米散射激光雷达智能反演算法及实验研究

发布时间：2020-05-27 01:37

【摘要】：米散射激光雷达是探测大气气溶胶光学特性的有力工具。然而米散射激光雷达方程包含消光系数和后向散射系数两个未知参数;同时,激光雷达回波信号属于典型的非平稳信号,其中的噪声较难剔除。这都是米散射激光雷达数据反演中必须解决的关键问题。鉴于此,针对米散射激光雷达回波信号.噪声的统计特性,设计了自适应滤波器,实现了最优滤波。在不需要设定消光系数和后向散射系数数学关系的条件下,利用遗传算法优化的BP网络求解了米散射激光雷达方程,实现了气溶胶消光系数的精细反演。研究内容对米散射激光雷达回波信号精细反演具有重要的研究意义。论文采用统计假设检验方法,分析了米散射激光雷达回波信号噪声的统计特性。在此基础上,设计了自适应滤波器。该滤波器通过调整权系数使均方误差最小化,从而实现最优滤波。数值仿真和实验数据反演都验证了自适应滤波器的有效性。在数值仿真中,自适应滤波器的输出信噪比大于小波变换滤波器,且均方误差小于小波变换滤波器。在不同天气条件下,利用自适应滤波器和小波变换滤波器滤波后的米散射回波信号反演了气溶胶消光系数。实验结果表明,自适应滤波器反演的消光系数纹波幅度小于小波变换滤波器,且细节更为清晰。深入研究了BP网络求解米散射激光雷达方程的可行性,设计了BP网络结构和主要相关参数。以米散射激光雷达回波信号.和拉曼法反演的消光系数为样本对BP网络进行了训练,将米散射回波信号和消光系数间的数学关系存储在BP网络中。在不需要设定消光系数和后向散射系数数学关系的条件下,该BP网络可实现消光系数的精细反演。实验结果表明,当选取原始回波信号为输入信号,网络结构选为26-28-26,激活函数选为tansig-tansig,期望误差选为0.01,学习速率选为0.1时,BP网络反演的消光系数精度较高。当训练样本数目增加时,BP网络的反演精度和收敛速度逐渐增加并趋于稳定。综合考虑反演精度和计算量,训练样本数目最终选为900。最后,利用改进经验公式法确定了隐层单元数。针对BP算法收敛速度慢、易陷入局部极小值的问题,采用遗传算法优化了BP网络的初始权值和阈值。实验结果表明,与传统BP网络相比,GA-BP网络具有更高的消光系数反演精度和更快的收敛速度。最后,在不同时间和天气条件下,分别采用GA-BP网络、拉曼法及Fernald法反演了气溶胶消光系数,分析了GA-BP网络反演消光系数的适用性。实验结果表明,除有云天气外,GA-BP网络均可实现气溶胶消光系数的精细反演。
【学位授予单位】：西安理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN958.98

【相似文献】