CN113504528B - 一种基于多尺度假设检验的大气层次检测方法 - Google Patents
一种基于多尺度假设检验的大气层次检测方法 Download PDFInfo
- Publication number
- CN113504528B CN113504528B CN202110755581.XA CN202110755581A CN113504528B CN 113504528 B CN113504528 B CN 113504528B CN 202110755581 A CN202110755581 A CN 202110755581A CN 113504528 B CN113504528 B CN 113504528B
- Authority
- CN
- China
- Prior art keywords
- window
- signal
- asr
- ideal
- height
- 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.)
- Active
Links
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
- 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
-
- 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
- G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
-
- 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
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
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)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提出了一种基于多尺度假设检验的大气层次检测方法。本发明若应用于星载激光雷达,首先计算衰减散射比和衰减散射比信号噪声;设置一个固定大小为n的一维滑动窗口,根据泊松分布,或者高斯分布,或者伯努利分布判断窗口的中心点是否属于层次点,进一步通过滑动窗口对整条衰减散射比信号进行检测;之后舍弃部分不合理层次检测结果;最终得到这一大小窗口对应的层次检测结果。设置大小递增的多个一维滑动窗口,引入多尺度联合机制来融合每个尺度的优势以提高检测能力。本发明对层次更加敏感,能够在高水平分辨率下检测出更多的层次,检测结果完整合理,误检测更少,且该方法同时适用于地基和星载激光雷达信号处理。
Description
技术领域
本发明属于大气激光雷达技术领域,尤其涉及一种基于多尺度假设检验的大气层次检测方法。
背景技术
研究表明,云和气溶胶在局部气象和全球气候变化中扮演着重要的角色,其与水文循环和辐射传输间有着不可分割的联系,准确的云-气溶胶层次识别及光学特性反演对于评估其对气候变化的影响至关重要。激光雷达因工作波长短,可与大气中的云和气溶胶粒子直接发生散射作用,且具有高指向性、高单色性、高时空分辨率等特点,因而成为目前云和气溶胶层次三维探测的最有效手段。
激光雷达可以分为地基激光雷达和星载激光雷达,地基激光雷达可以长时间对局部地区上空的云和气溶胶进行持续观测,比如美国国家航空航天局(NASA)组建的微脉冲激光雷达网(MPLNET)。地基激光雷达的高时间分辨观测,为增进人们对云和气溶胶层在小时、日尺度上的宏观物理特性的理解起到了重要作用,但其站点的空间覆盖范围有限。而星载激光雷达搭载在卫星(如CALIPSO)上,可实现全球覆盖。星载、地基激光雷达各有优势,在云和气溶胶的环境和气候效应研究等科学领域起着重要作用。激光雷达信号反演的首要问题是层次检测,即确定信号中云或气溶胶层次的层底和层顶的位置,这是识别和反演云和气溶胶的前提,对于云和气溶胶的研究具有重要意义。然而,当前地基和星载激光雷达的层次检测方法相互独立,且方法仍存在错检和漏检问题,尤其是对微弱的云和气溶胶层次。因此,亟需发展更加稳健可靠的方法,实现基于地基和星载激光雷达探测的高精度层次探测。
目前,激光雷达信号层次检测方法主要包括斜率法、小波模极大值法、简单多尺度方法和阈值法等。
斜率法首先计算激光雷达信号的斜率,然后寻找斜率的过零点位置,并根据激光雷达信号的特征判断层底和层顶。该方法原理简单,但对信号的信噪比有很高的要求,较高的噪声引起信号剧烈波动,导致较多误判。
小波模极大法的理论基础是小波变换模的局部极值点对应数据的突变点,故可以通过检测激光雷达信号的小波变换系数模的局部极值点得到层次位置。然而,激光雷达信号的小波模极大值点所对应的信号点并非是严格的层次边界,存在着较大的误差。
简单多尺度方法首先利用层次和清洁大气的信号变化特征定义趋势指数函数,然后联合多尺度机制检测层次。此方法对噪声相对不敏感,但是考虑到在激光雷达的信噪比极低时,直接利用垂直相邻数据点之间的信号强度差异,对激光雷达信号进行层次检测不确定性仍然较大,所以还有改进的空间。
阈值法是目前应用最为广泛的方法,其核心在于结合信号本身的特征和信号的噪声或不确定度来确定一系列随高度变化的阈值,通过检测大于阈值的信号来检测层次。阈值法的缺点在于会出现漏检光学薄层和层底检测不彻底的问题。
以往的激光雷达信号层次检测方法大多对信噪比要求较高,在层次检测中并不考虑与噪声特性的结合,导致弱层次的错检与漏检。具体而言:
斜率法通过结合激光雷达信号斜率和信号波形特征检测层次,然而该方法受噪声影响极大,对于低信噪比信号的检测精度极差。
小波模极大值法基于小波变换模的局部极值点对应信号突变点这一原理识别层次,然而在实际应用中,信号的小波模极大值点并不严格对应层次边界,误差较大。
简单多尺度法首先利用层次和清洁大气的信号变化特征定义趋势指数函数,然后联合多尺度机制检测层次。此方法对噪声相对不敏感,但是考虑到在激光雷达的信噪比极低时,直接利用垂直相邻数据点之间的信号强度差异,对激光雷达信号进行层次检测不确定性仍然较大,所以还有改进的空间。
阈值法是目前主流的激光雷达层次检测方法,此方法的核心在于根据信号噪声的特点制定一系列随高度变化的阈值,根据信号点是否超过阈值来检测层次。但是因为光学薄层通常难以明显大于阈值,且层次信号由于衰减会低于阈值,因此会出现光学薄层的漏检测和层底检测不彻底的问题。
为了更精确地对激光雷达信号进行层次检测,本专利提出了一种多尺度假设检验方法。该方法将假设检验的思想应用于层次检测,通过滑动窗口内的假设检验判断窗口中心点是否属于层次点,再结合多尺度方法将不同大小窗口的检测结果相结合得到最终的结果。假设检验可以给出检测层次的置信度,而多尺度窗口的应用使得弱层次的高精度检测成为可能,可以有效弥补当前方法的不足。
发明内容
本发明提出了一种基于多尺度假设检验的大气层次检测方法,具体步骤如下:
步骤1:若应用于星载激光雷达,根据气象数据计算清洁大气衰减后向散射系数,根据清洁大气衰减后向散射系数计算衰减散射比,计算衰减散射比信号噪声;
步骤2:设置一个固定大小为n的一维滑动窗口,根据泊松分布判断窗口的中心点是否属于层次点,或者根据高斯分布判断窗口的中心点是否属于层次点,或者根据伯努利分布判断窗口的中心点是否属于层次点,进一步通过滑动窗口对整条衰减散射比ASR信号进行检测;之后舍弃部分不合理层次检测结果;最终得到这一大小的窗口对应的层次检测结果。
步骤3:设置大小递增的多个一维滑动窗口,引入多尺度联合机制来融合每个尺度即窗口大小的优势以提高检测能力;
作为优选,步骤1所述若应用于星载激光雷达:
步骤1所述根据气象数据计算清洁大气衰减后向散射系数,具体公式为:
其中,z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,不同激光雷达信号的信号点数不同;β′m(z)代表z高度处的清洁大气衰减后向散射系数;βm(z)代表z高度处的清洁大气后向散射系数;Tm(z)代表z高度处的大气分子单向透过率;代表z高度处的臭氧单向透过率;
步骤1所述计算衰减散射比,具体公式为:
其中,z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,不同激光雷达信号的信号点数不同;β′total(z)代表z高度处的星载激光雷达衰减后向散射系数;βm(z)代表z高度处的大气分子后向散射系数;βp(z)代表z高度处的粒子后向散射系数;Tm(z)代表z高度处的大气分子单向透过率;代表z高度处的臭氧单向透过率;Tp(z)代表z高度处的粒子单向透过率;β′m(z)代表z高度处的清洁大气衰减后向散射系数;
步骤1所述计算衰减散射比信号噪声,具体公式为:
NoiseASR=MBV(z)+RBV(z)
其中,z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,不同激光雷达信号的信号点数不同;MBV(z)代表z高度处的不变噪声;RBV(z)代表z高度处的可变噪声;极高海拔处空气稀薄,大气后向散射贡献接近0,此时这一高度范围内的信号只包含不变噪声,MBV通过计算此海拔高度区域内信号的标准差来确定;β′m(z)代表z高度处的清洁大气后向散射系数;zmax根据实际情况取一定海拔高度;
步骤1所述若应用于地基激光雷达,
步骤1所述根据气象数据计算清洁大气衰减后向散射系数,具体公式为:
其中,z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,不同激光雷达信号的信号点数不同;β′m(z)代表z高度处的清洁大气衰减后向散射系数;βm(z)代表z高度处的大气分子后向散射系数;Tm(z)代表z高度处的大气分子单向透过率。
步骤1所述计算未定标衰减散射比,具体公式为:
β(z)=βm(z)+βp(z)
T(z)=Tm(z)·Tp(z)
其中,z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,不同激光雷达信号的信号点数不同;C代表激光雷达常数;β(z)代表z高度处的总后向散射系数;T(z)代表z高度处的总单向透过率;βm(z)代表z高度处的大气分子后向散射系数;βp(z)代表z高度处的粒子后向散射系数;Tm(z)代表z高度处的大气分子单向透过率;Tp(z)代表z高度处的粒子单向透过率;β′m(z)代表z高度处的清洁大气衰减后向散射系数;
步骤1所述根据归一化区域内的未定标衰减散射比计算伪衰减后向散射系数,具体为:
选择一定海拔高度为起始高度,搜索一段清洁大气层作为归一化区域,将归一化区域的层底点高度记为z0,计算归一化区域内的未定标衰减散射比均值,根据归一化区域内的未定标衰减散射比均值计算伪衰减后向散射系数,具体为:
其中,代表归一化区域内的未定标衰减散射比均值;C代表激光雷达常数;αp(r)代表海拔高度为r的信号点的粒子消光系数;z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,不同激光雷达信号的信号点数不同;z0代表归一化区域的层底高度;βm(z)代表z高度处的大气分子后向散射系数;βp(z)代表z高度处的粒子后向散射系数;Tm(z)代表z高度处的大气分子单向透过率;Tp(z)代表z高度处的粒子单向透过率;PAB(z)代表z高度处的伪衰减后向散射系数;
步骤1所述根据伪衰减后向散射系数计算归一化伪衰减后向散射系数,具体为:
其中,z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,不同激光雷达信号的信号点数不同;PAB(z)代表z高度处的伪衰减后向散射系数;αm(r)代表r高度处的大气分子消光系数;z0代表归一化区域的层底高度,NPAB(z)代表z高度处的归一化伪衰减后向散射系数;
步骤1所述根据归一化伪衰减后向散射系数计算衰减散射比,具体为:
其中,z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,不同激光雷达信号的信号点数不同;NPAB(z)代表z高度处的归一化伪衰减后向散射系数;βm(z)代表z高度处的大气分子后向散射系数;αm(r)代表高度为r处的大气分子消光系数;z0代表归一化区域的层底高度,ASR(z)代表z高度处的衰减散射比;
步骤1所述计算衰减散射比信号噪声,具体公式为:
NoiseASR(z)=MBV(z)+RBV(z)
其中,z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,不同激光雷达信号的信号点数不同;hz代表z高度处对应的高度值;NoiseASR(z)代表z高度处的衰减散射比信号噪声;MBV(z)代表z高度处的不变噪声;RBV(z)代表z高度处的可变噪声;RAB(z)代表z高度处的经过距离校正的归一化伪衰减后向散射系数;e代表RAB在信号完全衰减的一定高度范围内的标准差;βm(z)代表z高度处的清洁大气后向散射系数;Zmax根据实际情况取一定海拔高度;
作为优选,步骤2所述根据泊松分布判断窗口的中心点是否属于层次点,具体为:
实测激光雷达信号由纯信号和泊松噪声组成,根据泊松分布模拟出理想的激光雷达信号,利用双样本科尔莫科洛夫-斯米洛夫检验作为判定准则,判断实测ASR与理想ASR是否有显著性差异,从而判定目标样本是否为层次,具体如下:
设滑动窗口W内实测激光雷达衰减散射比ASR为a1,a2,…,an,设窗口W对应高度处的理想激光雷达衰减散射比ASR为b1,b2,…,bn;
用F(x)和G(x)表示随机变量ai和bi的分布函数,用Fn(x)和Gn(x)表示上述样本的经验分布函数,之后计算双样本K-S统计量:
如果窗口W中位于层次中的信号点越多,窗口内实测ASR信号与理想激光雷达ASR信号的差异越大,则D值越大,窗口W位于清洁大气的概率就越小;
设置概率阈值为PThreshold,根据窗口内信号点数和PThreshold,由概率查找表得到对应的D阈值DThreshold,若窗口计算的D值大于DThreshold,则认为窗口的中心点属于层次,并标记为1,反之认为属于清洁大气,标记为0。
步骤2所述根据高斯分布判断窗口的中心点是否属于层次点,具体为:
清洁大气的衰减散射比ASR认为服从均值为ASRideal,标准差为NoiseASR的正态分布;
Z检验是一种常用来计算服从高斯分布的样本之间平均值差异的统计方法,使用Z检验作为高斯分布层次的判定准则;
Z检验的原理如下:
通过正态分布表可以得到给定概率下,可认为样本服从标准分布所对应的Z值。
结合上述Z检验原理可知,在层次检测过程中,如果窗口W内为理想清洁大气信号,那么窗口W内的信号均值为理想衰减散射比ASRideal,标准差std为窗口W所处高度的噪声值NoiseASR,计算窗口内的实测ASR均值窗口W大小为n,则检验滑动窗口内实测ASR均值与理想ASR均值差异性时,Z值为:
理想衰减散射比ASRideal表示无噪声干扰下的清洁大气的衰减散射比,其值为1;如果存在层次衰减时,需要估算已检测到层次的双向透过率从而基于更新理想衰减散射比ASRideal,同时也需要根据估算的双向透过率更新标准差std;
如果窗口W中位于层次中的信号点越多,则窗口W内ASR均值与理想衰减散射比ASRideal的值差别越大,Z值也就越大,则窗口W位于清洁大气的概率Pclear越小。
设置概率阈值为PThreshold,根据正态分布表可以得到样本位于清洁大气之中的概率为PThreshold时所对应的Z值,以其为Z的阈值ZThreshold。若窗口W计算的Z值大于ZThreshold,则认为窗口W中心点属于层次,并标记为1,反之则为清洁大气,标记为0。
步骤2所述根据伯努利分布判断窗口的中心点是否属于层次点,具体为:
若认为信号噪声服从高斯分布,实测ASR信号大于或者小于理想衰减散射比ASRideal的概率p是相等的,即信号服从伯努利分布。对于滑动窗口W内的n个信号点,各个点之间相互独立,则服从n重伯努利分布,可以用参数为n和p的二项分布表征;
对于窗口W内的n个信号点,有m个点的ASR值大于1的概率为:
P(m)=C(n,m)·pm·(1-p)n-m
式中,C(n,m)表示二项分布的系数。因此,对于清洁大气,在窗口W内的n个信号点,至少有m个信号点的ASR值大于理想衰减散射比ASRideal的概率为:
对于大小为n的窗口W,若m越大则窗口内实测ASR值大于理想衰减散射比ASRideal的点越多,那么窗口内的这些点属于清洁大气的概率则越小。指定一个阈值PThreshold,若窗口内计算的Pclear(n,m)值大于阈值PThreshold,则认为窗口W中心点属于层次,将其标记为1,反之则标记为0。
步骤2所述通过滑动窗口对整条衰减散射比ASR信号进行检测,以从低海拔到高海拔的方向移动窗口W,每次移动一个信号点依次对窗口中心点通过上述方法进行判定,从而实现对整条衰减散射比ASR信号的检测。
步骤2所述舍弃部分不合理层次检测结果为:
对一个固定大小的窗口,层顶和层底高的最大偏差是一半窗口大小,在检测过程中,舍弃小于窗口大小的层次,对于大于窗口大小的层次,则舍弃层底以上半个窗口和层顶以下半个窗口的检测结果,并将这些信号点标记为0。
步骤2所述得到这一大小的窗口对应的层次检测结果,最终检测结果是一个一维矩阵,矩阵长度等于信号点个数,矩阵元素为0或1,0代表对应的信号点位于清洁大气,1代表对应的信号点位于层次之中。
作为优选,步骤3所述设置大小递增的多个一维滑动窗口,记为W1、W2……Wk,各窗口的长度为n1,n2……nk;n1,n2……nk为等差数列,均为奇数,公差为2;窗口个数k的设定由信号点个数决定;
步骤3所述多尺度联合机制,即依次使用滑动窗口W1、W2……Wk按照步骤2所述三种方法中的一种(泊松分布判断、高斯分布判断、伯努利分布判断)对衰减散射比ASR信号进行层次检测,从而得到不同尺度窗口下的层次检测结果;
认为在任何一个尺度上标记为1的信号点即位于层次内,反之在所有尺度上都标记为0的信号点则认为位于清洁大气,即可得到最后的层次检测结果。
本发明优点在于:本方法将激光雷达信号中的云和气溶胶层次检测看成是一个假设检验的问题,并根据信号的概率分布情况提出了三种检测准则。与现有的阈值法对比,多尺度假设检验方法对层次更加敏感,能够在高水平分辨率下检测出更多的层次,检测结果完整合理,误检测更少,且该方法可以同时适用于地基和星载激光雷达信号处理。
附图说明
图1:是本发明方法流程图;
图2:是CALIPSO层次检测结果图;
图3:是不同尺度下信号点Pclear值示意图;是使用高斯分布多尺度假设检验算法对图2中的CALIPSO激光雷达信号进行检测的结果,Pclear代表信号点位于清洁大气的概率。
图4:是不同尺度下信号点特征标签示意图;1代表层次,0代表清洁大气;
图5:是多尺度假设检验层次检测结果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
图1是本发明方法流程图。构造ASR信号并计算信号噪声;使用固定大小的滑动窗口对整条廓线进行检测,根据信号的概率分布即泊松分布、高斯分布、伯努利分布的情况采用不同的检测方法;使用多尺度联合机制合并多个尺度下的检测结果;
图1:是本发明方法流程图;
图2:是CALIPSO层次检测结果图;
图3:是不同尺度下信号点Pclear值示意图;是使用高斯分布多尺度假设检验算法对图2中的CALIPSO激光雷达信号进行检测的结果,Pclear代表信号点位于清洁大气的概率。
图4:是不同尺度下信号点特征标签示意图;1代表层次,0代表清洁大气;
图5:是多尺度假设检验层次检测结果图。
下面结合图1至图5介绍本发明的具体实施方式为一种基于多尺度假设检验的大气层次检测方法,具体步骤如下:
步骤1:若应用于星载激光雷达,根据气象数据计算清洁大气衰减后向散射系数,根据清洁大气衰减后向散射系数计算衰减散射比,计算衰减散射比信号噪声;
若应用于地基激光雷达,根据气象数据计算清洁大气衰减后向散射系数,根据清洁大气衰减后向散射系数计算未定标衰减散射比;根据归一化区域和未定标衰减散射比计算伪衰减后向散射系数;根据伪衰减后向散射系数计算归一化伪衰减后向散射系数;根据归一化伪衰减后向散射系数计算衰减散射比,计算衰减散射比信号噪声;
步骤1所述若应用于星载激光雷达:
步骤1所述根据气象数据计算清洁大气衰减后向散射系数,具体公式为:
其中,z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,对于CALIPSO星载激光雷达,一条信号中信号点的个数为583,信号点间隔在不同的高度范围不同;β′m(z)代表z高度处的清洁大气衰减后向散射系数;βm(z)代表z高度处的清洁大气后向散射系数;Tm(z)代表z高度处的大气分子单向透过率;代表z高度处的臭氧单向透过率;
步骤1所述计算衰减散射比,具体公式为:
其中,z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,对于CALIPSO星载激光雷达,一条信号中信号点的个数为583,信号点间隔在不同的高度范围不同;β′total(z)代表z高度处的星载激光雷达衰减后向散射系数;βm(z)代表z高度处的大气分子后向散射系数;βp(z)代表z高度处的粒子后向散射系数;Tm(z)代表z高度处的大气分子单向透过率;代表z高度处的臭氧单向透过率;Tp(z)代表z高度处的粒子单向透过率;β′m(z)代表z高度处的清洁大气衰减后向散射系数;
步骤1所述计算衰减散射比信号噪声,具体公式为:
NoiseASR=MBV(z)+RBV(z)
其中,z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,对于CALIPSO星载激光雷达,一条信号中信号点的个数为583,信号点间隔在不同的高度范围不同;MBV(z)代表z高度处的不变噪声;RBV(z)代表z高度处的可变噪声;极高海拔处空气稀薄,大气后向散射贡献接近0,此时这一高度范围内的信号只包含不变噪声,MBV通过计算此海拔高度区域内信号的标准差来确定;β′m(z)代表z高度处的清洁大气后向散射系数;zmax根据实际情况取一定海拔高度;
步骤1所述若应用于地基激光雷达,
步骤1所述根据气象数据计算清洁大气衰减后向散射系数,具体公式为:
其中,z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,点之间的距离相同,对于MPLNET微脉冲激光雷达系统,一条信号中信号点的个数为400,信号点间隔一般为75米;β′m(z)代表z高度处的清洁大气衰减后向散射系数;βm(z)代表z高度处的大气分子后向散射系数;Tm(z)代表z高度处的大气分子单向透过率。
步骤1所述计算未定标衰减散射比,具体公式为:
β(z)=βm(z)+βp(z)
T(z)=Tm(z)·Tp(z)
其中,z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,对于MPLNET微脉冲激光雷达系统,一条信号中信号点的个数为400,信号点间隔一般为75米;C代表激光雷达常数;β(z)代表z高度处的总后向散射系数;T(z)代表z高度处的总单向透过率;βm(z)代表z高度处的大气分子后向散射系数;βp(z)代表z高度处的粒子后向散射系数;Tm(z)代表z高度处的大气分子单向透过率;Tp(z)代表z高度处的粒子单向透过率;β′m(z)代表z高度处的清洁大气衰减后向散射系数;
步骤1所述根据归一化区域内的未定标衰减散射比计算伪衰减后向散射系数,具体为:
选择一定海拔高度为起始高度,搜索一段清洁大气层作为归一化区域,将归一化区域的层底点高度记为z0,计算归一化区域内的未定标衰减散射比均值,根据归一化区域内的未定标衰减散射比均值计算伪衰减后向散射系数,具体为:
其中,代表归一化区域内的未定标衰减散射比均值;C代表激光雷达常数;αp(r)代表高度为r处的粒子消光系数;z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,对于MPLNET微脉冲激光雷达系统,一条信号中信号点的个数为400,信号点间隔一般为75米;z0代表归一化区域的层底高度;βm(z)代表z高度处的大气分子后向散射系数;βp(z)代表z高度处的粒子后向散射系数;Tm(z)代表z高度处的大气分子单向透过率;Tp(z)代表z高度处的粒子单向透过率;PAB(z)代表z高度处的伪衰减后向散射系数;
步骤1所述根据伪衰减后向散射系数计算归一化伪衰减后向散射系数,具体为:
其中z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,对于MPLNET微脉冲激光雷达系统,一条信号中信号点的个数为400,信号点间隔一般为75米;PAB(z)代表z高度处的伪衰减后向散射系数;αm(r)代表高度为r处的大气分子消光系数;z0代表归一化区域的层底点高度,NPAB(z)代表z高度处的归一化伪衰减后向散射系数;
步骤1所述根据归一化伪衰减后向散射系数计算衰减散射比,具体为:
其中,z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,对于MPLNET微脉冲激光雷达系统,一条信号中信号点的个数为400,信号点间隔一般为75米;NPAB(z)代表z高度处的归一化伪衰减后向散射系数;βm(z)代表z高度处的大气分子后向散射系数;αm(r)代表高度为r处的大气分子消光系数;z0代表归一化区域的层底点高度,ASR(z)代表z高度处的衰减散射比;
步骤1所述计算衰减散射比信号噪声,具体公式为:
NoiseASR(z)=MBV(z)+RBV(z)
其中,z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,对于MPLNET微脉冲激光雷达系统,一条信号中信号点的个数为400,信号点间隔一般为75米;hz代表z高度处对应的高度值;NoiseASR(z)代表z高度处的衰减散射比信号噪声;MBV(z)代表z高度处的不变噪声;RBV(z)代表z高度处的可变噪声;RAB(z)代表z高度处的经过距离校正的归一化伪衰减后向散射系数;e代表RAB在信号完全衰减的一定高度范围内的标准差;β′m(z)代表z高度处的清洁大气后向散射系数;zmax根据实际情况取一定海拔高度;
步骤2:设置一个固定大小为n的一维滑动窗口W,根据泊松分布判断窗口的中心点是否属于层次点,或者根据高斯分布判断窗口的中心点是否属于层次点,或者根据伯努利分布判断窗口的中心点是否属于层次点,进一步通过滑动窗口对整条衰减散射比ASR信号进行检测;之后舍弃部分不合理层次检测结果;最终得到这一大小的窗口对应的层次检测结果。
步骤2所述根据泊松分布判断窗口的中心点是否属于层次点,具体为:
实测激光雷达信号由纯信号和泊松噪声组成,根据泊松分布模拟出理想的激光雷达信号,利用双样本科尔莫科洛夫-斯米洛夫检验作为判定准则,判断实测ASR与理想ASR是否有显著性差异,从而判定目标样本是否为层次,具体如下:
设滑动窗口W内实测激光雷达衰减散射比ASR为a1,a2,…,an,设窗口W对应高度处的理想激光雷达衰减散射比ASR为b1,b2,…,bn;
用F(x)和G(x)表示随机变量ai和bi的分布函数,用Fn(x)和Gn(x)表示上述样本的经验分布函数,之后计算双样本K-S统计量:
如果窗口W中位于层次中的信号点越多,窗口内实测ASR信号与理想激光雷达ASR信号的差异越大,则D值越大,窗口W位于清洁大气的概率就越小;
设置概率阈值为PThreshold,根据窗口内信号点数和PThreshold,由概率查找表得到对应的D阈值DThreshold,若窗口计算的D值大于DThreshold,则认为窗口的中心点属于层次,并标记为1,反之认为属于清洁大气,标记为0。
步骤2所述根据高斯分布判断窗口的中心点是否属于层次点,具体为:
清洁大气的衰减散射比ASR认为服从均值为ASRideal,标准差为NoiseASR的正态分布;
Z检验是一种常用来计算服从高斯分布的样本之间平均值差异的统计方法,使用Z检验作为高斯分布层次的判定准则;
Z检验的原理如下:
通过正态分布表可以得到给定概率下,可认为样本服从标准分布所对应的Z值。
结合上述Z检验原理可知,在层次检测过程中,如果窗口W内为理想清洁大气信号,那么窗口W内的信号均值为理想衰减散射比ASRideal,标准差std为窗口W所处高度的噪声值NoiseASR,计算窗口内的实测ASR均值窗口W大小为n,则检验滑动窗口内实测ASR均值与理想ASR均值差异性时,Z值为:
理想衰减散射比ASRideal表示无噪声干扰下的清洁大气的衰减散射比,其值为1;如果存在层次衰减时,需要估算已检测到层次的双向透过率从而基于更新理想衰减散射比ASRideal,同时也需要根据估算的双向透过率更新标准差std;
如果窗口W中位于层次中的信号点越多,则窗口W内ASR均值与理想衰减散射比ASRideal的值差别越大,Z值也就越大,则窗口W属于清洁大气的概率Pclear越小。
设置概率阈值为PThreshoLd,根据正态分布表可以得到样本位于清洁大气之中的概率为PThreshold时所对应的Z值,以其为Z的阈值ZThreshold。若窗口W计算的Z值大于ZThreshold,则认为窗口W中心点属于层次,并标记为1,反之则为清洁大气,标记为0。
步骤2所述根据伯努利分布判断窗口的中心点是否属于层次点,具体为:
若认为信号噪声服从高斯分布,实测ASR信号大于或者小于理想衰减散射比ASRideal的概率p是相等的,即信号服从伯努利分布。对于滑动窗口W内的n个信号点,各个点之间相互独立,则服从n重伯努利分布,可以用参数为n和p的二项分布表征;
对于窗口W内的n个信号点,有m个点的ASR值大于1的概率为:
P(m)=C(n,m)·pm·(1-p)n-m
式中,C(n,m)表示二项分布的系数。因此,对于清洁大气,在窗口W内的n个信号点,至少有m个信号点的ASR值大于理想衰减散射比ASRideal的概率为:
对于大小为n的窗口W,若m越大则窗口内实测ASR值大于理想衰减散射比ASRideal的点越多,那么窗口内的这些点属于清洁大气的概率则越小。指定一个阈值PThreshoLd,若窗口内计算的Pclear(n,m)值大于阈值PThreshold,则认为窗口W中心点属于层次,将其标记为1,反之则标记为0。
步骤2所述通过滑动窗口对整条衰减散射比ASR信号进行检测,以从低海拔到高海拔的方向移动窗口W,每次移动一个信号点依次对窗口中心点通过上述方法进行判定,从而实现对整条衰减散射比ASR信号的检测。
步骤2所述舍弃部分不合理层次检测结果为:
对一个固定大小的窗口,层顶和层底高的最大偏差是一半窗口大小,在检测过程中,舍弃小于窗口大小的层次,对于大于窗口大小的层次,则舍弃层底以上半个窗口和层顶以下半个窗口的检测结果,并将这些信号点标记为0。
步骤2所述得到这一大小的窗口对应的层次检测结果,最终检测结果是一个一维矩阵,矩阵长度等于信号点个数,矩阵元素为0或1,0代表对应的信号点位于清洁大气,1代表对应的信号点位于层次之中。
步骤3:设置大小递增的多个一维滑动窗口,引入多尺度联合机制来融合每个尺度即窗口大小的优势以提高检测能力;
步骤3所述设置大小递增的多个一维滑动窗口,记为W1、W2……Wk,各窗口的长度为n1,n2……nk;n1,n2……nk为等差数列,均为奇数,公差为2;窗口个数k的设定由信号点个数决定;
步骤3所述多尺度联合机制,即依次使用滑动窗口W1、W2……Wk按照步骤2所述三种方法中的一种(泊松分布判断、高斯分布判断、伯努利分布判断)对衰减散射比ASR信号进行层次检测,从而得到不同尺度窗口下的层次检测结果;
认为在任何一个尺度上标记为1的信号点即位于层次内,反之在所有尺度上都标记为0的信号点则认为位于清洁大气,即可得到最后的层次检测结果。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于多尺度假设检验的大气层次检测方法,其特征在于,包括以下步骤:
步骤1:若应用于星载激光雷达,根据气象数据计算清洁大气衰减后向散射系数,根据清洁大气衰减后向散射系数计算衰减散射比,计算衰减散射比信号噪声;
步骤2:设置一个固定大小为n的一维滑动窗口,根据泊松分布判断窗口的中心点是否属于层次点,或者根据高斯分布判断窗口的中心点是否属于层次点,或者根据伯努利分布判断窗口的中心点是否属于层次点,进一步通过滑动窗口对整条衰减散射比ASR信号进行检测;之后舍弃部分不合理层次检测结果;最终得到这一大小的窗口对应的层次检测结果;
步骤3:设置大小递增的多个一维滑动窗口,引入多尺度联合机制来融合每个尺度即窗口大小的优势以提高检测能力;
步骤2所述根据泊松分布判断窗口的中心点是否属于层次点,具体为:
实测激光雷达信号由纯信号和泊松噪声组成,根据泊松分布模拟出理想的激光雷达信号,利用双样本科尔莫科洛夫-斯米洛夫检验作为判定准则,判断实测ASR与理想ASR是否有显著性差异,从而判定目标样本是否为层次,具体如下:
设滑动窗口W内实测激光雷达衰减散射比ASR为a1,a2,…,an,设窗口W对应高度处的理想激光雷达衰减散射比ASR为b1,b2,…,bn;
用F(x)和G(x)表示随机变量ai和bi的分布函数,用Fn(x)和Gn(x)表示上述样本的经验分布函数,之后计算双样本K-S统计量:
如果窗口W中位于层次中的信号点越多,窗口内实测ASR信号与理想激光雷达ASR信号的差异越大,则D值越大,窗口W位于清洁大气的概率就越小;
设置概率阈值为PThreshold,根据窗口内信号点数和PThreshold,由概率查找表得到对应的D阈值DThreshold,若窗口计算的D值大于DThreshold,则认为窗口的中心点属于层次,并标记为1,反之认为属于清洁大气,标记为0;
步骤2所述根据高斯分布判断窗口的中心点是否属于层次点,具体为:
清洁大气的衰减散射比ASR认为服从均值为ASRideal,标准差为NoiSeASR的正态分布;
Z检验是一种常用来计算服从高斯分布的样本之间平均值差异的统计方法,使用Z检验作为高斯分布层次的判定准则;
Z检验的原理如下:
通过正态分布表可以得到给定概率下,可认为样本服从标准分布所对应的Z值;
结合上述Z检验原理可知,在层次检测过程中,如果窗口W内为理想清洁大气信号,那么窗口W内的信号均值为理想衰减散射比ASRideal,标准差std为窗口W所处高度的噪声值NoiSeASR,计算窗口内的实测ASR均值窗口W大小为n,则检验滑动窗口内实测ASR均值与理想ASR均值差异性时,Z值为:
理想衰减散射比ASRideal表示无噪声干扰下的清洁大气的衰减散射比,其值为1;如果存在层次衰减时,需要估算已检测到层次的双向透过率从而基于更新理想衰减散射比ASRideal,同时也需要根据估算的双向透过率更新标准差std;
如果窗口W中位于层次中的信号点越多,则窗口W内ASR均值与理想衰减散射比ASRideal的值差别越大,Z值也就越大,则窗口W位于清洁大气的概率Pclear越小;
设置概率阈值为PThreshold,根据正态分布表可以得到样本位于清洁大气之中的概率为PThreshold时所对应的Z值,以其为Z的阈值ZThreshold;若窗口W计算的Z值大于ZThreshold,则认为窗口W中心点属于层次,并标记为1,反之则为清洁大气,标记为0;
步骤2所述根据伯努利分布判断窗口的中心点是否属于层次点,具体为:
若认为信号噪声服从高斯分布,实测ASR信号大于或者小于理想衰减散射比ASRideal的概率p是相等的,即信号服从伯努利分布;对于滑动窗口W内的n个信号点,各个点之间相互独立,则服从n重伯努利分布,用参数为n和p的二项分布表征;
对于窗口W内的n个信号点,有m个点的ASR值大于1的概率为:
P(m)=C(n,m)·pm·(1-p)n-m
式中,C(n,m)表示二项分布的系数;因此,对于清洁大气,在窗口W内的n个信号点,至少有m个信号点的ASR值大于理想衰减散射比ASRideal的概率为:
对于大小为n的窗口W,若m越大则窗口内实测ASR值大于理想衰减散射比ASRideal的点越多,那么窗口内的这些点属于清洁大气的概率则越小;指定一个阈值PThreshold,若窗口内计算的Pclear(n,m)值大于阈值PThreshold,则认为窗口W中心点属于层次,将其标记为1,反之则标记为0;
步骤2所述通过滑动窗口对整条衰减散射比ASR信号进行检测,以从低海拔到高海拔的方向移动窗口W,每次移动一个信号点依次对窗口中心点通过上述方法进行判定,从而实现对整条衰减散射比ASR信号的检测;
步骤2所述舍弃部分不合理层次检测结果为:
对一个固定大小的窗口,层顶和层底高的最大偏差是一半窗口大小,在检测过程中,舍弃小于窗口大小的层次,对于大于窗口大小的层次,则舍弃层底以上半个窗口和层顶以下半个窗口的检测结果,并将这些信号点标记为0;
步骤2所述得到这一大小的窗口对应的层次检测结果,最终检测结果是一个一维矩阵,矩阵长度等于信号点个数,矩阵元素为0或1,0代表对应的信号点位于清洁大气,1代表对应的信号点位于层次之中。
2.根据权利要求1所述的基于多尺度假设检验的大气层次检测方法,其特征在于,
步骤1所述根据气象数据计算清洁大气衰减后向散射系数,具体公式为:
其中,z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,不同激光雷达信号的信号点数不同;β′m(z)代表z高度处的清洁大气衰减后向散射系数;βm(z)代表z高度处的清洁大气后向散射系数;Tm(z)代表z高度处的大气分子单向透过率;代表z高度处的臭氧单向透过率;
步骤1所述计算衰减散射比,具体公式为:
其中,z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,不同激光雷达信号的信号点数不同;β′total(z)代表z高度处的星载激光雷达衰减后向散射系数;βm(z)代表z高度处的大气分子后向散射系数;βp(z)代表z高度处的粒子后向散射系数;Tm(z)代表z高度处的大气分子单向透过率;代表z高度处的臭氧单向透过率;Tp(z)代表z高度处的粒子单向透过率;β′m(z)代表z高度处的清洁大气衰减后向散射系数;
步骤1所述计算衰减散射比信号噪声,具体公式为:
NoiseASR=MBV(z)+RBV(z)
其中,z为海拔高度,激光雷达信号点是一系列不同海拔高度返回的离散点,不同激光雷达信号的信号点数不同;MBV(z)代表z高度处的不变噪声;RBV(z)代表z高度处的可变噪声;极高海拔处空气稀薄,大气后向散射贡献接近0,此时这一高度范围内的信号只包含不变噪声,MBV通过计算此海拔高度区域内信号的标准差来确定;β′m(z)代表z高度处的清洁大气后向散射系数;zmax根据实际情况取一定海拔高度。
3.根据权利要求1所述的基于多尺度假设检验的大气层次检测方法,其特征在于,
步骤3所述设置大小递增的多个一维滑动窗口,记为W1、W2……Wk,各窗口的长度为n1,n2……nk;n1,n2……nk为等差数列,均为奇数,公差为2;窗口个数k的设定由信号点个数决定;
步骤3所述多尺度联合机制,即依次使用滑动窗口W1、W2……Wk按照步骤2所述根据泊松分布判断、高斯分布判断、伯努利分布判断三种方法中的一种对衰减散射比ASR信号进行层次检测,从而得到不同尺度窗口下的层次检测结果;
认为在任何一个尺度上标记为1的信号点即位于层次内,反之在所有尺度上都标记为0的信号点则认为位于清洁大气,即可得到最后的层次检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110755581.XA CN113504528B (zh) | 2021-07-05 | 2021-07-05 | 一种基于多尺度假设检验的大气层次检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110755581.XA CN113504528B (zh) | 2021-07-05 | 2021-07-05 | 一种基于多尺度假设检验的大气层次检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113504528A CN113504528A (zh) | 2021-10-15 |
CN113504528B true CN113504528B (zh) | 2022-04-29 |
Family
ID=78011518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110755581.XA Active CN113504528B (zh) | 2021-07-05 | 2021-07-05 | 一种基于多尺度假设检验的大气层次检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113504528B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2639677C (en) * | 2008-09-16 | 2014-03-25 | Gilles Roy | Standoff determination of the size and concentration of low concentration aerosols |
CN101806889B (zh) * | 2010-02-26 | 2012-07-04 | 华中科技大学 | 一种优化调制激光雷达系统参数的装置和方法 |
CN106443708A (zh) * | 2016-06-29 | 2017-02-22 | 无锡中科光电技术有限公司 | 一种大气颗粒物监测激光雷达数据处理方法 |
CN107092871B (zh) * | 2017-04-06 | 2018-01-16 | 重庆市地理信息中心 | 基于多尺度多特征融合的遥感影像建筑物检测方法 |
US11609328B2 (en) * | 2018-05-23 | 2023-03-21 | Massachusetts Institute Of Technology | Methods and apparatus for improved imaging through scattering media |
US11270578B2 (en) * | 2018-10-01 | 2022-03-08 | Here Global B.V. | Method, apparatus, and system for detecting road closures based on probe activity |
CN111259909A (zh) * | 2018-11-30 | 2020-06-09 | 中国科学院大连化学物理研究所 | 一种lc-ms数据高灵敏度特征检测方法 |
CN111965666B (zh) * | 2020-07-16 | 2022-10-18 | 中国矿业大学 | 一种气溶胶三维空间分布制图方法 |
CN112433228B (zh) * | 2021-01-05 | 2023-02-03 | 中国人民解放军国防科技大学 | 用于行人检测的多激光雷达决策级融合方法和装置 |
-
2021
- 2021-07-05 CN CN202110755581.XA patent/CN113504528B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113504528A (zh) | 2021-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Morille et al. | STRAT: An automated algorithm to retrieve the vertical structure of the atmosphere from single-channel lidar data | |
Martucci et al. | Detection of cloud-base height using Jenoptik CHM15K and Vaisala CL31 ceilometers | |
Zhao et al. | A new cloud and aerosol layer detection method based on micropulse lidar measurements | |
Zhang et al. | Analysis of cloud layer structure in Shouxian, China using RS92 radiosonde aided by 95 GHz cloud radar | |
Liao et al. | Comparisons of rain rate and reflectivity factor derived from the TRMM precipitation radar and the WSR-88D over the Melbourne, Florida, site | |
Gossard et al. | The potential of 8-mm radars for remotely sensing cloud drop size distributions | |
Chepfer et al. | Comparison of two different cloud climatologies derived from CALIOP-attenuated backscattered measurements (level 1): The CALIPSO-ST and the CALIPSO-GOCCP | |
Naud et al. | Comparison between active sensor and radiosonde cloud boundaries over the ARM Southern Great Plains site | |
Toledo et al. | Cluster analysis: A new approach applied to lidar measurements for atmospheric boundary layer height estimation | |
Zhang et al. | Comparison of planetary boundary layer height from ceilometer with ARM radiosonde data | |
Zhou et al. | Vertical distributions of raindrops and Z‐R relationships using microrain radar and 2‐D‐video distrometer measurements during the Integrative Monsoon Frontal Rainfall Experiment (IMFRE) | |
Palm et al. | Planetary boundary layer height estimates from ICESat-2 and CATS backscatter measurements | |
CN116449331B (zh) | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 | |
Wang et al. | Comparisons of reflectivities from the TRMM precipitation radar and ground-based radars | |
KR101538368B1 (ko) | 엑스밴드 이중편파 레이더 원시자료를 이용한 강수체 구분 방법 | |
Holleman et al. | Quality assessment of weather radar wind profiles during bird migration | |
Bumke et al. | Analysis of measured drop size spectra over land and sea | |
Davison et al. | A revised conceptual model of the tropical marine boundary layer. Part II: Detecting relative humidity layers using Bragg scattering from S-band radar | |
Williams et al. | Cluster analysis techniques to separate air motion and hydrometeors in vertical incident profiler observations | |
CN113504528B (zh) | 一种基于多尺度假设检验的大气层次检测方法 | |
CN111308468B (zh) | 一种基于InSAR技术的形变风险区域自动识别的方法 | |
Kida et al. | Improvement of rain/no-rain classification methods for microwave radiometer observations over the ocean using a 37 GHz emission signature | |
Zha et al. | Detecting of overshooting cloud tops via Himawari-8 imagery using dual channel multiscale deep network | |
Varma et al. | Small-scale horizontal rain-rate variability observed by satellite | |
Chandrasekar et al. | Dpr dual-frequency precipitation classification |
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 |