CN111077537A - 一种测探回波优化分类方法及装置 - Google Patents
一种测探回波优化分类方法及装置 Download PDFInfo
- Publication number
- CN111077537A CN111077537A CN201911308551.3A CN201911308551A CN111077537A CN 111077537 A CN111077537 A CN 111077537A CN 201911308551 A CN201911308551 A CN 201911308551A CN 111077537 A CN111077537 A CN 111077537A
- Authority
- CN
- China
- Prior art keywords
- echo
- signal
- data
- determining
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000002592 echocardiography Methods 0.000 title abstract description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 171
- 230000000007 visual effect Effects 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims description 20
- 238000005457 optimization Methods 0.000 claims description 11
- 239000000523 sample Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 239000013535 sea water Substances 0.000 description 6
- 230000002238 attenuated effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种测探回波优化分类方法及装置,所述方法包括:获取测探回波数据;根据测探回波数据中的小视场信号的海表回波段的第一衰减系数以及对应的目标数据的均方差,从多个回波信号中确定出近岸浅水信号以及获得剩余回波数据;其中,剩余回波数据为测探回波数据中除去近岸浅水信号后剩余的数据,目标数据为第一衰减系数对应的大视场信号的海表回波的波峰之后的数据;根据剩余回波数据中的小视场信号的海底回波段的第二衰减系数以及海底回波段的幅值大小,从剩余回波数据中确定出浅水信号以及深水信号。本发明能够有效避免分类时,近岸浅水回波信号中混杂深水信号。
Description
技术领域
本发明涉及信号处理技术领域,尤其涉及一种测探回波优化分类方法及装置。
背景技术
激光雷达具有能量强、方向性好、波长短以及分辨率高的特点,在海洋地形测绘应用领域,特别是近海岸带和海岛礁附近的浅水区域测深中发挥了重要作用。激光雷达测深系统一般搭载在机载或者星载平台上,具有探测效率高、费效比高、机动性强的有点,特别适合大面积的海洋地形测绘,目前是浅水水深测量的有效手段之一。
由于海水对激光能量的衰减很强,激光雷达接收的水下回波信号的动态范围非常大,在实现对深水微弱信号检测的同时,其海表以及浅水回波信号非常容易造成探测器的饱和。为此实际激光雷达测深系统中为了扩大探测动态范围,测深回波采用浅水视场和深水视场两个通道进行分视场同时探测。激光雷达测深系统接收到的回波波形中,基于激光脉冲自身波形特性、海底后向散射特性以及海底回波特性的研究,测深回波波形具有不同的表现形式。一般将测深波形分为近岸浅水波形回波波形,浅水波形和深水波形。然后,针对不同类型的回波波形,采用不同的信号处理方法求解海底位置。因此对激光雷达测深回波来说有两个关键技术,第一是如何进行波形分类;第二是根据不同类型波形如何进行相关处理。
而波形分类是保证波形处理结果准确性的基本前提,而目前国内外多集中于激光雷达海陆波形分类的分类,而对海洋测深波形的进一步分类研究较少。在2017年提出了一种基于频谱与的测深波形分类方法,是利用高斯拟合和6 次多项式拟合分别拟合近岸浅水波形、浅水波形和深水波形的低频和高频组分,以拟合偏差作为频域特征对波形进行分类。该方法实施计算复杂,并且在水质参数较好的条件下,无法分辨近岸浅水波形和极深海底回波波形的区别,存在一定的误判,分类效果较差。
因此,目前急需一种能够高效且分类精度高的测探回波分类方法。
发明内容
鉴于上述问题,本发明提出了一种测探回波优化分类方法及装置,能够进行快速、高精度的分类,有效避免在分类时近岸浅水回波信号中混杂深水信号。
第一方面,本申请通过一实施例提供如下技术方案:
一种测探回波优化分类方法,包括:
获取测探回波数据;其中,所述测探回波数据中包含多个回波信号,每个所述回波信号包括小视场信号和大视场信号;
根据所述测探回波数据中的小视场信号的海表回波段的第一衰减系数以及对应的目标数据的均方差,从所述多个回波信号中确定出近岸浅水信号以及获得剩余回波数据;其中,所述剩余回波数据为所述测探回波数据中除去所述近岸浅水信号后剩余的数据,所述目标数据为所述第一衰减系数对应的所述大视场信号的海表回波的波峰之后的数据;
根据所述剩余回波数据中的小视场信号的海底回波段的第二衰减系数以及所述海底回波段的幅值大小,从所述剩余回波数据中确定出浅水信号以及深水信号。
优选地,所述根据所述测探回波数据中的小视场信号的海表回波段的第一衰减系数以及对应的目标数据的均方差,从所述多个回波信号中确定出近岸浅水信号,包括:
确定第一目标回波信号的小视场信号的第一峰值点;其中,所述第一目标回波信号为所述多个回波信号中的任意一个;
在所述第一目标回波信号的小视场信号的海表回波段确定第一边界点;其中,所述第一边界点的时间坐标大于所述第一峰值点的时间坐标;
根据所述第一峰值点的坐标与所述第一边界点的坐标,获得所述第一衰减系数;
判断所述目标数据的均方差是否小于预设的方差阈值;
若是,则判断所述第一衰减系数是否大于预设的第一衰减阈值;
若是,则确定所述第一目标回波信号为近岸浅水信号。
优选地,所述目标数据的均方差的获取,包括:
获取所述第一目标回波信号的大视场信号中100~200ns的数据,作为目标数据。
优选地,所述海底回波段的幅值大小的获取,包括:
确定第二目标回波信号的大视场信号的第二峰值点;其中,所述第二目标回波信号为所述剩余回波数据中的任意一个回波信号;
根据所述第二峰值点,在所述第二目标回波信号的小视场信号中确定对应点;
在所述第二目标回波信号的小视场信号中,确定所述对应点两侧20ns范围内的第三峰值点;
在所述第三峰值点的两侧确定第一极小值点和第二极小值点;
根据所述第三峰值点的纵坐标与所述第一极小值点的纵坐标之差以及所述第三峰值点的纵坐标与所述第二极小值点的纵坐标之差,确定最大的差值为所述第二目标回波信号的幅值大小。
优选地,所述从所述剩余回波数据中确定出浅水信号以及深水信号之后,还包括:
确定第三目标回波信号的大视场信号的第四峰值点;其中,所述第三目标回波信号为所述深水信号中的任意一个回波信号;
在所述第三目标回波信号的小视场信号的海底回波段确定一预估点;其中,所述预估点的时间坐标大于所述第四峰值点的时间坐标;
根据所述第四峰值点的坐标与所述预估点的坐标,获得第三衰减系数;
判断所述第三衰减系数是否大于预设的第三衰减阈值;
若是,则确定所述第三目标回波信号为具有明显海底回波深水信号;
若否,则确定所述第三目标回波信号为没有明显海底回波深水信号。
优选地,所述在所述第三目标回波信号的小视场信号的海底回波段确定一预估点,包括:
在所述第四峰值点之后的7-12ns之间的任意一处,确定一所述预估点。
第二方面,基于同一发明构思,本申请通过一实施例提供如下技术方案:
一种测探回波优化分类装置,包括:
数据获取模块,用于获取测探回波数据;其中,所述测探回波数据中包含多个回波信号,每个所述回波信号包括小视场信号和大视场信号;
第一分类模块,用于根据所述测探回波数据中的小视场信号的海表回波段的第一衰减系数以及对应的目标数据的均方差,从所述多个回波信号中确定出近岸浅水信号以及获得剩余回波数据;其中,所述剩余回波数据为所述测探回波数据中除去所述近岸浅水信号后剩余的数据,所述目标数据为所述第一衰减系数对应的所述大视场信号的海表回波的波峰之后的数据;
第二分类模块,用于根据所述剩余回波数据中的小视场信号的海底回波段的第二衰减系数以及所述海底回波段的幅值大小,从所述剩余回波数据中确定出浅水信号以及深水信号。
优选地,所述第一分类模块,还具体用于:
确定第一目标回波信号的小视场信号的第一峰值点;其中,所述第一目标回波信号为所述多个回波信号中的任意一个;
在所述第一目标回波信号的小视场信号的海表回波段确定第一边界点;其中,所述第一边界点的时间坐标大于所述第一峰值点的时间坐标;
根据所述第一峰值点的坐标与所述第一边界点的坐标,获得所述第一衰减系数;
判断所述目标数据的均方差是否小于预设的方差阈值;
若是,则判断所述第一衰减系数是否大于预设的第一衰减阈值;
若是,则确定所述第一目标回波信号为近岸浅水信号。
第三方面,基于同一发明构思,本申请通过一实施例提供如下技术方案:
一种测探回波优化分类装置,包括处理器和存储器,所述存储器耦接到所述处理器,所述存储器存储指令,当所述指令由所述处理器执行时使所述测探回波优化分类装置执行第一方面中任一项所述方法的步骤。
第四方面,基于同一发明构思,本申请通过一实施例提供如下技术方案:
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现第一方面中任一项所述方法的步骤。
本发明实施例中提供的一种测探回波优化分类方法及装置,所述方法通过获取测探回波数据;其中,所述测探回波数据中包含多个回波信号,每个所述回波信号包括小视场信号;根据测探回波数据中的小视场信号的海表回波段的第一衰减系数以及对应的目标数据的均方差,从多个回波信号中确定出近岸浅水信号以及获得剩余回波数据;其中,剩余回波数据为测探回波数据中除去近岸浅水信号后剩余的数据,目标数据为第一衰减系数对应的大视场信号的海表回波的波峰之后的数据;根据剩余回波数据中的小视场信号的海底回波段的第二衰减系数以及海底回波段的幅值大小,从剩余回波数据中确定出浅水信号以及深水信号。本实施例中的方法通过计算海表回波段的第一衰减系数就可确认待分类的信号是否为近岸浅水信号,并且在筛选近岸浅水信号时引入了第一衰减系数对应的大视场信号的海表回波的波峰之后的目标数据,通过目标数据的均方差就可对混杂在近岸浅水信号中的深水信号进行筛除。然后继续对剩余回波数据进行计算海底回波段的第二衰减系数,同时通过幅值大小筛除深水信号,就可分类处浅水信号与深水信号。上述方法基于目前海洋激光雷达测深回波的时域特性,水体散射和海底回波不同特征来对测探回波数据进行快速分类,分类过程计算简单,可实现快速分类,并且能够有效避免分类时,近岸浅水回波信号中混杂深水信号,提高了分类精度。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了浅水通道和深水通道接收到的水体回波信号的信号示意图;
图2示出了近岸浅水信号的信号示意图;
图3示出了浅水信号的信号示意图;
图4示出了深水信号的信号示意图;
图5示出了本发明第一实施例提供的一种测探回波优化分类方法的流程图;
图6示出了本发明第一实施例中近岸浅水信号分类的计算原理示意图;
图7示出了本发明第一实施例中较优选的测探回波优化分类方法的流程图;
图8示出了本发明第一实施例中浅水信号分类的计算原理示意图;
图9示出了本发明第一实施例中幅值计算原理示意图;
图10示出了本发明第一实施例中深水信号分类的计算原理示意图;
图11示出了本发明第二实施例中一种测探回波优化分类装置的功能模块图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
在发明中,所述的测探回波数据一般可由机载激光雷达进行测量获取。机载激光雷达的测量水深一般在0~50m范围内,随着深度大范围的变化,海底回波的能量变化范围更大。由于双程的激光在海水会被吸收和散射,激光在海水中的空间分布会被展宽,激光在水中的光斑会随着深度的增加而变大,能量也会呈指数衰减。因此,为了降低对器件的要求,多通道机载激光雷达接收系统通常采用同轴视场分光技术,浅水通道采用同心小视场,深水通道采用了外部大的同心环形视场,即大视场。两个视场对激光水体回波的响应如图1所示,其中(A)为浅水通道,(B)为深水通道。
海气界面的强烈海表信号在浅水和深水通道上均会出现响应,小视场浅水通道中由于不存在视场角的损失,且接收到的能量对于小视场来说比较稳定。具体表现为在海气界面出现响应且能量比较稳定,入水后激光在海水中连续衰减,出现稳定的衰减过程,直至激光到达海底后形成响应。而由于视场角的损失,表层水体进入深水通道的效率不高,在水体衰减的共同作用下,浅水回波出现先降后升现象,随着激光在更深的深度上经过多次水体散射,空间分布展宽更为明显,更多的水体散射信号主要被大视场的深水通道接收。
依据大小视场的接收特点和不同深度下的回波信号的特征,将海洋测深回波分为三类:近岸浅水信号、浅水信号和深水信号。
近岸浅水信号(0~2m)如图2所示。当水域深度低于2米时,激光在水中的传输时间比较短,则后向散射部分时间比较短。在小视场(小视场信号) 中,后向散射部分能量变化不是很明显,海表回波和海底回波相距比较近,可能会混叠,因而在小视场中只有一个回波峰值信号,之后迅速衰减,如图2(A) 所示。在大视场(大视场信号)中,由于视场角的存在,可以检测出后向散射部分能量变化,会出现海表回波和海底回波两个峰,如图2(B)所示。
浅水信号介于近岸浅水信号和深水信号之间,主要海水深度为2~20m,在大小市场中的特征如图3所示。在小视场中回波具有明显的海底回波、后向散射和海表回波三部分,如图3(A)所示。其中,海底回波之后的信号不包含水体信息,因而会迅速衰减,而不再具有指数衰减的性质,可以利用这一性质来判断海底回波与有效信号的范围。而在大视场中由于海浪反射角度不同和视场角损失的影响,系统对海表回波的接收效率比较低,会出现海底回波能量高于海表回波能量的现象,海底回波能量较强且比较明显,如图3(B)所示。
深水信号主要指水深超过20米的回波信号,信号形式如图4所示。海底和海表回波峰值距离位置较远,也包含了海底回波、后向散射和海表回波三部分。与浅水信号不同之处在于,由于激光在深水中能量衰减严重,海底回波能量较弱,可能混入噪声之中,可能在小视场中出现无明显回波峰值的现象,如图4(A)所示。在这种情况下,深水信号在小视场中可见稳定的后向散射。而在大视场中,由于接收能量比较强,除了海浪和视场角损失造成的海表能量比较低,经历先降后升的过程后,后向散射和海底回波依然存在,如图4(B) 所示。如果能量衰减严重,海底回波混入噪声之中,也可能存在大视场中也无明显海底回波的情况,如图4(C)所示。
基于上述分析,提出本发明的测探回波优化分类方法,下面将以具体的实施例对本发明方法及装置进行详细的阐述和说明。
第一实施例
请参见图5,示出了本发明第一实施例提供的一种测探回波优化分类方法的流程图。
所述方法包括:
步骤S10:获取测探回波数据;其中,所述测探回波数据中包含多个回波信号,每个所述回波信号包括小视场信号;
步骤S20:根据所述测探回波数据中的小视场信号的海表回波段的第一衰减系数,从所述多个回波信号中确定出近岸浅水信号以及获得剩余回波数据;其中,所述剩余回波数据为所述测探回波数据中除去所述近岸浅水信号后剩余的数据;
步骤S30:根据所述剩余回波数据中的小视场信号的海底回波段的第二衰减系数以及所述海底回波段的幅值大小,从所述剩余回波数据中确定出浅水信号以及深水信号。
在步骤S10中,测探回波数据可为雷达测探获得的数据,并且经过预处理得到不同深度对应的多条回波信号,每个回波信号均对应有小视场信号和大视场信号。
步骤S20:根据所述测探回波数据中的小视场信号的海表回波段的第一衰减系数,从所述多个回波信号中确定出近岸浅水信号以及获得剩余回波数据;其中,所述剩余回波数据为所述测探回波数据中除去所述近岸浅水信号后剩余的数据。
在步骤S20中,需要对每个回波信号进行处理,具体的一种实施方式包括:
步骤S21:确定第一目标回波信号的小视场信号的第一峰值点;其中,所述第一目标回波信号为所述多个回波信号中的任意一个;
步骤S22:在所述第一目标回波信号的小视场信号的海表回波段确定第一边界点;其中,所述第一边界点的时间坐标大于所述第一峰值点的时间坐标;
步骤S23:根据所述第一峰值点的坐标与所述第一边界点的坐标,获得所述第一衰减系数;
步骤S24:根据所述第一衰减系数与预设的第一衰减阈值的大小,确定所述第一目标回波信号是否为近岸浅水信号。
通过上述步骤S21-S24,可将筛选出测探回波数据中的近岸浅水信号,不过上述步骤的分类方法可能会将深水信号归为近岸浅水信号,如图6(B)所示(其中,A、B为小视场信号,C、D为大视场信号)。深水信号当深度超过一定范围,回波能量衰减剧烈,海表回波波峰及其30ns后的数据在回波数据上的斜率(第一衰减系数)大于固定的第一衰减阈值。
为了进一步优化上述问题,本实施例中引入均方差判定条件。具体包括如下步骤:
步骤S241:获取所述第一目标回波信号的大视场信号中100~200ns的目标数据;其中,所述目标数据为所述大视场信号的海表回波的波峰之后的数据;
步骤S242:根据所述目标数据,获得所述目标数据的均方差;
步骤S243:判断所述均方差是否小于预设的方差阈值;
步骤S244:若是,则判断所述第一衰减系数是否大于所述第一衰减阈值;
步骤S245:若是,则确定所述第一目标回波信号为近岸浅水信号。
也即如图7所示,本实施例中的方案优化为:
步骤S10a:获取测探回波数据;其中,所述测探回波数据中包含多个回波信号,每个所述回波信号包括小视场信号和大视场信号;
步骤S20a:根据所述测探回波数据中的小视场信号的海表回波段的第一衰减系数以及对应的目标数据的均方差,从所述多个回波信号中确定出近岸浅水信号以及获得剩余回波数据;其中,所述剩余回波数据为所述测探回波数据中除去所述近岸浅水信号后剩余的数据,所述目标数据为所述第一衰减系数对应的所述大视场信号的海表回波的波峰之后的数据;
步骤S30a:根据所述剩余回波数据中的小视场信号的海底回波段的第二衰减系数以及所述海底回波段的幅值大小,从所述剩余回波数据中确定出浅水信号以及深水信号。
具体的,以具体实例进行说明:
在本实施例中,近岸浅水信号范围为0~2m,则对应测深回波波形(幅值- 时间)上20ns(采样频率1GHz)内会有海底回波出现。相较于激光的脉宽,两峰之间距离较近,会发生混叠现象,如图6(A)所示。
假设通过处理得到图6中的第一目标回波信号的海表回波第一峰值点位置为Pk(t1,s1),则可以取Pk点后30ns(一般的也可在26-33ns之间进行任意取点,优选的为30ns)处取第一边界点Vk(t2,s2),通过斜率公式,计算第一衰减系数为:
这里统一取正数,如果第一衰减系数k1大于预设的第一衰减阈值 ks=15(正常后向散射部分的衰减系数斜率),则确定该波形为近岸浅水信号。
如图6(B)所示,深水信号当深度超过一定范围,回波能量衰减剧烈,海表回波波峰及其30ns后的数据在回波数据上的衰减系数大于固定阈值ks。即
其中,(t3,s3)、(t4,s4)为海表回波波峰及其30ns(Pk点之后)后的数据点, k2为海表回波波峰及其30ns后衰减系数,(2)式成立后就会将深水信号误分类为近岸浅水信号。
进一步的,为了避免混入深水信号,可以利用近岸浅水信号和浅水信号在深水通道大视场信号中的数据的特征判断。深水信号的海底回波波峰出现在200ns之后(对应与实际深度20m),而在200ns之前,大视场信号中数据满足先降后升的规律,而近岸浅水信号在100-200ns(对应实际深度10-20m) 范围内不含有效信号,主要为随机噪声。如图6(C)和图6(D)所示,可以选取大视场信号中海表回波波峰后100-200ns的数据利用均方差公式:
其中,表示100-200ns的数据均值,l表示100-200ns的数据的均方差。根据计算结果,设定方差阈值ls=5,如果大视场信号中均方差l≤ls,则确定第一目标回波信号为近岸浅水信号,否则为深水信号或浅水信号。
步骤S30:根据所述剩余回波数据中的小视场信号的海底回波段的第二衰减系数以及所述海底回波段的幅值大小,从所述剩余回波数据中确定出浅水信号以及深水信号。
在步骤S30中,同样的需要对剩余回波数据中的每一个回波信号进行处理。通过幅值可对噪声进行排除,对海底回波段的幅值大小的获取具体如下:
步骤S31:确定第二目标回波信号的大视场信号的第二峰值点;其中,所述第二目标回波信号为所述剩余回波数据中的任意一个回波信号;
步骤S32:根据所述第二峰值点的横坐标,在所述第二目标回波信号的小视场信号中确定对应点;
步骤S33:在所述第二目标回波信号的小视场信号中,确定所述对应点两侧20ns范围内的第三峰值点;
步骤S34:在所述第三峰值点的两侧确定第一极小值点和第二极小值点;
步骤S35:根据所述第三峰值点的纵坐标与所述第一极小值点的纵坐标之差以及所述第三峰值点的纵坐标与所述第二极小值点的纵坐标之差,确定最大的差值为所述第二目标回波信号的幅值大小。
进一步的,从所述剩余回波数据中确定出浅水信号以及深水信号,包括如下具体步骤:
步骤S361:在所述第二目标回波信号的小视场信号的海表回波段确定第二边界点;其中,所述第二边界点的时间坐标大于所述第三峰值点的时间坐标;
步骤S362:根据所述第三峰值点的坐标与所述第二边界点的坐标,获得所述第二衰减系数;
步骤S363:判断所述第二目标回波信号的幅值大小是否大于预设的幅值阈值;
步骤S364:若是,则判断所述第二衰减系数是否大于预设的第二衰减阈值小;
步骤S365:若是,则确定所述第二目标回波信号为浅水信号;
步骤S366:若否,则确定所述第二目标回波信号为深水信号。
下面通过具体的实例对步骤S30的实施过程进行阐述。相对于深水信号,浅水信号回波较强,因此优先进行处理。为了便于区分实施过程中以第二目标回波信号为例,具体方法为:在大视场信号中相应位置找到海表回波的第二峰值点,在第二峰值点后20~200ns范围内(对应实际深度2~20m)寻找最大值点Pmax(t5,s5)。然后,在第二目标回波信号对应的小视场信号中相应位置找到最大值点Pmax(t5,s5)的横坐标对应(横坐标相同)的对应点P′max(t5′,s5′)。为了消除噪声等误差产生的时移影响,在小视场信号P′max(t5′,s5′)前后20ns范围内再次寻找最大值点第三峰值点Pfinal(t6,s6)作为小视场信号中的海底回波信号,如图8(A)所示。
为了消除部分噪声的影响,如图8(B)。由于在不同时间段显示的为不同深度的信号,可根据经验确定一个幅值阈值Hs=310。取第三峰值点Pfinal(t6,s6) 两边的最小值点Plmin(tl,sl)和Prmin(tr,sr)。代入公式计算幅值大小为:
ΔH=max{|s6-sl|,|s6-sr|} (4) 如果不满足:
ΔH≥Hs (5) 则该海底回波峰值为噪声,不是浅水信号或深水信号,否则可进行下一步处理。请参阅图9,在第三峰值点Pfinal(t6,s6)后20ns找到一第二边界点Pval(t1,s7),运用斜率公式计算第二衰减系数:
将求得的斜率k3作为海底回波的第二衰减系数,选取第二衰减阈值kt=5 作为噪声衰减和海底回波衰减的阈值。如果k3≥kt,则该信号为浅水信号,不满足上述条件的即为深水信号。
在本实施例中,深水信号在浅水通道无明显回波,在深水通道可能有明显回波,也可能没有。由于具有明显海底回波深水信号的海底回波比较明显,峰值提取简单,而后一种没有明显海底回波深水信号为弱信号,其提取与检测需要复杂的信号处理。为了减小运算量,本实施例中还可以将不需要复杂信号处理的前一种信号分离出来。即对深水信号进行进一步的分类,可包括:
步骤S41:确定第三目标回波信号的大视场信号的第四峰值点;其中,所述第三目标回波信号为所述深水信号中的任意一个回波信号;
步骤S42:在所述第三目标回波信号的小视场信号的海底回波段确定一预估点;其中,所述预估点的时间坐标大于所述第四峰值点的时间坐标;
步骤S43:根据所述第四峰值点的坐标与所述预估点的坐标,获得第三衰减系数;
步骤S44:判断所述第三衰减系数是否大于预设的第三衰减阈值;
步骤S45:若是,则确定所述第三目标回波信号为具有明显海底回波深水信号;
步骤S46:若否,则确定所述第三目标回波信号为没有明显海底回波深水信号。
对于深水信号中的每个回波信号均需要进行步骤S41-S46的处理,为了便于与前述描述进行区别,下面以深水信号中的随机的一个第三目标回波信号进行说明。
取海表回波峰值后200ns数据(对应实际深度大于20m以后的深度)寻找最大值第四峰值点P8(t8,s8),如图10所示,根据经验可在第四峰值点之后10ns 处(另外可为7-12ns之间的任意一处,优选的为10ns)估计一点(预估点) P9(t9,s9),运用斜率公式计算第三衰减系数:
将求得的斜率k4作为海底回波的第三衰减系数,选取第三衰减阈值 kr=15作为噪声衰减和海底回波衰减的阈值。如果k4≥kr,则该信号为有明显海底回波深水信号,不满足上述条件的即为没有明显海底回波的深水信号,如图4(B)和图4(C)中的信号。
本实施例中,对上述方法进行验证:利用在某岛礁附近机载激光雷达测深数据进行验证。随机选取了一组数据,该数据共有8730个回波信号,利用本文方法对8730组数据进行处理,获得的结果如表1所示。其中,近岸浅水信号1133组、浅水信号1956组、深水信号5641组,按照本实施例中的方法正确分类结果分别对应为1133、1952、5597。总体正确率为99.4%。
表1测深回波分类结果
波形种类 | 分类结果 | 正确分类 | 准确率(%) |
近岸浅水 | 1133 | 1133 | 100 |
浅水 | 1956 | 1952 | 99.8 |
深水 | 5641 | 5597 | 99.2 |
总计 | 8730 | 8682 | 99.4 |
由表1结果可知,近岸浅水分类成功率为100%,而浅水和深水存在极少部分分类不准确的现象。对分类不正确的结果分析发现,深水中存在浅水信号经过分析认为海底回波的幅值较小,其斜率k3不满足k3≥kt的条件,后面可以通到调整阈值实现分类准确。
综上所述,本实施例中的一种测探回波优化分类方法,该方法通过获取测探回波数据;其中,所述测探回波数据中包含多个回波信号,每个所述回波信号包括小视场信号;根据测探回波数据中的小视场信号的海表回波段的第一衰减系数以及对应的目标数据的均方差,从多个回波信号中确定出近岸浅水信号以及获得剩余回波数据;其中,剩余回波数据为测探回波数据中除去近岸浅水信号后剩余的数据,目标数据为第一衰减系数对应的大视场信号的海表回波的波峰之后的数据;根据剩余回波数据中的小视场信号的海底回波段的第二衰减系数以及海底回波段的幅值大小,从剩余回波数据中确定出浅水信号以及深水信号。本实施例中的方法通过计算海表回波段的第一衰减系数就可确认待分类的信号是否为近岸浅水信号,并且在筛选近岸浅水信号时引入了第一衰减系数对应的大视场信号的海表回波的波峰之后的目标数据,通过目标数据的均方差就可对混杂在近岸浅水信号中的深水信号进行筛除。然后继续对剩余回波数据进行计算海底回波段的第二衰减系数,同时通过幅值大小筛除深水信号,就可分类处浅水信号与深水信号。上述方法基于目前海洋激光雷达测深回波的时域特性,水体散射和海底回波不同特征来对测探回波数据进行快速分类,分类过程计算简单,可实现快速分类,并且能够有效避免分类时,近岸浅水回波信号中混杂深水信号,提高了分类精度。
第二实施例
基于同一发明构思,本发明第二实施例提供了一种测探回波优化分类装置 300。图11示出了本发明第二实施例提供的一种测探回波优化分类装置300的功能模块框图。
所述装置300,包括:
数据获取模块301,用于获取测探回波数据;其中,所述测探回波数据中包含多个回波信号,每个所述回波信号包括小视场信号和大视场信号;
第一分类模块302,用于根据所述测探回波数据中的小视场信号的海表回波段的第一衰减系数以及对应的目标数据的均方差,从所述多个回波信号中确定出近岸浅水信号以及获得剩余回波数据;其中,所述剩余回波数据为所述测探回波数据中除去所述近岸浅水信号后剩余的数据,所述目标数据为所述第一衰减系数对应的所述大视场信号的海表回波的波峰之后的数据;
第二分类模块303,用于根据所述剩余回波数据中的小视场信号的海底回波段的第二衰减系数以及所述海底回波段的幅值大小,从所述剩余回波数据中确定出浅水信号以及深水信号。
作为一种可选的实施方式,所述第一分类模块302,还具体用于:
确定第一目标回波信号的小视场信号的第一峰值点;其中,所述第一目标回波信号为所述多个回波信号中的任意一个;
在所述第一目标回波信号的小视场信号的海表回波段确定第一边界点;其中,所述第一边界点的时间坐标大于所述第一峰值点的时间坐标;
根据所述第一峰值点的坐标与所述第一边界点的坐标,获得所述第一衰减系数;
判断所述目标数据的均方差是否小于预设的方差阈值;
若是,则判断所述第一衰减系数是否大于预设的第一衰减阈值;
若是,则确定所述第一目标回波信号为近岸浅水信号。
需要说明的是,本发明实施例所提供的装置300,其具体实现及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
第三实施例
基于同一发明构思,本实施例中还提供了一种测探回波优化分类装置,包括处理器和存储器,所述存储器耦接到所述处理器,所述存储器存储指令,当所述指令由所述处理器执行时使所述测探回波优化分类装置执行权利要求1-6 中任一项所述方法的步骤。
需要说明的是,本发明实施例所提供的装置中,具体实现及产生的技术效果和前述方法实施例相同,为简要描述,本实施例未提及之处可参考前述方法实施例中相应内容。
本发明提供的装置集成的功能模块如果以软件功能模块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,本发明实现上述实施例的方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种测探回波优化分类方法,其特征在于,包括:
获取测探回波数据;其中,所述测探回波数据中包含多个回波信号,每个所述回波信号包括小视场信号和大视场信号;
根据所述测探回波数据中的小视场信号的海表回波段的第一衰减系数以及对应的目标数据的均方差,从所述多个回波信号中确定出近岸浅水信号以及获得剩余回波数据;其中,所述剩余回波数据为所述测探回波数据中除去所述近岸浅水信号后剩余的数据,所述目标数据为所述第一衰减系数对应的所述大视场信号的海表回波的波峰之后的数据;
根据所述剩余回波数据中的小视场信号的海底回波段的第二衰减系数以及所述海底回波段的幅值大小,从所述剩余回波数据中确定出浅水信号以及深水信号。
2.根据权利要求1所述的方法,其特征在于,所述根据所述测探回波数据中的小视场信号的海表回波段的第一衰减系数以及对应的目标数据的均方差,从所述多个回波信号中确定出近岸浅水信号,包括:
确定第一目标回波信号的小视场信号的第一峰值点;其中,所述第一目标回波信号为所述多个回波信号中的任意一个;
在所述第一目标回波信号的小视场信号的海表回波段确定第一边界点;其中,所述第一边界点的时间坐标大于所述第一峰值点的时间坐标;
根据所述第一峰值点的坐标与所述第一边界点的坐标,获得所述第一衰减系数;
判断所述目标数据的均方差是否小于预设的方差阈值;
若是,则判断所述第一衰减系数是否大于预设的第一衰减阈值;
若是,则确定所述第一目标回波信号为近岸浅水信号。
3.根据权利要求2所述的方法,其特征在于,所述目标数据的均方差的获取,包括:
获取所述第一目标回波信号的大视场信号中100~200ns的数据,作为目标数据。
4.根据权利要求1所述的方法,其特征在于,所述海底回波段的幅值大小的获取,包括:
确定第二目标回波信号的大视场信号的第二峰值点;其中,所述第二目标回波信号为所述剩余回波数据中的任意一个回波信号;
根据所述第二峰值点,在所述第二目标回波信号的小视场信号中确定对应点;
在所述第二目标回波信号的小视场信号中,确定所述对应点两侧20ns范围内的第三峰值点;
在所述第三峰值点的两侧确定第一极小值点和第二极小值点;
根据所述第三峰值点的纵坐标与所述第一极小值点的纵坐标之差以及所述第三峰值点的纵坐标与所述第二极小值点的纵坐标之差,确定最大的差值为所述第二目标回波信号的幅值大小。
5.根据权利要求1所述的方法,其特征在于,所述从所述剩余回波数据中确定出浅水信号以及深水信号之后,还包括:
确定第三目标回波信号的大视场信号的第四峰值点;其中,所述第三目标回波信号为所述深水信号中的任意一个回波信号;
在所述第三目标回波信号的小视场信号的海底回波段确定一预估点;其中,所述预估点的时间坐标大于所述第四峰值点的时间坐标;
根据所述第四峰值点的坐标与所述预估点的坐标,获得第三衰减系数;
判断所述第三衰减系数是否大于预设的第三衰减阈值;
若是,则确定所述第三目标回波信号为具有明显海底回波深水信号;
若否,则确定所述第三目标回波信号为没有明显海底回波深水信号。
6.根据权利要求5所述的方法,其特征在于,所述在所述第三目标回波信号的小视场信号的海底回波段确定一预估点,包括:
在所述第四峰值点之后的7-12ns之间的任意一处,确定一所述预估点。
7.一种测探回波优化分类装置,其特征在于,包括:
数据获取模块,用于获取测探回波数据;其中,所述测探回波数据中包含多个回波信号,每个所述回波信号包括小视场信号和大视场信号;
第一分类模块,用于根据所述测探回波数据中的小视场信号的海表回波段的第一衰减系数以及对应的目标数据的均方差,从所述多个回波信号中确定出近岸浅水信号以及获得剩余回波数据;其中,所述剩余回波数据为所述测探回波数据中除去所述近岸浅水信号后剩余的数据,所述目标数据为所述第一衰减系数对应的所述大视场信号的海表回波的波峰之后的数据;
第二分类模块,用于根据所述剩余回波数据中的小视场信号的海底回波段的第二衰减系数以及所述海底回波段的幅值大小,从所述剩余回波数据中确定出浅水信号以及深水信号。
8.根据权利要求7所述的装置,其特征在于,所述第一分类模块,还具体用于:
确定第一目标回波信号的小视场信号的第一峰值点;其中,所述第一目标回波信号为所述多个回波信号中的任意一个;
在所述第一目标回波信号的小视场信号的海表回波段确定第一边界点;其中,所述第一边界点的时间坐标大于所述第一峰值点的时间坐标;
根据所述第一峰值点的坐标与所述第一边界点的坐标,获得所述第一衰减系数;
判断所述目标数据的均方差是否小于预设的方差阈值;
若是,则判断所述第一衰减系数是否大于预设的第一衰减阈值;
若是,则确定所述第一目标回波信号为近岸浅水信号。
9.一种测探回波优化分类装置,其特征在于,包括处理器和存储器,所述存储器耦接到所述处理器,所述存储器存储指令,当所述指令由所述处理器执行时使所述测探回波优化分类装置执行权利要求1-6中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911308551.3A CN111077537B (zh) | 2019-12-18 | 2019-12-18 | 一种测探回波优化分类方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911308551.3A CN111077537B (zh) | 2019-12-18 | 2019-12-18 | 一种测探回波优化分类方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111077537A true CN111077537A (zh) | 2020-04-28 |
CN111077537B CN111077537B (zh) | 2023-08-22 |
Family
ID=70315415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911308551.3A Active CN111077537B (zh) | 2019-12-18 | 2019-12-18 | 一种测探回波优化分类方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111077537B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112525165A (zh) * | 2020-11-18 | 2021-03-19 | 华中科技大学 | 一种多通道激光雷达极浅水测深数据处理方法 |
CN113885078A (zh) * | 2021-09-28 | 2022-01-04 | 哈尔滨工程大学 | 一种基于峰值判别的差分累加高分辨浅剖分层处理方法 |
CN115508805A (zh) * | 2022-09-22 | 2022-12-23 | 中国舰船研究设计中心 | 一种机载激光雷达海洋探测回波信号分类方法 |
CN117075128A (zh) * | 2023-09-11 | 2023-11-17 | 深圳市速腾聚创科技有限公司 | 测距方法、装置、电子设备和计算机可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5457639A (en) * | 1991-10-11 | 1995-10-10 | Kaman Aerospace Corporation | Imaging lidar system for shallow and coastal water |
US20040027918A1 (en) * | 2002-05-31 | 2004-02-12 | Preston Jonathan M. | Resampling sonar echo time series primarily for seabed sediment classification |
CN109919042A (zh) * | 2019-02-18 | 2019-06-21 | 中国科学院上海光学精密机械研究所 | 一种海洋激光雷达回波波形分类方法、系统及终端 |
CN110031856A (zh) * | 2019-04-04 | 2019-07-19 | 山东科技大学 | 一种机载LiDAR测深数据的漫衰减系数提取方法 |
CN110134976A (zh) * | 2018-02-09 | 2019-08-16 | 中国人民解放军战略支援部队信息工程大学 | 一种机载激光测深信号提取方法及系统 |
CN110135299A (zh) * | 2019-04-30 | 2019-08-16 | 中国地质大学(武汉) | 一种用于浅水测深的单波段蓝绿激光波形分析方法及系统 |
CN110542893A (zh) * | 2019-09-05 | 2019-12-06 | 桂林理工大学 | 一种机载双频激光雷达三通道光学接收装置 |
-
2019
- 2019-12-18 CN CN201911308551.3A patent/CN111077537B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5457639A (en) * | 1991-10-11 | 1995-10-10 | Kaman Aerospace Corporation | Imaging lidar system for shallow and coastal water |
US20040027918A1 (en) * | 2002-05-31 | 2004-02-12 | Preston Jonathan M. | Resampling sonar echo time series primarily for seabed sediment classification |
CN110134976A (zh) * | 2018-02-09 | 2019-08-16 | 中国人民解放军战略支援部队信息工程大学 | 一种机载激光测深信号提取方法及系统 |
CN109919042A (zh) * | 2019-02-18 | 2019-06-21 | 中国科学院上海光学精密机械研究所 | 一种海洋激光雷达回波波形分类方法、系统及终端 |
CN110031856A (zh) * | 2019-04-04 | 2019-07-19 | 山东科技大学 | 一种机载LiDAR测深数据的漫衰减系数提取方法 |
CN110135299A (zh) * | 2019-04-30 | 2019-08-16 | 中国地质大学(武汉) | 一种用于浅水测深的单波段蓝绿激光波形分析方法及系统 |
CN110542893A (zh) * | 2019-09-05 | 2019-12-06 | 桂林理工大学 | 一种机载双频激光雷达三通道光学接收装置 |
Non-Patent Citations (2)
Title |
---|
KUN LIANG 等: "Research on simultaneous measurement of ocean temperature and salinity using Brillouin shift and linewidth" * |
黄田程 等: "基于多通道海洋激光雷达的海陆波形分类" * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112525165A (zh) * | 2020-11-18 | 2021-03-19 | 华中科技大学 | 一种多通道激光雷达极浅水测深数据处理方法 |
CN112525165B (zh) * | 2020-11-18 | 2022-02-15 | 华中科技大学 | 一种多通道激光雷达极浅水测深数据处理方法 |
CN113885078A (zh) * | 2021-09-28 | 2022-01-04 | 哈尔滨工程大学 | 一种基于峰值判别的差分累加高分辨浅剖分层处理方法 |
CN113885078B (zh) * | 2021-09-28 | 2023-08-08 | 哈尔滨工程大学 | 一种基于峰值判别的差分累加高分辨浅剖分层处理方法 |
CN115508805A (zh) * | 2022-09-22 | 2022-12-23 | 中国舰船研究设计中心 | 一种机载激光雷达海洋探测回波信号分类方法 |
CN115508805B (zh) * | 2022-09-22 | 2024-04-19 | 中国舰船研究设计中心 | 一种机载激光雷达海洋探测回波信号分类方法 |
CN117075128A (zh) * | 2023-09-11 | 2023-11-17 | 深圳市速腾聚创科技有限公司 | 测距方法、装置、电子设备和计算机可读存储介质 |
CN117075128B (zh) * | 2023-09-11 | 2024-04-09 | 深圳市速腾聚创科技有限公司 | 测距方法、装置、电子设备和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111077537B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111077536A (zh) | 一种海洋激光雷达测探回波分类方法及装置 | |
CN111077537B (zh) | 一种测探回波优化分类方法及装置 | |
Wang et al. | A comparison of waveform processing algorithms for single-wavelength LiDAR bathymetry | |
Urban et al. | Processing of multibeam water column image data for automated bubble/seep detection and repeated mapping | |
CN110134976B (zh) | 一种机载激光测深信号提取方法及系统 | |
CN110673108B (zh) | 一种基于迭代Klett的机载海洋激光雷达信号处理方法 | |
JP6415288B2 (ja) | レーダ装置 | |
CN113608195B (zh) | 一种激光雷达全波形数据分解测深方法、装置及电子设备 | |
US10359508B2 (en) | System and method for calibration of echo sounding systems and improved seafloor imaging using such systems | |
CN103308910B (zh) | 利用高频地波雷达检测海上非航行状态船只目标的方法 | |
CN110135299B (zh) | 一种用于浅水测深的单波段蓝绿激光波形分析方法及系统 | |
CN105738881A (zh) | 基于波形分类的近海Envisat卫星测高波形重定方法 | |
CN106959442B (zh) | 基于多域信息的强干扰环境下地波雷达一阶回波谱提取方法 | |
CN110133680B (zh) | 一种机载激光测深接收波形有效信号初值确定方法及系统 | |
Hiroji | Extracting sonar relative beam patterns for multi-sector multibeam sonar | |
Nau et al. | Extended detection of shallow water gas seeps from multibeam echosounder water column data | |
Liu et al. | A method of sidelobe effect suppression for multibeam water column images based on an adaptive soft threshold | |
CN110133670B (zh) | 一种机载激光测深接收波形的去噪处理方法及其系统 | |
CN115508805B (zh) | 一种机载激光雷达海洋探测回波信号分类方法 | |
CN108957444A (zh) | 海冰区域轮廓线检测方法及装置 | |
CN113820680B (zh) | 一种基于协方差的多帧海陆雷达回波分割方法 | |
JP6024413B2 (ja) | 測定装置 | |
CN108983243B (zh) | 海底声学底质的三维概率密度分类方法 | |
RU2510045C2 (ru) | Фазовый гидролокатор бокового обзора | |
JP2010190682A (ja) | 水底下物体の探査類別方法及び装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |