[发明专利]基于最小均方算法的激光测云雷达信号自适应识别方法

说明书

技术领域

本发明涉及信号处理领域，尤其是一种基于最小均方算法的激光测云雷达信 号自适应识别方法。

背景技术

云由水滴或冰晶凝结聚合而成，当激光从大气进入云时，在云的边界处将会 产生很强的后向散射，散射信号的大小与激光功率、云底高度、云的类型、大气 特性和激光雷达性能参数有关，这样，通过分析激光回波的变化，可以判别云底 位置，计算云底高度。通常情况下，探测的距离越远，接收机所接收到的后向散 射信号也越弱。在总体上激光雷达信号呈现与距离的平方反比衰减趋势；而在局 部，则由于大气不稳定性以及噪声(光电探测器的各种噪声以及天空背景辐射等) 的影响引起一定的随机不可预侧的起伏，如图8、图9和图10所示。对脉冲激 光雷达来说，可以通过多发峰值功率很高的极窄脉冲累计平均的办法削弱信号的 局部起伏，提高信噪比；但累计平均方法受到平均次数限制，信噪比无法提高到 理想的高度，且在高层，由于回波信号较弱，脉冲激光器平均功率低，信噪比仍 然偏低，如图14和图15所示。

发明内容

本发明的目的是提供一种基于最小均方算法的激光测云雷达信号自适应识 别方法，以解决激光从云返回后由于噪声导致返回信号信噪比偏低的问题。

为了达到上述目的，本发明所采用的技术方案为：

一种基于最小均方算法的激光测云雷达信号自适应识别方法，将两个不同周 期的m序列同步复合，产生一个复合伪噪声序列，并分别同步传送给激光发射 端和信号接收端，所述信号接收端将接收到的信号进行分段累计平均运算，然后 采用LMS算法，将分段累计平均运算的结果和所述复合伪噪声序列代入，利用 LMS算法得到的收敛结果建立激光大气散射系统模型，如图1和图2所示；所 述方法的步骤为：

(1)在CPLD中选择两个级数不同的m序列产生结构，通过同一时钟控制， 产生两个不同周期的m序列进行同步模二相加，生成新的较大周期的复合伪噪 声序列，所述复合伪噪声序列的周期是两个m序列周期的最小公倍数；

(2)采用连续调制激光器，在发射端用复合伪噪声序列连续调制激光器、 连续控制激光的发射；

(3)在接收端将接收到的后向散射信号和噪声经A/D转换器转换后传送到 信号处理芯片，并对信号按照伪噪声序列周期进行分段累计平均运算；

(4)将分段累计平均运算的结果作为LMS算法的期望向量，复合伪噪声序 列作为LMS算法的输入向量，用TiC55系列DSP编译的C语言进行LMS算法运 算；

(5)利用LMS算法的收敛结果，建立激光大气散射系统模型；

(6)根据所建立的激光大气散射系统模型、有效提取高信噪比的后向散射 信号，利用后向散射廓线进行信号分析，判断能见度、云底云高等参数。

所述的基于最小均方算法的激光测云雷达信号自适应识别方法，其特征在 于：所述两个级数不同的m序列产生结构分别为一个八级移位寄存器和一个七 级移位寄存器。

本发明解决了在脉冲调制激光雷达应用于测云时，要求脉冲峰值功率很高、 脉冲极窄带来的电路设计问题和在接收端需要大量采集样本进行累计平均且运 算量大、分辨率低、信噪比低等问题。针对激光测云雷达后向散射信号微弱、系 统和背景噪声太大、伪噪声序列白噪声性质明显和最小均方(LMS)算法运算量 小、适合宽带信号自适应处理的特点，在发射端用相对低速的伪噪声序列连续调 制激光，利用高斯白噪声背景下的自适应滤波接收理论，接收端对原始接收信号 进行少量分段平均后，使用与发射端相同的复合伪噪声序列对接收信号进行自适 应系统识别，从而实现后向散射特征信号和白噪声的分离。接收端可以在建立大 气云层系统模型、恢复后向散射信号的同时大大抑制系统和背景噪声，恢复后的 信号经过距离修正，就可以得到实际的后向散射信号廓线，廓线特点是后向散射 信号特征突出，信噪比明显高于其他方案。如图11、图12、图16和图17所示， 本发明不需要占用大量累计平均时间和运算资源，就能够得到理想的后向散射信 号，而且分辨率很高。

附图说明

图1为基于复合伪噪声序列连续调制的激光测云雷达信号处理框图。

图2为基于LMS算法的自适应系统识别结构。

图3为八级m序列产生器结构图。

图4为七级m序列产生器结构图。

图5为七级m序列数字相关波形。

图6为八级m序列数字相关波形。