GM-APD阵列激光雷达回波信号降噪技术研究

来源 :西安工业大学 | 被引量 : 0次 | 上传用户:slowfast1981
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
盖革模式雪崩光电二极管(Geiger Mode Avalanche Photon Diode,GM-APD)阵列激光雷达是一种新型的非扫描式的光子计数雷达,可以响应单光子级能量的回波信号,具有极高的探测灵敏度,使得探测微弱信号成为可能,已被广泛应用于巡航制导、地形测绘、水下探测等领域。但由于GM-APD是概率型器件且激光在介质中具有快速衰减的特性,导致探测到的回波信号过于稀疏,需要大量累计才能恢复出目标回波信号,限制了激光雷达在快速成像场合下的应用;另一方面由于GM-APD探测灵敏度高,易受到噪声干扰,导致探测距离产生偏差,限制了激光雷达在精准定位场合下的应用。因此,本文围绕GM-APD阵列激光雷达成像实时性差、准确性低的问题,对GM-APD阵列激光雷达回波信号开展降噪算法研究。本文从GM-APD阵列激光雷达系统探测原理入手,对激光雷达的噪声特性进行分析,通过激光雷达回波信号的光子分布,建立了GM-APD阵列激光雷达的回波信号触发概率分布模型,结合概率密度函数、累积概率函数和Mente Carlo随机抽样方法,实现了对回波信号数据的仿真,为进一步开展降噪算法的研究奠定基础。针对GM-APD阵列激光雷达成像实时性差的问题,本文对经典卡尔曼滤波算法、简化sage-husa自适应算法进行研究,并在时间相关自适应卡尔曼滤波算法的基础上进行改进,通过增加合理性检验,对光子数据集合进行幅值判断,解决了野值导致的滤波异常问题。仿真结果表明:改进的时间相关自适应卡尔曼滤波算法与简化sage-husa自适应算法相比均方根误差降低了62.10%,单帧程序运行时间减少46.07%,能够实现快速降噪。针对GM-APD阵列激光雷达成像准确性低的问题,本文基于经验模态分解法(Empirical Mode Decomposition,EMD)思想对回波信号进行降噪处理。在EMD时间尺度降噪法和EMD自适应软阈值降噪法的基础上,提出了EMD修正阈值法,通过修正各模态函数的阈值来代替相关模态判别法,解决了噪声和信号的分界点选取不稳定带来滤波不准的问题。仿真结果表明:EMD修正阈值法相比于EMD-滑动平均算法在固定帧数为200时均方根误差降低了11.80%,峰值信噪比提高了12.86%,实现了对目标距离信息的准确获取。最后,搭建了64×64 GM-APD阵列激光雷达成像实验平台,开展了基于GM-APD阵列的激光主动成像实验。实验结果表明,改进的时间相关自适应卡尔曼滤波算法去噪后目标轮廓清晰,单帧运行时间相较于经典卡尔曼滤波算法和简化sage-husa自适应算法分别降低了66.93%和83.7%;本文提出的EMD修正阈值法去噪后目标完整度较好,峰值信噪比相较于EMD时间尺度降噪法、EMD-SG滤波算法、EMD-滑动平均算法分别提高了39.8%、39.2%、28.3%。因此,所提算法能有效地处理实际测量得到的回波信号,提高了GM-APD阵列激光雷达成像的实时性和准确性。
其他文献
数字全息作为一种数字化的全息干涉计量技术,能够实现微结构三维形貌特征的数字记录和数值再现。针对微结构光学元件进行数字全息显微测量时,由于显微物镜的景深有限使得数字全息图的记录效果不佳,影响着全息图衍射再现的波前相位重建结果,导致微光学元件三维形貌的测量精度不高。因此,为了提高微结构光学元件的波前重建质量,开展基于压缩感知数字全息显微测量的波前重建方法研究,主要研究工作及内容如下:为了提高数字全息波
学位
在信息化战争的时代,锂离子电池在军用无人机和各类先进武器设备中应用很广泛,但在使用过程中会由于存储使用不当等问题,造成设备故障以及财力物力的巨大损失,因此对锂电池进行剩余使用寿命(Remaining Useful Life,RUL)预测是十分重要的。考虑到军用武器使用的锂电池寿命循环周期比较长,故而难以获取较多的性能退化数据,因此本文需要在小样本条件下进行锂电池RUL预测分析。针对小样本条件下RU
学位
传统的红外光电探测器材料可用于集成焦平面阵列以及硅基读出电路的设计,但复杂的集成过程使得光电探测器制备成本高昂。近些年,随着微纳米技术的发展,出现了很多新型光电探测器材料,例如量子点、纳米线以及新型二维材料等。其中,量子点材料具有独特的尺寸效应、量子限域效应以及液相制备等特性,它是高性能、低成本的光电探测器最有前途的材料之一。与其他的量子点相比,HgTe量子点具有较宽的光谱响应范围,可以满足从可见
学位
近年来,由于计算机视觉技术的迅猛发展,传统作战方式已不能满足现代战场作战要求,因而多种基于人工智能的热门技术被应用于军事领域,如目标检测、目标跟踪等。这些技术的加持使得智能化武器不断涌现,从而提升了作战效率。随着时间的推移,智能武器的功能变得越来越强大,它们能够有效地识别和打击特定目标。因此,将各种智能武器像人类大脑一样自动识别和跟踪战场环境中的士兵,已成为一项亟待解决的重要难题。本文主要针对战场
学位
近年来,随着无人机研发技术的不断成熟,通过无人机机载摄像头拍摄的图片和视频在许多行业领域获得了广泛应用。在军事方面,利用无人机航拍采集的图像可以获取到完整、全面的战场信息,但是如何利用这些图像实现快速、准确的军事目标检测仍是现代战争智能化作战发展要求下亟待解决的问题。随着深度学习的不断发展,目标检测算法的性能不断提升,但是目前主流的检测算法无法克服航拍图像中出现的复杂天气干扰、目标高度变化、尺度不
学位
随着无人机相关技术和人工智能相关理论的不断发展,智能化无人机集群作战成为未来空战的主要作战形式。然而,早期的无人机集群依赖于固定规则编码方法对无人机动作进行设定,因而难以满足复杂多变的战场环境和任务需求。基于强化学习算法可实现无人机动作的自我训练,解决了固定规则编码方法的短板。然而,在对抗过程中,采用现有强化学习算法的智能体易做出低效动作和产生无效探索。针对上述问题,本文在强化学习的理论基础上,重
学位
随着无人机行业的快速发展,无人机检测技术已经成为低空领域的研究热点。然而低空背景复杂多变,远距离探测时无人机目标特征少、小目标数量占比大,传统的检测方法难以提取到有效的目标特征信息。因此,针对上述问题,本文开展基于改进YOLOv5的低空无人机检测方法研究,旨在提高低空无人机小目标的检测性能。论文的主要研究内容如下:针对低空无人机目标检测领域数据量不充足的问题,本文构建了特定低空无人机目标数据集。首
学位
热红外目标跟踪技术是自动目标识别(ATR)领域的研究热点。热红外图像缺乏清晰的纹理和轮廓特征,传统的跟踪方法难以提取到有效的目标表征信息,在跟踪任务中常会受到相似物、遮挡物的干扰,出现跟踪错误。针对以上问题,本文基于表征学习理论,提出了针对热红外目标跟踪的深度学习方法。主要工作如下:(1)针对热红外目标在跟踪过程中受到相似物干扰的问题,设计融合注意力机制的分层预训练特征提取网络。深入分析了热红外目
学位
随着人工智能的蓬勃发展,智能化战争已经来临,不断提高军事训练的科技感和智能度,提升军事训练实战化水平成为我们必须关注的重要课题。靶标体系研究在军事研究领域具有举足轻重的地位,靶即为侦查打击对象,标即提供测试值。本课题来源于中国兵器工业试验测试研究院所规划靶标体系研究中的子课题“基于人工智能的人形靶等效毁伤感知与评估”。针对传统的靶场训练中靶标感知毁伤信息不及时,人工参与度强,训练成本高等问题,本课
学位
科技创新推动着社会生活不断的发展前进,人工智能使得人类的生产生活方便快捷。计算机视觉技术的出现更是加速了人工智能领域的发展,作为其重要分支之一的人体姿态估计技术,目前已在医疗、交通、军事等各个领域有着广泛的应用。在军事装备的智能化发展中,人体姿态估计算法为战场态势感知、实时精准打击提供了一定的技术支持。展开人体姿态估计算法的研究,对于军事行动指挥、国防安全保障有着重要的意义。但由于军事环境复杂,存
学位