基于小波去噪技术改善激光雷达回波信号信噪比外文翻译资料

英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料

光学和激光工程51(2013)961 - 966

内容列表可用在sciverse科学指南

光学和激光工程

期刊主页：www.elsevier.com/locate/optlaseng

基于小波去噪技术改善激光雷达回波信号信噪比

支蓉舟，邓欣华，于峰望，阎青，石春丽，李艳，洪伟望

中国，西安710048，西安理工大学，机械与精密仪器工程

摘要

根据雷达回声信号的特点，受噪声污染，特别是强背景光，提出了一种基于软阈值的小波的有效去噪方法降低激光雷达回波信号噪声，提高系统的信噪比原则和使用小波变换和小波去噪的方法来对噪声信号进行去噪声一些执行初步模拟，以减少模拟信号的噪声以便进行验证去噪方法的可行性。此外，使用实验数据的激光雷达回波信号被强背景光中的噪声污染，去噪的范围平方校正信号并获得回收的气溶胶消光系数。结果显示了降噪效应的证据，并证明该方法可以有效地对噪声激光雷达信号进行去噪声强背景光，实现系统信噪比的提高。

关键词：激光雷达；软阈值；小波；去噪；背景光

1.介绍

激光雷达作为一种主动遥感技术型、高时空分辨率和测量精度，已广泛应用于大气气象参数的实时检测，如大气环境污染物、气溶胶和粉尘监测等^[1-3]。根据激光雷达方程，由于激光雷达回波信号功率的衰减与大气消光系数的指数衰减与距离的平方的激光雷达和目标之间，不可避免的较小的回波信号，其中包含很多有用的测量信息，通过电波动及杂散光的干扰很容易污染，这将直接影响到有效探测距离和激光雷达系统的精度。全天候激光雷达的发展是当前的研究热点，而太阳能背景光抑制技术是其中的关键技术之一。此外，激光雷达回波信号白天容易淹没由强背景光的噪声，必须减少或过滤，以确保检测的准确度和范围。

太阳能背景光抑制技术主要包括滤除噪声的硬件和软件算法方法。对于硬件滤波方法，特殊的太阳能盲波长，大的激光功率或窄带滤波器通常用于激光雷达系统设计^{[4-10 ]}。对于软件算法方法，有几种去噪滤波方法：经验模式分解（EMD），卡尔曼滤波方法、小波变换和傅里叶滤波窗口的方法等^[11]。回波信号和太阳背景光由于波长匹配，以及非线性和非平稳性的回波信号的特点，背景光不可以采用硬件滤波有效地排除，但后续的数字滤波处理的傅里叶滤波窗口的方法牺牲空间分辨率由于时频局部化的缺乏；卡尔曼滤波器将导致较大的误差时，大气消光系数发生了急剧的变化，即它的时频局部化差；EMD滤波器适合于噪声相对高信号，特别是夜间检测^[12,13]；小波分析良好的时间–频局部化特性和提供的信号可以分解成由多尺度分析不同频率成分的信号处理的有力工具，尤其是在低信噪比（SNR）信号处理^[14]。在这项研究中，一个Daubechies小波Stein无偏风险估计（SURE）采用软阈值法。Daubechies小波是正交的，紧支撑，适用于过滤指数衰减的信号。确定性软阈值去噪方法是简单和有效的重建原始信号处理各级系数提取激光雷达信号，并可以保留了大量的详细信息，在信号去噪，特别是在提取微弱信号^[15-17]。

本文提出了一种小波消噪算法，并用于减少背景光和电噪声的信号干扰低频高信号对频率分量进行了仿真，并用软阈值去噪方法验证了小波分析的可行性和米氏散射激光雷达白天测量散射是用来去除噪声和激光雷达回波信号的重构。通过对原始信号的气溶胶消光系数和降噪后的信号进行比较，结果表明，小波去噪方法在提高信噪比的激光雷达信号处理中的有效性。

2.噪声特性及降噪算法

大气激光雷达系统测量，激光雷达是由遥感方程

其中，是激光雷达发射脉冲的峰值功率，Z的范围或高度从激光雷达到目标，系统校准常数；为光速，两个发射激光器之间的间隔脉冲；AR有效接收面积的望远镜；Z（Z）接收光束发射机的几何重叠系数路径B（z）的后向散射系数，和（R）的气氛球形的消光系数^[18]。激光雷达的结构系统如图1所示，包括激光发射系统，光接收系统、信号检测与数据采集系统。

接收到的回波激光雷达信号主要包括有用的大气信息，太阳背景噪声和电噪声来自信号检测与数据采集系统。一般来说，电噪声可以近似为白噪声由于其连续时间域和随机振幅和相位，背景噪声可以近似为白噪声和直流（直流）信号的混合信号。所以激光雷达回波信号的时间方程，包括噪声f（t）可以给出了：

其中x（t）表示激光雷达回波信号的真值，E（t）由电子噪声和杂散光引起的白噪声天空背景和地面辐射光的直流信号。

图1 激光雷达系统示意图

小波去噪的目的是为了降低X（t）和S（t）对x（t）的污染。离散信号由小波变换或分解在不同分辨率显示不同的特性，使噪声可以减少使用不同阈值和小波系数。因此，F（t）是有限幂函数，然后F（t）Al2（R）（平方积分房数向量空间。根据小波的定义多分辨率分析，在给定的向量空间Vj，f（t）也可以用尺度函数表示为级数展开小波如下：

其中J、K、L属于整数集，和代表近似系数和细节系数分别当分辨率。第一和提供了一个功能，在低分辨率或粗逼近f（t），和第二和更高或更细加分辨函数，增加了细节Eqs（3.2）和（3.3）。和表示尺度函数和小波函数或母函数分别小波。Eqs（3.4）及（3.5）是递推方程，和（3.6）表示重构方程。

激光雷达回波信号分解成低频信号与高频信号。这主要是由不同密度和大小气溶胶的粒子散射光电探测器和杂散光的电噪声。基本小波消噪原理是利用小波将回波信号分解为多尺度函数。由于小波的平均功率白噪声变换系数成反比尺度J，小波变换系数的幅值白噪声会衰减时，小波变换的顺序增加^[19]。

必须采取以下步骤去消除噪音信号提取有用信号：

（1）首先，要确定小波基的类型和小波分解水平通过DE组成原始激光雷达信号；

（2）选择去噪方法是很重要的去除噪声，减去背景光的直流部分从检测信号中提取；

（3）根据回波信号重构的必要性对每一级低频小波分解系数和高频系数。

图2和3显示各自的配置文件的小波近似系数Al J1和小波细节系数DL J1。利用Daubechies小波5层分解和确定软阈值法，很明显的是噪声随着分解级别的增加而减小。这就决定了层次或层数的小波，所以五个层次是理想的这种情况下。

图2 信号的小波近似系数

图3 信号小波细节系数

3.小波去噪的模拟

进行一些初步模拟以减少噪声的模拟信号，以验证其可行性去噪方法。这里，低频有几个高频率信号用作原始模拟激光雷达信号和一个沉重的高频信号作为模拟噪声信号，如图4所示。分解的信号与Daubechies小波和阈值的模拟结果如图4所示。它保留了大部分的细节和特点原始信号，适用于激光雷达信号去噪。降噪后的信号信噪比为34.3916的信噪比的对数

图4 去噪算法的仿真

4.实验结果分析

以米氏散射激光雷达的情况来说明滤波效应，连续系统观测于5月进行，2011年在西安理工大学（34.2331N，104.0031E）为气溶胶的时空变化检测。 为了提取所需的回波信号，第一步是降低噪声的电和杂散光，然后去除背景光。图5示出了来自米氏散射激光雷达的原始回波信号。所有原始数据在7.5m间隔的范围内采样的回声信号被噪声淹没，并且逐渐衰减直到在去噪后接近约20mV。图6示出提取背景光 - 所有原始数据以速率采样为50ns。去除噪声后曲线平坦。图。图7示出应用前后的范围平方修正信号（RSCS）小波去噪方法。低于2公里的高度，回声信号强，对应的曲线平滑，当时高度增加，有用的远场信号强度减小并逐渐被背景光的噪音所掩盖，特别是在高度超过3 km。因此，检测范围为2.5公里，但通过去噪延长到5公里。去噪信号的SNR是约为54.95，其由SNR对数公式（4）计算。

其中，S（n）表示第n个原始信号，S ^（n）表示第n个去噪信号。

图5 利用小波软阈值降低原始信号（2011年5月3日上午10时）

图6 部分直流提取背景信号（2011年5月3日上午10时）

图7 米氏利达在2011年5月3日上午10时的白天时的范围平方校正信号分布

检索气溶胶消光系数的分布通过Klett方法和系统校准^[20]如图8所示。在2公里以上的高度，消光系数在去噪之前开始变模糊，而其衰减趋势在去噪后是清楚的。图9显示了原件的时间 - 高度 - 指示器（THI）显示RSCS概况，取自7:00中国标准时间（CST）到2011年5月4日的CST与米氏散射激光雷达 的气溶胶的时间变化和噪声的分布显示高达2.5公里。图10显示的是噪声控制系统。 我们可以看到噪声被抑制小波去噪，提高了信噪比和检测范围可以提高达5公里。 检测时间间隔为5分钟，在图 9和10中。

图8 对米氏散射激光雷达散射信号中的气溶胶消光系数廓线

图9 在7:00 CST和之间采集的原始信号RSCS曲线的THI显示2011年5月4日11时CST

图10 在7:00 CST之间拍摄的降噪信号RSCS曲线的THI显示2011年5月4日11:00 CST

5.结论

根据激光雷达回波信号的特性和噪声，基于小波软阈值的有效方法提出了小波去噪以实现弱提取信号在存在强烈背景噪声的情况下给出三重散射激光雷达。 通过比较原始信号和RCRS中的去噪信号，消光系数和THI，后者可以保留更多的气溶胶回波信号。 两者的模拟实验结果表明该回波信号带小波

激光雷达回波信号的去噪可以显著保留信号，有利于提取微弱信号强烈背景光。它也可以提高激光雷达的信噪比检测。

参考文献

[1] Dengxin Hua, Takao Kobayashi. UV Rayleigh–Mie Raman Lidar for simultaneous measurement of atmospheric temperature and relative humidity profiles in the troposphere. Jpn J Appl Phys, Part 1 2005;44(3):1287–91.

[2] Hua Dengxin, Uchida Masaru, Kobayashi Takao. Ultraviolet Rayleigh–Mie Lidar with Mie-scattering correction by Fabry–Perot etalons for temperature profiling of the troposphere. Appl Opt 2005;44(7):1305–14.

[3] Amiridis V, Balis DS, Kazadzis S, Bais A, Giannakak E, Papayannis A, et al. Four-year aerosol observations with a Raman Lidar at Thessaloniki, Greece, in the framework of European Aerosol Research Lidar Network. J Geophys Res 2005;110(21):21203–15.

[4] Dengxin Hua, Jun Liu, Kiyotaka Uchida, Kobayashi. Daytime temperature profiling of planetary boundary layer with ultraviolet rotational raman Lidar. Jpn J Appl.Phys, Part 1 2007;46(9):5849–52.

[5] Hua Dengxin, Kobayashi Takao. Ultraviolet Rayleigh–Mie Lidar by use of a multicavity Fabry-Perot filter for accurate temperature profiling of the troposphere. Appl Opt 2005;44(30):6474–8.

[6] Di Girolamo P, Summa D, Lin RF, Maestri T, Rizzi R, Masiello G. UV Raman Lidar measurements of relative humidity for the characterization of cirrus cloud microphysical properties. Atmos Chem Phys 2009;9:8799–811.

[7] Kwon KH, Gardner CS, Senft DC, Roesler FL, Harlander J. Daytime Lidar measurements of tidal winds in the mesospheric sodium layer at Urbana, Illinois. J Geophys Res 1987;92(A8):8781–6.

[8] Rees D, von Zahn U, von Cossart2 G, Fricke3 KH, Eriksen4 W, McKay JA. Daytime Lidar measurements of the stratosphere and mesosphere at the aloma

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25974]，资料为PDF文档或Word文档，PDF文档可免费转换为Word