基于激光雷達的云高探測系統及算法設計

中國船舶重工集團公司第七二四研究所 周浩 熊風 吳貞宇

目前，云作為大氣的一種重要表現形式，無論是在大氣科學還是航空安全領域都有著十分重要的研究意義。該云高探測系統是基于激光雷達設計而成，發射出的激光束在被云層反射后，接收器會接收到回波信號，對回波信號進行相關處理后，能夠獲取云層的有關信息。且該系統運用的改進反演算法能有效解決傳統的激光雷達云高探測系統在工作中易受到環境中噪聲的影響，無法準確的對云層高度進行識別，造成虛測和漏測的問題。

激光雷達是利用激光束作為探測介質，獲取目標位置和速度信息的雷達探測系統。通過激光器向目標進行定向光源發射，并根據不同場景下適用的算法對回波信號進行處理，能夠有效的獲得目標相關參數信息，以此來對目標進行探測、識別及跟蹤。由于激光的波長遠小于微波，因此相比于微波雷達，具有如下優點：分辨率高、抗噪聲能力強及低空探測性能好。

在現階段的氣象研究中，云量、云高等云層參數為深入掌握云的狀態及變化趨勢提供了重要的信息指標。其中，云高是云層量，它是天氣變化參數中最基礎的數據。因此設計一種云高探測系統并適配有優良高效的處理算法對研究天氣狀況、環境狀況以及氣候狀況具有重要的意義。

1 云高探測系統總體設計

本文所設計的云高探測系統由硬件系統和軟件架構組成，其中硬件系統主要包括激光器、APD 光電轉換傳感器、放大電路、A/D 數模轉換電路等，軟件架構主要以FPGA 為開發平臺進行核心控制處理單元的設計。該探測系統的總體設計圖如圖1 所示。

圖1 探測系統總體框圖Fig.1 Overall block diagram of the detection system

1.1 激光器

激光發生電路即激光器，其是通過激勵和受激輻射放大而產生激光，由激光物質、光學諧振腔和激勵系統等構成。

在工作方式的選擇上，本系統選用單次脈沖激光器，這類激光器的特點是激勵和輸出在時間上是單次脈沖過程，在運行中器件熱效應可以忽略，因此不需要采用冷卻措施。并且該系統采用D 觸發器來產生邊沿陡峭的觸發脈沖，通過適當的參數選定后可以實現最短3ns 的上升時間。

1.2 驅動電路

驅動電路設計在激光器之前，主要用于為激光發射裝置提供合適穩定的調制和偏置電流。該驅動器包含自動功率控制電路，用于接收激光器反饋的電壓，實時監控調節激光器偏置電路電流；除此之外，該驅動電路包含溫度控制電路，其能根據外部環境的溫度對激光器內的熱電制冷器進行實時控制調節，以保證激光器在合適的溫度下工作。

1.3 光學接收裝置

1.3.1 光電轉換器

激光回波信號在被光學裝置接收到后，需要通過光電轉換器實現光信號向電信號的轉換。在眾多光電轉換設備中，APD 雪崩光電二極管具有靈敏度高、動態范圍大、抗電磁干擾等諸多優勢，不僅能夠擴大激光雷達的探測范圍，又能夠達到較高的測距精度，因此在激光雷達應用場景中，APD 是光電轉換器件的最優選擇。此外，為給APD器件提供合適的偏置電壓，該系統配備有高壓偏置電路。

1.3.2 信號放大電路

由于APD 二極管所產生的電信號比較微弱，因此需要放大電路來放大轉換后的電信號。

根據APD 雪崩光電二極管和激光雷達的系統參數，在最大探測距離為10km、探測概率為99%的情況下，APD 接收到的激光回波脈沖最小信噪比應為6.813，因此可以推算最小信號電流：

在放大電路的設計上，系統采用兩級放大的方式，每個二極管的放大倍數為90，則經過兩級放大后，第二級二極管的集電極電流在激光回撥脈沖到達時可放大為：

若第二級二極管的集電極負載電阻為10kΩ，則在電阻上形成的壓降為：

由上述推導可知，該接收放大器可將最小探測信號幅度放大至747.63mV，滿足后續電路進行信號處理的要求。

1.3.3 模數轉換電路

當接收到的激光回波信號轉換為電信號并進行放大后，此時的電信號屬于模擬信號。由于FPGA 信號處理單元只能對數字信號進行處理，因此有必要設計相應的模擬數字轉換電路將模擬信號轉換為數字信號。

該系統采用的芯片的工作電壓范圍為+2.7v ～+5.5v，在3v 電源供電的情況下，其功耗為95mW，微分非線性誤差為0.2LSB；且配備高性能的采樣保持放大器和基準電壓源，采用多級差分架構，數據率高達32MSPS，保證其在合理工作溫度下無失碼問題。

1.4 軟件設計組成

本系統基于FPGA 進行開發，選用Zynq-7000 作為設計開發模塊。其中的“處理系統”為PS 端，“可編程邏輯”為PL 端，PS 和PL 端通過AXI 總線數據接口技術進行信息通信，利用ARM 可以執行嵌入式操作系統相關的任務。并利用FPGA 實現并行處理，使多個計算單元同時進行，大大縮短處理時間，在減小體積的同時，提升了可靠性。

2 云高參數反演算法

對于云高反演算法的設計，已有大量科研人員對此進行了研究。但是由于大氣中氣溶膠層的干擾，以及大氣中各種特性在實時變化，目前我國還沒有能夠適應全部氣象條件的云高參數反演算法。

2.1 典型云高反演算法

在云高反演算法的發展過程中，首先是由James D.Klett在1981 年提出Klett 算法，利用求解出的消光系數，算出云的透射率、光學厚度等參數。Klett 算法能夠較好的克服信號波動帶來的問題，但在求解過程中做出的假設具有較強的主觀因素；1993—1998 年，Intrieri 和Austin 等人提出將后向散射截面與發射率綜合計算的檢測算法，并進行后續的算法改進，使其適用于紫外、紅外、可見光等重要光譜區域；2006 年芬蘭Vaisala 公司提出了天空條件算法，但實際情況下，由于各種背景噪聲的影響，存在對薄云的漏測問題。上述方法為云高反演算法的發展提供了重要的理論實踐的支撐，但都或多或少存在著虛警漏警及易被背景噪聲干擾的問題。

本文將根據已有的云高參數反演算法，提出改進后的反演算法，旨在更加準確的推演出云層的高度。

2.2 改進的云高反演算法

根據準則，改進的算法可自主解算分析探測時的環境噪聲，自適應的選定初步閾值，后向散射回波廓線中只有大于初步閾值的部分才可能含有云層。通過設置初步閾值，可以排除部分因自然噪聲以及氣溶膠影響所導致的虛假探測。部分研究發現中層云的厚度不會小于30.5m，且高層云的厚度不會小于61m，該改進的算法將云厚閾值設置在30 ～65m 之間，且該算法根據探測高度，實時調整云厚閾值，再對廓線進行一次篩選。而在考慮信號強度時，該算法提出只有云底和云峰的回波信號強度差大于兩倍的背景噪聲強度才可能是云層。

根據各類統計數據發現，低層云的平均高度約為510m，考慮到探測系統接收鏡片的影響，本算法選用500m 作為中心云層高度閾值，該算法對于云層高度閾值設置也是自適應的，根據天氣氣候的變化在500m±150m范圍內實時調整。該算法將兩層云之間的距離閾值設置為50m、80m、120m 可選，用于應對不同環境下的探測需求，并將間距小于閾值的兩層云合并為一層。綜上所述，改進后的算法中，能根據探測高度在30 ～65m 范圍內自適應的調整設云厚閾值；并根據天氣變化，在500m±150m范圍內實時調整云層高度閾值；兩層云之間的距離閾值設置為50m、80m、120m 可選；且剔除云底和云峰的回波信號強度差小于兩倍的背景噪聲強度的信號。

3 實驗結果仿真與分析

由上述分析可知，該算法旨在解決云高探測時虛警漏警的問題，并提高探測指標的精度。首先對傳統算法和改進后的算法進行虛警漏警相關數據分析對比，實驗發現，傳統算法虛警率和漏警率分別為11.5%和9.5%，改進后算法分別為3%和5%，改進后的算法在虛警率和漏警率方面比傳統算法都有了一定的提升。在剔除相關虛警及漏警數據后，對兩種算法的各50 組隨機探測數據進行了精度比對分析，經過計算，傳統算法的50 組數據標準差為33.17m，改進后算法的50 組數據標準差為16.69m，驗證了改進后算法的準確性和穩定性。

為了進一步驗證改進后的算法，利用該云高探測系統在天空方向上的探測共獲取到340 組數據。首先做出了原始信號的數據圖，如圖2（a）所示；接著利用改進后的算法進行數據篩選處理，完成降噪、平滑等預處理后的數據圖如圖2（b）所示；此外為了進一步完善數據的篩選，將兩次鄰間隔探測信號數據進行混合比對處理，結果如圖2（c）所示。

圖2 （a）原始信號數據圖；（b）降噪、平滑等預處理后的數據圖；（c）混合比對處理后的數據圖Fig.2 (a) Original signal data map; (b) Data map after preprocessing such as noise reduction and smoothing; (c)Data map after mixed comparison processing

由圖2 可以看出，由于噪聲和氣溶膠等的影響，原始信號具有較多的雜波和毛刺，對云高參數的判斷產生較為負面的影響。根據改進的算法對原始信號進行單次廓線降噪平滑處理及相鄰廓線混合平滑處理則可以較好地解決這一問題。為了驗證算法實時處理回波信號的準確性，對上述數據進行了反演，反演結果如圖3 所示。

圖3 中，黑色“*”線表示第一層云層，白色“+”線表示第二層云層，背景顏色代表消光系數的變化。從圖中可以看出：在2400m 處，消光系數出現突變，代表在該位置處存在第一層云層；在3400 ～3500m 左右的位置，消光系數再次出現突變，代表在該位置處存在第二層云層，兩層云的高度信息與改進算法處理后的數據高度吻合，進一步證明了該算法的優異性。

圖3 云高參數反演圖Fig.3 Cloud height parameter inversion map

4 結語

本文對云高探測系統的總體設計和重要模塊器件都進行了詳細闡述，包括激光發射器、光電轉換器以及模數轉換電路等，且該探測系統采用FPGA 作為邏輯控制及信號處理的硬件平臺中心和激光發射模塊/接收模塊及AD 采樣模塊等部分相連。該探測系統的改進處理算法是通過自適應設置不同的參數的閾值對單廓線進行篩選處理，加以雙廓線的混合比對優化處理，并對處理后的信號進行反演驗證，以此能更加準確的得出相關的云高參數，用以進一步研究天氣、環境以及氣候的狀況。

引用

[1] JOSHUA D,HEY V.A Novel Lidar Ceilometer[M].Springer, Cham:2015.

[2] 劉厚通,陳良富,蘇林.Fernald前向積分用于機載激光雷達氣溶膠后向散射系數反演的理論研究[J].物理學報,2011,60(6):310-318.

[3] 陳臻懿,劉文清,張玉鈞,等.激光測云雷達信號分析[J].大氣與環境光學學報,2009,4(1):75-80.

[4] 鐘文婷,劉君,華燈鑫,等.多波長發光二極管光源雷達系統與近地面低層大氣氣溶膠探測[J].物理學報,2018,67(18):153-161.

[5] 鐘文婷,華燈鑫,劉君,等.新型LED光源氣溶膠探測雷達系統優化設計與初步實驗[J].光學學報,2016,36(10):496-502.

[6] 王簫鵬.基于激光雷達數據自動反演云參數算法及應用研究[D].青島:中國海洋大學,2014.