基于数值分布均衡化的米散射激光雷达云识别方法技术

本发明专利技术公开了一种基于数值分布均衡化的米散射激光雷达云识别方法，该方法包括：输入米散射激光雷达信号；对米散射激光雷达信号进行基于噪声估计的半离散化数据处理；对米散射激光雷达信号进行数据分布均衡化处理；生成米散射激光雷达信号的背景基线；基于背景基线对米散射激光雷达信号进行分层和识别。采用本发明专利技术可以在弱化平滑问题在云识别过程中的重要性的同时，找出与信号变化自适应的背景基线，从而解决当前算法过度依赖平滑或对较弱云回波信号漏检的问题，确保观测中云层信号的识别率，提高云观测的数据质量，为气象和气候研究及预报提供更准确的观测资料。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种，该方法包括：输入米散射激光雷达信号；对米散射激光雷达信号进行基于噪声估计的半离散化数据处理；对米散射激光雷达信号进行数据分布均衡化处理；生成米散射激光雷达信号的背景基线；基于背景基线对米散射激光雷达信号进行分层和识别。采用本专利技术可以在弱化平滑问题在云识别过程中的重要性的同时，找出与信号变化自适应的背景基线，从而解决当前算法过度依赖平滑或对较弱云回波信号漏检的问题，确保观测中云层信号的识别率，提高云观测的数据质量，为气象和气候研究及预报提供更准确的观测资料。【专利说明】
本专利技术涉及激光雷达
，尤其涉及。
技术介绍
在气象和气候研究中，云的存在和改变对辐射平衡和水汽传输等机制有着重要影响，准确的云出现率与云高分布信息是相关研究的关键，而这些信息只能来自长期精确的观测。目前激光雷达作为为云层信息长期连续观测的主要工具在国内外大量研究和观测站点获得了广泛应用。由于激光设备与光电探测设备的快速发展，近年来大气探测激光雷达性能得到快速提高。尤其是微脉冲激光雷达(Micro-pulse Lidar, MPL)的出现,激光雷达获得了小型化全天候工作的性能，使得大面积非专业化的激光雷达应用成为可能。激光雷达一项重要的应用就是实现对云的主动探测。激光雷达主动探测及高时空分辨率的特性，使其能够对云底精确定位并能实时监测云的分布及变化信息。在激光雷达信号分布图上，人工对云进行识别是很直观的事。但是，在复杂多变的大气条件下，受噪声干扰的激光雷达自动云识别处理却是比较棘手的问题。为此，学者们提出了多种处理方法，主要分为两类:一种为微分零交叉法，另一种为阈值法。微分零交叉法的原理是，激光雷达信号随距离衰减，一旦遇到云底则信号会突然增强，因而在信号中出现较强的波峰。在识别时，对激光雷达信号进行微分，寻找突变点，再通过一定的条件设置区分突变点是否为云底。由于激光雷达信号的动态范围较大，一般会在处理前对信号求对数，以减小其动态范围，而对数方法只能用于信噪比较高的信号部分。激光雷达信号中存在大量的噪声扰动，导致该方法对信号平滑要求较高，过度平滑会把强烈的云信号降低到与较厚的气溶胶信号相似的强度范围引起漏检，平滑不够则会出现较多的误判和干扰，因而把云识别问题引入激光雷达信号处理中最基本也是至今不能完美解决的平滑问题。阈值法的原理是，根据激光雷达信号随探测距离衰减的特点，通过设计算法产生一定的背景基线，当信号中出现超过该背景基线的波动时，认为出现粒子层，再根据信号变化的强弱区分云层。这种算法比第一种算法对平滑的要求有所降低，其重点在于自动选择相应的背景基线。一般当信噪比较高时背景基线选为大气分子归一化后向散射曲线作为基线标准，根据信号大小进行强度放大或缩小的变化，或者对信号求对数后进行线性拟合作为基准；当信噪比较弱时选择背景噪声扰动的若干倍数作为云信号出现的阈值。该算法的问题在于背景基线的选择。特别是当近地面气溶胶含量较大时，其散射信号往往远高于大气分子散射信号，因而使信号变化与指数变化相差太大，传统数学方法求对数并不能使整条廓线近似呈线性，也因此导致背景基线无法在信号的各处都满足要求。虽然通过众多学者的努力，当前的云检测方法已经使检出效果大大提高，但是，平滑和自动调整的背景基线的问题，至今都不能很好解决，导致在应用中依然存在大量的误判和漏检的情况出现。当前应用最成功的是Wang Zhien等基于微分零交叉以及阈值方法,发展的一种利用激光雷达探测云的边界层的方法。该方法通过对非噪声区域(噪声区域为信号完全被噪声淹没的区域)的激光雷达信号求对数进行线性拟合，分析信号与拟合直线的交叉来提取粒子层，并且设置了相应的判断指标来区别云和气溶胶层。目前该方法已获得了广泛的应用。该方法主要分为以下五个步骤:(1)当云出现时激光雷达探测信号的突然增强和减弱，因此会产生相应的较大的信号正负斜率。计算时取信号未被噪声湮没的一段。这时，利用未进行距离修正的信号计算信号变化的斜率，信号量以及背景噪声水平的标准差σ，信号的变化S(Ri):【权利要求】1.一种，其特征在于，包括: 输入米散射激光雷达信号； 对米散射激光雷达信号进行基于噪声估计的半离散化数据处理； 对米散射激光雷达信号进行数据分布均衡化处理； 生成米散射激光雷达信号的背景基线； 基于背景基线对米散射激光雷达信号进行分层和识别。2.如权利要求1所述的方法，其特征在于，输入米散射激光雷达信号，包括: 输入如下米散射激光雷达信号: 3.如权利要求2所述的方法，其特征在于，对米散射激光雷达信号进行基于噪声估计的半离散化数据处理，包括: 将远离有效信号接收范围的接收数据作为背景噪声，通过求该段数据平均值的方式对Nb进行估计,获得对应P (ζ)的噪声noise (ζ)； 对P (ζ)的噪声毛刺进行平滑抑制后获得Ps (ζ); 对Ps(Z)进行半离散化处理，获得半离散化的激光雷达回波数据Pd(Z)。4.如权利要求3所述的方法，其特征在于，通过求该段数据平均值的方式对Nb进行估计，获得对应P (ζ)的噪声noise (ζ),包括: 计算该段噪声点的标准偏差: 5.如权利要求3所述的方法，其特征在于，对P(ζ)的噪声毛刺进行平滑抑制后获得Ps (Z)，包括: 将移动平均的平滑窗口设置为:若空间分辨距离大于等于0.06km则全局使用三点平滑，若空间分辨距离小于0.06km则全局使用0.15km窗口进行平滑。6.如权利要求3所述的方法，其特征在于，对ps(ζ)进行半离散化处理，获得半离散化的激光雷达回波数据Pd (ζ)，包括: 从Ps(Z)的第二个数据点开始遍历数据，如果该数据与上个数据值之差的绝对值小于与其对应的noise (ζ)，则令数据值等于上个数据值，否则保留原值。7.如权利要求6所述的方法，其特征在于，对ps(ζ)进行半离散化处理，获得半离散化的激光雷达回波数据Pd (ζ)，还包括: 再从后向前计算一次Pd(Z)，两次计算结果求平均得到最后的Pd(Z)。8.如权利要求3所述的方法，其特征在于，对米散射激光雷达信号进行数据分布均衡化处理，包括: 对Pd(Z)中的数据进行升序排序，获得排序结果Rs (i)，(I = 1，2，3...Ν)及对应pD(z)中的索引序列Is(i)，(i = 1，2，3…N)，其中，N为p(Z)数据点长度；求全局最大值Ma和最小值M1，确定全局数据动态范围Ma-Mi ； 计算Rs(i)中各值在全局数据动态范围中所占比例:PE (i) = i/N, (i = 1，2，3…N);处理过程中遍历Pe (i)，若遇到Rs (i) = Rs(1-1)的情况，令Pe (i) = PE(i_l)； 计算新的升序数据值:y(i) = Pe(i).(Ma-Mi)+M1, (i = 1,2,3…N)； 计算出均衡化分布的新数据:PN(z) =Pn = y (i), (i = 1,2, 3…N)。9.如权利要求8所述的方法，其特征在于，生成米散射激光雷达信号的背景基线，包括: 生成米散射激光雷达信号的背景基线B(z)，该基线包括两个端点:(Zl，MA)和(ζ,,ΜΟ。10.如权利要求9所述的方法，其特征本文档来自技高网...

【技术保护点】
一种基于数值分布均衡化的米散射激光雷达云识别方法，其特征在于，包括： 输入米散射激光雷达信号； 对米散射激光雷达信号进行基于噪声估计的半离散化数据处理； 对米散射激光雷达信号进行数据分布均衡化处理； 生成米散射激光雷达信号的背景基线； 基于背景基线对米散射激光雷达信号进行分层和识别。

【技术特征摘要】

【专利技术属性】
技术研发人员：王玉诏，赵传峰，王倩倩，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：北京;11