[发明专利]一种基于参数优化VMD的激光雷达回波信号降噪方法

说明书

本发明公开了一种基于参数优化VMD的激光雷达回波信号降噪方法，首先将能量损失系数作为适应度函数，通过蝗虫优化算法(GOA)获取VMD算法的最优参数，并利用最优参数对带噪激光雷达回波信号进行VMD分解；之后应用豪斯多夫距离区分相关模态和非相关模态，采用小波去噪法进一步滤除相关模态中的高斯白噪声，并将相关模态重构得到降噪后的回波信号。本发明能有效避免模态混叠现象，在降噪的同时能保留原始信号中的有用信息，具有自适应性强、鲁棒性强和可靠性强等优点，能对激光雷达回波信号进行有效的降噪滤波处理。

技术领域

本发明属于激光雷达信号处理技术领域，具体涉及一种基于参数优化VMD的激光雷达回波信号降噪方法。

背景技术

激光雷达是传统雷达技术与现代激光技术相结合的产物，具有分辨率高、探测范围广、抗干扰能力强等优点，在遥感、目标跟踪、三维成像等领域发挥着重要作用。在实际应用中，激光雷达回波信号的强度随探测距离的增加而减小，而且各种环境干扰如白天强烈的太阳背景光将会导致信号完全淹没在噪声之中，这将直接影响激光雷达的有效探测距离和精度。因此，采用有效的降噪方法，提取背景噪声中的有用信号是提高激光雷达作用性能的关键。

传统的激光雷达回波信号降噪方法主要有小波分析、经验模态分解(EMD)等，但是这些方法存在着自适应性不足、模态混叠、降噪性能差等问题，很难满足激光雷达的降噪需求。变分模态分解(VMD)是近几年提出的一种信号自适应分解方法，该方法具有坚实的数学基础，相比于EMD，其不仅能解决模态混叠的问题，噪声鲁棒性和信号分离性能也得到了极大提高。然而，VMD方法的分解参数对其分解结果具有较大的影响。目前，在激光雷达信号处理领域，大部分的VMD分解参数都是人为事先制定，难以取得满意的结果。另一方面，信号经VMD分解后会产生一系列固有模态分量(BLIMFs)，一些模态分量中可能掺杂着噪声信号，因此，提取纯净信号，即相关模态是激光雷达回波信号降噪的一个重要步骤。

发明内容

本发明的目的在于提供一种基于参数优化VMD的激光雷达回波信号降噪方法。

实现本发明目的的技术解决方案为：一种基于参数优化VMD的激光雷达回波信号降噪方法，其特征在于，包括以下步骤：

步骤1：通过示波器采样原始激光雷达回波信号x(t)；

步骤2：设定VMD分解参数范围；

步骤3：将最小能量损失系数作为目标函数，利用蝗虫优化算法获取最优VMD分解参数；

步骤4：利用步骤3得到的最优VMD分解参数，对原始激光雷达回波信号x(t)进行VMD分解，得到多个最优模态分量信号；

步骤5：计算每个最优模态分量信号与原始激光雷达回波信号x(t)之间的豪斯多夫距离，筛选出相关模态分量信号；

步骤6：应用小波去噪方法为每个相关模态分量信号进一步降噪，之后将进一步降噪之后的相关模态分量信号叠加完成回波信号的重构，得到降噪处理后的激光雷达回波信号。

进一步地，所述步骤2中，VMD分解参数包括分解模态分量个数K和二次惩罚因子α。

进一步地，所述步骤3包括以下步骤：

步骤3.1：初始化蝗虫优化算法种群个数N、最大迭代次数L，初始化蝗虫种群X_i(i＝1,...N)，设置初始迭代次数l为1；

步骤3.2：在VMD分解参数范围内，对回波信号进行VMD分解，得到N组初始模态分量信号，其中每个蝗虫个体对应一组初始模态分量信号；

步骤3.3：计算每个蝗虫个体的适应度值，即为各组初始模态分量信号与原始激光雷达回波信号x(t)之间的能量损失系数，并保存最小适应度值T和对应的分解参数；