基于變分模態(tài)分解和奇異譜分析的激光雷達信號去噪方法

摘" 要： 激光雷達信號中往往含有較多的噪聲，這些噪聲不僅降低了信號質(zhì)量，還影響后續(xù)的云?氣溶膠層檢測、氣溶膠光學厚度反演等。文中改進了一種基于變分模態(tài)分解的激光雷達信號降噪方法，該方法首先考慮模態(tài)分量與激光雷達信號的相關(guān)性，通過皮爾遜相關(guān)系數(shù)法提取模態(tài)分量中的有效信號；其次，針對變分模態(tài)分解后的中低頻振蕩現(xiàn)象，使用奇異譜分析法進行二次濾波，進一步提高信噪比。為了驗證該方法的有效性，文中模擬了晴朗天氣下、有云天氣下不同信噪比的星載激光雷達含噪聲信號，分別采用小波變換、局部經(jīng)驗?zāi)B(tài)分解、傳統(tǒng)的變分模態(tài)分解方法和所提方法進行降噪處理，并對其降噪性能進行比較。實驗結(jié)果表明，改進的變分模態(tài)分解方法能夠有效提高激光雷達信號的信噪比。

關(guān)鍵詞： 激光雷達； 變分模態(tài)分解； 奇異譜分析； 經(jīng)驗?zāi)B(tài)分解； 小波變換； 去噪

中圖分類號： TN911.72?34； TP391" " " " " " " " " " 文獻標識碼： A" " " " " " " " "文章編號： 1004?373X（2024）17?0053?05

LiDAR signal noise reduction algorithm based on variational mode decomposition and singular spectrum analysis

NIU Kejin， DENG Wenbin

（College of Civil Engineering and Architecture， Xinjiang University， Urumqi 830017， China）

Abstract： The LiDAR signals often contain more noise， which not only degrades the signal quality， but also affects the subsequent cloud?aerosol layer detection and aerosol optical thickness inversion. In view of this， a LiDAR signal noise reduction method based on variational mode decomposition （VMD） is improved. The correlations between the mode components and the LiDAR signals are taken into account. The effective signals in the mode components are extracted by the method of Pearson correlation coefficient （PCC）. In terms of the low and medium frequency oscillations after the implementation of VMD， secondary filtering is performed with singular spectrum analysis （SSA） to further improve the signal?to?noise ratio （SNR）. The effectiveness of the proposed method is verified. The satellite?borne LiDAR noise?containing signals with different SNRs when it is clear or cloudy are simulated. The wavelet transform （WT）， the local empirical mode decomposition （EMD）， the traditional VMD method and the proposed method are adopted to perform the noise reduction process， and their performances of noise reduction are contrasted. The experimental results show that the improved VMD method can improve the SNR of LIDAR signals effectively.

Keywords： LiDAR; VMD; SSA; EMD; WT; denoising

0" 引" 言

激光雷達業(yè)已成為觀測氣溶膠、云、水汽和二氧化碳等大氣成分的重要手段[1?4]。與地基激光雷達相比，星載激光雷達的覆蓋范圍更廣、重復(fù)頻率更高，在大氣成分探測中發(fā)揮著越來越重要的作用。然而，由于太陽背景光、人工光源以及探測器系統(tǒng)本身特性等的影響，激光雷達信號中往往含有較多的噪聲[5]，從而導(dǎo)致在探測距離較大時，激光雷達信號會變得極其微弱以至于被噪聲淹沒。所以如何從含有大量噪聲的信號中，提取出真實的激光雷達回波信號是一個無法回避的問題。

近年來，許多學者提出或改進多種激光雷達回波信號降噪方法，并獲得了較好的應(yīng)用效果。首先是小波變換在激光雷達回波信號的去噪中得到良好應(yīng)用。例如，文獻[6]通過改變小波變換的閾值函數(shù)，提高信號擬合的準確度，從而進一步提高激光雷達的探測精度。文獻[7]提出了一種改進小波變換方法，通過改變小波基、分解層數(shù)和閾值，提高了激光雷達回波信號的信噪比。但由于小波變換存在基函數(shù)的選擇問題，其自適應(yīng)性較差[8]。為解決小波變換自適應(yīng)性差的問題，許多學者基于經(jīng)驗?zāi)B(tài)分解法提出了許多新的去噪方法，這些方法具有較好的自適應(yīng)性。例如，文獻[9]將經(jīng)驗?zāi)B(tài)分解應(yīng)用于激光雷達回波信號去噪，有效地提高了去噪的效果。文獻[10]使用形態(tài)濾波對經(jīng)驗?zāi)B(tài)分解進行優(yōu)化，進一步提高了信號的去噪效果。變分模態(tài)分解法同樣能夠在不選擇基函數(shù)的前提下對信號進行分解，所以其優(yōu)化算法在信號去噪領(lǐng)域得到了廣泛應(yīng)用。文獻[11]構(gòu)建了一種改進變分模態(tài)分解去噪方法，對變形監(jiān)測中的高頻噪聲實現(xiàn)了有效剔除。在激光雷達信號去噪方面，文獻[12]提出了一種結(jié)合巴氏距離和移動平均法的變分模態(tài)分解去噪方法。文獻[13]提出了一種小波變換?變分模態(tài)分解聯(lián)合算法，均有效地提高了激光雷達回波信號的信噪比。

但目前激光雷達回波信號去噪的研究主要圍繞地基激光雷達開展，關(guān)于星載激光雷達回波信號的去噪研究則較少。針對這一現(xiàn)狀，本研究開展了星載激光雷達回波信號的去噪實驗。使用了一種結(jié)合奇異譜分析（SSA）和變分模態(tài)分解的激光雷達回波信號去噪方法（VMD?SSA），對星載激光雷達仿真信號進行去噪實驗，并與WT、EMD?PR、VMD等方法的去噪效果進行對比，有效地證明了VMD?SSA在星載激光雷達信號方面的去噪性能。

1" 星載激光雷達大氣探測基本原理

米散射激光雷達是激光雷達中發(fā)展最成熟、應(yīng)用最廣泛的類型，也是目前運行狀態(tài)最成功的星載大氣探測激光雷達CALIPSO[14]所搭載的載荷類型。因此，這里介紹CALIPSO的探測原理。

激光雷達回波信號方程為[15]：

[P（z）=（PoGAC）β（z）T2（z）z2] （1）

式中：[P（z）]為[z]處的回波信號；[Po]為激光出射強度；[GA]為增益系數(shù)；[C]為校準系數(shù)；[β]為后向散射系數(shù)；[T2]為雙向透過率。對于CALIPSO衛(wèi)星而言，[β（z）=β（z）T2（z）]即為其官方發(fā)布的level 1B衰減后向散射系數(shù)產(chǎn)品。

2" 算法原理

2.1" VMD基本原理

VMD算法通過迭代搜尋變分模型最優(yōu)解來確定各模態(tài)分量的中心頻率和帶寬，實現(xiàn)信號的有效分離，其基本內(nèi)容如圖1所示。

具體步驟：

1） 構(gòu)造[K]個模態(tài)，使得每個模態(tài)的估計帶寬之和最小。

[minuk，ωkk=1K?tδt+jπt?ukte-jωkt22s.t." " " "k=1Kuk=f] （2）

2） 引入二次懲罰因子[α]和拉格朗日懲罰算子[λ（t）]。

[Luk，ωk，λ=αk?tδt+jπt?ukt?e-jωkt22+ft-kukt22+λt， ft-kukt] （3）

3） 迭代更新[un+1k]、[ωn+1k]和[λn+1k]，獲得約束變分模型的最優(yōu)解。

[un+1k=argminuk∈X?tδt+jπt?ukt?e-jωkt22+ft-iuit+λt222] （4）

4） 通過傅里葉等距變換，將式（4）轉(zhuǎn)換到頻域：

[un+1kω=fω-i≠kuiω+λω21+2αω-ωk2] （5）

5） 利用相同原理解決[ωn+1k]的最小值問題，將此問題轉(zhuǎn)換到頻域求解，獲得中心頻率為：

[ωn+1k=0∞ωukω20∞ukω2] （6）

6） 計算各分量與信號間歸一化后的相關(guān)系數(shù)。

[ri=j=1Lsj-suij-uij=1Lsj-s2?j=1Luij-ui2] （7）

式中：[ri]為第[i]個分量與信號[s]的相關(guān)系數(shù)；[ui]為第[i]個分量的平均值，[i=1，2，…，K]。

7） 以相關(guān)系數(shù)的標準差[ξ]來區(qū)分有效信號與噪聲。

[ξ=1Ki=1Kri-r212] （8）

若[rigt;ξ]，則該分量為有效信號。

2.2" 奇異譜分析原理

奇異譜分析由分解和重構(gòu)兩部分組成[16]。

2.2.1" 分" 解

1） 設(shè)窗口長度為[m]，令[n=L-m+1]，將時間序列進行滯后排列，得到軌跡矩陣：

[g=g1g2…gng2g3…gn+1????gmgm+1…gL] （9）

式中[g]為某個信號分量。

2） 計算協(xié)方差矩陣[Sτ]：

[Sτ=1L-τt=1L-τgτgτ+t] （10）

式中[0≤τ≤m-1]。對[Sτ]進行奇異值分解，得特征值：[λ1≥λ2≥…≥λm≥0]，對應(yīng)特征向量為[U1，U2，…，Um]。

3） 計算[g]在[Um]上的投影：

[ak，i=j=1mgi+jUk，j] （11）

式中：[Uk，j]為第[k]個特征值對應(yīng)特征向量的第[j]個元素；[0lt;ilt;L-m]；[ak，i]為時間演變權(quán)重。

2.2.2" 重" 構(gòu)

選取前[v]個特征值，將軌跡矩陣[g]重構(gòu)成長度為[L]的時間序列：

[xk，i=1ij=1iak，i-jUk，j，" " 1≤i≤m-11mj=1mak，i-jUk，j，" " m≤i≤L-m+11m-i+1j=i-L+mmak，i-jUk，j，" " L-m+2≤i≤L] （12）

式中[xk，i]為第[k]個特征值對應(yīng)重構(gòu)信號的第[i]個元素。

VMD?SSA算法的具體過程如圖2所示。

3" 實驗及分析

3.1" 仿真衰減后向散射系數(shù)

對在不同輸入信噪比（SNRin）下的星載激光雷達信號進行模擬。與地基大氣激光雷達不同，星載大氣探測激光雷達最常用的數(shù)據(jù)為衰減后向散射系數(shù)。因此，本文結(jié)合公式（1）與CALIPSO實測的衰減后向散射系數(shù)，通過Matlab軟件模擬了晴朗天氣下和有云天氣下的衰減后向散射系數(shù)；考慮星載大氣探測激光雷達信號的低信噪比，設(shè)置的輸入信噪比分別為-5 dB、0 dB、5 dB。模擬信號如圖3所示，其中黑色曲線表示真實信號，灰色曲線表示含噪信號。

3.2" 去噪效果評價與分析

為了驗證本文方法的有效性，將本文所用的變分模態(tài)分解?奇異譜分析（VMD?SSA）方法的降噪效果與其他常用方法，包括小波變換（WT）、經(jīng)驗?zāi)B(tài)分解局部重建法（EMD?PR）和傳統(tǒng)的變分模態(tài)分解（VMD）的性能進行了比較。

本文采用輸出信噪比（SNRout）和均方根誤差（RMSE）作為評價指標，其表達式分別如下：

[SNRout=10lgn=1Nfn2n=1Nfn-f?n2] （13）

[RMSE=1Nn=1Nfn-f?n2] （14）

式中：[fn]為模擬的原始激光雷達信號；[f?n]為降噪后的模擬激光雷達信號。

表1給出了不同方法對含噪激光雷達信號的降噪結(jié)果。以晴朗天氣下輸入信噪比為-5 dB時為例，各方法對信號都有明顯的降噪效果。但經(jīng)變分模態(tài)分解?奇異譜分析（VMD?SSA）方法處理后信號的信噪比最高，為14.380 dB；WT方法處理后信號的信噪比最低，為11.663 dB。與輸入信噪比為-5 dB時相比，當SNRin設(shè)置為5 dB時，VMD?SSA、VMD、EMD?PR和WT的SNRout分別提高到22.436 dB、21.332 dB、20.136 dB和19.153 dB，而VMD?SSA、VMD、EMD?PR和WT的RMSE分別為0.71×10-4、0.81×10-4、0.92×10-4和1.04×10-4。

與晴朗天氣下類似，對有云天氣下的降噪結(jié)果進行分析。從表1中可以看出，在有云天氣下，對于所有的SNRin值，VMD?SSA方法的SNRout和RMSE都優(yōu)于其他方法。例如，當SNRin設(shè)置為0 dB時，VMD?SSA、VMD、EMD?PR和WT方法的SNRout和RMSE分別為15.673 dB、15.382 dB、14.674 dB、14.375 dB和0.63×10-4、0.65×10-4、0.71×10-4、0.73×10-4。通過以上比較，本文認為，在晴朗天氣下和有云天氣下，VMD?SSA均具有較好的降噪性能。

將不同天氣狀態(tài)、不同輸入信噪比條件下的仿真信號與其對應(yīng)的經(jīng)變分模態(tài)分解?奇異譜分析（VMD?SSA）方法降噪后的信號疊加，如圖4所示。其中，圖4a）～圖4c）為晴朗天氣狀態(tài)下的效果圖，圖4d）～圖4f）為有云天氣狀態(tài)下的效果圖。通過圖4可以更加直觀地顯示變分模態(tài)分解?奇異譜分析方法具有良好的降噪性能。

4" 結(jié)" 語

本文介紹了一種基于VMD和SSA的激光雷達信號去噪方法。首先模擬了晴朗、有云兩種天氣狀態(tài)下含有不同程度噪聲的衰減后向散射系數(shù)，為了驗證所提方法的有效性，采用小波變換（WT）、經(jīng)驗?zāi)B(tài)分解局部重建法（EMD?PR）、傳統(tǒng)的VMD方法作為對照，與VMD?SSA方法的降噪性能進行比較；然后以信噪比和均方根誤差作為主要評價標準，驗證了變分模態(tài)分解?奇異譜分析（VMD?SSA）方法的有效性。在未來的工作中，將根據(jù)本次去噪結(jié)果做進一步的研究，進行氣溶膠光學厚度反演的精度驗證。

注：本文通訊作者為鄧文彬。

參考文獻

[1] 胡建波，王雄，趙少華，等.星載高光譜分辨率激光雷達大氣氣溶膠和云探測研究[J].光學學報，2023，43（18）：9?18.

[2] WANG N C， ZHANG K， SHEN X， et al. Dual?field?of?view high?spectral?resolution lidar： Simultaneous profiling of aerosol and water cloud to study aerosol?cloud interaction [J]. Proceedings of the national academy of sciences， 2022， 119（10）： e2110756119.

[3] 趙明，孟淑賢，張科，等.拉曼?米激光雷達探測對流層氣溶膠與水汽研究[J].太原師范學院學報（自然科學版），2023，22（4）：52?56.

[4] 馬昕，史天奇.利用差分吸收激光雷達探測二氧化碳濃度廓線[J].武漢大學學報（信息科學版），2022，47（3）：412?418.

[5] 孟園園.基于微脈沖激光雷達的云參數(shù)和云相態(tài)反演方法研究[D].南京：南京信息工程大學，2023.

[6] 李芬芳，王元慶，楊興雨.改進小波變換在激光雷達回波分解中的應(yīng)用[J].激光雜志，2018，39（7）：30?33.

[7] 孫宸，胡嘉龍，王昆，等.基于小波變換的激光雷達回波信號去噪方法研究[J].雷達與對抗，2022，42（4）：20?22.

[8] 樊超陽，李朝鋒，楊蘇輝，等.CEEMDAN聯(lián)合小波閾值算法在水下激光雷達中抑制散射雜波的應(yīng)用[J].物理學報，2023，72（22）：106?113.

[9] 朱玲嬿，常建華，李紅旭，等.改進的激光雷達回波信號去噪方法[J].電子測量與儀器學報，2017，31（10）：1608?1613.

[10] 蔣立輝，符超，劉雯箐，等.基于自適應(yīng)多尺度形態(tài)濾波與EMD的激光雷達回波信號去噪方法[J].紅外與激光工程，2015，44（5）：1673?1679.

[11] 羅亦泳，黃城，張靜影.基于變分模態(tài)分解的變形監(jiān)測數(shù)據(jù)去噪方法[J].武漢大學學報（信息科學版），2020，45（5）：784?790.

[12] 徐帆，常建華，劉秉剛，等.基于VMD的激光雷達回波信號去噪方法研究[J].激光與紅外，2018，48（11）：1443?1448.

[13] 丁紅波，王珍珠，劉東.激光雷達信號去噪方法的對比研究[J].光學學報，2021，41（24）：9?18.

[14] 寇蕾蕾，郜海陽，林正健，等.星載主動遙感測云現(xiàn)狀與展望[J].遙感學報，2023，27（9）：2041?2059.

[15] 劉東，劉群，白劍，等.星載激光雷達CALIOP數(shù)據(jù)處理算法概述[J].紅外與激光工程，2017，46（12）：8?19.

[16] 曹武軍，李中強.基于SSA?GM?GPR的鐵路客運量預(yù)測研究[J].現(xiàn)代電子技術(shù)，2022，45（14）：159?163.