基于最小均方算法的激光测云雷达信号自适应识别方法技术

本发明专利技术涉及一种基于最小均方算法的激光测云雷达信号自适应识别方法，将两个不同周期的ｍ序列同步复合，产生一个复合伪噪声序列，并分别同步传送给连续调制激光发射端和信号接收端，所述信号接收端将接收到的信号进行分段累计平均运算，然后采用ＬＭＳ算法，将分段累计平均运算的结果和所述复合伪噪声序列代入，利用ＬＭＳ算法得到的收敛结果建立激光大气散射系统模型。本发明专利技术有效解决了在脉冲调制激光雷达应用于测云时，要求脉冲峰值功率很高、脉冲极窄带来的电路设计问题和在接收端需要大量采集样本进行累计平均且运算量大、分辨率低、信噪比低等问题，大大提高了测量的效率和精确度。

【技术实现步骤摘要】

本专利技术涉及信号处理领域，尤其是一种基于最小均方算法的激光测云雷达信 号自适应识别方法。
技术介绍
云由水滴或冰晶凝结聚合而成，当激光从大气进入云时，在云的边界处将会 产生很强的后向散射，散射信号的大小与激光功率、云底高度、云的类型、大气 特性和激光雷达性能参数有关，这样，通过分析激光回波的变化，可以判别云底 位置，计算云底高度。通常情况下，探测的距离越远，接收机所接收到的后向散 射信号也越弱。在总体上激光雷达信号呈现与距离的平方反比衰减趋势；而在局 部，则由于大气不稳定性以及噪声(光电探测器的各种噪声以及天空背景辐射等) 的影响引起一定的随机不可预侧的起伏，如图8、图9和图10所示。对脉冲激 光雷达来说，可以通过多发峰值功率很高的极窄脉冲累计平均的办法削弱信号的 局部起伏，提高信噪比；但累计平均方法受到平均次数限制，信噪比无法提高到 理想的高度，且在高层，由于回波信号较弱，脉冲激光器平均功率低，信噪比仍 然偏低，如图14和图15所示。
技术实现思路
本专利技术的目的是提供一种基于最小均方算法的激光测云雷达信号自适应识 别方法，以解决激光从云返回后由于噪声导致返回信号信噪比偏低的问题。 为了达到上述目的，本专利技术所采用的技术方案为一种，将两个不同周期的m序列同步复合，产生一个复合伪噪声序列，并分别同步传送给激光发射端和信号接收端，所述信号接收端将接收到的信号进行分段累计平均运算，然后采用LMS算法，将分段累计平均运算的结果和所述复合伪噪声序列代入，利用 LMS算法得到的收敛结果建立激光大气散射系统模型，如图1和图2所示；所述方法的步骤为(l)在CPLD中选择两个级数不同的m序列产生结构，通过同一时钟控制， 产生两个不同周期的m序列进行同步模二相加，生成新的较大周期的复合伪噪声序列，所述复合伪噪声序列的周期是两个m序列周期的最小公倍数；(2) 采用连续调制激光器，在发射端用复合伪噪声序列连续调制激光器、 连续控制激光的发射；(3) 在接收端将接收到的后向散射信号和噪声经A/D转换器转换后传送到 信号处理芯片，并对信号按照伪噪声序列周期进行分段累计平均运算；(4) 将分段累计平均运算的结果作为LMS算法的期望向量，复合伪噪声序 列作为LMS算法的输入向量，用TiC55系列DSP编译的C语言进行LMS算法运 算；(5) 利用LMS算法的收敛结果，建立激光大气散射系统模型；(6) 根据所建立的激光大气散射系统模型、有效提取高信噪比的后向散射 信号，利用后向散射廓线进行信号分析，判断能见度、云底云高等参数。所述的，其特征在 于所述两个级数不同的m序列产生结构分别为一个八级移位寄存器和一个七 级移位寄存器。本专利技术解决了在脉冲调制激光雷达应用于测云时，要求脉冲峰值功率很高、 脉冲极窄带来的电路设计问题和在接收端需要大量采集样本进行累计平均且运 算量大、分辨率低、信噪比低等问题。针对激光测云雷达后向散射信号微弱、系 统和背景噪声太大、伪噪声序列白噪声性质明显和最小均方(LMS)算法运算量 小、适合宽带信号自适应处理的特点，在发射端用相对低速的伪噪声序列连续调 制激光，利用高斯白噪声背景下的自适应滤波接收理论，接收端对原始接收信号 进行少量分段平均后，使用与发射端相同的复合伪噪声序列对接收信号进行自适 应系统识别，从而实现后向散射特征信号和白噪声的分离。接收端可以在建立大 气云层系统模型、恢复后向散射信号的同时大大抑制系统和背景噪声，恢复后的 信号经过距离修正，就可以得到实际的后向散射信号廓线，廓线特点是后向散射 信号特征突出，信噪比明显高于其他方案。如图11、图12、图16和图17所示， 本专利技术不需要占用大量累计平均时间和运算资源，就能够得到理想的后向散射信 号，而且分辨率很高。 附图说明图1为基于复合伪噪声序列连续调制的激光测云雷达信号处理框图。 图2为基于LMS算法的自适应系统识别结构。图3为八级m序列产生器结构图。 图4为七级m序列产生器结构图。 图5为七级m序列数字相关波形。 图6为八级m序列数字相关波形。 图7为复合伪噪声序列相关结果。图8为在没有高斯白噪声背景的情况下接收信号波形图。图9为在标准差较小的高斯白噪声背景的情况下接收信号波形图。图10为在标准差较大的高斯白噪声背景的情况下接收信号波形图。图11为512抽头步长le-6时收敛情况。图12为1024抽头步长5e-7时收敛情况。图13为在标准差较小的高斯白噪声背景的情况下数字相关运算后廓线图。 图14为100次平均结果。图15为在标准差较小的高斯白噪声背景的情况下脉冲调制4000次累计平均 运算后廓线图。图16为512抽头系统识别结果。图17为1024抽头系统识别结果。 具体实施例方式1.原理介绍假设激光器发射的经伪噪声序列调制的信号为s(t)，在传播过程中受空间各 种信号和干扰噪声的污染，再经空气中的云雾散射进入接收探测器的信号加噪声 为R (t) =sd (t- t d) +n (t) +sc (t- t c) 式中s。(t-T。)表示散射回来的连续信号(后面示意图中理想信号的连续包络部 分，通常用于描述雾或气溶胶信息)，也包括有用信号本身的多径延迟及人为干 扰信号(敌方的干扰)，n(t)是信道中的所有加性高斯白噪声(如背景光、电路 噪声等)，sd(t-Td)为突变信号(后面示意图中理想信号的两个冲击，通常用于 描述镜面反射和云层信息)。在接收端用同一伪噪声序列与接收到的R(t)做基于LMS算法的自适应系统 识别，由于s(t)所具有的高斯白噪声特性，平均后幅度仍然较高的n(t)很容易被抑制，而Sd(t-Td)和S。(t-、)只有在同步之后才有较大值出现，其中包含的时延和失真信息很容易被解出(如后图所示)。激光雷达测云，在一次散射的条件下，云对激光的回波强度满足光雷达方程:式中，^0)为激光雷达接收探测距离z (km)处的大气后向散射回波信号强度(W); C为系统常数(W*km3*sr);风"，°^)分别为距离z处大气总的后 向散射系数(km-1 sr-l)和消光系数(km-l)。在系统仪器常数确定的情况下，接收机所收到的激光回波信号强度^(z)主要取决于大气和云体的后向散射微分截面々(z)(或消光系数°"(2))，々(z)越大，P(力越强，同时衰减越快。由于云体后向散射微分截面远大于气溶胶，所以，当激光在大气中传输遇到云时，P(z)将迅速增大，出现一个突变的P(z)信号。 云层与气溶胶相比明显增强的回波信号包含了足够的云层信息，利用激光回波信 号的这些特性可以将云层信号与气溶胶信号区别开来，进一步数据处理可以获得 后向散射系数、垂直能见度以及云底云高的信息。白噪声是一种随机过程，它的瞬值服从正态分布，功率谱在很宽频带内都是 均匀的，它有极其优良的相关特性，可以用具有类似于带限白噪声统计特性的伪 噪声码信号来逼近它，实用上主要应用它具有白噪声统计特性。随机序列具有两 方面特点 一是预先不可确定，并且是不可重复实现的；二是它具有某种统计特 性，这种统计特性称为随机特性。其主要表现在序列中两种不同元素出现的次 数大致相等;序列中长度为k的元素游程比长度为k+l元素的游程数量多1倍(游 程是指连续出现的同种元素串)；序列具有类似于白噪声的自相本文档来自技高网...

【技术保护点】
一种基于最小均方算法的激光测云雷达信号自适应识别方法，其特征在于：将两个不同周期的ｍ序列同步复合，产生一个复合伪噪声序列，并分别同步传送给激光发射端和信号接收端，所述信号接收端将接收到的信号进行分段累计平均运算，然后采用ＬＭＳ算法，将分段累计平均运算的结果和所述复合伪噪声序列代入，利用ＬＭＳ算法得到的收敛结果建立激光大气散射系统模型；所述方法的步骤为：　（１）在ＣＰＬＤ中选择两个级数不同的ｍ序列产生结构，通过同一时钟控制，产生两个不同周期的ｍ序列进行同步模二相加，生成新 的较大周期的复合伪噪声序列，所述复合伪噪声序列的周期是两个ｍ序列周期的最小公倍数；　（２）采用连续调制激光器，在发射端用复合伪噪声序列连续调制激光器、连续控制激光发射到云层；　（３）在接收端将接收到的从上述云层返回的后向散射信号 和噪声经Ａ／Ｄ转换器转换后传送到信号处理芯片，并对信号按照伪噪声序列周期进行分段累计平均运算；　（４）将分段累计平均运算的结果作为ＬＭＳ算法的期望向量，复合伪噪声序列作为ＬＭＳ算法的输入向量，用ＴｉＣ５５系列ＤＳＰ编译的Ｃ语言进行ＬＭ Ｓ算法运算；　（５）利用ＬＭＳ算法的收敛结果，建立激光大气散射系统模型；　（６）根据所建立的激光大气散射系统模型、有效提取高信噪比的后向散射信号，利用后向散射廓线进行信号分析，判断能见度、云底云高等参数。...

【技术特征摘要】

【专利技术属性】
技术研发人员：何俊峰，刘文清，张玉钧，崔益本，阚瑞峰，阮俊，陈臻懿，耿辉，
申请(专利权)人：中国科学院安徽光学精密机械研究所，
类型：发明
国别省市：34[中国|安徽]