CN116626650A - 一种单光子探测的运动目标全波形恢复方法与系统 - Google Patents
一种单光子探测的运动目标全波形恢复方法与系统 Download PDFInfo
- Publication number
- CN116626650A CN116626650A CN202310925846.5A CN202310925846A CN116626650A CN 116626650 A CN116626650 A CN 116626650A CN 202310925846 A CN202310925846 A CN 202310925846A CN 116626650 A CN116626650 A CN 116626650A
- Authority
- CN
- China
- Prior art keywords
- photon
- event data
- motion
- photon event
- echo
- 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 48
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 238000011084 recovery Methods 0.000 title claims abstract description 20
- 238000001914 filtration Methods 0.000 claims abstract description 21
- 238000012937 correction Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- AYFVYJQAPQTCCC-GBXIJSLDSA-N L-threonine Chemical compound C[C@@H](O)[C@H](N)C(O)=O AYFVYJQAPQTCCC-GBXIJSLDSA-N 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 23
- 239000000203 mixture Substances 0.000 claims description 20
- 230000003044 adaptive effect Effects 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 15
- 238000002592 echocardiography Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 10
- 125000004122 cyclic group Chemical group 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000010410 layer Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000001161 time-correlated single photon counting Methods 0.000 description 1
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
- G01S7/4808—Evaluating distance, position or velocity data
-
- 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
-
- 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/50—Systems of measurement based on relative movement of target
- G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- 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
- 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
- G01S7/483—Details of pulse systems
- G01S7/486—Receivers
- G01S7/487—Extracting wanted echo signals, e.g. pulse detection
-
- 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
- G01S7/497—Means for monitoring or calibrating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Theoretical Computer Science (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明提出一种单光子探测的运动目标全波形恢复方法与系统，属于数据处理术领域。本发明针对运动目标光子回波的直方图畸变问题，通过数据预处理、运动补偿和光子波形修正的操作，分别实现数据初滤噪、信号速度补偿和全波形恢复的目的，最终获得目标准确的全波形和运动参数。本发明从根本上解决了目标运动对累积探测的影响，校正了多层次目标的强度分布。
Description
技术领域
本发明属于数据处理技术领域，尤其涉及一种单光子探测的运动目标全波形恢复方法与装置。
背景技术
单光子探测用单光子探测器作为探测端实现了单光子级的灵敏度。但通过单次探测，只能判断信号的有无，无法给出信号强度。时间相关光子计数技术（Time-CorrelatedSingle-Photon Counting，TCSPC）通过长时间累计，对响应光子事件的到达时间进行统计，形成统计直方图，通过对直方图的处理实现微弱信号有效探测。因此，单光子探测广泛应用于远距离目标探测。如何利用单光子探测技术实现运动目标的探测和识别始终是没有相关方案。
远距离运动“小”目标多指远距离空中或空间目标，大多只能在一个像素点内测得信号，大家对其开展的单光子探测更多地聚焦于运动目标的发现。但仅发现目标是远远不够的，目标信息的获取和识别是目标探测更深层目的。众所周知，当目标静止，且探测效率小于5%时，单光子探测的统计直方图基本上与激光波形（又称之为全波形）一致。目标的全波形包含目标的几何形状及其表面光学特性信息，因此可以利用单光子探测的统计直方图获取目标的信息，进而实现目标识别。但是对于运动目标，回波光子事件到达探测器的时间一直随着目标距离的改变而改变，此时的统计直方图与激光波形的内在联系就被破坏了。因此，如何在单光子探测体制下获得运动目标的全波形信息就变成了一个亟待解决的问题。
发明内容
本发明公开了一种单光子探测的运动目标全波形恢复方案，以解决运动目标光子回波的直方图畸变问题。
本发明第一方面提出一种单光子探测的运动目标全波形恢复方法，所述方法包括：步骤S1、对运动目标的回波光子信号进行预处理；包括：通过选取感兴趣的时间区间获取原始光子事件数据，并基于距离门位置对所述原始光子事件数据进行去噪处理，得到经预处理的光子事件数据；步骤S2、对所述经预处理的光子事件数据进行运动补偿；包括：从所述经预处理的光子事件数据中筛选出内点信号，对所述内点信号进行最小二乘法拟合，以计算所述运动目标的运动速度估计值和实时位置估计值；利用所述运动速度估计值对所述经预处理的光子事件数据进行运动补偿；步骤S3、对经运动补偿的光子事件数据进行光子波形校正，包括：结合粗栅格去噪和自适应中值滤波对所述经运动补偿的光子事件数据进行多重去噪，对经多重去噪的光子事件数据进行回波光子直方图补全，并将其转换为激光回波，利用高斯混合模型对所述激光回波进行拟合，得到所述运动目标的恢复全波形；步骤S4、汇总所述运动目标的恢复全波形和运动参数，所述运动参数包括所述运动速度估计值和所述实时位置估计值。
根据本发明第一方面的方法，在所述步骤S1中：所述感兴趣的时间区域为，在所述感兴趣的时间区域/>内，所述原始光子事件数据为/>，所述距离门的宽度为/>，光子事件距离总长度为/>，将目标回波光子信号置于所述距离门的中间；其中，将细分长度/>作为直方图统计的间隔，循环距离长度为/>，计算每个延时对应的直方图，并选取具有最大峰值的直方图，将所述最大峰值对应的距离值分别向前、向后扩展1个和2个细分长度，得到的长度为所述距离门。
根据本发明第一方面的方法，在所述步骤S2中，从所述经预处理的光子事件数据中筛选出所述内点信号，具体包括：
所述运动目标在所述感兴趣的时间区域内做匀速运动，模型为/>，/>表示所述模型/>包含的有向速度变量，/>表示所述模型/>包含的时间变量，/>表示所述模型/>包含的初始位置，随机采样的点数/>为2，所述模型的输入为所述经预处理的光子事件数据/>、所述随机采样的点数/>、迭代次数/>和距离阈值/>；其中：
从所述经预处理的光子事件数据中随机采样两组数据，包含时间分量和位置分量 ：/> ，利用所述两组数据计算所述模型的参数/>,/>；
基于所述模型的参数，计算所述经预处理的光子事件数据中每个数据对所述模型的距离/>,/>，Num为数据数量；
统计<Thre的数量NumThre，当NumThre>Nummax时，将NumThre作为Nummax，将/>作为最优参数bestline，多次迭代后从bestline对应的曲线中筛选出内点信号Sinlier，Nummax为超过所述距离阈值Thre的最大信号点数。
根据本发明第一方面的方法，在所述步骤S2中，对所述内点信号进行所述最小二乘法拟合，以计算所述运动目标的所述运动速度估计值和所述实时位置估计值，具体包括：
待拟合函数为，/>表示所述待拟合函数/>包含的初始位置，/>表示所述运动速度估计值，误差最小的拟合函数为/>，其中，/>为所述内点信号/>的个数，通过计算得到所述运动目标的所述运动速度估计值/>和所述实时位置估计值/>。
根据本发明第一方面的方法，在所述步骤S2中，利用所述运动速度估计值对所述经预处理的光子事件数据进行运动补偿，具体包括：所述运动补偿包括速度补偿，所述经运动补偿的光子事件数据为/>，其中/>，。
根据本发明第一方面的方法，在所述步骤S3中，结合所述粗栅格去噪和所述自适应中值滤波对所述经运动补偿的光子事件数据进行所述多重去噪，具体包括：
所述粗栅格去噪包括：根据时间栅格宽度对所述经运动补偿的光子事件数据进行直方图统计，所有栅格进行去噪处理；
所述自适应中值滤波包括：
阶段A、令、/>；
若，则跳转至阶段B；
否则，增大所述自适应中值滤波的窗口尺寸，重复阶段A，直至所述窗口尺寸大于，输出/>；
阶段B、令、/>；
若，则输出/>；
否则，输出；
其中，为窗口覆盖区域；中心值点为第/>个时间栅格，强度值为Zx；Zmin、Zmax、Zmed分别对应/>内的统计事件值的最小值、最大值和中值；/>为设置窗口的最大尺寸。
根据本发明第一方面的方法，在所述步骤S3中，对经多重去噪的光子事件数据进行回波光子直方图补全，并将其转换为激光回波，具体包括：
所述回波光子直方图补全的公式为：
其中，K(i)为第i个时间栅格的光子事件数，为发射的激光脉冲数，Countall为探测到的所有光子事件数，Tg为所述距离门的范围；
将所述回波光子直方图转化为所述激光回波的公式为：
其中，校正函数，td表示单光子探测器的死时间所占的栅格时间数。
根据本发明第一方面的方法，在所述步骤S3中，利用所述高斯混合模型对所述激光回波进行拟合，得到所述运动目标的恢复全波形，具体包括：
所述高斯混合模型对所述激光回波的进行拟合的公式为：
其中，所述运动目标包括个深度，/>为第/>个深度的信号幅值，/>为第/>个深度值，/>为第/>个深度对应的脉冲展宽。
本发明第二方面提出一种单光子探测的运动目标全波形恢复系统。所述系统包括：第一处理单元，被配置为，对运动目标的回波光子信号进行预处理；包括：通过选取感兴趣的时间区间获取原始光子事件数据，并基于距离门位置对所述原始光子事件数据进行去噪处理，得到经预处理的光子事件数据；第二处理单元，被配置为，对所述经预处理的光子事件数据进行运动补偿；包括：从所述经预处理的光子事件数据中筛选出内点信号，对所述内点信号进行最小二乘法拟合，以计算所述运动目标的运动速度估计值和实时位置估计值；利用所述运动速度估计值对所述经预处理的光子事件数据进行运动补偿；第三处理单元，被配置为，对经运动补偿的光子事件数据进行光子波形校正，包括：结合粗栅格去噪和自适应中值滤波对所述经运动补偿的光子事件数据进行多重去噪，对经多重去噪的光子事件数据进行回波光子直方图补全，并将其转换为激光回波，利用高斯混合模型对所述激光回波进行拟合，得到所述运动目标的恢复全波形；第四处理单元，被配置为，汇总所述运动目标的恢复全波形和运动参数，所述运动参数包括所述运动速度估计值和所述实时位置估计值。
根据本发明第二方面的系统，所述感兴趣的时间区域为，在所述感兴趣的时间区域/>内，所述原始光子事件数据为/>，所述距离门的宽度为/>，光子事件距离总长度为，将目标回波光子信号置于所述距离门的中间；其中，将细分长度/>作为直方图统计的间隔，循环距离长度为/>，计算每个延时对应的直方图，并选取具有最大峰值的直方图，将所述最大峰值对应的距离值分别向前、向后扩展1个和2个细分长度，得到的长度为所述距离门。
根据本发明第二方面的系统，从所述经预处理的光子事件数据中筛选出所述内点信号，具体包括：
所述运动目标在所述感兴趣的时间区域内做匀速运动，模型为/>，/>表示所述模型/>包含的有向速度变量，/>表示所述模型/>包含的时间变量，/>表示所述模型包含的初始位置，随机采样的点数/>为2，所述模型的输入为所述经预处理的光子事件数据/>、所述随机采样的点数/>、迭代次数/>和距离阈值/>；其中：
从所述经预处理的光子事件数据中随机采样两组数据，包含时间分量和位置分量 ：/> ，利用所述两组数据计算所述模型的参数/>,/>；
基于所述模型的参数，计算所述经预处理的光子事件数据中每个数据对所述模型的距离/>,/>，Num为数据数量；
统计<Thre的数量NumThre，当NumThre>Nummax时，将NumThre作为Nummax，将/>作为最优参数bestline，多次迭代后从bestline对应的曲线中筛选出内点信号Sinlier，Nummax为超过所述距离阈值Thre的最大信号点数。
根据本发明第二方面的系统，对所述内点信号进行所述最小二乘法拟合，以计算所述运动目标的所述运动速度估计值和所述实时位置估计值，具体包括：
待拟合函数为，/>表示所述待拟合函数/>包含的初始位置，/>表示所述运动速度估计值，误差最小的拟合函数为/>，其中，/>为所述内点信号/>的个数，通过计算得到所述运动目标的所述运动速度估计值/>和所述实时位置估计值/>。
根据本发明第二方面的系统，利用所述运动速度估计值对所述经预处理的光子事件数据进行运动补偿，具体包括：所述运动补偿包括速度补偿，所述经运动补偿的光子事件数据为/>，其中/>，/>。
根据本发明第二方面的系统，结合所述粗栅格去噪和所述自适应中值滤波对所述经运动补偿的光子事件数据进行所述多重去噪，具体包括：
所述粗栅格去噪包括：根据时间栅格宽度对所述经运动补偿的光子事件数据进行直方图统计，所有栅格进行去噪处理；
所述自适应中值滤波包括：
阶段A、令、/>；
若，则跳转至阶段B；
否则，增大所述自适应中值滤波的窗口尺寸，重复阶段A，直至所述窗口尺寸大于，输出/>；
阶段B、令、/>；
若，则输出/>；
否则，输出；
其中，为窗口覆盖区域；中心值点为第/>个时间栅格，强度值为Zx；Zmin、Zmax、Zmed分别对应/>内的统计事件值的最小值、最大值和中值；/>为设置窗口的最大尺寸。
根据本发明第二方面的系统，在所述步骤S3中，对经多重去噪的光子事件数据进行回波光子直方图补全，并将其转换为激光回波，具体包括：
所述回波光子直方图补全的公式为：
其中，K(i)为第i个时间栅格的光子事件数，为发射的激光脉冲数，Countall为探测到的所有光子事件数，Tg为所述距离门的范围；
将所述回波光子直方图转化为所述激光回波的公式为：
其中，校正函数，td表示单光子探测器的死时间所占的栅格时间数。
根据本发明第二方面的系统，在所述步骤S3中，利用所述高斯混合模型对所述激光回波进行拟合，得到所述运动目标的恢复全波形，具体包括：
所述高斯混合模型对所述激光回波的进行拟合的公式为：
其中，所述运动目标包括个深度，/>为第/>个深度的信号幅值，/>为第/>个深度值，/>为第/>个深度对应的脉冲展宽。
本发明第三方面公开了一种电子设备。所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现本公开第一方面所述的一种单光子探测的运动目标全波形恢复方法中的步骤。
本发明第四方面公开了一种计算机可读存储介质。所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本公开第一方面所述的一种单光子探测的运动目标全波形恢复方法中的步骤。
综上，本发明提出的技术方案通过数据预处理、运动补偿和光子波形修正的操作，分别实现数据初滤噪、信号速度补偿和全波形恢复的目的，最终获得目标准确的全波形和运动参数。本发明从根本上解决了目标运动对累积探测的影响，校正了多层次目标的强度分布。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为根据本发明实施例的方法框架流程图。
图2为根据本发明具体实施例步骤1对应的示意图。
图3a和图3b为根据本发明具体实施例步骤2对应的示意图。
图4为根据本发明具体实施例步骤3对应的示意图。
图5为根据本发明具体实施例步骤4对应的示意图。
图6a和图6b为根据本发明具体实施例步骤5对应的示意图。
图7为根据本发明具体实施例步骤6对应的示意图。
图8为根据本发明具体实施例步骤7对应的示意图。
图9为根据本发明具体实施例步骤8对应的示意图。
图10为根据本发明实施例的一种电子设备的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明第一方面提出一种单光子探测的运动目标全波形恢复方法，所述方法包括：步骤S1、对运动目标的回波光子信号进行预处理；包括：通过选取感兴趣的时间区间获取原始光子事件数据，并基于距离门位置对所述原始光子事件数据进行去噪处理，得到经预处理的光子事件数据；步骤S2、对所述经预处理的光子事件数据进行运动补偿；包括：从所述经预处理的光子事件数据中筛选出内点信号，对所述内点信号进行最小二乘法拟合，以计算所述运动目标的运动速度估计值和实时位置估计值；利用所述运动速度估计值对所述经预处理的光子事件数据进行运动补偿；步骤S3、对经运动补偿的光子事件数据进行光子波形校正，包括：结合粗栅格去噪和自适应中值滤波对所述经运动补偿的光子事件数据进行多重去噪，对经多重去噪的光子事件数据进行回波光子直方图补全，并将其转换为激光回波，利用高斯混合模型对所述激光回波进行拟合，得到所述运动目标的恢复全波形；步骤S4、汇总所述运动目标的恢复全波形和运动参数，所述运动参数包括所述运动速度估计值和所述实时位置估计值。
根据本发明第一方面的方法，在所述步骤S1中：所述感兴趣的时间区域为，在所述感兴趣的时间区域/>内，所述原始光子事件数据为/>，所述距离门的宽度为/>，光子事件距离总长度为/>，将目标回波光子信号置于所述距离门的中间；其中，将细分长度/>作为直方图统计的间隔，循环距离长度为/>，计算每个延时对应的直方图，并选取具有最大峰值的直方图，将所述最大峰值对应的距离值分别向前、向后扩展1个和2个细分长度，得到的长度为所述距离门。
根据本发明第一方面的方法，在所述步骤S2中，从所述经预处理的光子事件数据中筛选出所述内点信号，具体包括：
所述运动目标在所述感兴趣的时间区域内做匀速运动，模型为/>，/>表示所述模型/>包含的有向速度变量，/>表示所述模型/>包含的时间变量，/>表示所述模型/>包含的初始位置，随机采样的点数/>为2，所述模型的输入为所述经预处理的光子事件数据/>、所述随机采样的点数/>、迭代次数/>和距离阈值/>；其中：
从所述经预处理的光子事件数据中随机采样两组数据，包含时间分量和位置分量 ：/> ，利用所述两组数据计算所述模型的参数/>,/>；
基于所述模型的参数，计算所述经预处理的光子事件数据中每个数据对所述模型的距离/>,/>，Num为数据数量；
统计<Thre的数量NumThre，当NumThre>Nummax时，将NumThre作为Nummax，将/>作为最优参数bestline，多次迭代后从bestline对应的曲线中筛选出内点信号Sinlier，Nummax为超过所述距离阈值Thre的最大信号点数。
根据本发明第一方面的方法，在所述步骤S2中，对所述内点信号进行所述最小二乘法拟合，以计算所述运动目标的所述运动速度估计值和所述实时位置估计值，具体包括：
待拟合函数为，/>表示所述待拟合函数/>包含的初始位置，/>表示所述运动速度估计值，误差最小的拟合函数为/>，其中，/>为所述内点信号/>的个数，通过计算得到所述运动目标的所述运动速度估计值/>和所述实时位置估计值/>。
根据本发明第一方面的方法，在所述步骤S2中，利用所述运动速度估计值对所述经预处理的光子事件数据进行运动补偿，具体包括：所述运动补偿包括速度补偿，所述经运动补偿的光子事件数据为/>，其中/>，。
根据本发明第一方面的方法，在所述步骤S3中，结合所述粗栅格去噪和所述自适应中值滤波对所述经运动补偿的光子事件数据进行所述多重去噪，具体包括：
所述粗栅格去噪包括：根据时间栅格宽度对所述经运动补偿的光子事件数据进行直方图统计，所有栅格进行去噪处理；
所述自适应中值滤波包括：
阶段A、令、/>；
若，则跳转至阶段B；
否则，增大所述自适应中值滤波的窗口尺寸，重复阶段A，直至所述窗口尺寸大于，输出/>；
阶段B、令、/>；
若，则输出/>；
否则，输出；
其中，为窗口覆盖区域；中心值点为第/>个时间栅格，强度值为Zx；Zmin、Zmax、Zmed分别对应/>内的统计事件值的最小值、最大值和中值；/>为设置窗口的最大尺寸。
根据本发明第一方面的方法，在所述步骤S3中，对经多重去噪的光子事件数据进行回波光子直方图补全，并将其转换为激光回波，具体包括：
所述回波光子直方图补全的公式为：
其中，K(i)为第i个时间栅格的光子事件数，为发射的激光脉冲数，Countall为探测到的所有光子事件数，Tg为所述距离门的范围；
将所述回波光子直方图转化为所述激光回波的公式为：
其中，校正函数，td表示单光子探测器的死时间所占的栅格时间数。
根据本发明第一方面的方法，在所述步骤S3中，利用所述高斯混合模型对所述激光回波进行拟合，得到所述运动目标的恢复全波形，具体包括：
所述高斯混合模型对所述激光回波的进行拟合的公式为：
其中，所述运动目标包括个深度，/>为第/>个深度的信号幅值，/>为第/>个深度值，/>为第/>个深度对应的脉冲展宽。
如图1所示，本发明第一方面的方法具体包括：
步骤1：选取感兴趣的时间区域，获得未处理的原始光子事件数据。
选择我们感兴趣的时间区间，定义为。该时间段内，目标可视为匀速直线运动。的光子事件数据用/>表示，数据由探测持续时间和光子事件的距离组成，光子事件的距离由其到达时间计算得到。
步骤2：估计距离门位置，对光子事件数据进行初步去噪，减小待处理的数据量。
依据先验知识，设置距离门的宽度为。光子事件的距离总长度为/>，利用移动距离门并统计的方法使得目标信号位于距离门的中间，具体流程如下：将距离门进一步细分（本发明细分成了3段），细分长度（/>）作为直方图统计的间隔；设置循环距离长度（本发明设置为/>），计算每个延时对应的直方图，选取统计直方图峰值最大的那组；将峰值对应的距离值，分别向前、后扩展1个和2个细分长度，得到的长度即为距离门。至此，实现较优距离门的估计，预处理后的光子事件数据为/>。
步骤3：利用随机采样一致性算法（RANSAC），筛选信号点。
假设目标在内匀速运动，则待求解的数学模型为/>【】，需随机采样的点数为2（即/>=2），输入的光子事件数据为/>，/>为迭代次数，/>为距离阈值。算法流程如表1所示：
表1
步骤4：对筛选的信号点进行最小二乘法拟合，计算目标的运动速度和实时位置。
设理论模型的待拟合函数为，使得真实与理论值的误差最小，求解出误差最小的拟合函数。
式中，为信号点/>的个数；依据/>函数，则可计算出目标运动参数的估计值——运动速度/>和tC内的目标实时位置/>。
步骤5：利用速度参数，对光子事件数据进行运动补偿。
为修正目标运动带来的信号畸变，更准确地获得目标的full-waveform，需要对事件数据进行速度补偿，最终经修正后的光子事件数据/>的计算公式是：
式中，。需要注意的是，被修正的数据集合为光子事件数据/>，而非仅仅信号点/>。
步骤6：结合粗栅格去噪和自适应中值滤波，对运动补偿后光子事件进行多重去噪。
粗栅格去噪：选择合适的时间栅格的宽度，将回波光子事件进行直方图统计，选取较低阈值（一般选取栅格统计均值的2.5倍），对所有栅格进行处理，以滤除大部分的噪声，并最大限度上保留信号点。
自适应中值滤波分为两个过程：Step A：令、/>，判断，若/>则跳转Step B，否则增大窗口的尺寸，重复Step A，直至窗口尺寸大于Smax，输出Zmed；Step B：令/>、/>，判断，若/>则输出Zx，否则输出Zmed。其中，Sx为滤波器窗口覆盖的区域；中心值点是第x个时间栅格，强度值为Zx；Zmin、Zmax、Zmed分别对应Sx内的统计事件值的最小值、最大值和中值；Smax为设置窗口的最大尺寸。
步骤7：对回波光子事件直方图进行噪声补全，并将其转化为激光回波。
利用下式，实现噪声事件数对回波光子直方图的补全：
式中，K(i)为第i时间栅格的光子事件数，M为发射的激光脉冲数，Countall为探测到的所有光子事件数，Tg为距离门的范围。
利用下式将直方图转化为激光回波:
式中，校正函数。
步骤8：利用高斯混合模型对激光回波进行拟合，获得运动目标的全波形。
为获得多纵深目标的反射率分布和距离分布，需获得运动目标的全波形。利用高斯混合模型对激光回波的拟合：
式中，目标包含M个深度，Am为第m个深度的信号幅值，Rm为第m个深度值，FWHMm为第m个深度对应的脉冲展宽，可延展至倾斜角度。
至此，我们实现运动目标全波形的恢复，并在过程中获得了目标运动参数，运动参数包括运动速度和轨迹信息。
具体实施例
设置仿真系统参数，发射激光的重频是20KHz，目标为扩展平面目标，单脉冲的回波能量为1.58个光子数，噪声强度为2.80M/s，目标的初始距离为2km，目标运动速度为v=20m/s。
步骤1的示例计算：
设感兴趣的时间段tc=0.01s，其回波光子事件分布如图2所示。可以看到未进行处理前，噪声强度相对较高。
步骤2的示例计算：
依据先验知识，设距离门宽度为6m，筛选的距离门为1996m~2002m，为了方便显示，并突出距离细微的变化，将距离门描述成以1999m为中心点，上下限分别为3m和-3m的区域。此时可以看到明显的目标位置偏离，如图3a和图3b所示。
步骤3的示例计算：
利用RANSAC筛选信号点，黑色圆点为原始信号点，黑色方框为筛选的信号点，如图4所示。可以发现，筛选的信号点更集中，比较准确。
步骤4的示例计算：
二项式对方框信号点进行拟合，实线为目标的运动轨迹。曲线的拟合结果为=-20.391t+0.988，拟合速度为20.391m/s，与理想值仅差0.391m/s，误差相对较少，如图5所示。
步骤5的示例计算：
对光子事件进行运动补偿，修正光子事件如五角星所示，对其进行统计得到的直方图，如图6a和6b所示，不难发现直方图相对集中了，峰值位置更贴近于理想位置。
步骤6的示例计算：
对数据进行多重去噪，去噪的结果与未去噪的直方图为图7，多重去噪可以很好地滤除信号外的噪声点，并对信号进行一定程度的平滑。
步骤7的示例计算：
经强度校正的激光回波如图8所示，相较于直方图，强度得到了大幅提升。
步骤8的示例计算：
利用高斯混合模型拟合，得到的结果如黑色实线所示，虚线为理想的目标全波形，可以发现两者之间基本重合，如图9所示。
为更好地表示算法的效果，定义归一化的均方根误差（Normalized Root MeanSquare Error，NRMSE）用以描述波形的相似性：
归一化采用的是峰值归一化。Hi为求解的波形，可以是直方图，亦或是恢复后的强度回波；h为理想的回波波形。
对比图9中的四条曲线与理想波形间的NRMSE，详见表2：
表2
可知，未处理的原始直方图的脉宽最宽，峰值位置偏离最远。运动补偿后的直方图峰值位置与理论值基本一致。不难发现，无论是未处理的数据还是速度修正后的数据，反解出回波强度都与理论值差距较大。使用本发明的强度恢复方法，从概率分布中恢复激光波形，得到强度校正后的激光回波，其光子数为1.4779，与理想值的误差为6%。通过高斯混合模型拟合，获得的目标全波形无论是脉冲宽度、峰值位置和回波强度都与理论值很接近。对比表中恢复的全波形与理论回波波形，其NRMSE仅为0.0326，表明恢复的全波形可以视为理想回波。
综上，说明本发明可以很好地获得目标的波形数据，求得目标的位置和强度信息。
本发明第二方面提出一种单光子探测的运动目标全波形恢复系统。所述系统包括：第一处理单元，被配置为，对运动目标的回波光子信号进行预处理；包括：通过选取感兴趣的时间区间获取原始光子事件数据，并基于距离门位置对所述原始光子事件数据进行去噪处理，得到经预处理的光子事件数据；第二处理单元，被配置为，对所述经预处理的光子事件数据进行运动补偿；包括：从所述经预处理的光子事件数据中筛选出内点信号，对所述内点信号进行最小二乘法拟合，以计算所述运动目标的运动速度估计值和实时位置估计值；利用所述运动速度估计值对所述经预处理的光子事件数据进行运动补偿；第三处理单元，被配置为，对经运动补偿的光子事件数据进行光子波形校正，包括：结合粗栅格去噪和自适应中值滤波对所述经运动补偿的光子事件数据进行多重去噪，对经多重去噪的光子事件数据进行回波光子直方图补全，并将其转换为激光回波，利用高斯混合模型对所述激光回波进行拟合，得到所述运动目标的恢复全波形；第四处理单元，被配置为，汇总所述运动目标的恢复全波形和运动参数，所述运动参数包括所述运动速度估计值和所述实时位置估计值。
根据本发明第二方面的系统，所述感兴趣的时间区域为，在所述感兴趣的时间区域/>内，所述原始光子事件数据为/>，所述距离门的宽度为/>，光子事件距离总长度为/>，将目标回波光子信号置于所述距离门的中间；
其中，将细分长度作为直方图统计的间隔，循环距离长度为/>，计算每个延时对应的直方图，并选取具有最大峰值的直方图，将所述最大峰值对应的距离值分别向前、向后扩展1个和2个细分长度，得到的长度为所述距离门。
根据本发明第二方面的系统，从所述经预处理的光子事件数据中筛选出所述内点信号，具体包括：
所述运动目标在所述感兴趣的时间区域内做匀速运动，模型为/>，/>表示所述模型/>包含的有向速度变量，/>表示所述模型/>包含的时间变量，/>表示所述模型包含的初始位置，随机采样的点数/>为2，所述模型的输入为所述经预处理的光子事件数据/>、所述随机采样的点数/>、迭代次数/>和距离阈值/>；其中：
从所述经预处理的光子事件数据中随机采样两组数据，包含时间分量和位置分量 ：/> ，利用所述两组数据计算所述模型的参数/>,/>；
基于所述模型的参数，计算所述经预处理的光子事件数据中每个数据对所述模型的距离/>,/>，Num为数据数量；
统计<Thre的数量NumThre，当NumThre>Nummax时，将NumThre作为Nummax，将/>作为最优参数bestline，多次迭代后从bestline对应的曲线中筛选出内点信号Sinlier，Nummax为超过所述距离阈值Thre的最大信号点数。
根据本发明第二方面的系统，对所述内点信号进行所述最小二乘法拟合，以计算所述运动目标的所述运动速度估计值和所述实时位置估计值，具体包括：
待拟合函数为，/>表示所述待拟合函数/>包含的初始位置，/>表示所述运动速度估计值，误差最小的拟合函数为/>，其中，/>为所述内点信号/>的个数，通过计算得到所述运动目标的所述运动速度估计值/>和所述实时位置估计值/>。
根据本发明第二方面的系统，利用所述运动速度估计值对所述经预处理的光子事件数据进行运动补偿，具体包括：所述运动补偿包括速度补偿，所述经运动补偿的光子事件数据为/>，其中/>，/>。
根据本发明第二方面的系统，结合所述粗栅格去噪和所述自适应中值滤波对所述经运动补偿的光子事件数据进行所述多重去噪，具体包括：
所述粗栅格去噪包括：根据时间栅格宽度对所述经运动补偿的光子事件数据进行直方图统计，所有栅格进行去噪处理；
所述自适应中值滤波包括：
阶段A、令、/>；
若，则跳转至阶段B；
否则，增大所述自适应中值滤波的窗口尺寸，重复阶段A，直至所述窗口尺寸大于，输出/>；
阶段B、令、/>；
若，则输出/>；
否则，输出；
其中，为窗口覆盖区域；中心值点为第/>个时间栅格，强度值为Zx；Zmin、Zmax、Zmed分别对应/>内的统计事件值的最小值、最大值和中值；/>为设置窗口的最大尺寸。
根据本发明第二方面的系统，在所述步骤S3中，对经多重去噪的光子事件数据进行回波光子直方图补全，并将其转换为激光回波，具体包括：
所述回波光子直方图补全的公式为：
其中，为第/>个时间栅格的光子事件数，/>为发射的激光脉冲数，Countall为探测到的所有光子事件数，Tg为所述距离门的范围；
将所述回波光子直方图转化为所述激光回波的公式为：
其中，校正函数，td表示单光子探测器的死时间所占的栅格时间数。
根据本发明第二方面的系统，在所述步骤S3中，利用所述高斯混合模型对所述激光回波进行拟合，得到所述运动目标的恢复全波形，具体包括：
所述高斯混合模型对所述激光回波的进行拟合的公式为：
其中，所述运动目标包括个深度，/>为第/>个深度的信号幅值，/>为第/>个深度值，/>为第/>个深度对应的脉冲展宽。
本发明第三方面公开了一种电子设备。所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现本公开第一方面所述的一种单光子探测的运动目标全波形恢复方法中的步骤。
图10为根据本发明实施例的一种电子设备的结构图，如图10所示，电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、近场通信（NFC）或其他技术实现。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图10中示出的结构，仅仅是与本公开的技术方案相关的部分的结构图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本发明第四方面公开了一种计算机可读存储介质。所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本公开第一方面所述的一种单光子探测的运动目标全波形恢复方法中的步骤。
综上，本发明提出的技术方案通过数据预处理、运动补偿和光子波形修正的操作，分别实现数据初滤噪、信号速度补偿和全波形恢复的目的，最终获得目标准确的全波形和运动参数。本发明从根本上解决了目标运动对累积探测的影响，校正了多层次目标的强度分布。
本发明的有益效果包括：（1）有效地解决了远距离运动“小”目标的信息获取问题，通过恢复运动目标的全波形，实现目标的形态结构信息的提取，极大地丰富了运动目标细节信息的获取途径。（2）方案不仅可以获得目标准确的全波形信息，而且可以得到目标的运动参数，运动参数包含目标的运动速度和运动轨迹，有效地丰富了获取的目标信息种类。（3）运动目标可以包含单层或多层目标，也可以是慢速或快速运动目标，有效地拓展了单光子探测的应用场景，为极远空中目标检测和识别和空间碎片探测等应用提供了令人振奋的消息。
请注意，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种单光子探测的运动目标全波形恢复方法，其特征在于，所述方法包括：
步骤S1、对运动目标的回波光子信号进行预处理；包括：
通过选取感兴趣的时间区间获取原始光子事件数据，并基于距离门位置对所述原始光子事件数据进行去噪处理，得到经预处理的光子事件数据；
步骤S2、对所述经预处理的光子事件数据进行运动补偿；包括：
从所述经预处理的光子事件数据中筛选出内点信号，对所述内点信号进行最小二乘法拟合，以计算所述运动目标的运动速度估计值和实时位置估计值；利用所述运动速度估计值对所述经预处理的光子事件数据进行运动补偿；
步骤S3、对经运动补偿的光子事件数据进行光子波形校正，包括：
结合粗栅格去噪和自适应中值滤波对所述经运动补偿的光子事件数据进行多重去噪，对经多重去噪的光子事件数据进行回波光子直方图补全，并将其转换为激光回波，利用高斯混合模型对所述激光回波进行拟合，得到所述运动目标的恢复全波形；
步骤S4、汇总所述运动目标的恢复全波形和运动参数，所述运动参数包括所述运动速度估计值和所述实时位置估计值。
2.根据权利要求1所述的一种单光子探测的运动目标全波形恢复方法，其特征在于，在所述步骤S1中：
所述感兴趣的时间区域为，在所述感兴趣的时间区域/>内，所述原始光子事件数据为，所述距离门的宽度为/>，光子事件距离总长度为/>，将目标回波光子信号置于所述距离门的中间；
其中，将细分长度作为直方图统计的间隔，循环距离长度为/>计算每个延时对应的直方图，并选取具有最大峰值的直方图，将所述最大峰值对应的距离值分别向前、向后扩展1个和2个细分长度，得到的长度为所述距离门。
3.根据权利要求2所述的一种单光子探测的运动目标全波形恢复方法，其特征在于，在所述步骤S2中，从所述经预处理的光子事件数据中筛选出所述内点信号，具体包括：
所述运动目标在所述感兴趣的时间区域内做匀速运动，模型为/>,/>表示所述模型/>包含的有向速度变量，/>表示所述模型/>包含的时间变量，/>表示所述模型/>包含的初始位置，随机采样的点数/>为2，所述模型的输入为所述经预处理的光子事件数据、所述随机采样的点数/>、迭代次数/>和距离阈值/>；其中：
从所述经预处理的光子事件数据中随机采样两组数据，包含时间分量和位置分量 ： ，利用所述两组数据计算所述模型的参数/>,/>；
基于所述模型的参数，计算所述经预处理的光子事件数据中每个数据对所述模型的距离/>,/>，Num为数据数量；
统计<Thre的数量NumThre，当NumThre>Nummax时，将NumThre作为Nummax，将/>作为最优参数bestline，多次迭代后从bestline对应的曲线中筛选出内点信号Sinlier，Nummax为超过所述距离阈值Thre的最大信号点数。
4.根据权利要求3所述的一种单光子探测的运动目标全波形恢复方法，其特征在于，在所述步骤S2中，对所述内点信号进行所述最小二乘法拟合，以计算所述运动目标的所述运动速度估计值和所述实时位置估计值，具体包括：
待拟合函数为,/>表示所述待拟合函数/>包含的初始位置，/>表示所述运动速度估计值，误差最小的拟合函数为/>，其中，/>为所述内点信号/>的个数，通过计算得到所述运动目标的所述运动速度估计值/>和所述实时位置估计值/>。
5.根据权利要求4所述的一种单光子探测的运动目标全波形恢复方法，其特征在于，在所述步骤S2中，利用所述运动速度估计值对所述经预处理的光子事件数据进行运动补偿，具体包括：所述运动补偿包括速度补偿，所述经运动补偿的光子事件数据为，其中/>，/>。
6.根据权利要求5所述的一种单光子探测的运动目标全波形恢复方法，其特征在于，在所述步骤S3中，结合所述粗栅格去噪和所述自适应中值滤波对所述经运动补偿的光子事件数据进行所述多重去噪，具体包括：
所述粗栅格去噪包括：根据时间栅格宽度对所述经运动补偿的光子事件数据进行直方图统计，对所有栅格进行去噪处理；
所述自适应中值滤波包括以下过程：阶段A、令、/>；
若，则跳转至阶段B；
否则，增大所述自适应中值滤波的窗口尺寸，重复阶段A，直至所述窗口尺寸大于，输出/>；
阶段B、令、/>；
若，则输出/>；
否则，输出；
其中，为窗口覆盖区域；中心值点为第/>个时间栅格，强度值为/>；/>、/>、/>分别对应/>内的统计事件值的最小值、最大值和中值；/>为设置窗口的最大尺寸。
7.根据权利要求6所述的一种单光子探测的运动目标全波形恢复方法，其特征在于：
在所述步骤S3中，对经多重去噪的光子事件数据进行回波光子直方图补全，并将其转换为激光回波，具体包括：
所述回波光子直方图补全的公式为：，
其中，为第/>个时间栅格的光子事件数，M为发射的激光脉冲数，/>为探测到的所有光子事件数，Tg为所述距离门的范围；
将所述回波光子直方图转化为所述激光回波的公式为：，
其中，校正函数，td表示单光子探测器的死时间所占的栅格时间数；
在所述步骤S3中，利用所述高斯混合模型对所述激光回波进行拟合，得到所述运动目标的恢复全波形，具体包括：
所述高斯混合模型对所述激光回波的进行拟合的公式为：，
其中，所述运动目标包括M个深度，为第m个深度的信号幅值，/>为第m个深度值，为第m个深度对应的脉冲展宽。
8.一种单光子探测的运动目标全波形恢复系统，其特征在于，所述系统包括：
第一处理单元，被配置为，对运动目标的回波光子信号进行预处理；包括：
通过选取感兴趣的时间区间获取原始光子事件数据，并基于距离门位置对所述原始光子事件数据进行去噪处理，得到经预处理的光子事件数据；
第二处理单元，被配置为，对所述经预处理的光子事件数据进行运动补偿；包括：
从所述经预处理的光子事件数据中筛选出内点信号，对所述内点信号进行最小二乘法拟合，以计算所述运动目标的运动速度估计值和实时位置估计值；利用所述运动速度估计值对所述经预处理的光子事件数据进行运动补偿；
第三处理单元，被配置为，对经运动补偿的光子事件数据进行光子波形校正，包括：
结合粗栅格去噪和自适应中值滤波对所述经运动补偿的光子事件数据进行多重去噪，对经多重去噪的光子事件数据进行回波光子直方图补全，并将其转换为激光回波，利用高斯混合模型对所述激光回波进行拟合，得到所述运动目标的恢复全波形；
第四处理单元，被配置为，汇总所述运动目标的恢复全波形和运动参数，所述运动参数包括所述运动速度估计值和所述实时位置估计值。
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现权利要求1-7任一项所述的一种单光子探测的运动目标全波形恢复方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1-7任一项所述的一种单光子探测的运动目标全波形恢复方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310925846.5A CN116626650B (zh) | 2023-07-26 | 2023-07-26 | 一种单光子探测的运动目标全波形恢复方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310925846.5A CN116626650B (zh) | 2023-07-26 | 2023-07-26 | 一种单光子探测的运动目标全波形恢复方法与系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116626650A true CN116626650A (zh) | 2023-08-22 |
| CN116626650B CN116626650B (zh) | 2023-11-10 |
Family
ID=87610360
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310925846.5A Active CN116626650B (zh) | 2023-07-26 | 2023-07-26 | 一种单光子探测的运动目标全波形恢复方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116626650B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3370080A1 (en) * | 2017-03-01 | 2018-09-05 | STMicroelectronics (Grenoble 2) SAS | Range and parameter extraction using processed histograms generated from a time of flight sensor - parameter extraction |
| CN109407151A (zh) * | 2018-12-18 | 2019-03-01 | 吉林大学 | 基于波场局部相关时移的时间域全波形反演方法 |
| CN111323765A (zh) * | 2020-03-10 | 2020-06-23 | 北京空间机电研究所 | 一种星载光子计数激光雷达回波信号处理及目标提取方法 |
| CN111766598A (zh) * | 2020-09-01 | 2020-10-13 | 中国人民解放军国防科技大学 | 一种单光子探测时间-强度信息的恢复方法 |
| US20210003668A1 (en) * | 2020-05-26 | 2021-01-07 | China University Of Geosciences, Wuhan | Methods and devices for correcting underwater photon displacement and for depth sounding with single-photon lidar |
| CN114624671A (zh) * | 2022-03-01 | 2022-06-14 | 湖南科技大学 | 一种星载激光测高饱和波形信号特征恢复方法 |
| WO2022160611A1 (zh) * | 2021-01-28 | 2022-08-04 | 深圳奥锐达科技有限公司 | 一种基于时间融合的距离测量方法、系统和设备 |
| CN115097484A (zh) * | 2022-06-23 | 2022-09-23 | 哈尔滨工业大学 | 一种基于双Gamma估计的单光子激光雷达透雾成像方法 |
-
2023
- 2023-07-26 CN CN202310925846.5A patent/CN116626650B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3370080A1 (en) * | 2017-03-01 | 2018-09-05 | STMicroelectronics (Grenoble 2) SAS | Range and parameter extraction using processed histograms generated from a time of flight sensor - parameter extraction |
| CN109407151A (zh) * | 2018-12-18 | 2019-03-01 | 吉林大学 | 基于波场局部相关时移的时间域全波形反演方法 |
| CN111323765A (zh) * | 2020-03-10 | 2020-06-23 | 北京空间机电研究所 | 一种星载光子计数激光雷达回波信号处理及目标提取方法 |
| US20210003668A1 (en) * | 2020-05-26 | 2021-01-07 | China University Of Geosciences, Wuhan | Methods and devices for correcting underwater photon displacement and for depth sounding with single-photon lidar |
| CN111766598A (zh) * | 2020-09-01 | 2020-10-13 | 中国人民解放军国防科技大学 | 一种单光子探测时间-强度信息的恢复方法 |
| WO2022160611A1 (zh) * | 2021-01-28 | 2022-08-04 | 深圳奥锐达科技有限公司 | 一种基于时间融合的距离测量方法、系统和设备 |
| CN114624671A (zh) * | 2022-03-01 | 2022-06-14 | 湖南科技大学 | 一种星载激光测高饱和波形信号特征恢复方法 |
| CN115097484A (zh) * | 2022-06-23 | 2022-09-23 | 哈尔滨工业大学 | 一种基于双Gamma估计的单光子激光雷达透雾成像方法 |
Non-Patent Citations (4)
| Title |
|---|
| A-HUI HOU 等: "Acquisition of Moving Target Structural Characteristics via Photon Detection", NINTH SYMPOSIUM ON NOVEL PHOTOELECTRONIC DETECTION TECHNOLOGY AND APPLICATIONS * |
| 侯阿慧 等: "平动小目标光子探测回波特性及测距误差研究", 物理学报, vol. 71, no. 7 * |
| 曹彬才 等: "利用机载点云检核ICESat-2/ATLAS激光测高数据精度", 测绘科学技术学报, no. 01 * |
| 黄科 等: "单光子激光测距的漂移误差理论模型及补偿方法", 物理学报, no. 06 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116626650B (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106709928B (zh) | 一种快速的含噪图像二维最大类间方差阈值法 | |
| CN1223181C (zh) | 信号的噪声滤波方法、设备和视频系统 | |
| CN110865357B (zh) | 一种基于参数优化vmd的激光雷达回波信号降噪方法 | |
| CN103761443B (zh) | 基于小波变换去噪的激光雷达波形数据处理方法 | |
| Bai et al. | Automatic detection and removal of high‐density impulse noises | |
| CN108305265B (zh) | 微弱小目标图像实时处理方法及系统 | |
| CN110458782B (zh) | 三维轨迹平滑处理方法、装置、设备及存储介质 | |
| CN110321888B (zh) | 一种基于fpga的星载红外小目标检测方法 | |
| CN109034070B (zh) | 一种置换混叠图像盲分离方法及装置 | |
| CN109461171B (zh) | 基于多通道改进DoG滤波的红外弱小目标检测算法 | |
| Kozubowski et al. | Multitude of Laplace distributions | |
| CN116626650B (zh) | 一种单光子探测的运动目标全波形恢复方法与系统 | |
| CN111461999B (zh) | 一种基于超像素相似性测量的sar图像相干斑抑制方法 | |
| Xia et al. | Nonlinear spatial-temporal prediction based on optimal fusion. | |
| CN109544593B (zh) | 一种基于自相似度量的通用图像噪声估计方法 | |
| CN115330612A (zh) | 基于自适应中值滤波的辐照图像去噪方法和系统 | |
| CN105137411B (zh) | 基于地物散射的全波LiDAR波形分解方法 | |
| Yang et al. | A fast-local contrast method based on information entropy for small target detection | |
| Meena et al. | Review and application of different contrast enhancement technique on various images | |
| CN108171678B (zh) | 一种基于方向权值经验模式分解的遥感图像融合方法 | |
| Al-Ajlan et al. | Image segmentation using minimum cross-entropy thresholding | |
| Andreopoulos et al. | Incremental refinement of image salient-point detection | |
| CN115015903B (zh) | 一种雷达序贯图像动目标检测方法及系统 | |
| Wu et al. | Time-frequency parameter estimation method of frequency hopping signal based on morphology method under low SNR | |
| Kashyap et al. | Edge detection using sobel method with median filter |
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 |