算法的信号复原能力进行对比分析,并对去卷积信号提取方法的信号检测能力进行验证。试验结果表明,理查德森-露西去卷积算法能够显著提高测深信号分辨率,且算法适应性强,成功率高;相比传统的峰值检测方法,去卷积信号提取方法具有更高的信号检测率、精度和更广的测深范围。     

一种由粗到精的机载激光测深信号检测方法

针对机载激光测深（airborne lidar bathymetry,ALB）中不同环境下波形的差异性较大,且信号检测精度受限于系统采样间隔等问题,提出一种由粗到精的机载激光测深信号检测方法。该方法首先利用接收波形的有效长度快速估计水深;粗检测依据水深近似值,分别采用理查德森-露西去卷积法（Richardson-Lucy deconvolution,RLD）和平均差方函数法（average square difference function,ASDF）对波形预处理,通过包含距离、导数和极值约束的逐级检测确定信号的初始位置;精检测以粗检测结果为初值,利用改进的二阶多项式指数函数模型,并在模型参数求解中引入信赖域优化算法以实现波形的精确拟合,进而获得信号的精确位置。实测数据和模拟数据的试验结果表明,粗检测能够根据波形的特点采取相应的处理方式为精检测提供可靠的初值;精检测可将检测结果精确至子采样间隔并在粗检测基础上进一步提高精度。与极大值检测、ASDF、RLD和四边形拟合法等传统方法相比,本文方法正确率平均提高10%左右,精度平均提高约30%。     

单频机载激光测深海陆回波自动分类方法EI北大核心CSCD

海陆回波分类是机载激光测深中的一项波形预处理步骤,关系着后续信号检测和点云生成的精度。针对现有海陆回波分类方法不适用于单频机载激光测深系统且自动化程度不高的问题,本文提出一种单频机载激光测深海陆回波自动分类方法:首先,通过首末回波信号检测及点位计算获得回波的点云高程特征;然后,采用高程直方图拟合的方式确定平均水面位置,依据点云高程特征判定大部分回波的海陆属性,对余下的未定回波,仅保留其中的最强信号并统一处理为单信号回波,同时提取波形的信号特征和能量分布特征,依据点云高程特征的相似性自动建立训练样本集;最后,利用支持向量机分类器实现未定回波的分类。采用国产系统Mapper5000采集的实测数据进行试验,结果表明基于首末回波点云的初分类可快速、准确地对远离海陆交界处的回波进行分类,基于波形特征的未定回波分类可在自动建立的训练样本集支持下实现海陆交界处未定回波的高精度分类。与传统方法相比,本文方法无须近红外通道波形和人工样本的辅助就可以达到较高的分类精度,其中总体分类精度可达99.82%,海陆交界处分类精度可达91.59%。     

改进的EM模型及其在激光雷达全波形数据分解中的应用

随着数据存储能力和处理速度的提高,小光斑机载激光雷达系统已经可以通过数字化采样来存储整个反射波形,而不仅仅是由系统提取出来的三维坐标(即离散点云).分析波形数据最重要的优点之一是可以在后处理过程中让使用者自己来提取三维坐标.一般的分解方法基于非线性最小二乘的多项式拟合,或者有设备厂商提供的简单阈值法,无法获得高精度的分解结果.本文使用改进的EM脉冲检测算法得到回波脉冲的位置和宽度,证明是一种性能可靠、精度较高的波形分解算法.     

全波形激光雷达改进的降噪方法

在全波形激光雷达信号从发射到接收的过程中，针对受传播介质、扫测距离、物体性质等因素影响产生噪声的问题，本文提出了一种基于经验模态分解、排序熵和小波阈值的降噪改进方法。首先对波形信号进行经验模态分解或本征模态函数(IMF),计算各本征模态函数排序熵的值；然后应用该值计算小波阈值，并构造新的小波阈值函数，再对相应本征模态函数进行小波阈值降噪；最后将结果重新加和，得到降噪后的波形，从而提高不同噪声信号的降噪方法的自适应性。基于数值仿真和实测数据试验，将本文方法与其他降噪方法进行了对比，基于信噪比、波形相关性、均方根误差、平滑度计算归一化指标和综合指标对本文方法进行了评估，归一化信噪比提高10%～20%,其余指标改善5%～40%。因此，本文方法对不同噪声含量的回波信号均有较好的降噪效果，可以解决全波形激光雷达接收波形中存在的噪声问题。     

EEMDAN的CORS站高程时间序列分析方法

针对整体经验模态分解(EEMD)方法对连续运行参考站(CORS)高程时间序列分解结果整体平均时,噪声未能完全消除的问题,该文引入一种噪声自适应整体经验模态分解(EEMDAN)方法,在经验模态分解(EMD)处理时添加白噪声分解的模态分量,改进CORS站高程时间序列信号分解的模态混叠,根据平均周期和能量密度乘积指标区分噪声和周期信号,并基于正交性指数及均方根误差指标衡量分解的精度。两个CORS站20年高程时间序列实验结果表明,以正交指数衡量的分解精度EEMDAN比EEMD提高近35%,均方根误差指标提高近22%,实现了对CORS站高程时间序列的精确分解,并改善EEMD整体平均后噪声未完全消除对信号重构的影响。     

联合EMD与核主成分分析的激光陀螺信号消噪

为了有效抑制激光陀螺的随机漂移,提高其惯导精度,提出了一种联合经验模态分解(EMD)和核主成分分析(KPCA)的陀螺信号消噪方法。该方法利用EMD将陀螺信号分解为一组内蕴模态函数(IMF),基于EMD噪声能量分布模型,近似估算各层IMF中的噪声能量;然后利用KPCA分解各层IMF,根据噪声能量自适应地选择应保留的主成分分量,以剔除各层IMF中的噪声实现陀螺信号的消噪。通过实验将该方法与小波去噪算法进行对比,利用交叠式Allan方差和经、纬度误差分析不同方法对陀螺信号的消噪效果。实验结果表明,相比经典的小波消噪方法,本文方法的消噪效果有一定程度的提高,可以更有效地抑制陀螺信号的随机漂移。     

机载海洋激光测深系统的自适应匹配滤波算法

机载海洋激光测深系统发射的激光脉冲经由大气、海气界面和海水的复杂信道传播,信号功率随海水深度的增加呈指数衰减,同时脉冲波形随深度增加发生严重的脉冲展宽与波形失真,此两类传输特性分别限制了最大测量深度与测深精度。为了在确保最大测量深度指标的前提下改进机载海洋激光测深系统的测深精度,首先结合实测水质数据与蒙特卡罗仿真方法,研究不同深度下的回波信号特性,揭示激光信号的传输特性,建立新的激光测深系统参数设计方法,可满足国际上现有机载海洋激光测深系统的指标;然后在系统参数确定的条件下,对不同深度回波信号的波形失真进行仿真,设计了自适应匹配滤波算法以提高测深精度。仿真结果表明,所设计的系统参数及自适应匹配滤波算法可以实现机载测绘性能为白天测深深度50 m、测深精度166 mm,夜晚测深深度70 m、测深精度172 mm。     

高斯混合模型在星载激光全波形数据反演树高中的应用

全波形激光雷达后向散射回波,通过分解返回波形获取多种地物属性信息,在森林结构参数反演方面具有显著的优势,但是,当波形变形或者存在饱和度和前向散射时,高斯分量参数确定不准确以及有效波形起始位置不准确,降低波形分解精度。本文采用高斯混合模型对波形进行拟合,利用期望最大算法估计混合模型参数,抑制高斯分量初值敏感问题,特别是在大范围树高估算且要求一定精度的时候,以确定波形分解并且反演树高。本算法基于C++编程实现,实验结果表明,高斯混合模型能较好地拟合GLAS波形数据且对树高提取精度提升明显,该方法有着很好的有效性、稳定性和精确性。     

机载激光测深波形分解中LM与EM参数优化方法比较

受作业环境与扫描条件的影响,机载激光测深全波形数据处理所得的参数分量初值精度通常较低,需采用优化方法在此基础上进一步调整分量参数以提高波形分解精度。本文代表性地选取了非线性阻尼最小二乘方法(Levenberg-Marquardt,LM)和期望最大化方法(expectation-maximization,EM)两种不同的参数优化方案,针对机载激光测深全波形数据的波形分解参数优化问题,结合实测和模拟波形数据对两种优化方法在相同初值条件下的波形模拟精度、扫描条件及其响应,以及水深估计偏差等方面的特征进行了详细的对比分析,着重探讨了两种参数优化方法所得结果的准确度与稳定性,并对其主要技术特征与效果差异进行了总结。     

合成孔径雷达高度计的波形重跟踪与仿真试验分析

基于初步研究获得的合成孔径雷达高度计卷积模型,推导获得合成孔径雷达高度计波形关于时间偏移、合成上升时间、信号幅度3个参数偏导数的卷积计算公式,利用数值积分及傅里叶变换实现合成孔径高度计回波模型的重跟踪。在多个单位联合协同下,利用仿真轨道、对流层、电离层及潮汐等模型生成了合成孔径模式下的回波波形。对比表明,仿真生成的合成孔径模式下的回波波形与CryoSat-2卫星SAR模式下的回波波形整体形状一致。利用仿真波形数据进行重跟踪试验,结果表明在20Hz数据条件下(约350m分辨率),合成孔径模式下的重跟踪精度达到5cm,较之传统模式有一定的提高。     

全波形星载激光测距误差抑制的滑动窗口高斯拟合算法

星载激光测距精度是影响激光测高仪几何检校与处理精度的主要来源之一.针对由全波形星载激光模拟信号经数字化处理后的量化误差带来的激光测距提取精度不高、稳定性低的问题,本文提出一种全波形星载激光测距误差抑制的滑动窗口高斯拟合算法.该方法利用滑动窗口剔除波峰附近似噪声点,并基于高斯曲线拟合优化波形峰值,从而精化激光测距值.然后以高分七号国产星载激光测高仪为试验对象,利用冰面、内陆湖面和平坦陆地地表进行激光高程相对和绝对精度对比验证.结果表明,相对于一般峰值方法,本文算法使得激光测距精度提升了7.5 cm;基于本文方法提取的测距值,计算的激光高程相对精度提升4.2 cm;利用机载LiDAR点云数据验证,高程绝对精度提升了4.5 cm;充分说明本文方法可作为有效减少星载激光测距随机误差的一种方法,为高分七号卫星亚米级高程测量精度处理提供了不可或缺的基础.     

改进Mask RCNN的盾构隧道渗漏水检测方法

渗漏水是盾构隧道结构存在潜在损伤或缺陷的重要表征,快速、准确检测出渗漏水位置,对隧道安全运营和维护具有重要意义。现有的方法大多采用光学影像对隧道渗漏水进行检测,受隧道内空间和光线条件限制,难以获得高质量病害图片。因此,本文提出了一种基于激光点云数据与改进Mask RCNN相结合的渗漏水检测方法。首先对激光点云反射强度进行修正;然后生成灰度图像并建立渗漏水病害数据集;最后在Mask RCNN算法中引入空洞卷积和变形卷积,实现了隧道渗漏水病害的快速检测。利用某地铁采集的数据进行验证,结果表明,本文提出的改进Mask RCNN算法相较于原始算法和FCN算法检测精度均有明显提升,在盾构隧道渗漏水识别方面性能表现较好。     

利用GPS-IR估算雪深的反演模型研究

利用全球定位系统反射信号干涉测量(GPS-IR)反演雪深成为近年来研究的热点领域。在此基础上,针对卫星反射信号分离这一问题,该文提出一种基于小波分解重构的卫星反射信号提取模型。利用coif5小波变换分解6层信噪比数据重构低频分量获取卫星反射信号,并对其反演精度和稳定性进行判别分析。结果表明:该方法克服了低阶多项式拟合分离卫星反射信号存在的局限性;算法简单实用,具有较强的抗干扰能力,分解得到的卫星反射信号较好;均方根误差和平均绝对误差分别降低了34%和27%;单颗卫星线性回归模型平均相关系数达到0.737,相比传统方法提高40%。     

全波形LiDAR数据分解的可变分量高斯混合模型及RJMCMC算法

传统激光雷达(light detection and ranging,LiDAR)数据处理均采用固定数的波形分解方法,容易遗漏部分重叠的返回波,降低波形拟合精度。为了实现可变数波形分解,本文提出了一种自动确定波形分解数的方法。假定波形数据服从混合高斯分布,并以此建立理想的波形模型;定义用于控制理想模型与实际波形拟合程度的能量函数,用吉布斯分布构建或然率;根据贝叶斯定理构建刻画波形分解的后验概率模型;设计可逆跳转马尔科夫链蒙特卡洛(reversible jump Markov chain Monte Carlo,RJMCMC)算法模拟该后验概率模型,以确定波形分解数并同时完成波形分解。为了验证提出算法的正确性,分别对不同区域的ICESat-GLAS波形数据进行了波形分解试验,定性和定量分析结果验证了本文方法的有效性、可靠性和准确性。     

以交叉累积剩余熵为准则的星载激光测高仪大光斑波形数据与地形匹配法

提出了一种基于交叉累积剩余熵的星载激光测高仪大光斑波形数据与地形匹配方法。根据星载激光测高仪大光斑回波波形信号包含地形结构信息的特性,将激光回波波形数据和数字表面模型(DSM)投影到统计特征空间,建立数据的统计特征向量,消除数据间维度差异,以交叉累积剩余熵为相似性测度匹配波形数据与地形的统计特征。试验结果表明,本方法能够较好地实现激光回波波形数据与地形的匹配,匹配精度达到一个像素以内。     

基于集合经验模态分解的老年人步态信号的降噪方法

基于手机传感器的行人航位推算(PDR)作为一种不依赖外部信息和硬件就可以自主定位导航的方法,在室内环境下试图去普及应用。老年人与年轻人在步频与步幅上有很大差异,常用的年轻人步态降噪方法并不适用于老年人,大大降低PDR的定位精度。针对该问题,本文以手机内加速度传感器信号为数据依据,以检测老年人步数为研究目标,采用卡尔曼滤波、巴特沃斯低通滤波、集合经验模态分解等方法,确定老年人的步数。通过对比分析,确定基于集合经验模态分解的降噪方法,对老年的检步精度达到98%以上,较采用卡尔曼滤波与巴特沃斯低通滤波的方法提高了19.4%。     

基于LiDAR波形分解的点云SVM分类方法研究

LiDAR全波形数据可以记录发射激光脉冲与地物作用形成的后向散射信号的全回波信息,是发射激光脉冲沿途遇到的所有目标回波信号的总和,揭示了地物的几何和物理属性,是地物分类的重要依据。然而目前基于全波形分解的地物分类研究较少。本文将LIDAR全波形数据分解成波宽、振幅、回波次数三个独立的属性,并分别将这三个属性与高程进行格网化,生成一幅含有四个图层的图像。然后使用SVM分类器对这幅图像进行分类,成功分出了房屋、地面、高大植被,分类精度96.2482%,kappa 0.9281。     

组合核支持向量回归提取高光谱影像不透水面

由于城市地表组成的复杂性,基于单核函数的支持向量回归模型很难满足精度。本文结合空间-光谱组合核函数和支持向量回归,提出了一种提取高光谱影像不透水面丰度的改进算法。首先从高光谱遥感图像上提取波谱特征和多通道灰度共生矩阵空间纹理特征,选取研究区10%像元特征数据作为训练数据,以线性加权求和核为多核组合方式,建立结合光谱信息和空间信息的组合核支持向量回归模型。然后,用生成的回归模型预测未知像元不透水面丰度值。最后,对实验结果进行评价。在模拟数据试验中,本文算法比单核回归均方根误差平均降低1.4%,决定系数比单核回归平均提高0.6%。在Hyperion数据两组试验中,该算法比单核回归均方根误差平均降低1.8%,决定系数比单核回归平均提高11.7%。模拟和真实两种高光谱数据实验中,本文算法均得到了空间形态上更准确的不透水面结果,单核回归结果存在失真现象。研究结果表明:本文算法能够有效提取城市不透水面丰度,与单核方法相比有较明显的精度提升。