可分离非线性最小二乘计算方法及其在LiDAR波形分解中的应用研究

非线性最小二乘作为最基本的非线性优化方法,广泛应用于测绘领域中非线性函数模型的参数估计。LiDAR全波形回波信号的高斯特征参数的求解通常并未考虑模型可以分解成多个高斯函数的结构特点,而将所有的待求参数看作非线性参数,用泰勒级数展开公式对非线性模型线性化,进而利用LM(Levenberg-Marquardt)算法进行求解,对待求参数初值要求较高。

波形分解技术在强反射背景下薄砂层识别中的应用

松辽盆地北部扶余油层与上部的青山口组泥岩存在大的波阻抗差,导致扶余油层顶面T_2反射同相轴表现为连续、低频的强反射特征。在T_2强反射特征影响下,扶余油层上部的FI1油层组砂岩特征不明显,常规振幅属性砂岩预测能力差。应用奇异值分解技术将常规地震数据分解成不同分量的数据集合。波形分解后不同分量反映不同级别的地质、地层特征,T_2强反射对应第一分量,去除第一分量,可有效突出掩盖在区域强反射背景下的砂岩弱反射特征,可大大提高对F11层砂岩的预测能力。

利用波形分解技术识别塔中北坡强反射界面之下的储层响应

由于塔中北坡中奥陶统致密碳酸盐岩与上奥陶统碎屑岩存在较大的波阻抗差异,以致在地震剖面上形成"两谷夹一峰"的连续强反射界面T74,它屏蔽了下伏地层尤其是一间房组内幕缝洞型储层的地震响应,难以识别及预测一间房组内幕缝洞型储层。为此,依据塔中北坡实际地层结构,并考虑了一间房组的储层发育特征建立了储层模型,采用非均质介质波动方程并基于交错网格有限差分格式进行数值模拟;在此基础上应用多子波分解的波形分解技术,开展去除强反射界面影响的技术研究。结果表明:在T74之下的一间房组中、下部缝洞型储层表现为"一谷一峰"地震响应特征;单一分量地震数据体不能反映一间房组中、下部缝洞型储层的地震响应特征,第2~第5分量叠加地震数据体有效地去除了T74的影响,使掩盖在T74之下的一间房组中、下部缝洞型储层的"一谷一峰"地震响应被突显,且与井震标定结果吻合较好。

采用Levenberg Marquardt的逐步递进波形分解方法

针对机载全波形Li DAR波形数据分解问题,提出一种采用Levenberg Marquardt的逐步递进波形分解方法。该方法基于Levenberg Marquardt的非线性最小二乘拟合算法,选取高斯函数模型并采用逐步递进的波形分解方式得到准确的模拟波形。对Riegl数据中的2条典型波形进行分解实验,并与普通非线性最小二乘方法的结果进行对比分析,证明该方法是可行有效的。

周期和冲击混合特征信号的自适应波形分解

导出了一种适合于分解机械动态信号的基元函数 ,它与提出的自适应信号分解方法相结合 ,能够将机械动态信号分解为正弦波和冲击响应的线性展开 ,因此不仅可以从信号中提取平稳的周期波形 ,而且还可以提取非平稳的冲击响应波形 ,特别是当信号中同时含有 2种特征波形时 ,可以将其分别提取出来 .转子冲击实验结果也证实了所推导的基元函数的有效性 ,并与Gabor基元函数进行了比较 。

基于波形分解的重构地震数据体技术在致密油薄储层预测中的应用

扶余油层属典型的致密油层,砂、泥岩速度密度相近造成其地震反射特征较弱。在弱反射特征与T2反射轴强屏蔽的共同影响下导致FI1油层组储层预测十分困难。针对这一问题,利用基于波形分解重构地震数据体技术,按照顺次共同使用的原则分别从子波分解与重构和波形分解2个方面对提高扶余油层致密油薄储层预测精度方法进行研究。第一步,利用褶积模型的逆运算将目标层段的地震数据分解为不同主频的地震子波序列,然后将分解得到的子波序列在选定的频率范围内进行重新组合,得到新的重构数据体;第二步,将新的重构数据体利用矩阵分解法分解为多个能量不同的基本分量,将各基本分量分别在剖面上与已知井钻遇砂岩厚度进行对比,选用能量变化与砂岩厚度变化规律一致的分量作为最终的成果数据;最后,将成果数据与原始地震数据同时进行属性分析,可明显发现前者的平面预测符合率更高。研究结果表明,基于波形分解的重构地震数据体技术可有效突出强反射背景下的薄储层弱反射特征,在致密油薄储层预测领域有很好的应用前景。

偏正态全波激光雷达数据的可变分量波形分解

针对传统方法难以实现全波激光雷达数据中非对称波形分解的问题,本文提出一种结合可变分量偏正态模型和可逆跳马尔科夫链蒙特卡洛(RJMCMC)算法的波形分解方法。首先,利用能量函数刻画服从偏正态分布的理想波形与实际波形间的差异程度,并用Gibbs分布定义其似然函数;然后,定义理想波形参数模型的先验分布;在贝叶斯定理框架下,建立具有分量可变性的波形分解模型;设计RJMCMC的移动操作,确定偏正态分布中的分量数以及求解模型参数。利用提出算法,对不同波形特征(偏态、正态)的ICESat-GLAS全波激光雷达数据进行可变分量分解实验。实验结果表明:实验波形结果与实际波形数据相关系数达到0.989以上,所提方法不仅能够同时实现对偏态数据和正态数据的拟合,还能更为准确地确定波形分量数。证明了该方法能实现全波激光雷达数据的精确分解,且分解结果与对应地物高程信息相符。

基于粒子群—最小二乘法的GLAS波形分解及树高反演方法

树高是陆地碳循环研究中的一个重要的生物物理参数。ICESat/GLAS系统是第一个实现全球连续观测的星载激光雷达系统,由于其具有光斑覆盖面积大、穿透力强的特征,在树高等森林结构参数反演方面具有显著的优势。该文设计了一种基于粒子群一最小二乘法的GLAS波形分解及树高反演方法,采用该方法对贡嘎山地区和茂县山区坡度小于10°的GLAS激光点波形进行了高斯分解和树高反演工作,拟合波形与原始波形吻合良好;树高估算结果与采用统计模型估算的树高非常接近(贡嘎山:R^2=0.80,RMSE=5.30 m;茂县:R^2=0.96,RMSE=3.11m)。研究结果表明该方法能很好应用于GLAS波形分解,并获得较好的树高反演结果。未来可以针对该方法在不同坡度地区的适用性和树高反演精度问题开展进一步的研究。

基于 LiDAR 波形分解的点云 SVM 分类方法研究

LiDAR全波形数据可以记录发射激光脉冲与地物作用形成的后向散射信号的全回波信息,是发射激光脉冲沿途遇到的所有目标回波信号的总和,揭示了地物的几何和物理属性,是地物分类的重要依据。然而目前基于全波形分解的地物分类研究较少。本文将LiDAR全波形数据分解成波宽、振幅、回波次数3个独立的属性,并分别将这3个属性与高程进行格网化,生成一幅含有4个图层的图像;然后使用SVM分类器对这幅图像进行分类,成功分出了房屋、地面、高大植被,分类精度达96.248 2%,Kappa系数达0.928 1。

基于改进差分进化算法的机载激光雷达波形分解

全波形机载激光雷达数据记录了完整的回波波形,包含了目标的立面细节和后向散射系数等信息,但是这些信息无法在未经处理的情况下直接获取,波形分解是处理波形数据以提取有效信息的重要方法。针对波形分解中常用的参数优化算法对初值敏感,易陷于局部最优的缺点,提出一种基于改进差分(Modified Differential Evolution,MDE)算法的波形分解方法:以广义高斯函数为模型,在预估初值后,将全局优化的MDE算法用于参数优化,最终生成点云。实验结果表明,与基于其他优化算法的波形分解方法相比,该方法在分解精度以及点位精度等方面都有提高。

基于多分辨率分析的特征波形分解与重构算法

基于多分辨分析的思想,用双正交小波滤波器组对波形内插编码中提取的特征波进行多级分解和重构。二维特征波表面被分解为一系列时间分辨率递减的波平面,可以利用人耳对缓变和快变成分的感知重要性不同对各层的特征波形幅度谱进行不同精度的量化,相对于传统的低通滤波波形分解过程能够更好地对特征波序列进行多尺度的描述,有利于增强编码效果。借助基于时域设计的最小相位滤波器对特征波平面进行多级分解与重构,解决了用小波变换方法产生较大延迟的问题,有利于实时编码。

基于自适应波形分解的峭度谱方法在往复压缩机气阀故障诊断中的应用

往复压缩机气阀振动信号具有非平稳非高斯的多源冲击特性,峭度谱方法是检测平稳信号冲击特征信息的有力工具。为此,本文通过自适应波形分解方法,在无需先验知识的情况下将气阀非平稳信号转换为一系列较为平稳波形分量,并利用峭度谱对包含典型冲击特征的分量进行特征提取。结果表明:所提方法不仅能够降低噪声对峭度指标的干扰,而且能够准确表征冲击的强弱和指示对应的频带,为有效提取不同气阀故障特征提供依据。

基于高斯与小波的机载测深LiDAR波形分解算法

波形分解是机载测深LiDAR数据处理的关键环节,为水深计算、底质类型反演和水体浑浊度分析等提供基础信息。针对传统测深LiDAR波形分解算法受噪声干扰严重、对微弱及叠加信号分解不准确的问题,提出一种新的波形分解算法。对原始波形经小波滤波后,计算滤波前后尾段波形的差异,估计回波信号的噪声;利用高斯模型,从原始波形数据中不断分解出经LM算法优化参数后的波形分量,直到剩余波形中最大峰值与优化后的参数小于一定阈值。通过南海实测数据进行验证,实验结果表明:该算法分解弱回波能力强,不论在浅水(回波发生叠加)还是深水,其分解精度均优于传统算法。

基于可变分量的参数随机抽样的激光雷达脉冲波形分解

激光雷达脉冲回波的波形分解方法是提取其波形参数的重要手段,也为反演目标高度、倾斜度和粗糙度、反射率提供直接的参数来源。针对部分信噪比较差且具有一定混叠程度的脉冲回波,提出一种基于可变分量的参数随机抽样方法的波形分解算法(WDVCM)。该算法以高斯混合函数为优化模型,通过随机产生高斯分量的特征参数以及删减或生成高斯分量等操作,并分别基于能量函数和拟合标准差作为参数优化的判据,从而实现波形的分解及其参数提取。利用该算法对美国国家航空航天局(NASA)的对地观测星载激光雷达(GLAS)一个条带中的4584个原始波形进行了处理分析。结果发现,约99%的WDVCM和97%的NASA拟合波形结果的相关系数均超过0.95,其中两者相关系数差异不超过0.05占98%。同时,WDVCM和NASA拟合波形的标准差系数均值分别为2.21和3.28,约89%的WDVCM拟合波形的标准差系数均小于NASA拟合波形的标准差系数。所得结果表明,WDVCM对混叠高斯波形的拟合效果更好,适用性更强。

基于自适应波形分解与时频转换的风机工况诊断方法

目前针对风力发电机工况诊断方法的研究较为匮乏。为此,本文提出一种基于自适应波形分解和时频转换的诊断方法。该方法的算法采用了滑动间隔样本扩充、基于改进CEEMDAN的自适应波形分解方法、希尔伯特时频变换、VGG16神经网络。过程中,利用风机的振动加速度信号,通过自适应分解方法对信号进行分解降噪,将处理后信号进行变换生成二维时频谱,利用VGG16模型对时频谱样本集进行分类以达到诊断目的。为了评估该方法的有效性,将本文方法分别与传统模态分解、CNN模型进行对比,并对模型分类效果进行评估,结果表明,该方法具有更好的准确性。

基于遗传算法的星载激光全波形分解

全波形激光雷达的回波中包含着地物目标的垂直结构特征信息,传统的全波形数据处理方法在提取这些信息时过于依赖初始参数,导致地形复杂地区的数据可利用率低、准确率低。针对这一问题,提出了一种基于遗传算法的波形分解方法。改进后的处理算法无需提供精确的初始参数,用概率性传递规则代替确定性规则,具有全局寻优特点。并以高分七号卫星激光全波形数据进行试验。结果证明,基于改进后的波形处理方法拟合的回波波形与预处理后波形的相关系数在99%以上。文中对森林地区最大树高的反演与ICESat-2的ATL08产品中的森林冠层高度参数进行对比,两者相关系数为0.85,中误差为1.1 m,表明该方法可以较准确地提取复杂波形的特征信息。

机载激光测深近水面渗透误差修正的半经验波形分解方法

信号检测精度是影响机载激光测深最终测量成果的一项关键因素。针对绿激光在水面存在的近水面渗透现象,为提高水面信号检测精度,本文提出一种半经验波形分解方法。该方法通过简化激光辐射传输过程构建一种符合波形实际情况的半经验信号卷积模型,并利用基于航迹和影像数据人工选取的深水波形样本估计模型中水体参数初值及取值范围,在波形先验的约束下基于信赖域算法实现波形各组成部分的精确重构,从而确定水面信号位置并修正近水面渗透误差。试验结果表明,本文方法在波形分解中将理论与经验结合,可较好地适应不同水深下的波形,能够在保证高拟合度的同时提升水面信号的检测精度,相比去卷积算法和传统波形分解方法,本文方法在精度上分别提高了44%和51%。

基于稳态波形分解与神经网络的负荷识别方法

非侵入家用负荷识别技术可以提供用户的用电信息,对于家庭来说,信息可以指导用户合理安排用电,改善用电习惯,减少用电开支;同时,对于电力部门利用家庭用电数据可以了解负荷用电规律及趋势,完善电力规划。作为智能电网的一项关键技术,现有的研究多采用高级智能算法,基于用电负荷的稳态特征进行学习,识别。针对现有算法识别特征存在的不足和各种家用负荷在投入运行后的特点,现提出一种基于稳态波形分解的BP神经网络负荷识别方法。该算法主要利用稳态波形可叠加性对分解后的电流波形进行谐波特征提取,结合经过神经网络训练后得出权值,阈值,通过嵌入式装置实现对负荷的识别。经实测数据检验,该方法已成功在嵌入式装置上实现,具有良好的识别精度和计算速度,达到了预期的效果。

全局收敛LM的激光雷达波形数据分解方法

全波形激光雷达是遥感领域的新兴技术,相比传统激光雷达,它对后向散射回波进行全数字化的记录,通过分解返回波形能够得到更加丰富的地物属性信息,因此波形分解是激光雷达全波形数据处理的核心内容。针对传统LM算法容易陷入局部最优解的问题,提出一种全局收敛LM的激光雷达全波形数据分解方法。该方法引入全局收敛LM算法对波形进行拟合,获得波形分量参数的最优解,利用迭代的波峰检测策略实现复杂重叠波形分量的逐步分解。通过对GLAS、LVIS与Lite Mapper-5600的波形数据分解实验证明:该方法相比传统LM算法能够得到更具鲁棒性的波形分解结果,并且适用于星载波形数据、机载大光斑以及机载小光斑波形数据,具备较高实用价值。

全波形LiDAR数据分解的可变分量高斯混合模型及RJMCMC算法

传统激光雷达(light detection and ranging,LiDAR)数据处理均采用固定数的波形分解方法,容易遗漏部分重叠的返回波,降低波形拟合精度。为了实现可变数波形分解,本文提出了一种自动确定波形分解数的方法。假定波形数据服从混合高斯分布,并以此建立理想的波形模型;定义用于控制理想模型与实际波形拟合程度的能量函数,用吉布斯分布构建或然率;根据贝叶斯定理构建刻画波形分解的后验概率模型;设计可逆跳转马尔科夫链蒙特卡洛(reversible jump Markov chain Monte Carlo,RJMCMC)算法模拟该后验概率模型,以确定波形分解数并同时完成波形分解。为了验证提出算法的正确性,分别对不同区域的ICESat-GLAS波形数据进行了波形分解试验,定性和定量分析结果验证了本文方法的有效性、可靠性和准确性。