全波形激光雷達波形數據無損壓縮方法研究

陳瑞強

摘 要：全波形激光雷達對目標回波信號進行完整記錄和分析，具有測距精度高和目標特征提取豐富的優點。全波形激光雷達記錄的回波波形數據量通常較大，對數據傳輸的帶寬和存儲器的容量提出了更高要求。回波波形數據有損壓縮方法可有效降低數據量，但同時會丟目標完整波形，不利于后期數據處理。本文提出了一種利用閾值法的全波形激光雷達波形無損壓縮方法，實現了回波波形的無損壓縮與解壓縮編碼。

關鍵詞：全波形激光雷達;無損壓縮;壓縮編碼;解壓縮編碼

一、緒論

全波形激光雷達（Waveform-Digitizing LiDAR）將發射脈沖信號和回波脈沖信號均以很小的采樣間隔進行采樣并記錄，用戶根據實際應用需求，對記錄的波形數據進行處理和分析，相比傳統激光雷達，可以得到更豐富的激光回波次數和目標特征信息[1-3]。回波信號中目標有用信號的比例較小，例如發射脈沖脈寬為10ns，模數轉換器采樣率為1GSa/秒，最大探測距離取200米，每次回波需要采集約1300個點，如果回波中僅包含一個目標，有用信號的比例僅為10/1300=0.77%。因此設定閾值，僅輸出和保存高于閾值的數據點，將有效降低波形數據量，實現數據壓縮的目的。但這種壓縮方式屬于有損壓縮，丟失了大量微弱信號數據，沒有很好發揮全波形激光雷達數據后處理優勢[4]。本文使用閾值分類方法，實現了全波形激光波形數據的無損壓縮。該方法不需要生成字典，僅需要根據閾值截取適當位長的原始數據，計算量較少，可以取得較高的數據壓縮比。

二、原理

壓縮過程：根據分類閾值，對原始波形數據的采樣點數據進行壓縮，獲得閾值類型和壓縮數值組成的采樣點壓縮數據。采樣點壓縮數據采用首尾相連的方式組成數據區。模數轉換器分辨率、采樣點總個數和分類閾值組成數據頭。數據頭和數據區組成最終的壓縮數據。解壓縮過程：提取壓縮數據的數據頭，獲取模數轉換器分辨率、采樣點總個數和分類閾值。提取壓縮數據的數據區，根據閾值類型提取合適長度的采樣點壓縮數據，并結合模數轉換器分辨率和分辨率閾值，依次恢復得到解壓縮數值。解壓縮數值依次相連組成原始波形數據。

三、算法

原始回波波形數據的格式如圖1所示數據排列方式為大端模式：地址由小向大增加，而數據從高位往低位放。原始波形數據為長度N*M的一維數組。其中，N表示模數轉換器分辨率，M表示回波中包含的采樣點總個數。

（一）壓縮編碼

壓縮編碼的流程如圖2所示。

1.確定分類閾值

根據回波的噪聲大小，確定分類閾值。分類閾值一般選取為2倍的背景噪聲均方根值。分類閾值占N個bit，其二進制的最高位位數為l。例如，模數轉換器分辨率為8位，分類閾值的二進制值為00000101，則l=3。

2.數據壓縮

根據分類閾值，對原始回波波形的每個采樣點進行壓縮，參考圖3，采樣點壓縮數據由閾值類型和壓縮數值兩部分組成。其中，閾值類型占據1bit，其值為0或1。當采樣點數值>分類閾值時，閾值類型為1，否則為0。其中，壓縮數值占據l個bit或N個bit。當閾值類型為1時，壓縮數值占據N個bit。當閾值類型為0時，壓縮數值選取采樣點低l位的數據，占l個bit。

3.數據輸出

如圖3所示，輸出的壓縮數據由數據頭和數據區構成。其中數據頭包含模數轉換器分辨率（占γ個bit）、采樣點總個數（占η個bit）和分類閾值（占N個bit）;數據區包含M個首尾相連的采樣點壓縮數據。

（二）解壓縮編碼

解壓縮編碼的流程如圖4所示。

1.數據頭提取

提取波形壓縮數據的數據頭，得到模數轉換器分辨率N、原始波形采樣點總個數M和分類閾值（其二進制值的最高位位數為l）。

2.數據解壓縮

根據采樣點壓縮數據的構成方式，依次提取1bit的閾值類型和N或l個bit的壓縮數值：當閾值類型為1時，取N個bit的壓縮數值;當閾值類型為0時，取l個bit的壓縮數值。

初始化一個初始值全部為0的解壓縮數組，該數組可以存放M個解壓縮數值。當閾值類型為1時，將N個bit的壓縮數值直接賦給解壓縮數值;當閾值類型為0時，將l個bit的壓縮數值賦給解壓縮數值的低l位。

四、結語

本文提出了一種全波形激光雷達波形數據無損壓縮方法，在保證回波波形不失真的條件下，可有效壓縮數據傳輸量，降低了對系統帶寬和存儲器存儲空間的要求。

參考文獻：

[1]Hug C.，Ullrich A.，Grimm A.Litemapper-5600-a waveform-digitizing LiDAR terrain and vegetation mapping system[J].International Archives of Photogrammetry，Remote Sensing and Spatial Information Sciences，2004，36（Part 8）：25-29.

[2]程華.激光雷達回波信號處理技術研究[D].成都：中國科學院光電技術研究所，2015.

[3]駱社周.激光雷達遙感森林葉面積指數提取方法研究與應用[D].北京：中國地質大學，2012.

[4]Verdin B，Von Borries R.Lidar compressive sensing using chaotic waveform[J].Proceedings of SPIE，2014.