一种基于神经网络的FMCW激光测距信号去噪方法技术

本发明专利技术公开了一种基于神经网络的FMCW激光测距信号去噪方法，属于激光测距技术领域。本发明专利技术所述方法中，首先对原始信号进行高通滤波、解调和归一化处理，消除系统差异；接着利用MLP和膨胀卷积提取局部频率特征；然后通过残差网络和跳跃连接优化信号特征；最后采用双分支解码结构分别输出净化后的信号和目标距离值。本发明专利技术基于蒙特卡洛仿真和米氏散射理论生成模拟训练数据，真实还原气溶胶散射环境。本发明专利技术所述方法创新性地运用神经网络处理FMCW信号的频域特征，在低能见度条件下仍能准确区分真实目标信号和环境噪声，显著提升了测距系统的准确性和环境适应性；具有端到端处理、抗干扰能力强、实用性好等优势，特别适用于恶劣天气条件下的激光测距应用。

【技术实现步骤摘要】

本专利技术属于激光测距，具体涉及一种基于神经网络的fmcw激光测距信号去噪方法。

技术介绍

1、激光测距技术(light detection and ranging)是一类通过发射激光束并检测回波以实现高精度距离感知的探测方式。激光测距具有测量精度高、探测距离远的特点，广泛应用于工业制造、遥感探测等领域。然而，在雾等恶劣天气下，介质中的颗粒会对激光雷达所发射的光束产生散射效应，进而出现多重回波影响对目标物体的准确感知，影响激光测距及雷达技术的应用范围和准确性。

2、目前，现有技术激光雷达噪声抑制的研究主要集中在脉冲式激光雷达方面。传统方法中，自适应滤波方法通过构建参考信号模型可降低约6db的噪声。近年来，基于深度学习的噪声抑制方法，如卷积神经网络(cnn)，能够端到端地学习噪声特征，在烟雾环境下可实现90％以上的目标回波识别准确率。

3、然而，针对fmcw激光雷达噪声抑制的研究却相对较少。fmcw激光测距技术是一项基于相干光干涉测距的方法，其具备测距精度高，抗干扰能力强的特点。但由于距离和速度信息编码在频率成分中，信号处理复杂度更高本文档来自技高网...

【技术保护点】

1.一种基于神经网络的FMCW激光测距信号去噪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于神经网络的FMCW激光测距信号去噪方法，其特征在于，步骤1的具体过程为：

3.根据权利要求2所述的基于神经网络的FMCW激光测距信号去噪方法，其特征在于，步骤2的具体过程为：

4.根据权利要求3所述的基于神经网络的FMCW激光测距信号去噪方法，其特征在于，步骤3的具体过程为：

5.根据权利要求4所述的基于神经网络的FMCW激光测距信号去噪方法，其特征在于，步骤4的具体过程为：

6.根据权利要求1所述的基于神经网络的FMCW...

【技术特征摘要】

1.一种基于神经网络的fmcw激光测距信号去噪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于神经网络的fmcw激光测距信号去噪方法，其特征在于，步骤1的具体过程为：

3.根据权利要求2所述的基于神经网络的fmcw激光测距信号去噪方法，其特征在于，步骤2的具体过程为：

4.根据权利要求3所述的基于神经网络的fmcw激光测距信号去噪方法，其特征在于，步骤3的具体过程为：

5.根据权利要求4所述的基于神经网络的fmcw激光测距信号去噪方法，其特征在于，步骤4的具体过程为：

...

【专利技术属性】
技术研发人员：欧海燕，廖乐之，丁帅，赵晨，校文超，
申请(专利权)人：电子科技大学深圳高等研究院，
类型：发明
国别省市：