本發(fā)明屬于激光數(shù)據(jù)處理技術(shù)領(lǐng)域，特別涉及了一種激光雷達(dá)回波信號(hào)散斑噪聲的濾除方法。

背景技術(shù)：

激光雷達(dá)以激光為探測(cè)工具，以感光元件作為接收器件，以光電轉(zhuǎn)換器作為信號(hào)轉(zhuǎn)換的核心的雷達(dá)。得益于激光這種特殊波段的輻射源，具有更高分辨率、更強(qiáng)抗電子干擾及反隱身能力、更豐富測(cè)圖信息等優(yōu)勢(shì)，已日漸形成其無(wú)可替代的地位。隨著激光雷達(dá)技術(shù)的進(jìn)一步發(fā)展，激光雷達(dá)在民用和軍用領(lǐng)域都占有一席之地。比如我國(guó)自主研發(fā)的嫦娥三號(hào)探測(cè)器，應(yīng)用了激光測(cè)距儀和ccd相機(jī)，其中激光測(cè)距儀主要靠提取激光回波時(shí)間來(lái)判斷目標(biāo)距離，ccd相機(jī)則根據(jù)目標(biāo)反射光的強(qiáng)度來(lái)提取光強(qiáng)信息，二者相互結(jié)合實(shí)現(xiàn)三維成像。

激光雷達(dá)系統(tǒng)一般安裝在飛行器或汽車(chē)等運(yùn)載平臺(tái)上，利用激光測(cè)量目標(biāo)到系統(tǒng)之間的距離。其工作原理是激光器持續(xù)向目標(biāo)發(fā)射激光脈沖，脈沖光束穿過(guò)大氣與目標(biāo)接觸后產(chǎn)生微弱后向散射回波，接收端利用望遠(yuǎn)鏡將其接收，再通過(guò)光電探測(cè)器轉(zhuǎn)換為電脈沖信號(hào)，用數(shù)字采集器將其采樣后進(jìn)行處理。由此可見(jiàn)，只需要從采集的回波數(shù)字信號(hào)中提取出激光脈沖從發(fā)射到接收之間的飛行時(shí)間差δt，通過(guò)r＝cδt/2即可計(jì)算出目標(biāo)點(diǎn)的距離值?；陲w行時(shí)間探測(cè)原理，激光雷達(dá)系統(tǒng)借助掃描器對(duì)目標(biāo)區(qū)域不同點(diǎn)進(jìn)行持續(xù)地掃描探測(cè)，最終獲得目標(biāo)區(qū)域的多個(gè)探測(cè)點(diǎn)距離信息，與ccd獲取的強(qiáng)度信息融合后，得到目標(biāo)的三維圖像。

然而，激光雷達(dá)系統(tǒng)實(shí)際獲得的回波信號(hào)并非理想，可直接用以定位回波脈沖位置。在實(shí)際傳播過(guò)程中，回波信號(hào)受到諸多噪聲影響，如大氣湍流、大氣衰減、目標(biāo)交互散斑、背景光噪聲、散粒噪聲、放大器噪聲及暗電流噪聲等。按噪聲屬性分類(lèi)，可分為乘性噪聲和加性噪聲兩種。在光學(xué)成像中，乘性噪聲表現(xiàn)為散斑現(xiàn)象，由于光束通過(guò)不均勻介質(zhì)或在粗糙表面反射而產(chǎn)生。例如，由于大氣微粒的隨機(jī)運(yùn)動(dòng)改變了大氣的折射率，使得光束沿非直線傳播，產(chǎn)生了閃爍光斑，即散斑。大氣湍流的每一個(gè)散斑元概率密度分布函數(shù)：

上式中，s為探測(cè)信號(hào)能量；sav為探測(cè)信號(hào)平均能量；為目標(biāo)平均后的有效湍流波動(dòng)量。這里其中為大氣湍流的結(jié)構(gòu)常數(shù)，r為系統(tǒng)到目標(biāo)的距離；γtarget＝(ρl/reff)^7/3中的reff為有效光斑半徑、ρl為(一維)有效湍流半徑。當(dāng)激光光束照射在目標(biāo)表面發(fā)射漫反射時(shí)，漫反射表面會(huì)產(chǎn)生一系列獨(dú)立并且隨機(jī)相位的光束，當(dāng)這些光束相互干涉就會(huì)產(chǎn)生強(qiáng)度隨機(jī)分布的散斑。目標(biāo)反射的散斑元的概率分布分布函數(shù)：

這里m為探測(cè)器可以探測(cè)到的散斑元數(shù)，表示為m＝drec/dsp；drec是接收口徑；dsp＝λ/φ，λ為激光波長(zhǎng)，φ為光束發(fā)散角；γ(m)為伽瑪函數(shù)，即：

考慮到激光雷達(dá)測(cè)距系統(tǒng)在探測(cè)過(guò)程中，尤其在惡劣的探測(cè)環(huán)境下，回波信號(hào)受到各種散斑噪聲干擾，嚴(yán)重影響了系統(tǒng)的測(cè)距精度，限制了激光雷達(dá)的應(yīng)用，需要濾除激光雷達(dá)回波信號(hào)的散斑噪聲。

技術(shù)實(shí)現(xiàn)要素：

為了解決上述背景技術(shù)提出的技術(shù)問(wèn)題，本發(fā)明旨在提供一種激光雷達(dá)回波信號(hào)散斑噪聲的濾除方法，巧妙利用激光發(fā)射信號(hào)作為參考信號(hào)進(jìn)行搜索匹配，通過(guò)獨(dú)立成分分析算法分解尋找最優(yōu)匹配位置，從而完成回波脈沖信號(hào)與散斑噪聲的有效分離。

為了實(shí)現(xiàn)上述技術(shù)目的，本發(fā)明的技術(shù)方案為：

一種激光雷達(dá)回波信號(hào)散斑噪聲的濾除方法，包括以下步驟：

(1)對(duì)雷達(dá)系統(tǒng)采集的激光回波信號(hào)進(jìn)行加性噪聲濾除，再對(duì)濾噪后的回波信號(hào)進(jìn)行同態(tài)變換，將同態(tài)變換后的信號(hào)作為獨(dú)立成分分析的第一路觀測(cè)信號(hào)；

(2)對(duì)參考信號(hào)進(jìn)行時(shí)域循環(huán)移位，n為移位步長(zhǎng)，且初始移位步長(zhǎng)為1，將移位后的參考信號(hào)與濾除加性噪聲的回波信號(hào)相乘后進(jìn)行同態(tài)變換，將同態(tài)變換后的信號(hào)作為獨(dú)立成分分析的第二路觀測(cè)信號(hào)；

(3)將第一路觀測(cè)信號(hào)和第二路觀測(cè)信號(hào)輸入獨(dú)立成分分析算法，得到兩路分離結(jié)果；

(4)對(duì)兩路分離結(jié)果做同態(tài)逆變換，得到一路分離信號(hào)和一路分離噪聲，計(jì)算分離噪聲的局部均方差，并判斷是否大于設(shè)定閾值，若是，則判斷本次循環(huán)得到的分離信號(hào)不符合要求，令n＝n+1；若不是，則判斷本次循環(huán)得到的分離信號(hào)符合要求，保存本次分離結(jié)果，令n＝n+1；

(5)判斷移位步長(zhǎng)n是否大于回波信號(hào)波形的時(shí)域長(zhǎng)度，若不是，返回步驟(2)，繼續(xù)迭代，若是，則停止迭代；

(6)選擇所保存的各次分離噪聲的局部均方差最小的那一次分離結(jié)果作為信號(hào)與噪聲的最佳分離結(jié)果，完成激光雷達(dá)回波信號(hào)的散斑噪聲濾除。

進(jìn)一步地，在步驟(1)中，設(shè)雷達(dá)系統(tǒng)采集的激光回波信號(hào)為e(t)＝m(t)s(t-t0)+n(t)，其中，n(t)為加性噪聲，s(t)為發(fā)射源脈沖信號(hào)，t0為激光實(shí)際飛行時(shí)間，m(t)為總的散斑噪聲；則加性噪聲濾除后的回波信號(hào)為為e′(t)＝m(t)s(t-t0)，e′(t)經(jīng)同態(tài)變換后得到第一路觀測(cè)信號(hào)x1(t)＝log(m(t)s(t-t0))＝logs(t-t0)+logm(t)。

進(jìn)一步地，在步驟(2)中，采樣發(fā)射源脈沖信號(hào)s(t)作為參考信號(hào)，設(shè)采樣率為δt，時(shí)移τ＝nδt，則s(t)的移位波形為s(t-τ)，將s(t-τ)與第一路觀測(cè)信號(hào)x1(t)相乘后進(jìn)行同態(tài)變換，得到第二路觀測(cè)信號(hào)x2(t)＝log(s(t-τ)·x1(t))＝log(s(t-τ)·m(t)s(t-t0))＝logs(t-τ)+logs(t-t0)+logm(t)。

進(jìn)一步地，步驟(3)的具體過(guò)程如下：

將兩路觀測(cè)信號(hào)作為獨(dú)立成分分析算法的兩路輸入源信號(hào)，其輸出在τ取不同值時(shí)有不同結(jié)果：

當(dāng)τ≠t0時(shí)，s(t-τ)≠s(t-t0)，此時(shí)參考信號(hào)未匹配到實(shí)際回波信號(hào)位置，觀測(cè)向量表示為

當(dāng)τ＝t0時(shí)，s(t-τ)＝s(t-t0)，此時(shí)參考信號(hào)匹配到實(shí)際回波信號(hào)位置，觀測(cè)向量表示為

其中，a為混合矩陣，s為要分離的源矩陣；獨(dú)立成分分析算法利用觀測(cè)向量x找到解混矩陣w，使得輸出矩陣y＝wx＝[y1(t)y2(t)]^t最佳逼近源矩陣s，從而找到兩路分離結(jié)果y1(t)和y2(t)。

進(jìn)一步地，步驟(4)的具體步驟如下：

(a)對(duì)獨(dú)立成分分析算法輸出的兩路分離結(jié)果做同態(tài)逆變換，即分別為分離信號(hào)和分離噪聲；

(b)對(duì)分離噪聲在時(shí)域范圍內(nèi)找出其閾值標(biāo)準(zhǔn)以上的所有數(shù)據(jù)點(diǎn)為的平均值，α為預(yù)設(shè)參數(shù)，為閾值標(biāo)準(zhǔn)；

(c)計(jì)算y2′(n)的均方差，即的局部均方差：為y2′(n)長(zhǎng)度，為y2′(n)平均值；

(d)若σ＞ε，ε為預(yù)設(shè)的誤差閾值，則判斷當(dāng)前迭代步參考信號(hào)未匹配實(shí)際回波信號(hào)，舍棄本迭代步的分離結(jié)果，令移位步長(zhǎng)n＝n+1；反之，則判斷當(dāng)前迭代步參考信號(hào)在誤差ε范圍內(nèi)匹配到實(shí)際回波信號(hào)，將當(dāng)前迭代步的分離結(jié)果保存，令移位步長(zhǎng)n＝n+1。

采用上述技術(shù)方案帶來(lái)的有益效果：

本發(fā)明充分利用了激光器發(fā)射的源脈沖信號(hào)，在移位搜索的過(guò)程中，通過(guò)獨(dú)立成分分析算法的分離結(jié)果尋找到匹配實(shí)際回波信號(hào)的位置，進(jìn)而分離并濾除散斑信號(hào)。本發(fā)明可以應(yīng)用在激光雷達(dá)探測(cè)環(huán)境惡劣的情況下，無(wú)需多次重復(fù)測(cè)量或其他先驗(yàn)條件，即可對(duì)信噪比低的弱回波信號(hào)完成較好的處理效果，實(shí)現(xiàn)了較高的測(cè)距精度。

附圖說(shuō)明

圖1是本發(fā)明的方法流程圖；

圖2是ica算法數(shù)學(xué)模型示意圖；

圖3是fast-ica算法的流程圖；

圖4是分離結(jié)果自適應(yīng)判決流程圖；

圖5包括(a)、(b)、(c)三幅圖，分別是激光雷達(dá)原始回波信號(hào)、加性去噪信號(hào)及參考脈沖信號(hào)的波形圖；

圖6包括(a)、(b)、(c)、(d)四幅圖，分別是參考脈沖于900ns、1100ns位置時(shí)從原始信號(hào)中ica分離出的信號(hào)及噪聲結(jié)果圖；

圖7包括(a)、(b)兩幅圖，分別是參考脈沖于1000ns位置時(shí)從原始信號(hào)中ica分離出的信號(hào)及噪聲結(jié)果圖。

具體實(shí)施方式

以下將結(jié)合附圖，對(duì)本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說(shuō)明。

一種激光雷達(dá)回波信號(hào)散斑噪聲的濾除方法，如圖1所示，具體步驟如下。

步驟1：對(duì)原始激光回波信號(hào)進(jìn)行加性噪聲去除，經(jīng)過(guò)同態(tài)變換得到的結(jié)果作為獨(dú)立成分分析的第一路觀測(cè)信號(hào)。

原始回波信號(hào)可表示為e(t)＝m(t)s(t-t0)+n(t)，其中s(t)為發(fā)射激光脈沖信號(hào)，t0為激光實(shí)際飛行時(shí)間，m(t)為總的散斑噪聲，包括大氣湍流噪聲和目標(biāo)反射噪聲，n(t)為總的加性噪聲，包括大氣衰減、背景光噪聲、電流噪聲等。首先需對(duì)加性噪聲成分進(jìn)行消減，當(dāng)m(t)s(t-t0)＞＞n′(t)時(shí)，e(t)≈m(t)s(t-t0)，那么所得到的信號(hào)可以認(rèn)為主要受到散斑噪聲影響，經(jīng)同態(tài)變換變后作為ica第一路觀測(cè)信號(hào)，表示為：

x1(t)＝log(m(t)s(t-t0))＝logs(t-t0)+logm(t)

步驟2：對(duì)參考脈沖進(jìn)行時(shí)域循環(huán)移n位，n初始值為1，將移位后的參考信號(hào)與原始激光回波信號(hào)進(jìn)行相乘，經(jīng)過(guò)同態(tài)變換所得到的結(jié)果作為獨(dú)立成分分析的第二路觀測(cè)信號(hào)。

利用激光發(fā)射脈沖信號(hào)s(t)作為參考信號(hào)，對(duì)其采樣波形s(n)移位n位，假設(shè)采樣率為δt，那么時(shí)移為τ＝nδt，得到的s(t-τ)與第一路觀測(cè)信號(hào)進(jìn)行相乘，經(jīng)同態(tài)變換后作為ica第二路觀測(cè)信號(hào)，表示為：

x2(t)＝log(s(t-τ)·x1(t))＝log(s(t-τ)·m(t)s(t-t0))＝logs(t-τ)+logs(t-t0)+logm(t)

步驟3：將第一路觀測(cè)信號(hào)和第二路觀測(cè)信號(hào)輸入獨(dú)立成分分析算法輸出兩路分離結(jié)果。

當(dāng)τ≠t0時(shí)，s(t-τ)≠s(t-t0)，此時(shí)參考信號(hào)未匹配到實(shí)際回波信號(hào)位置，觀測(cè)向量表示為當(dāng)τ＝t0時(shí)，s(t-τ)＝s(t-t0)，此時(shí)參考信號(hào)匹配到實(shí)際回波信號(hào)位置，觀測(cè)向量表示為其中，a為混合矩陣，s為要分離的源矩陣。可以看出，當(dāng)τ≠t0，混合矩陣a不是滿秩矩陣，因此現(xiàn)有的樣本不足夠分離三路信號(hào)。這種情況下只能分離兩路信號(hào)，一路為logs(t-τ)，另一路為logm(t)s(t-t0)，這意味著參考脈沖未匹配時(shí)，ica分離的兩路信號(hào)并沒(méi)有成功將回波信號(hào)中的有效信號(hào)s(t-t0)分離出來(lái)實(shí)現(xiàn)去除散斑的目的。當(dāng)τ＝t0，混合矩陣a是滿秩的，因此，ica算法最終可以分離出兩路數(shù)據(jù)，一路為信號(hào)項(xiàng)logs(t-t0)，另一路為噪聲項(xiàng)logm(t)。

以上的觀測(cè)向量數(shù)學(xué)模型推演過(guò)程分析了通過(guò)ica算法分離的不同結(jié)果來(lái)判斷參考脈沖是否匹配實(shí)際回波位置的理論可行性。而具體的ica算法模型及原理示意圖如圖2所示。獨(dú)立成分分析是指從幾個(gè)源信號(hào)的混合信號(hào)中分離出源信號(hào)的算法。而對(duì)于源信號(hào)，只需保證它們之間互不相關(guān)，而不知道關(guān)于源信號(hào)的任何具體信息，因此也稱(chēng)為盲分離。ica的輸入數(shù)據(jù)模型表示為x＝as，其中s為源信號(hào)矩陣，a為混合矩陣，x為接收到的觀測(cè)信號(hào)矩陣。混合矩陣a和信號(hào)源s都是未知的，只需要通過(guò)觀測(cè)信號(hào)矩陣x即可估計(jì)出源信號(hào)s。ica算法需要找出一個(gè)解混矩陣w，使輸出y＝wx盡可能地與源信號(hào)s一致，實(shí)現(xiàn)源信號(hào)的最佳估計(jì)。實(shí)施例中，x＝[x1(t)x2(t)]^t，找到解混矩陣w后輸出y＝wx＝[y1(t)y2(t)]^t。這時(shí)估計(jì)的兩路結(jié)果可能對(duì)應(yīng)的是logs(t-τ)和logm(t)s(t-t0)，也可能是logs(t-t0)和logm(t)，需要通過(guò)步驟4來(lái)判斷。

圖3是fast-ica算法的流程圖。fast-ica算法是一種獨(dú)立成分分析的快速算法，以非高斯性最大化為基礎(chǔ)，采用固定點(diǎn)迭代來(lái)使得非高斯性達(dá)到最大，該算法通過(guò)牛頓迭代方式對(duì)接收信號(hào)x的很多樣值點(diǎn)進(jìn)行大量數(shù)據(jù)處理，逐漸從樣本值中分離出各個(gè)獨(dú)立成分?？紤]到回波信號(hào)最終只需分離有效信號(hào)和散斑噪聲兩路，這里以?xún)陕酚^測(cè)信號(hào)為例，結(jié)合圖3闡釋fast-ica算法實(shí)現(xiàn)過(guò)程：

(1)中心化：對(duì)觀測(cè)信號(hào)x＝[x1,x2]的三個(gè)獨(dú)立分量去均值；

(2)白化：對(duì)去均值后的觀測(cè)信號(hào)進(jìn)行白化：

a)求的協(xié)方差矩陣；

b)對(duì)該協(xié)方差矩陣進(jìn)行特征分解，得到2個(gè)特征值組成的對(duì)角陣e與三個(gè)特征向量組成的特征矩陣d；

c)求得白化矩陣：

d)得到白化的最終數(shù)據(jù)

e)驗(yàn)證白化的有效性：cov(v)＝e(vv^t)＝i(計(jì)算機(jī)上應(yīng)為近似單位對(duì)角陣)，說(shuō)明v的各個(gè)分量vi互不相關(guān)；

(3)選擇一個(gè)具有單位范數(shù)的初始化向量w，進(jìn)入迭代環(huán)節(jié)：

w←e{vg(w^tv)}-e{g′(w^tv)}w

這里的g函數(shù)一般選?。篻1(y)＝tanh(a1y)，g2(y)＝y(tǒng)exp(-a2y²/2)或g3(y)＝y(tǒng)³，其中參數(shù)a1,a2∈[1,2]；

(4)標(biāo)準(zhǔn)化w，w←w/||w||；如未收斂，返回(3)繼續(xù)迭代；如收斂，由y＝wx得到分離結(jié)果。

步驟4：對(duì)兩路結(jié)果作同態(tài)逆變換，得到一路為分離信號(hào)，另一路為分離噪聲。計(jì)算分離噪聲的局部均方差，判斷是否大于初始設(shè)定閾值，如果是，則判斷本次迭代中ica分離的信號(hào)不符合要求，令n＝n+1；如不是，則判斷本次迭代得到的回波信號(hào)符合要求，保存本次結(jié)果，令n＝n+1。

圖4給出步驟(4)中對(duì)ica分離結(jié)果進(jìn)行自適應(yīng)判決的方法流程圖。首先，對(duì)ica分離的數(shù)字信號(hào)結(jié)果做同態(tài)逆變換，即和分別稱(chēng)為分離信號(hào)和分離噪聲。接著，對(duì)分離噪聲找出其在時(shí)域范圍內(nèi)幅值在閾值標(biāo)準(zhǔn)以上的所有數(shù)據(jù)點(diǎn)y2′(n)，即滿足為的平均值，α為預(yù)設(shè)參數(shù)，作為閾值標(biāo)準(zhǔn)。然后，計(jì)算y2′(n)的均方差，即的局部均方差：這里為y2′(n)長(zhǎng)度，為y2′(n)平均值。與預(yù)設(shè)誤差ε比較，如果σ＞ε，則判斷當(dāng)前迭代步參考脈沖未匹配實(shí)際回波脈沖，則舍棄本迭代步的結(jié)果，直接增加移位步長(zhǎng)n＝n+1，進(jìn)入步驟5；反之，則判斷當(dāng)前迭代步參考脈沖在誤差ε范圍內(nèi)匹配到實(shí)際回波脈沖，將當(dāng)前迭代步的ica分離結(jié)果保存，再增加移位步長(zhǎng)n＝n+1，進(jìn)入步驟5。

步驟5：判斷移位步長(zhǎng)n是否大于回波信號(hào)波形的時(shí)域長(zhǎng)度，若不是，返回步驟2，繼續(xù)迭代，若是，則停止迭代。

步驟6：所保存的各次分離噪聲信號(hào)的局部均方差均符合閾值標(biāo)準(zhǔn)，選擇局部均方差最小的那一次循環(huán)結(jié)果作為信號(hào)與散斑噪聲分離的最佳結(jié)果。至此，完成了激光雷達(dá)回波信號(hào)的散斑噪聲消減。

在圖5中，(a)、(b)、(c)分別是原始回波信號(hào)、加性去噪信號(hào)及參考脈沖信號(hào)的波形圖。在本實(shí)施例中，激光雷達(dá)的采樣率為1ghz，因此波形圖中相鄰點(diǎn)距為1ns。采用小波閾值去噪算法對(duì)加性噪聲進(jìn)行消減，小波參數(shù)設(shè)定為層數(shù)8，小波基為sym8。去噪后利用五點(diǎn)三次平滑算法對(duì)毛刺進(jìn)行消除，得到的結(jié)果如圖5中的(b)所示。圖5中的(c)中用于ica處理的參考脈沖信號(hào)即為激光雷達(dá)的發(fā)射信號(hào)，波長(zhǎng)為532nm，脈寬為5ns。

圖6展示了迭代算法過(guò)程中當(dāng)n＝900和n＝1100迭代得到的結(jié)果，均包括分離信號(hào)和分離噪聲兩路結(jié)果。當(dāng)n＝900時(shí)，采樣間隔為1ns，參考脈沖移位τ＝900ns，經(jīng)過(guò)ica分離得到的信號(hào)和噪聲分別如圖6中的(a)和(b)所示。從圖6中的(b)的分離噪聲波形上看，對(duì)應(yīng)參考脈沖并未匹配到正確的回波脈沖信號(hào)位置。類(lèi)似地，當(dāng)n＝1100時(shí)，參考脈沖移位1100ns，經(jīng)過(guò)ica分離得到的信號(hào)和噪聲分別如圖6中的(c)和(d)所示，依然可定性地判斷此情況亦未匹配到正確的回波脈沖信號(hào)位置。注意這里圖6中的(a)-(d)為ica算法輸出后經(jīng)過(guò)同態(tài)逆變換的結(jié)果。

圖7展示了迭代算法過(guò)程中當(dāng)n＝1000迭代得到的分離信號(hào)和分離噪聲兩路結(jié)果。由于采樣間隔為1ns，參考脈沖移位τ＝1000ns，經(jīng)過(guò)ica分離得到的信號(hào)和噪聲分別如圖7中的(a)和(b)所示。從圖7中的(b)的分離噪聲波形上看，第二路的噪聲只保留了散斑噪聲，而有效的回波脈沖信號(hào)均被分離到第一路中，印證了參考脈沖準(zhǔn)確匹配的情況。

在迭代算法中，需要借助步驟4提出的局部均方差判決方法，通過(guò)數(shù)值分析而非人工目測(cè)來(lái)自動(dòng)判斷參考脈沖是否匹配，進(jìn)而決定當(dāng)前迭代步的處理結(jié)果是否需要保留。如圖4所示，局部均方差為的平均值，α為預(yù)設(shè)參數(shù)，為y2′(n)長(zhǎng)度，為y2′(n)平均值。實(shí)施例中，設(shè)定α＝0.1，計(jì)算得到900ns、1100ns和1000ns的σ分別為0.2534，0.2531和0.1049。預(yù)設(shè)誤差ε＝0.1，那么只有1000ns符合標(biāo)準(zhǔn)，而900ns和1100ns因?yàn)槌鰳?biāo)準(zhǔn)證明分離噪聲在時(shí)域范圍內(nèi)有尖峰，參考脈沖未匹配，從而舍棄這兩組結(jié)果。需要說(shuō)明的是，之所以要找到分離噪聲在某個(gè)閾值標(biāo)準(zhǔn)以上的數(shù)據(jù)均方差，而非整個(gè)時(shí)域數(shù)據(jù)均方差的原因是，整個(gè)時(shí)域數(shù)據(jù)量很大，脈沖尖峰的振動(dòng)偏差會(huì)被周邊數(shù)據(jù)點(diǎn)振動(dòng)偏差拉低，產(chǎn)生比無(wú)尖峰的情況更低的均方差，從而使得均方差越大來(lái)判決時(shí)域內(nèi)產(chǎn)生尖峰的方法出現(xiàn)錯(cuò)誤。實(shí)施例中，如果針對(duì)整個(gè)時(shí)域，900ns、1100ns和1000ns的均方差分別為0.0183，0.0182和0.0722。有尖峰的分離噪聲均方差反而很低，以此判斷整個(gè)時(shí)域內(nèi)數(shù)據(jù)分布較為均勻并無(wú)尖峰將產(chǎn)生錯(cuò)誤。因此，要縮小范圍，取尖峰附近的數(shù)據(jù)點(diǎn)計(jì)算其均方差。范圍則是通過(guò)前述的閾值標(biāo)準(zhǔn)來(lái)確定的。

在本實(shí)施例中，經(jīng)過(guò)迭代后保存的結(jié)果均在誤差ε范圍內(nèi)，尋找到最佳的數(shù)據(jù)位置為1000ns。因此，散斑去噪后的有效回波脈沖信號(hào)如圖7中的圖(a)所示，從而可以準(zhǔn)確地確定激光脈沖的飛行時(shí)間為1000ns，對(duì)應(yīng)的目標(biāo)點(diǎn)距離為3×10⁸m/s×1000×10^-9s/2＝150m。

實(shí)施例僅為說(shuō)明本發(fā)明的技術(shù)思想，不能以此限定本發(fā)明的保護(hù)范圍，凡是按照本發(fā)明提出的技術(shù)思想，在技術(shù)方案基礎(chǔ)上所做的任何改動(dòng)，均落入本發(fā)明保護(hù)范圍之內(nèi)。