[发明专利]一种基于反卷积和高斯分解的地物空间信息获取方法

说明书

本发明涉及一种基于反卷积和高斯分解的地物空间信息获取方法，该方法包括以下步骤：S1：获取卫星激光测高系统的原始波形数据；S2：对原始波形数据进行预处理，该预处理包括背景噪声的估计和随机噪声的去除；S3：对预处理后的波形数据进行反卷积，从反卷积后的波形数据中，提取出符合预设的第一约束条件的第一波形参数；S4：根据第一波形参数，对反卷积后的波形数据进行高斯分解，提取出符合预设的第二约束条件的第二波形参数；S5：根据第二波形参数，获取特定地物空间信息。与现有技术相比，本发明适用于大光斑系统，具有回波分解精度高与测距分辨率度高等优点。

技术领域

本发明涉及卫星激光测高领域，尤其是涉及一种基于反卷积和高斯分解的地 物空间信息获取方法。

背景技术

相比离散的激光雷达系统，全波形星载激光测高系统不仅记录了地表目标的距离信息，也记录了发射脉冲与地表地形和目标的交互过程。因此，全波形参数在表 征地形特征和目标垂直分布时具有更好的潜力和能力。波形参数(波峰个数、峰值 幅度、峰值位置、峰宽度、偏度等)的提取精度直接影响对地形的精确表达及植被 高度提取、生物量估计、地表分类、城市建模等应用。

波形复杂程度不仅取决于反射地物的结构和物理属性，还与激光脚点光斑的大小有关。通常相对小光斑(0.15-3m)全波形而言，大光斑系统，如对地观测冰、 云和陆地高程卫星(Ice,Cloud,and Land Elevation Satellite，ICESat)在地面形成的 光斑直径约70m，其可能覆盖更多地物类型。如图1所示，光斑内有密集树木、带 有倾斜屋顶的建筑物、柏油马路等，其对应波形如图2存在复杂叠加波和地面弱回 波。类似的场景有密集林区由于冠层结构及回波的在穿透冠层结构中的衰减作用形 成叠加回波及弱回波、或高度相近的建筑物等导致的叠加波形等对波形的准确分解 带来了挑战。

全波形分解方法有高斯分解、小波分解、反卷积、波形模拟等，各自依据原理 不同相应的提取的波形参数不一样。其中，无论是大小光斑系统，高斯分解是应用 最普遍也是最成功的分解方法。高斯分解依据的假设是发射脉冲是类高斯分布，地 表地物的散射截面也可以用高斯模型表达，回波波形是二者的卷积结果，那么可以 用高斯模型进行分解回波波形。高斯分解一般分为两步：初始波形参数的估计和波 形的优化拟合。通常采用的波形拟合方法包括莱文贝格-马夸特方法 (Levenberg-Marquardt，LM)、最大期望方法(Expectation-Maximization，EM)或 者这两类方法的改进方法等，这些优化方法一般要求有较好的初始估计参数(峰值 幅值、峰值位置、峰宽度)。针对峰值幅值一般依赖局部最大值，很容易错失对叠 加波的探测，或者由于噪声过大导致虚假探测。

反卷积方法认为回波波形的构成不仅是来自地表地物的反射，还有系统贡献如发射脉冲会持续数纳秒时间，且Hancock等人研究表明发射脉冲的长度(最大峰 值一半幅值处对应的宽度)越大，对回波波形的模糊程度越高，另外还有系统噪声 等。故回波波形并不能代表真实的地表地物的垂直分布。准确地反演地物的结构和 物理属性必须对回波波形进行反卷积处理以去除系统效应。目前，反卷积方法有 WF滤波器、B样条反卷积、正则化滤波器、RL反卷积、Gold反卷积、盲反卷积 (blind deconvolution)等。每种方法都有各自的优缺点，如WF滤波器在频域内计 算快速，但是反卷积结果会出现没有物理意义的负的幅值，B样条反卷积结果也会 出现类似情况。正则化滤波器减缓了数值计算的困难、有效地抑制噪声的传播，但 却依赖于对正则化参数的估计，当噪声水平无法估计的时候则该方法不再能很好地 适用。RL和Gold反卷积作为两种迭代计算方法，相比WF滤波器具有较好的性能， 但迭代的过程会耗费过多的时间，计算效率低。

以上对于反卷积方法的文献研究及对比大都是基于小光斑系统的波形测距信 息提取，对于大光斑系统的相关研究较少且缺乏定量比较。

发明内容