一种用于浅水测深的单波段蓝绿激光波形分析方法及系统技术方案

本发明专利技术公开了一种用于浅水测深的单波段蓝绿激光波形分析方法及系统，该方法采用高斯函数对滤波去噪平滑后的测深波形信息建模，利用能量大小自顶向下的高斯分解确定初始高斯分量位置，根据检测到的波峰的左右拐点确定分量所处的类别，分别估计初始参数，依据高斯分量宽度与系统波形脉宽阈值比较，在去除无效的初始高斯分量后，进一步优化高斯分量参数和个数，并进行非线性最小二乘法迭代将波形数据精确分解。具有如下优点：能有效地分解出回波信号中的叠加波和弱波分量并进行分类，采用阈值限制和循环迭代，提高了水面水底峰值点的准确度，有效测量浅水深度。

A single-band blue-green laser waveform analysis method and system for shallow water sounding

【技术实现步骤摘要】
一种用于浅水测深的单波段蓝绿激光波形分析方法及系统
本专利技术涉及一种用于激光雷达测量浅水水深的方法，尤其是涉及小光斑单波段LiDAR测深波形数据的波形分析方法，具体涉及一种用于浅水测深的单波段蓝绿激光波形分析方法及系统。
技术介绍
我国海域辽阔，水深在50米以内的浅海海域面积达50万平方公里，浅海地形数据是浅海环境治理、浅海资源开发利用、浅海航行、登岛作战等应用所需的重要基础地理空间信息，因此浅水近海测绘具有重要战略意义。目前，用于浅水水深测量的手段主要有船载声呐、光学遥感和激光雷达。船载声呐是一种利用声波在水下的传播特性，通过电声转换和信息处理，完成水下探测和通讯任务的电子设备，它有主动式和被动式两种类型，属于声学定位的范畴。遥感反演水深是借助可见光在水中传播和反射后的光谱变化，结合实测水深，构建反演模型，实现大面积水深反演，再结合遥感成像时刻水位反算得到海底地形。其中船载声呐无法在极浅水域进行作业、且浅水声纳噪声来源复杂，光学遥感技术精度较低且对近海部分误差较高，两种技术在浅水水深测量中都有一定的局限性，因而发展高精度测量浅海、岛礁、暗礁及船只无法安全到达水域的水深测量技术具有非常重要的应用价值。激光雷达是目前相对较新的一种浅水测量手段，可架设于冲锋舟与无人机等载体上。其中大型机载激光在南海水质条件下最大测量深度可以达到60米，可对人和船只无法到达地形复杂的区域实施测量，并且具有具有精度高、覆盖面广、测点密度高、测量周期短、低消耗、易管理、高机动性等特点。在此基础上，发展单波段蓝绿激光(532nm)的激光测深是一种可行性较高的测深手段。水体波形数据需要能够准确提取水表与水面的回波信息，进行水深计算测绘水下地形。水体激光雷达波形处理方法与陆地激光雷达不同，并且更加复杂，因为激光在水体介质中传播，会发生水气界面折射，受到水体颗粒衰减与激光在水体中后向散射的影响，造成脉冲展宽。因此，一种针对单波段激光雷达测深波形的分析方法是激光测深技术的核心重难点步骤。
技术实现思路
本专利技术要解决的技术问题在于，针对上述现有技术在浅水水深测量中都有一定的局限性的技术问题，提供了一种用于浅水测深的单波段蓝绿激光波形分析方法及系统来解决上述问题。一种用于浅水测深的单波段蓝绿激光波形分析方法，包括以下步骤：步骤1、预处理步骤：对原始波形信号进行预处理，去除原始波形信号中的背景噪声并采用滤波方法对回波信号滤波去除波形信号中的随机噪声，得到预处理后的数据；步骤2、高斯分解初始值估计步骤：设置检测波峰阈值为三倍的随机噪声δnoise，选取预处理后的数据中最大值和该时刻作为高斯分量的峰高和中轴时刻，寻找该峰值对应的半峰时刻，由半波宽公式计算得到分量的脉冲半宽，在第一次分解时确定该峰值的左右拐点时刻，在该左右拐点时刻内的高斯分量设为水表区回波信息，在该区域外分解的高斯分量设置为水底回波区域，在预处理后的数据中减去该左右拐点时刻内的高斯分量，判断剩余分量是否满足步骤2初始条件即有预处理后的数据大于三倍随机噪声，若有则重复步骤2，否则执行步骤3；步骤3、根据阈值剔除分量步骤：选取分解后的高斯分量数据，剔除任意两个分量时间差距在设定阈值时间间隔内能量最小的高斯分量，将剩余的高斯分量信息进行步骤4；步骤4、优化步骤：取步骤1预处理后的数据作为目标函数，步骤3结束后的高斯分量作为参数进行LM算法的非线性最小二乘迭代，得到精确优化的高斯分量组；步骤5、水深解算步骤：根据所述高斯分量组，取水表区域中能量最大值的高斯分量作为水表回波时刻，取水底回波区域时刻最靠后的高斯分量作为水底回波时刻，根据测距公式计算水深其中C为光速，Δt为水表水底回波时间差，θ为激光入射角度，n为水的折射率。进一步的，所述步骤1具体包括：步骤1.1、对原始的波形信号进行高斯滤波，选择的高斯核函数大小为5，计算滤波前后两条波形数据的峰值差的均方差为随机噪声δnoise；步骤1.2、计算将滤波后的数据最小值作为背景噪声作为背景噪声，并将原始数据减去背景噪声。进一步的，所述步骤2中，根据第一次分解的高斯分量峰值点所对应的原始数据中的左右拐点来划分水表回波区域和水底回波区域，从而准确由水表、水底回波时刻计算水深。一种用于浅水测深的单波段蓝绿激光波形分析系统，包括：处理器及存储设备；所述处理器加载并执行所述存储设备中的指令及数据用于实现权利要求1～3所述的任意一种用于浅水测深的单波段蓝绿激光波形分析方法。与现有技术相比，本专利技术的优势在于：1、能够保留波形信息的同时有效地去除了噪声影响，可有效提高回波信号中微弱分量与重叠分量分解的可靠性和准确性；2、能够准确估计各种类型的波形高斯分量的参数及与所属类型，实现了水表回波和水底回波的精确分类，从而根据水表水底时刻计算水深测绘水下地形。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1为本专利技术一种用于浅水测深的单波段蓝绿激光波形分析方法流程图；图2为本专利技术实施例中原始波形数据信号示意图；图3为本专利技术实施例中初始分解高斯分量示意图；图4为本专利技术实施例中优化后高斯分量示意图；图5为本专利技术实施例中levmar非线性优化库求解伪代码图；图6为本专利技术实施例中确定水表水底回波区域示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地描述。一种用于浅水测深的单波段蓝绿激光波形分析方法，如图1所示，包括以下步骤：步骤1、预处理步骤：对原始波形信号进行预处理，去除波形信号中的背景噪声并采用滤波方法对回波信号滤波去除波形信号中的随机噪声，得到预处理后的数据，如图2所示为原始波形数据信号示意图，具体包括：步骤1.1、对原始波形信号进行高斯滤波，选择的高斯核函数大小为5，计算滤波前后两条波形数据的峰值差的均方差为随机噪声δnoise；步骤1.2、计算滤波后的数据最小值作为背景噪声，并将原始波形信号减去背景噪声；步骤2、高斯分解初始值估计步骤：分解出回波信号中各个高斯分量的信息，如图3所示为初始分解高斯分量示意图，具体包括：步骤2.1、设置检测波峰阈值为三倍的随机噪声δnoise，选取数据中最大值和该时刻作为高斯分量的峰高和中轴时刻，寻找该峰值左右时间的对应的半峰时刻，取其中较近的时刻作为半波宽，由半波宽公式计算得到分量的脉冲半宽，在第一次分解时确定该峰值的左右拐点时刻，在该时刻内的高斯分量设为水表区回波信息，在该区域外分解的高斯分量设置为水底回波区域。根据第一次分解的高斯分量峰值点所对应的原始数据中的左右拐点来划分水表回波区域和水底回波区域，从而准确由水表、水底回波时刻计算水深。步骤2.2、在数据中减去该分量，判断剩余分量是否满足步骤2.1初始条件即有数据大于三倍随机噪声，若有则重复步骤2.1，否则执行步骤3；步骤3、根据阈值剔除分量步骤：选取分解后的高斯分量数据，剔除其中的噪声数据，噪声数据指其中高斯分量的峰高小于3倍δnoise，或任意两个分量时间差距在设定阈值(设定阈值通常是激光器发射的激光脉冲时间，在本系统中为2.5纳秒)时间间隔内能量较小的高斯分量，将剩余的高斯分量信息进行步骤4；步骤4、优化步骤：取步骤1结束后的数据作为目标函数，步骤3结束后的高斯分量作为参数进行LM(Levenberg-本文档来自技高网...

【技术保护点】
1.一种用于浅水测深的单波段蓝绿激光波形分析方法，其特征在于，包括以下步骤：步骤1、预处理步骤：对原始波形信号进行预处理，去除原始波形信号中的背景噪声并采用滤波方法对回波信号滤波去除波形信号中的随机噪声，得到预处理后的数据；步骤2、高斯分解初始值估计步骤：设置检测波峰阈值为三倍的随机噪声δnoise，选取预处理后的数据中最大值和该时刻作为高斯分量的峰高和中轴时刻，寻找该峰值对应的半峰时刻，由半波宽公式计算得到分量的脉冲半宽，在第一次分解时确定该峰值的左右拐点时刻，在该左右拐点时刻内的高斯分量设为水表区回波信息，在该区域外分解的高斯分量设置为水底回波区域，在预处理后的数据中减去该左右拐点时刻内的高斯分量，判断剩余分量是否满足步骤2初始条件即有预处理后的数据大于三倍随机噪声，若有则重复步骤2，否则执行步骤3；步骤3、根据阈值剔除分量步骤：选取分解后的高斯分量数据，剔除任意两个分量时间差距在设定阈值时间间隔内能量最小的高斯分量，将剩余的高斯分量信息进行步骤4；步骤4、优化步骤：取步骤1预处理后的数据作为目标函数，步骤3结束后的高斯分量作为参数进行LM算法的非线性最小二乘迭代，得到精确优化的高斯分量组；步骤5、水深解算步骤：根据所述高斯分量组，取水表区域中能量最大值的高斯分量作为水表回波时刻，取水底回波区域时刻最靠后的高斯分量作为水底回波时刻，根据测距公式计算水深...

【技术特征摘要】
1.一种用于浅水测深的单波段蓝绿激光波形分析方法，其特征在于，包括以下步骤：步骤1、预处理步骤：对原始波形信号进行预处理，去除原始波形信号中的背景噪声并采用滤波方法对回波信号滤波去除波形信号中的随机噪声，得到预处理后的数据；步骤2、高斯分解初始值估计步骤：设置检测波峰阈值为三倍的随机噪声δnoise，选取预处理后的数据中最大值和该时刻作为高斯分量的峰高和中轴时刻，寻找该峰值对应的半峰时刻，由半波宽公式计算得到分量的脉冲半宽，在第一次分解时确定该峰值的左右拐点时刻，在该左右拐点时刻内的高斯分量设为水表区回波信息，在该区域外分解的高斯分量设置为水底回波区域，在预处理后的数据中减去该左右拐点时刻内的高斯分量，判断剩余分量是否满足步骤2初始条件即有预处理后的数据大于三倍随机噪声，若有则重复步骤2，否则执行步骤3；步骤3、根据阈值剔除分量步骤：选取分解后的高斯分量数据，剔除任意两个分量时间差距在设定阈值时间间隔内能量最小的高斯分量，将剩余的高斯分量信息进行步骤4；步骤4、优化步骤：取步骤1预处理后的数据作为目标函数，步骤3结束后的高斯分量作为参数进行LM算法的非线性最小二乘迭代，得到精确优化的高斯...

【专利技术属性】
技术研发人员：谌一夫，陶剑浩，乐源，张学满，谢忠，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北,42