论文专区▏一种机载激光雷达海洋测深波形数据处理算法
一、引言
目前，海洋测深多采用多波束声呐设备，在深水测区具有很大的优势，但在水深小于50米的浅水区探测受限[1]。遥感技术也已运用于海洋深度测量。这类技术可分为两种类型，主动遥感和被动遥感，主动方式有微波遥感测深和激光海洋测深，被动方式有多光谱遥感测深技术。其中，激光海洋测深技术具有精度高、分辨率高、灵活机动、测点密度高、测量周期短和覆盖面广等特点。它在水深小于50m的浅水区，具有很大的优势，能够在浅海、岛礁、暗礁及船只无法安全到达的水域实现高效快速测量[2]。同时，机载激光海洋测深系统能够同时测量水上、水下三维地形，不需要进行数据融合，真正实现了水陆一体化无缝测量。近几年，大量的文献对激光海洋测深的理论体系进行了探索，翟国君等人对机载激光测深系统的关键技术进行了研究[1-5]，叶修松对数据处理方法进行了研究[6]，Chi-Kuei W等人对回波波形进行了研究[7]。但在测深回波数据的波形分解方面研究还不够深入，本文针对该问题，研究利用基于全局收敛的LM算法进行波形分解，并对其进行改进，设计了分层筛选方案，并通过真实数据进行了相应的实验。
二、激光雷达海洋测深原理
激光雷达海洋测深的基本原理是通过计算激光的水面回波与水底回波的时间差从而推导出水深，该系统同时向水面发射两种不同波长的激光束，分别是波长为1064nm的近红外和波长为532nm的蓝绿光，当两束激光到达水面时，由于近红外对海水的穿透能力极弱，一部分能量被海水吸收，剩余部分被反射回来，而在海水中532nm的蓝绿光的衰减系数最小，因此蓝绿光一部分在海水表面会被反射，一部分会被海水吸收，一部分则会穿透海水到达水底并反射回来。这样，由水面和水底两次激光回波的时间间隔就可计算出某点的水深值[8]。
波形采样数据以数组的方式存储，分别记录各采样点的振幅，其采样信息在二维平面上呈现“波形”形态，激光海洋测深波形理论上由水面水底两个波峰组成。故对该波形的处理主要是对水面水底信号的检测，以及相应距离值的计算。因为光在空气和海水中的传播速度不同，计算水深时要考虑水体的折射率。当激光束以扫描角θ入射水面时，所测的瞬时水深如式⑴所示[9]。
D＝1/2△t×c/n×cosθ ⑴
式中，D为瞬时水深，△t为激光束在水中往返的时间，c为真空中的光速，n为海水的折射率（近似值为 1.33，随海水盐度、温度不同略有变化）。其中△t通过回波波形分解确定，因此波形分解的精度将直接决定测深的精度。机载激光系统记录的是离散的回波，波形分解就是对离散数据连续化，通过使用最合适的函数模型来模拟原始采样数据的“波形”，从而可以得到水面水底波峰位置，确定时间差。现有的机载激光测深系统测定往返时间差的精度还不够高，为了提高测深精度，选择一个高精度的理论模型是十分有意义的。
三、全局收敛LM算法
目前，信号检测方法有三种类型，回波探测法、波形分解、去卷积法。回波探测法常用的算法有峰值探测、平均差平方函数；波形分解含高斯分解、四边形函数拟合；去卷积法主要包括Richardson–Lucy去卷积、维纳滤波去卷积等[10]。考虑到回波波形和高斯函数形状近似，波形拟合相当于是对整个波形的建模，而已有系统得到的波形数据98%可以由高斯函数的和来进行拟合[11]。因此本文选择高斯分解算法进行波形拟合，并与LM算法结合来提高其测深精度。
假设波形由M个回波组成，波形数字化采样个数为n个，那么该波形可以表示为M个高斯分量的叠加，即分解为M 个波形分量，如式⑵所示。
其中，（Ai,μi,ωi）是第i个高斯分量的参数，它们分别表示脉冲振幅、脉冲距离和脉冲半宽；N为噪声，在海洋测深中，主要有波浪和后向散射带来的噪声。波形拟合是波形分解过程中的关键步骤，其目的是减少拟合波形与原始波形之间的差值。也就是说，波形拟合问题实质上是n个观测量求解3M 个未知参数最优解的问题，可以采用非线性最小二乘方法求解。
传统非线性最小二乘方法容易产生局部最优，波形分解结果还会出现波峰检测不全的问题，无法满足应用需求。本文采用一种基于全局收敛LM算法的迭代波形分解方法，其基本思想是选取高斯函数为波形分解的函数模型，并采用逐步递进波形分解算法，在每次波形拟合中运用全局收敛LM算法求解高斯函数参数的最优解[12-13]。
利用文献[12]、[13]的方法，对陆地的近红外通道波形进行处理效果显著，能够提取所有的陆地点信号，但该方法应用于水域，对蓝绿光通道波形进行处理时受到噪声干扰影响大。因为海水的动态性和复杂性，波形受到波浪、折射率改变、后向散射、海水浑浊等因素的影响，导致噪声多、回波信号偏移、交叠、减弱，使得部分噪声振幅大、回波信号的波形变宽，变宽的波形使得不能精确确定底部回波时间，即水底回波信号上升沿的不确定性。本文对全局收敛的LM算法进行改进，设计一种分层筛选策略，通过设置合理的振幅、距离、半宽阈值，有效减少蓝绿光通道各种噪声对水底信号提取的影响，最后结合近红外通道提取结果，顺利筛选出正确的水底信号。
处理流程具体如下。①首先读入原始波形数据；②利用一定范围波形的最大振幅值作去噪处理；③提取所有极值点，然后对满足一定采样距离及振幅要求的采样点，记录其位置和半宽；④采用全局收敛LM算法对近红外通道波形进行波形分解；⑤若结果中波峰数量大于或等于二,则判断为陆地波形,进行残差评定，否则判断为水域波形,再对蓝绿光通道进行波形分解；⑥根据蓝绿光通道波形分解得到的高斯函数模拟的值，统计符合极值点的参数个数，加入振幅最小距离半宽阈值限制，对振幅满足最高波峰的振幅Fmax一定百分比下限和半宽满足最高波峰的振幅σ一定倍数上限的波峰，进行提取；⑦若满足条件的回波数量超过两个，将振幅作为决定因素，按照振幅大小进行排序，选择振幅最大的两个波峰作为兴趣值；⑧对蓝绿光通道的分解结果进行残差评定；⑨利用深水通道的波形分解结果结合近红外通道波形分解结果识别海面海底信号，从而确定时间差△t。
四、实验与分析
⒈ 实验数据
本次实验选取的数据是由杭州中科天维科技有限公司研发的机载双频激光雷达系统在海南进行飞行测量获得的，最大测深为三倍塞克盘深度。
该激光雷达系统共有3个通道，分别为近红外、浅水、深水通道。浅水通道测浅水能力强，深水通道测深水能力强。本文实验共利用500条波形数据来验证波形分解的准确性，重点关注3个参数，即振幅、距离、半宽。
⒉ 最佳阈值参数确定
大多数噪声振幅较小，选取合理参数能够有效剔除噪声的影响。利用前100条波形数据进行阈值参数确定。
取前10%波形的最大振幅值，作为噪声阈值，进行去噪处理。近红外通道、浅水通道的波形经全局收敛LM过程后处理效果显著。
对于深水通道波形，在全局收敛LM的基础上，利用最大波峰值的振幅百分比为阈值以及半宽范围来为判断，对下限振幅阈值百分比0.6到0.9，间隔0.05，半宽上限1、1.5、2倍噪声半宽，最小距离5个采样间隔的参数条件进行了测试，各参数检测结果如图1所示。其中有效检测率为探测到水底回波信号的波形数占总波形数的百分比，成功检测率为所有被提取信号中水底回波信号所占的百分比。
图1 阈值参数实验一示意图
由实验可知，当下限阈值百分比在0.75到0.85之间，能够明显减少噪声提取，且大多数水底信号能够检测到。继续对下限振幅阈值百分比0.75、0.8、0.85，半宽上限1到2倍噪声半宽，间隔0.1进行了测试，各参数检测结果如图2所示。
图2 阈值参数实验二示意图
从图1、2可以得到，当振幅参数小和半宽大的时候，有效检测率高，而成功检测率是在振幅参数0.75后趋于稳定。对振幅参数0.75到0.85，半宽1到2进行数据对比，发现其检测率的变动受到个别波形的影响，因此对于不同的波形数据会有不一样的效果。基于小概率事件和假设检验的基本思想，本文选择振幅参数0.8，半宽参数1.5进行水底信号提取。
⒊ 回波数据波形分解
为了验证上述参数的有效性，对500条深水通道回波数据进行波形分解，有效检测率为98%，成功检测率为87%，说明改进后的方法提取水底信号效果较好，能够在保证成功提取水底信号的条件下不提取或尽可能少提取噪声，大大减少深水通道各种噪声对水底信号提取的影响。虽然存在个别错误检测，但感兴趣的水底信号都被选取出来，最后利用近红外波段进行筛选就能得到感兴趣的水底信号，完成测深目的。这将有利于精确测定激光束在水中往返的时间△t，从而提高海洋测深精度。以下列举了三种类型的三通道波形提取结果。
⑴陆地
陆地波形，因为陆地照射点附近会产生附加回波，在近红外通道有两个以上的强回波，波形提取效果十分显著，能够滤掉所有噪声。而在浅水、深水通道提取的同样是陆地信号。三个通道波形处理如图3所示, 用CH1、CH2、CH3代表近红外通道、浅水通道、深水通道。
图3 陆地近红外通道波形分解示意图
⑵浅水域
浅水域，在近红外通道可能只有一个水面波峰，或当水面处于平静状态时，它会因发生镜面反射而完全消失，出现无波峰的情况，这主要取决于入射角。在深水通道，通常有两个波峰，第一个波峰为水面波峰，第二个波峰为水底波峰。若部分波形水底信号振幅小于水面信号，水面信号的半宽较小，水底信号可能出现未检测的情况；噪声信号与水面水底信号振幅相近时，可能出现错提取的情况。通过改进后的算法，提取效果良好，能够将水面、水底信号提取出来，并有效剔除噪声，三个通道波形处理如图4所示。
图4 浅水域波形分解示意图
⑶深水域
深水域，近红外通道与浅水域情况相同。在深水通道，由于时间和深度有关，深水域后半段放大系数大，水底信号振幅大。但存在由于海水浑浊提取不到水底信号，海底地形，以及海水后向散射产生的部分高振幅噪声影响。通过阈值限制，能够有效提取出水底信号，3个通道波形处理如图5所示。
图5 深水域波形分解示意图
五、结束语
为提高双色机载激光雷达测深精度，本文提出基于全局收敛的LM算法进行波形分解，并针对海洋测深信号特点设计了一种分层筛选策略对该方法进行了改进，还通过实验确定了振幅、半宽参数最佳阈值，有效削弱了噪声的影响。通过三种类型水域的真实机载激光雷达测深数据实验表明，本文的改进方法能够有效提高波形检测的成功率和正确率。但从本文的研究发现，利用单一的检测方法其精度提高有限，下一步将探索本文方法与其它信号检测方法相结合，以期进一步提高波形检测精度。
参考文献：
[1]翟国君,黄谟涛.我国海洋测绘发展历程[J].海洋测绘,2009,29(4):74-81.
[2]翟国君,黄谟涛,欧阳永忠,等.机载激光测深系统研制中的关键技术[J].海洋测绘,2014,34(3):73-76.
[3]任来平,赵俊生,翟国君,等.机载激光测深海面扫描轨迹计算分布[J].武汉大学学报·信息科学版,2002,27(2):138-142.
[4]欧阳永忠,黄谟涛,翟国君,等.机载激光测深中的深度归算技术[J].海洋测绘,2003,23(1):1-4.
[5]翟国君,吴太旗,欧阳永忠,等.机载激光测深技术研究进展[J].海洋测绘,2012,32(2):67-71.
[6]叶修松.机载激光水深探测技术基础及数据处理方法研究[D].郑州:信息工程大学博士学位论文,2010.
[7]Chi-Kuei W,William P.Using airborne bathymetric lidar to detect bottom type variation in shallow waters[J].Remote Sensing of Environment,2007,106:123-135.
[8]Tristan A,Jean-Stéphane B,Yves P,et al.Comparison of LiDAR waveform processing methods for very shallow water bathymetry using Raman,near-infrared and green signals[J].Earth Surf. Process. Landforms,2010,35:640–650.
[9]王越.机载激光浅海测深技术的现状和发展[J].测绘地理信息,2014,39(3):38-42.
[10]Chisheng W,Qingquan L,Yanxiong L,et al.A comparison of waveform processing algorithms for single-wavelength LiDAR bathymetry[J].ISPRS Journal of Photogrammetry and Remote Sensing,2015, 101:22–35.
[11]WAGNER W, ULLRICH A,DUCIC V. Gaussian Decomposition and Calibration of A Novel Small-footprint Full-waveform Digitising Airborne Laser Scanner[J].ISPRS Journal of Photogrammetry and Remote Sensing,2006,60(2):100-112.
[12]李鹏程.机载全波形LiDAR数据的地形与建筑物重建技术[D].郑州:信息工程大学博士学位论文,2015.
[13]李鹏程,徐青,邢帅,等.采用Levenberg Marquardt的逐步递进波形分解方法[J].测绘科学技术学报,2015,32(3):256-260.
【作者简介】第一作者张鑫磊，1996年出生，男，湖南宜章人，学士，主要从事数字摄影测量研究；文章来自《海洋测绘》（2018年第1期），若其他公众平台转载，请备注论文作者，并说明文章来源，版权归《海洋测绘》所有。
相关阅读推荐
公众号
溪流之海洋人生
微信号▏xiliu92899
用专业精神创造价值
用人文关怀引发共鸣
您的关注就是我们前行的动力
投稿邮箱▏452218808@qq.com