基于集合经验模态分解和奇异值分解的激光雷达信号去噪

作者：程知; 何枫; 靖旭; 张巳龙; 侯再红

来源：光子学报, 2017, 46(12): 147-157.

• 大气湍流
• 去噪
• 集合经验模态分解
• 奇异值分解
• 激光雷达

为了提高差分光柱像运动激光雷达(DCIM雷达)探测信噪比,提出了一种基于集合经验模态分解(EEMD)和奇异值分解(SVD)的混合降噪法.由EEMD获得含噪信号多层模态分量,根据各模态分量之间互相关系数的差分量确定主要噪声并予以滤除,利用奇异值分解识别模态分量中的残余噪声并提取有用信号.利用混合降噪法EEMD-SVD和EEMD方法分别对模拟仿真信号和实测激光雷达信号进行降噪处理.结果表明,当模拟噪声标准差在0.050.2之间时,相比与未降噪直接反演的湍流廓线,EEMD-SVD方法降噪后反演的湍流廓线信噪比提高了2.718 7dB6.921 5dB,相应的EEMD方法提高了1.446 1dB3.366 1dB;两个不同时段DCIM雷达降噪前后反演廓线与探空廓线的对比发现,EEMD-SVD和EEMD两种方法降噪后反演廓线较之于未降噪的反演廓线,信噪比最大提高了2.526 5dB和2.155 6dB.EEMD-SVD的降噪效果优于EEMD,能够更有效地识别和滤除噪声,较大地提高了原始信号的信噪比,获得更准确的大气湍流廓线反演结果.

• 单位
  中国科学技术大学; 中国科学院; 中国科学院安徽光学精密机械研究所; 中国科学院，安徽光学精密机械研究所