摘要
激光雷达是一种主动成像系统，不但能够实现激光三维成像，而且还能够进行激光强度成像，在目标成像探测领域有着广阔的应用前景。激光雷达目标探测距离的跨度很大，且目标的反射特性也不同，这使得激光回波幅度会出现几个数量级上的变化，会使激光回波出现饱和现象，直接影响激光强度像信息的提取，同时还会导致激光测距精度的降低。此外，激光雷达在复杂环境的探测过程中，回波产生不同程度的畸变，导致传统测距算法的误差较大。为此，论文研究了深度学习方法复原激光雷达饱和波形和提取激光雷达目标距离参数，旨在从信号处理的角度解决饱和回波问题并减小系统测距误差。 论文在深入资料调研的基础上，提出了一种基于双向门控循环单元（BidirectionalGatedRecurrentUnit,BiGRU）模型的脉冲激光雷达含噪饱和波形恢复方法，能够从含噪饱和信号复原出无噪声非饱和激光回波信号。在此基础上，依据所研究激光雷达的前置放大电路设计原理，利用TINA-TI软件对不同强度回波信号进行仿真计算，构造出了BiGRU模型训练和优化的数据集。通过BiGRU模型的训练和参数优化设置，成功实现了含噪饱和波形的恢复。在不同噪声条件下以及不同饱和程度条件下，恢复出的无噪非饱和信号与理想回波信号相比，拟合度达到99%以上，不但验证了算法的可行性和正确性，而且还为后续实验研究奠定了算法基础。 论文将卷积神经网络（ConvolutionalNeuralNetwork,CNN）和BiGRU相结合，提出了一种基于CNN-BiGRU模型的激光雷达距离参数提取方法，能够提取目标的距离，并具有较高的测距精度。引入激光雷达测距过程数字化全波形仿真方法，通过大量的计算构造了CNN-BiGRU模型训练和优化的激光雷达测距回波数据集。通过CNN-BiGRU模型的训练和参数优化，实现了基于CNN-BiGRU模型的激光雷达距离参数提取方法，应用到了不同噪声和回波幅度条件下的测距精度和测距稳定性仿真实验，并与传统测距方法对比，结果表明：当回波峰值为1V，噪声均方根为100mV时可将测距精度从恒比定时法的0.1734m提高到0.0663m。 此外，论文还搭建了激光雷达数字化全波形回波采集实验平台，在实验上采集不同饱和条件下的回波数据集和不同目标距离下的回波数据集。利用本文提出的BiGRU模型进行了饱和信号复原，利用CNN-BiGRU模型进行了目标距离参数提取，得到了与仿真实验相一致的结果，进一步验证了本文所引入的BiGRU模型对于饱和波形恢复与CNN-BiGRU模型对于距离参数提取的可行性与有效性。
NETL