一种基于机器学习参数补偿的激光雷达反演算法制造技术

本发明专利技术涉及一种基于机器学习参数补偿的激光雷达反演算法，包括：将激光雷达信号进行均匀分段后分成多个子信号，选取其中最优的第i个子信号反演获得边界值；基于边界值以及随机生成的补偿参数对激光雷达信号进行和反演，使用反演后的结果计算该补偿参数的性能评估参数；将每组补偿参数集及其对应的性能评估参数输入高斯过程模型进行机器学习，取值最小的性能评估参数对应的补偿参数集为最优预测补偿参数集；使用参数补偿的方法对总体卡尔曼滤波算法进行补偿，从而降低总体卡尔曼滤波反演结果与真实值的偏差；使用基于高斯过程模型的机器学习方法进行补偿参数估计，同步实现激光雷达信号去噪与反演，进而优化大气消光系数反演结果。

【技术实现步骤摘要】
一种基于机器学习参数补偿的激光雷达反演算法
本专利技术涉及激光雷达信号处理
，尤其涉及一种基于机器学习参数补偿的激光雷达反演算法。
技术介绍
近几年，随着经济的迅速发展，环境的破坏也越来越严重，尤其是大气的污染已严重影响到人们的身体健康和日常生活，因此对大气进行探测研究显得更加重要。人们所熟知的大气能见度(Visibility)能够反映大气的透明程度，是与大气探测相关的物理量之一。大气能见度是一个重要的气象观测要素，能见度值的预报不仅用于气象部门的天气分析，更广泛应用于航空、航海、高速公路等交通运输部门，军事以及环境监测等领域。而对大气能见度的测量即等效于对气溶胶消光系数的测量。激光雷达回波信号的信噪比，对气溶胶消光系数反演的准确性有着显著的影响。通常大气激光雷达后向散射回波的动态范围很大，因而远距离的气溶胶后向散射回波极其微弱，以至于有效的回波信号很容易被各种噪声信号淹没，对消光系数反演的结果产生不利的影响，甚至导致无法反演。实际激光雷达后向散射回波信号中所包含的三种噪声中，自然背景噪声和本地背景噪声可以通过背景扣除的方法消除。本文档来自技高网...

【技术保护点】
1.一种基于机器学习参数补偿的激光雷达反演算法，其特征在于，所述方法包括：/n步骤1，将激光雷达信号进行均匀分段后分成多个子信号，选取其中最优的第i个子信号反演获得气溶胶的消光系数与后向散射系数的边界值；/n步骤2，使用随机生成的补偿参数集对气溶胶的后向散射系数进行参数补偿后，基于所述边界值以及所述补偿参数集对激光雷达信号进行反演，使用反演后的结果计算该补偿参数的性能评估参数；/n步骤3，将每组补偿参数集及其对应的性能评估参数输入高斯过程模型进行机器学习，取值最小的所述性能评估参数对应的补偿参数集为最优预测补偿参数集。/n

【技术特征摘要】
1.一种基于机器学习参数补偿的激光雷达反演算法，其特征在于，所述方法包括：
步骤1，将激光雷达信号进行均匀分段后分成多个子信号，选取其中最优的第i个子信号反演获得气溶胶的消光系数与后向散射系数的边界值；
步骤2，使用随机生成的补偿参数集对气溶胶的后向散射系数进行参数补偿后，基于所述边界值以及所述补偿参数集对激光雷达信号进行反演，使用反演后的结果计算该补偿参数的性能评估参数；
步骤3，将每组补偿参数集及其对应的性能评估参数输入高斯过程模型进行机器学习，取值最小的所述性能评估参数对应的补偿参数集为最优预测补偿参数集。


2.根据权利要求1所述的方法，其特征在于，所述步骤1中使用非线性自动分段算法将所述激光雷达回波信号分为多个均匀的子信号，通过判定规则选择得到最适合进行边界值拟合的信号后，使用双组分拟合的方法拟合获得边界值。


3.根据权利要求1所述的方法，其特征在于，所述步骤1还包括确定补偿点的位置：
经过分段后，分段点记为b(m)|m＝1,...,M，其中M是当前被分段的激光雷达回波信号的分段点总数；
分段点b(m)对应的距离单元即为所述补偿点的位置。


4.根据权利要求1所述的方法，其特征在于，所述步骤2中计算该补偿参数集的性能评估参数的过程包括：
步骤201，计算使用随机生成的补偿参数集得到补偿后的下一个距离单元的激光雷达距离修正信号
步骤202，基于所述距离修正信号使用总体卡尔曼滤波和Fernald方法同时进行数据同化和反演，得到降噪后的激光雷达距离修正信号Xdenoised(i-1)，进而根据该降噪后的激光雷达距离修正信号Xdenoised(i-1)获得整条路径上的降噪后的激光雷达距离修正信号Xdenoised(i)；
步骤203,基于降噪后的激光雷达距离修正信号Xdenoised(i)和原始的激光雷达距离修正信号X(i)构造性能评估函数F(p)：

【专利技术属性】
技术研发人员：曾宪江，王晨晟，章侃，潘德彬，李忠，
申请(专利权)人：华中光电技术研究所中国船舶重工集团公司第七一七研究所，
类型：发明
国别省市：湖北;42