本發(fā)明涉及激光雷達，具體涉及一種基于頻譜數(shù)據(jù)的風速識別方法、裝置、設備及介質(zhì)。

背景技術：

1、相干多普勒測風激光雷達（coherent?doppler?wind?lidar，cdwl）在大氣科學和氣象領域中扮演著日益重要的角色。然而，對于長距離相干多普勒測風激光雷達的應用來說，頻域徑向風譜的準確解算一直是一個挑戰(zhàn)。早期一些學者通過理論分析，得出了雷達載噪比與風速識別精度的理論極限關系，也即克拉美羅下限，以及基于頻域信號進行頻譜估計的多種算法的理論分析比較。但是實際信號面臨更復雜的情況，尤其是單個距離門的譜數(shù)據(jù)在探測過程中常受到異常的干擾和強度較大的隨機噪聲影響，導致即使在理論信噪比足夠的情況下，也會由于強干擾譜信號使得在風譜估計時產(chǎn)生較大的誤差。

2、最近很多學者開始嘗試通過更先進的算法來對遠距離信號進行降噪以提高對弱回波信號的識別和分析能力，通過利用經(jīng)典的信號處理技術，如小波變換（wavelettransform，wt），經(jīng)驗模態(tài)分解（empirical?mode?decomposition，emd），變分模式分解vad，奇異值分解?svd以及與蜜獾算法，神經(jīng)網(wǎng)絡等迭代算法融合算法等，來處理相干多普勒測風激光雷達的回波信號。這些方法在一定程度上改善了信號的識別和分析精度，但仍存在一些問題。一方面參數(shù)選擇具有主觀性且算法的穩(wěn)定性有待進一步提升，另一方面，由于測風激光雷達單次信號非常弱，且多次信號在時域上相干性較差，因而一般采用將每次的信號進行頻域轉(zhuǎn)換后進行多次累加平均處理來提高信號強度，故這些在時域上進行處理的算法，在較大的累計次數(shù)下將產(chǎn)生巨額的計算工作量。針對一些具體的干擾噪聲也有人提出針對性的去噪算法，如針對bpd的直流干擾噪聲，tianwenwei等。通過建立噪聲模型進行了去噪，從而獲得了性能的提升，這種硬件上的噪聲也可以通過硬件上的改進進行消除。

3、綜合而言包含有噪聲信號的有效識別有兩條路線，一條如前面所提到的研究，是基于噪聲特征的，不管emd，vad，svd，都是利用噪聲的高頻隨機特征利用信號分解予以識別并剔除的方式實現(xiàn)的降噪，亦或是已知特定噪聲的特征，并根據(jù)信號與該噪聲的關系利用數(shù)學模型反推噪聲，進而消除的。另一條路線則是基于預期信號特征的方法。例如在早期微波風廓線雷達的研究中，punyathitimajshima等考慮風譜在連續(xù)距離門間空間關系，用相對連續(xù)性準則，從多個候選特征中用神經(jīng)網(wǎng)絡來識別最可能反映大氣徑向速度的局部最大值。特征識別與目標提取在圖像處理領域是一個熱門且活躍的課題，也有研究者基于觀測數(shù)據(jù)對風譜特征進行統(tǒng)計性研究。但目前用在氣象上尤其是測風激光雷達風譜識別的案例則較少。

4、對單個距離門頻譜而言，當信號信噪比較高時，估計器可以接近100%估計出真實頻率值并且不依賴于截取的頻率范圍大小。但當信噪比較小時估計器的性能與截取的頻率范圍有關，當截取頻率范圍包含信號平均功率時，表征截取頻率范圍大小的k值越小，估計器好的估計概率越高，并且好的估計的期望和標準差小的k值與大的k值條件下接近。如果考慮到壞的估計對估計期望和標準差的影響，則小的k值能夠顯著降低估計標準差提高估計精度，并在一定容忍估計偏差范圍內(nèi)（如估計值與真實值偏差不大于1個點）顯著提升有效估計的概率。當截取范圍不關于真實值對稱時，則估計的期望與真實值也存在偏差，并且此偏差的大小與截取范圍中心與信號真實值的偏離程度有關，但總體來說在較小k值時存在一個極小值點。對于激光雷達信號而言，其信號強度一般情況下總是隨著路徑的傳播而不斷衰減，信號的信噪比不斷下降。在近距離處，由于信號信噪比足夠，通過dsp估計器在整個頻率范圍內(nèi)對信號頻率估計可以得到信號真實頻率值，但在遠距離出隨著信噪比的下降，由于真實信號并不是整個頻率范圍中心，在較大的頻率范圍內(nèi)通過估計器進行估計不僅會造成更差的估計精度還會產(chǎn)生更大的估計偏差。

技術實現(xiàn)思路

1、本發(fā)明主要解決的技術問題是在遠距離處實現(xiàn)更準確的風速識別。

2、根據(jù)第一方面，一種實施例中提供一種基于頻譜數(shù)據(jù)的風速識別方法，包括：

3、獲取激光雷達采集的原始頻譜數(shù)據(jù)，其中，所述原始頻譜數(shù)據(jù)中包括預設個數(shù)的距離門下的頻譜數(shù)據(jù)，所述頻譜數(shù)據(jù)包括風譜數(shù)據(jù)和背景數(shù)據(jù)，每個所述距離門下的頻譜數(shù)據(jù)的信噪比與所述距離門的大小成反比，相鄰距離門下的風速符合預設的連續(xù)條件；

4、對所述原始頻譜數(shù)據(jù)進行頻譜預處理，由各個距離門下的進行頻譜預處理后的頻譜數(shù)據(jù)組成圖像矩陣，并利用預設的第一卷積核對所述圖像矩陣進行卷積處理以對每個所述距離門上的頻譜數(shù)據(jù)進行信號增強，得到增強后的圖像矩陣；其中，所述第一卷積核的大小根據(jù)所述距離門的個數(shù)確定；

5、利用預設的分割算子將所述增強后的圖像矩陣中的風譜數(shù)據(jù)和背景數(shù)據(jù)進行分割，得到分割后的圖像矩陣；其中，根據(jù)所述原始頻譜數(shù)據(jù)的概率分布確定對應的分割算子；

6、在多個預設的二值化閾值中，按從小到大的順序選取二值化閾值，每選取一個二值化閾值，則使用該二值化閾值對所述分割后的圖像矩陣進行二值化處理，得到二值化后的圖像矩陣，在所述二值化后的圖像矩陣中，從信噪比最高的頻譜數(shù)據(jù)所對應的距離門開始，按距離門從近到遠的順序遍歷各距離門下的頻譜數(shù)據(jù)，直至獲得第一個符合預設風譜條件的頻譜數(shù)據(jù)，求解該頻譜數(shù)據(jù)中的風譜數(shù)據(jù)的位置對應的連通區(qū)域，根據(jù)所述連通區(qū)域的區(qū)域面積和所述連通區(qū)域?qū)念l譜面積計算得到所述二值化后的圖像矩陣的連通區(qū)域面積比，若所述連通區(qū)域面積比符合預設的第一面積比條件，則將所述二值化后的圖像矩陣作為目標二值化圖像矩陣，停止選取下一個二值化閾值，否則繼續(xù)選取下一個二值化閾值，直至遍歷完所述多個預設的二值化閾值為止；其中，確定所述連通區(qū)域中的第一距離門和第二距離門，所述第一距離門為所述連通區(qū)域中最小的距離門，所述第二距離門為所述連通區(qū)域中最大的距離門，計算所述二值化后的圖像矩陣中所述第一距離門至所述第二距離門之間的面積并將其作為所述連通區(qū)域?qū)念l譜面積；

7、篩選出所述目標二值化圖像矩陣中滿足預設的風譜特征標簽的目標特征區(qū)域，對所述目標特征區(qū)域進行增權處理，得到增權處理后的目標特征區(qū)域，對所述增權處理后的目標特征區(qū)域中距離大于預設的第一距離閾值的距離門下的頻譜數(shù)據(jù)進行風速解算，得到解算后的風速。

8、一些實施例中，所述風譜特征標簽包括風譜細長、風譜自近距離處向遠距離處延伸和在每個所述距離門下的頻譜數(shù)據(jù)中風譜數(shù)據(jù)的位置滿足預設的位置要求。

9、一些實施例中，所述原始頻譜數(shù)據(jù)的概率分布為高斯分布，所述分割算子表示為se2=[-1/6;0;1/3;0;-1/6]，所述分割后的圖像矩陣的表達式如下：

10、?，

11、其中，表示所述分割后的圖像矩陣，表示所述增強后的圖像矩陣。

12、一些實施例中，所述距離門的個數(shù)為6，所述第一卷積核表示為se1=[1/6,1/6,1/6,1/6,1/6,1/6]，所述增強后的圖像矩陣的表達式如下：

13、?，

14、其中，表示所述增強后的圖像矩陣，表示為所述圖像矩陣。

15、一些實施例中，所述對所述原始頻譜數(shù)據(jù)進行頻譜預處理，由各個距離門下的進行頻譜預處理后的頻譜數(shù)據(jù)組成圖像矩陣，包括：

16、對所述原始頻譜數(shù)據(jù)中每個距離門下的頻譜數(shù)據(jù)進行歸一化處理，由各個距離門下的歸一化處理后的頻譜數(shù)據(jù)組成初步的圖像矩陣；

17、利用均值濾波器卷積核對所述初步的圖像矩陣進行濾波處理，得到最終的圖像矩陣。

18、一些實施例中，所述初步的圖像矩陣的表達式如下：

19、?，

20、其中，表示初步的圖像矩陣，g表示頻率點的總數(shù)，m表示距離門的總數(shù)，表示第j個距離門下第i個頻率點的頻譜數(shù)據(jù)，表示第j個距離門下最大頻率點對應的頻譜數(shù)據(jù)，表示第j個距離門下最小頻率點對應的頻譜數(shù)據(jù)，i的范圍是[1,g]，j的范圍是[1,m]。

21、一些實施例中，還包括：利用最大似然離散譜峰值估計方法對所述原始頻譜數(shù)據(jù)中距離小于所述第一距離閾值的距離門下的頻譜數(shù)據(jù)進行風速估計，得到該頻譜數(shù)據(jù)的風速。

22、根據(jù)第二方面，一種實施例中提供一種基于頻譜數(shù)據(jù)的風速識別裝置，包括：

23、頻譜數(shù)據(jù)采集模塊，用于獲取激光雷達采集的原始頻譜數(shù)據(jù)，其中，所述原始頻譜數(shù)據(jù)中包括預設個數(shù)的距離門下的頻譜數(shù)據(jù)，所述頻譜數(shù)據(jù)包括風譜數(shù)據(jù)和背景數(shù)據(jù)，每個所述距離門下的頻譜數(shù)據(jù)的信噪比與所述距離門的大小成反比，相鄰距離門下的風速符合預設的連續(xù)條件；

24、信號增強模塊，用于對所述原始頻譜數(shù)據(jù)進行頻譜預處理，由各個距離門下的進行頻譜預處理后的頻譜數(shù)據(jù)組成圖像矩陣，并利用預設的第一卷積核對所述圖像矩陣進行卷積處理以對每個所述距離門上的頻譜數(shù)據(jù)進行信號增強，得到增強后的圖像矩陣；其中，所述第一卷積核的大小根據(jù)所述距離門的個數(shù)確定；

25、圖像分割模塊，用于利用預設的分割算子將所述增強后的圖像矩陣中的風譜數(shù)據(jù)和背景數(shù)據(jù)進行分割，得到分割后的圖像矩陣；其中，根據(jù)所述原始頻譜數(shù)據(jù)的概率分布確定對應的分割算子；

26、圖像二值化模塊，用于在多個預設的二值化閾值中，按從小到大的順序選取二值化閾值，每選取一個二值化閾值，則使用該二值化閾值對所述分割后的圖像矩陣進行二值化處理，得到二值化后的圖像矩陣，在所述二值化后的圖像矩陣中，從信噪比最高的頻譜數(shù)據(jù)所對應的距離門開始，按距離門從近到遠的順序遍歷各距離門下的頻譜數(shù)據(jù)，直至獲得第一個符合預設風譜條件的頻譜數(shù)據(jù)，求解該頻譜數(shù)據(jù)中的風譜數(shù)據(jù)的位置對應的連通區(qū)域，根據(jù)所述連通區(qū)域的區(qū)域面積和所述連通區(qū)域?qū)念l譜面積計算得到所述二值化后的圖像矩陣的連通區(qū)域面積比，若所述連通區(qū)域面積比符合預設的第一面積比條件，則將所述二值化后的圖像矩陣作為目標二值化圖像矩陣，停止選取下一個二值化閾值，否則繼續(xù)選取下一個二值化閾值，直至遍歷完所述多個預設的二值化閾值為止；其中，確定所述連通區(qū)域中的第一距離門和第二距離門，所述第一距離門為所述連通區(qū)域中最小的距離門，所述第二距離門為所述連通區(qū)域中最大的距離門，計算所述二值化后的圖像矩陣中所述第一距離門至所述第二距離門之間的面積并將其作為所述連通區(qū)域?qū)念l譜面積；

27、風速識別模塊，用于篩選出所述目標二值化圖像矩陣中滿足預設的風譜特征標簽的目標特征區(qū)域，對所述目標特征區(qū)域進行增權處理，得到增權處理后的目標特征區(qū)域，對所述增權處理后的目標特征區(qū)域中距離大于預設的第一距離閾值的距離門下的頻譜數(shù)據(jù)進行風速解算，得到解算后的風速。

28、根據(jù)第三方面，一種實施例中提供一種基于頻譜數(shù)據(jù)的風速識別設備，包括：

29、存儲器，用于存儲程序；

30、處理器，用于通過執(zhí)行所述存儲器存儲的程序以實現(xiàn)風速識別方法。

31、根據(jù)第四方面，一種實施例中提供一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有程序，所述程序能夠被處理器執(zhí)行以實現(xiàn)風速識別方法。

32、依據(jù)上述實施例的基于頻譜數(shù)據(jù)的風速識別方法、裝置、設備及介質(zhì)，由于對激光雷達采集的原始頻譜數(shù)據(jù)進行頻譜預處理，避免了時域信號處理中計算量巨大的問題。同時，對頻譜預處理后的頻譜數(shù)據(jù)所組成的圖像矩陣進行信號增強和分割處理，得到分割后的圖像矩陣，確定分割后的圖像矩陣對應的目標二值化圖像矩陣，篩選出目標二值化圖像矩陣中滿足預設的風譜特征標簽的目標特征區(qū)域，對目標特征區(qū)域進行增權處理，得到增權處理后的目標特征區(qū)域。通過上述的圖像處理能夠在遠距離處篩選出更準確的目標特征區(qū)域，通過對增權處理后的目標特征區(qū)域中距離大于第一距離閾值的距離門下的頻譜數(shù)據(jù)進行風速解算，得到解算后的風速，提高在遠距離且較低信噪比時風速識別的準確性。