测风激光雷达的数据处理方法、装置、系统及存储介质
技术领域
本发明涉及雷达领域,特别是涉及一种测风激光雷达的数据处理方法、装置、系统及存储介质。
背景技术
测风激光雷达的工作原理是对大气中的气溶胶进行扫描然后探测大气中气溶胶后向散射信号,对后向散射信号进行风速估计以获得激光视线方向上的径向风速,然后结合系统扫描方式,利用几何关系反演得到观测视场中的风速分布。
风速估计的方法包括脉冲对方法、周期图法和最大似然法。在实际系统,考虑到算法性能和实时运算能力,通常采用周期图法。周期图法假设回波信号(大气中气溶胶后向散射信号)序列为能量有限的信号,使用傅里叶变换计算回波信号的功率谱。功率谱最大值对应的频率值即为估算的风速多普勒频移,然后根据风速多普勒频移计算得到径向风速。
测风激光雷达对风速的测量依赖于大气中气溶胶的浓度,系统信噪比随着气溶胶浓度的下降而减小,在高空探测或者雨雾天气情况下,信噪比减小尤其明显。在低信噪比的情况下,如果直接选取功率最大值可能会产生大量虚警,测得错误风速;如果设置固定的测量门限,剔除信噪比低于测量门限的数据,则会牺牲一定程度的数据完整性,从而减小测量高度范围甚至得到错误的测量结果。
发明内容
本发明主要解决的技术问题是提供一种测风激光雷达的数据处理方法、装置、系统及存储介质,能够解决现有技术中低信噪比下风速测量结果准确度明显降低的问题。
为了解决上述技术问题,本发明提供了一种测风激光雷达的数据处理方法,该方法包括:获取测风激光雷达在当前周期内以预设方式扫描采集到的多个信号序列的功率谱,每个信号序列对应的采集参数的值不同;分别在每个信号序列的功率谱中查找峰值点以获取每个信号序列的峰值点集合,每个信号序列的峰值点集合包括每个信号序列的功率谱中所有的峰值点;分别判断每个峰值点集合中是否包括高信噪比峰值点,高信噪比峰值点的对应功率大于阈值;若峰值点集合中包括高信噪比峰值点,则将高信噪比峰值点作为有效峰值点,若峰值点集合中不包括高信噪比峰值点,则对峰值点集合进行跟踪关联以寻找真实峰值点,若找到则将真实峰值点作为有效峰值点,若没找到则判定峰值点集合中不包括有效峰值点;分别根据每个有效峰值点的频率坐标计算其对应的信号序列的径向风速以获取径向风速矩阵,没有对应的有效峰值点的信号序列被标记为无效的;利用观测矩阵及径向风速矩阵进行风场反演以获取当前周期的风速矢量,观测矩阵是根据所有有效峰值点所对应信号序列的采集参数而生成的。
为了解决上述技术问题,本发明提供了一种测风激光雷达的数据处理装置,该装置包括至少一个处理器,单独或协同工作,处理器用于执行指令以实现前述的方法。
为了解决上述技术问题,本发明提供了一种测风激光雷达的数据处理系统,该系统包括相互连接的主控机、工控机和采集卡;主控机用于控制系统的工作模式;采集卡用于对测风激光雷达采集到的模拟信号进行模数转换以获取多个信号序列,并计算多个信号序列的功率谱;工控计算机用于执行指令以实现前述的方法。
为了解决上述技术问题,本发明提供了一种可读存储介质,存储有指令,指令被执行时实现前述的方法。
本发明的有益效果是:通过判断每个信号序列的功率谱的峰值点集合中是否包括高信噪比峰值点,如果包括高信噪比峰值点,意味着对应的信号序列的信噪比较高,直接将高信噪比峰值点作为有效峰值点以计算径向风速;如果不包括高信噪比峰值点,意味着对应的信号序列的信噪比较低,对该峰值点集合进行跟踪关联以尝试寻找真实峰值点,如果找到则将其作为有效峰值点以计算径向风速。在低信噪比的情况下,进行跟踪关联以尝试寻找真实峰值点作为有效峰值点而非直接采用最大值或者剔除数据,减少虚警的同时提高了数据完整性和测量高度范围,从而提高测量结果的准确性。
附图说明
图1是本发明测风激光雷达的数据处理方法第一实施例的流程示意图;
图2是本发明测风激光雷达的数据处理方法第二实施例的流程示意图;
图3是本发明测风激光雷达的数据处理方法第三实施例的流程示意图;
图4是本发明测风激光雷达的数据处理方法第四实施例的流程示意图;
图5是本发明测风激光雷达的数据处理方法第五实施例的流程示意图;
图6是本发明测风激光雷达的数据处理方法第六实施例的流程示意图;
图7是本发明测风激光雷达的数据处理方法一实施例中VAD扫描方式的示意图
图8是本发明测风激光雷达的数据处理装置第一实施例的结构示意图;
图9是本发明测风激光雷达的数据处理系统第一实施例的结构示意图;
图10是本发明可读存储介质第一实施例的结构示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细说明。以下各实施例中不冲突的可以相互结合。
如图1所示,本发明方法测风激光雷达的数据处理第一实施例包括:
S1:获取测风激光雷达在当前周期内以预设方式扫描采集到的多个信号序列的功率谱。
测风激光雷达一般以预设方式周期性扫描。预设方式是指测风激光雷达的扫描方式,包括一个扫描周期内的扫描时刻和扫描方向的分布,以及扫描时刻与扫描方向之间的对应关系,不同的扫描时刻对应的扫描方向一般不同。扫描时刻可以用实际的时刻来表示,也可以用相对于扫描周期起始点的偏移量来表示。常用的扫描方式包括速度方位显示(Velocity-azimuth Display,VAD)、多普勒光束定向摆动扫描(Doppler Beam Swinging,DBS)等。
由于风速矢量是一个三维矢量,因此风场反演至少需要三个不同扫描方向上的径向风速,也就是说一个周期内至少包括三个扫描时刻。由于窗口异物遮挡、云雾遮挡、低信噪比等因素可能造成数据无效,为了提高测量的准确性,一个周期内扫描时刻/扫描方向的数量可以大于三。
在每个周期内,测风激光雷达在每个扫描时刻向对应的扫描方向发射激光以进行扫描,然后接收大气中气溶胶后向散射信号,气溶胶的运动会使得接收到的回波信号(即气溶胶后向散射信号)相对于发射光之间存在多普勒频移。采集到的多个信号序列可以是对回波信号与发射光之间混频得到的差频信号正交采样得到的,也可以是对差频信号叠加中频后采样得到的。
采集得到的信号序列是时域信号,为了从信号序列中提取有效的多普勒频移,可以采用周期图法,对信号序列进行傅里叶变换,然后再取变换后的幅度的平方,并除以信号序列的长度作为功率谱。功率谱的横坐标为频率,纵坐标为功率。
每个信号序列对应的采集参数的值不同。采集参数至少包括扫描方向。扫描方向可以用俯仰角和方位角来表示。如果测风激光雷达的扫描方式是固定俯仰角/方位角,而方位角/俯仰角变化,则采集参数中可以省去方位角和俯仰角中固定的那一个。例如VAD扫描方式是俯仰角固定而方位角变化,则采集参数中可以去除俯仰角。此外采集参数还可以包括对应的扫描时刻。
每次发射激光之后,会有一段采样时间来对差频信号/差频信号叠加中频后进行采样。可以将采样时间划分为多个片段,每个片段中的差频信号/差频信号叠加中频后的采样结果形成一个信号序列,这样同一个扫描方向上可以采集到多个信号序列。同一个扫描方向上的不同信号序列的采样时间片段不同,在空间上反映了该扫描方向上离测风激光雷达不同距离范围内气溶胶运动情况,每个距离范围被称为一个距离门。采集参数可以进一步包括距离门,距离门的取值可以为一个表示采样先后顺序/距离远近的标号,也可以为根据采样时间片段的时长以及采样时间片段与扫描时刻之间的间隔计算出的实际距离范围。
本步骤中获取的功率谱可以是自行计算得到的,也可以从其他装置,例如专用的硬件加速电路,接收的。
S2:分别在每个信号序列的功率谱中查找峰值点以获取每个信号序列的峰值点集合。
每个信号序列的峰值点集合包括每个信号序列的功率谱中所有的峰值点。
具体的,信号序列k的峰值点集合为Pk,Pk满足:
其中pk为信号序列k的功率谱的峰值点,X(pk)为峰值点pk的功率。上述公式中的1仅为示意,实际pk-1是指pk左边相邻的点,pk+1是指pk右边相邻的点。每个功率谱中的峰值点的数量一般大于或等于一。
功率谱的横坐标为频率,纵坐标为功率,而用于估算径向风速的多普勒频移仅与频率有关,因此相对于功率,我们更关心峰值点的频率值。在后续描述中,除了特意指出的之外,峰值点也可以理解为峰值点的频率值。
S3:分别判断每个峰值点集合中是否包括高信噪比峰值点。
高信噪比峰值点的对应功率大于阈值。如果对应功率大于阈值的峰值点的数量大于一,则取对应功率最大的一个作为高信噪比峰值点。阈值可以是固定的,也可以是根据功率谱自适应调整的。
在本发明一个实施例中,阈值等于第一门限T1与噪声标准差的乘积,噪声标准差为对应的功率谱中频率保护区之外的部分的标准差,从而实现阈值的自适应调整。
频率保护区对应测风激光雷达的测风范围,测风范围是指测风激光雷达能够检测到的径向风速的范围,由风速最小值和风速最大值定义。具体的,频率保护区为[fmin,fmax],如果信号序列是对差频信号正交采样得到的,则fmin和fmax分别为风速最小值和风速最大值相对于出射光的多普勒频移;如果信号序列是对差频信号叠加中频后采样得到的,则fmin和fmax分别为风速最小值和风速最大值相对于出射光的多普勒频移与叠加的中心频率之和。
若峰值点集合中包括高信噪比峰值点,则意味着该峰值点集合对应的信号序列为高信噪比状态,跳转到步骤S4;否则意味着该峰值点集合对应的信号序列为低信噪比状态,实际风速对应的峰值点的功率不一定是最大的,不能直接选择功率谱的最大点作为有效峰值点,跳转到步骤S5。
S4:将高信噪比峰值点作为有效峰值点。
跳转到步骤S8。
确认有效峰值点之后可以选择删除峰值点集合中除有效峰值点之外的其他所有峰值点。
S5:对峰值点集合进行跟踪关联以寻找真实峰值点。
由于测风激光雷达的扫描周期相对于风速变化是很短的,可以认为相邻两次周期中同样的采集参数采集到的风速变化是很小的。根据这一推论可以利用之前周期的峰值点集合/有效峰值点进行跟踪关联,具体方法可参考后续实施例的描述。
若找到则跳转到步骤S8;否则跳转到步骤S7。
S6:将真实峰值点作为有效峰值点。
确认有效峰值点之后可以选择删除峰值点集合中除有效峰值点之外的其他所有峰值点。
S7:判定峰值点集合中不包括有效峰值点并将对应的信号序列标记为无效的。
S8:分别根据每个有效峰值点的频率坐标计算其对应的信号序列的径向风速以获取径向风速矩阵。
具体的,可以将峰值点坐标p转换为频率单位其中Fs为采样率,Nfft为周期图计算时采用的快速傅里叶变换(FFT)点数。如果信号序列是对差频信号叠加中频后采集得到的,则利用多普勒频移公式计算得到径向风速为:如果信号序列是对差频信号正交采样采集得到的,则径向风速为:其中f0为叠加的中频信号的频率,λ为出射光波长。
径向风速矩阵中不包括无效信号序列对应的径向风速。
在当前周期内,可以选择每次扫描后对本次采集到的信号序列实时进行处理,标记为无效或者计算出其径向风速,分批将径向风速存入径向风速矩阵,扫描完成之后得到完整的径向风速矩阵;也可以选择在所有扫描全部完成再对采集到的所有信号序列进行处理而得到完整的径向风速矩阵。
S9:利用观测矩阵及径向风速矩阵进行风场反演以获取当前周期的风速矢量。
观测矩阵是根据所有有效峰值点所对应信号序列的采集参数而生成的。具体的,生成观测矩阵所用的采集参数可以包括信号序列的俯仰角和方位角,除去信号序列是否有效的影响之外,不同的扫描方式得到的观测矩阵不同。
如果采集参数包括距离门,可以分别为每个距离门独立利用观测矩阵及径向风速矩阵进行风场反演以获取该距离门内的当前周期的风速矢量。
可以采用最小二乘法来进行风场反演,具体内容参见后续实施例。
本实施例中的各个步骤可以由一个设备独立完成,也可以由至少两个设备协作完成。
通过本实施例的实施,判断每个信号序列的功率谱的峰值点集合中是否包括高信噪比峰值点,如果包括高信噪比峰值点,意味着对应的信号序列的信噪比较高,直接将高信噪比峰值点作为有效峰值点以计算径向风速;如果不包括高信噪比峰值点,意味着对应的信号序列的信噪比较低,对该峰值点集合进行跟踪关联以尝试寻找真实峰值点,如果找到则将其作为有效峰值点以计算径向风速。在低信噪比的情况下,进行跟踪关联以尝试寻找真实峰值点作为有效峰值点而非直接采用最大值或者剔除数据,减少虚警的同时提高了数据完整性和测量高度范围,从而提高测量结果的准确性。
如图2所示,本发明方法测风激光雷达的数据处理第二实施例,是在本发明方法测风激光雷达的数据处理第一实施例的基础上,S1包括:
S11:获取测风激光雷达在当前周期内以预设方式扫描采集到的多个信号序列。
S12:使用周期图法获取每个信号序列的功率谱。
具体过程可参考本发明方法测风激光雷达的数据处理第一实施例的描述,在此不再重复。
如图3所示,本发明方法测风激光雷达的数据处理第三实施例,是在本发明方法测风激光雷达的数据处理第一实施例的基础上,S5包括:
S51:判断上一周期的对应峰值点集合中是否包括有效峰值点pn-1。
上一周期的对应峰值点集合对应的信号序列与当前处理的峰值点集合对应的信号序列的扫描方向和距离门(如果有的话)完全相同。
若包括,则跳转到步骤S52;否则跳转到步骤S55。
S52:在峰值点集合中寻找邻近峰值点。
邻近峰值点与pn-1的差值最小,这里的差值是指峰值点的频率坐标与pn-1的频率坐标之差的绝对值。
S53:判断邻近峰值点与pn-1的差值是否小于第二门限。
若小于,则意味着跟踪关联成功,跳转到步骤S54;否则跳转到步骤S58。
S54:将邻近峰值点作为真实峰值点。
执行后续步骤。
S55:对峰值点集合、上一周期的对应峰值点集合及上上周期的对应峰值点集合中的峰值点进行遍历组合以找到目标组合。
类似的,上上周期的对应峰值点集合对应的信号序列与当前处理的峰值点集合对应的信号序列的扫描方向和距离门(如果有的话)完全相同。上上周期的对应峰值点集合中如果包括有效峰值点,则可以删除其他的峰值点以减少计算量。
具体的,可以从当前处理的峰值点集合、上一周期的对应峰值点集合及上上周期的对应峰值点集合中各选出一个峰值点进行组合,为所有可能的组合方式计算其标准差,从中找出标准差最小的一种组合方式作为目标组合。
S56:判断目标组合的标准差是否小于第三门限。
若小于,则意味着跟踪关联成功,跳转到步骤S57;否则跳转到步骤S58。
S57:将目标组合中对应峰值点集合的峰值点作为真实峰值点。
执行后续步骤。
S58:判定峰值点集合中不包括有效峰值点。
执行后续步骤。
如图4所示,本发明方法测风激光雷达的数据处理第四实施例,是在本发明方法测风激光雷达的数据处理第一实施例的基础上,S5之前进一步包括:
S50a:判断峰值点集合对应的采集参数中的距离门是否大于预设阈值。
若大于,则意味着对应的信号序列在空间上与测风激光雷达的距离相对较远,低信噪比的可能性较大,峰值点的数量可能较多,跳转到S50b;否则直接执行后续的步骤S5。
S50b:根据风廓线连续性从峰值点集合中剔除偏离峰值点。
风廓线是指风速随高度的变化曲线,一般是连续的。也就是说,峰值点集合中的有效峰值点(如果存在的话)与当前周期内同一扫描方向上不同距离门的其他峰值点集合的有效峰值点应该是连续的。根据这一点可以利用已获取的当前周期内同一扫描方向上不同距离门的其他峰值点集合的有效峰值点来剔除明显偏离风廓线的峰值点,然后再执行S5,以减少S5所需的计算量。具体内容可参考后续实施例的描述。
如图5所示,本发明方法测风激光雷达的数据处理第五实施例,是在本发明方法测风激光雷达的数据处理第四实施例的基础上,S50b包括:
S501:根据已获取峰值点集合的所有相关有效峰值点的频率坐标计算风廓线的平均值与标准差。
相关有效峰值点在当前周期内,且相关有效峰值点所属的峰值点集合对应的采集参数与峰值点集合对应的采集参数中仅有距离门不同。为简化计算,风廓线可以用所有相关有效峰值点的频率坐标组成的集合来表示。
S502:从峰值点集合中剔除偏离峰值点。
偏离峰值点与风廓线的平均值的差值大于第四门限与风廓线的标准差的乘积,明显偏离已知的风廓线,不满足风廓线的连续性。类似的,这里的差值可以是指两者之差的绝对值。
如图6所示,本发明方法测风激光雷达的数据处理第六实施例,是在本发明方法测风激光雷达的数据处理第一实施例的基础上,S9包括:
S91:判断径向风速矩阵中元素的数量是否大于或等于三。
由于风速矢量是一个三维矢量,因此风场反演至少需要三个不同扫描方向上的径向风速,也就是说径向风速矩阵中元素(即有效的径向风速)的数量大于或等于三的情况下才能进行风场反演。
若元素的数量大于或等于三,则意味着可以进行风场反演,跳转到步骤S92;否则意味着不能进行风场反演,跳转到步骤S95。
S92:利用最小二乘法计算观测矩阵和径向风速矩阵的最小拟合残差及拟合风速矢量。
S93:判断最小拟合残差是否小于第五门限。
若最小拟合残差是否小于第五门限,则跳转到步骤S94;否则跳转到步骤S95。
S94:将拟合风速矢量作为当前周期的风速矢量。
随后可以输出风速矢量以供查看及使用。可以直接输出风速矢量,也可以根据风速矢量计算得到然后输出风向、水平风速和垂直风速。
S95:标记所当前周期的风速无效。
下面举例说明具体的数据处理过程。
在本发明一实施例中,测风激光雷达以VAD方式进行扫描,扫描方式如图7所示,俯仰角固定为γ,每个周期内共有A个均匀分布的方位角,每个扫描方向的距离门共有G个,并且对差频信号叠加中频后采集得到信号序列。
当前周期的序号为n。每次扫描后实时对采集到的信号序列进行处理。对于同一个扫描方向上的不同距离门的信号序列,按照距离门序号从小到大的顺序进行处理。
对于当前周期中,扫描时刻为ta,方位角为θa,距离门序号为g的信号序列xa g而言,其功率谱为Xa g(f),峰值点集合为Pa,g=[p1 a,g,p2 a,g,…,pI a,g]其中a=1,2,…,A,g=1,2,…G,f表示频率,I为峰值点的总数。每个峰值点都满足:
计算功率谱Xa g(f)中除频率保护区[fmin,fmax]之外其他部分的标准差σnoise。将Pa,g中每个峰值点的功率与T1·σnoise进行比较,其中T1为第一门限。
如果存在且属于Pa,g,则信号序列xa g为高信噪比状态,为高信噪比峰值点,取对应功率最大的一个作为有效峰值点保留下来,删除Pa,g中除该之外的其他所有峰值点。
如果不存在则信号序列xa g为低信噪比状态。判断g是否大于预设阈值gthr。如果g>gthr,则先根据风廓线连续性从Pa,g中剔除偏离峰值点然后再进行跟踪关联以寻找真实峰值点;否则直接进行跟踪关联以寻找真实峰值点。
剔除偏离峰值点具体包括:找到同一方位角上序号为1~g-1的信号序列,即xa 1~xa g-1所有已获取的有效峰值点作为相关有效峰值点,统计所有相关有效峰值点的平均值ma g和标准差σa g。剔除Pa,g中所有的偏离峰值点。偏离峰值点属于Pa,g,且满足其中T4为第四门限。
跟踪关联具体包括:判断上一周期的对应峰值点集合,即Pn-1 a,g中是否包括有效峰值点pn-1。Pn-1 a,g是第n-1个周期中扫描时刻为ta,方位角为θa,距离门序号为g的信号序列的峰值点集合。
如果包括pn-1,则在Pa,g中寻找邻近峰值点,邻近峰值点属于Pa,g,且与pn-1的差值最小。如果满足其中T2为第二门限,则将作为真实峰值点及有效峰值点保留下来,如果不满足则标记信号序列xa g是无效的,并保留Pa,g以供后续可能需要进行的遍历组合使用。
如果不包括pn-1,则对Pa,g、Pn-1 a,g和Pn-2 a,g进行遍历组合,找到目标组合 属于Pa,g,属于Pn-1 a,g,属于Pn-2 a,g,且目标组合的标准差σc在所有可能的组合方式中是最小的。如果σc<T3,其中T3为第三门限,则将作为真实峰值点及有效峰值点保留下来,删除Pa,g中除之外的其他所有峰值点;否则标记信号序列xa g是无效的,并保留Pa,g以供后续可能需要进行的遍历组合使用。
如果信号序列xa g是有效的,将其有效峰值点pa,g(或)的频率坐标转换为频率单位然后利用多普勒频移公式计算得到径向风速为:将径向风速存入径向风速矩阵中。
对当前周期内的所有信号序列完成数据处理之后,得到当前周期的径向风速矩阵Qn。理想状态下,即所有信号序列都有效的情况下,Qn中的元素的数量为A×G,实际由于可能有无效信号序列的存在,Qn中的元素的数量可能小于A×G,并且不同方位角/距离门的有效的径向风速数量不一定相同。
分别为每个距离门计算其风速。
对于第g个距离门,g=1,2,…,G,可以将Qn中对应的共Bg个有效的径向风速抽取出来形成一个1×Bg的向量Qn,g,B≤A,并对应生成观测矩阵Hn,g。
其中θkb为第b个有效的径向风速对应的信号序列的方位角,b=1,2,…,Bg。
如果Bg<3,则标记当前周期的第g个距离门的风速无效。如果Bg≥3,则利用最小二乘法计算拟合风速矢量wn,g和最小拟合残差Jn,g。
其中I为单位矩阵。
如果最小拟合残差Jn,g<T5,T5为第五门限,则将拟合风速矢量Jn,g作为当前周期第g个距离门的风速矢量,根据wn,g计算水平风速、风向和垂直风速,显示并记录该水平风速、风向和垂直风速,并标记当前周期的第g个距离门的风速有效。如果最小拟合残差Jn,g≥T5,则标记当前周期的第g个距离门的风速无效。
如图8所示,本发明测风激光雷达的数据处理装置第一实施例包括:处理器110。图中只画出了一个处理器110,实际数量可以更多。处理器110可以单独或者协同工作。
处理器110控制测风激光雷达的数据处理装置的操作,处理器110还可以称为CPU(Central Processing Unit,中央处理单元)。处理器110可能是一种集成电路芯片,具有信号序列的处理能力。处理器110还可以是通用处理器、数字信号序列处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
处理器110用于执行指令以实现本发明测风激光雷达的数据处理方法第一第六实施例中任一个以及不冲突的组合所提供的方法。
本实施例中的测风激光雷达的数据处理装置可以独立于测风激光雷达,也可以部分或者全部地与测风激光雷达集成在一起。
如图9所示,本发明测风激光雷达的数据处理系统第一实施例包括:相互连接的主控机210、工控机220和采集卡230;
主控机用于控制该系统的工作模式,例如工控机和采集卡的控制指令交互、外围电路的交互等。
采集卡用于对测风激光雷达采集到的模拟信号进行模数转换以获取多个信号序列,并计算多个信号序列的功率谱。具体的,采集卡可以包括数模转换ADC芯片和FPGA,ADC芯片用于对模拟信号进行转换以获取多个信号序列,FPGA用于使用周期图法计算多个信号序列的功率谱。
工控机用于执行指令以实现本发明测风激光雷达的数据处理方法第一第六实施例中任一个以及不冲突的组合所提供的方法,这里的获取功率谱是指接收来自于采集卡的功率谱。
如图10所示,本发明可读存储介质第一实施例包括存储器310,存储器310存储有指令,该指令被执行时实现本发明测风激光雷达的数据处理方法第一至第六实施例中任一个以及任意不冲突的组合所提供的方法。
存储器310可以包括只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、闪存(Flash Memory)、硬盘、光盘等。
在本发明所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理包括,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的实施方式,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。