基于激光雷达的云高探测系统及算法设计

中国船舶重工集团公司第七二四研究所 周浩 熊风 吴贞宇

目前，云作为大气的一种重要表现形式，无论是在大气科学还是航空安全领域都有着十分重要的研究意义。该云高探测系统是基于激光雷达设计而成，发射出的激光束在被云层反射后，接收器会接收到回波信号，对回波信号进行相关处理后，能够获取云层的有关信息。且该系统运用的改进反演算法能有效解决传统的激光雷达云高探测系统在工作中易受到环境中噪声的影响，无法准确的对云层高度进行识别，造成虚测和漏测的问题。

激光雷达是利用激光束作为探测介质，获取目标位置和速度信息的雷达探测系统。通过激光器向目标进行定向光源发射，并根据不同场景下适用的算法对回波信号进行处理，能够有效的获得目标相关参数信息，以此来对目标进行探测、识别及跟踪。由于激光的波长远小于微波，因此相比于微波雷达，具有如下优点：分辨率高、抗噪声能力强及低空探测性能好。

在现阶段的气象研究中，云量、云高等云层参数为深入掌握云的状态及变化趋势提供了重要的信息指标。其中，云高是云层量，它是天气变化参数中最基础的数据。因此设计一种云高探测系统并适配有优良高效的处理算法对研究天气状况、环境状况以及气候状况具有重要的意义。

1 云高探测系统总体设计

本文所设计的云高探测系统由硬件系统和软件架构组成，其中硬件系统主要包括激光器、APD 光电转换传感器、放大电路、A/D 数模转换电路等，软件架构主要以FPGA 为开发平台进行核心控制处理单元的设计。该探测系统的总体设计图如图1 所示。

图1 探测系统总体框图Fig.1 Overall block diagram of the detection system

1.1 激光器

激光发生电路即激光器，其是通过激励和受激辐射放大而产生激光，由激光物质、光学谐振腔和激励系统等构成。

在工作方式的选择上，本系统选用单次脉冲激光器，这类激光器的特点是激励和输出在时间上是单次脉冲过程，在运行中器件热效应可以忽略，因此不需要采用冷却措施。并且该系统采用D 触发器来产生边沿陡峭的触发脉冲，通过适当的参数选定后可以实现最短3ns 的上升时间。

1.2 驱动电路

驱动电路设计在激光器之前，主要用于为激光发射装置提供合适稳定的调制和偏置电流。该驱动器包含自动功率控制电路，用于接收激光器反馈的电压，实时监控调节激光器偏置电路电流；除此之外，该驱动电路包含温度控制电路，其能根据外部环境的温度对激光器内的热电制冷器进行实时控制调节，以保证激光器在合适的温度下工作。

1.3 光学接收装置

1.3.1 光电转换器

激光回波信号在被光学装置接收到后，需要通过光电转换器实现光信号向电信号的转换。在众多光电转换设备中，APD 雪崩光电二极管具有灵敏度高、动态范围大、抗电磁干扰等诸多优势，不仅能够扩大激光雷达的探测范围，又能够达到较高的测距精度，因此在激光雷达应用场景中，APD 是光电转换器件的最优选择。此外，为给APD器件提供合适的偏置电压，该系统配备有高压偏置电路。

1.3.2 信号放大电路

由于APD 二极管所产生的电信号比较微弱，因此需要放大电路来放大转换后的电信号。

根据APD 雪崩光电二极管和激光雷达的系统参数，在最大探测距离为10km、探测概率为99%的情况下，APD 接收到的激光回波脉冲最小信噪比应为6.813，因此可以推算最小信号电流：

在放大电路的设计上，系统采用两级放大的方式，每个二极管的放大倍数为90，则经过两级放大后，第二级二极管的集电极电流在激光回拨脉冲到达时可放大为：

若第二级二极管的集电极负载电阻为10kΩ，则在电阻上形成的压降为：

由上述推导可知，该接收放大器可将最小探测信号幅度放大至747.63mV，满足后续电路进行信号处理的要求。

1.3.3 模数转换电路

当接收到的激光回波信号转换为电信号并进行放大后，此时的电信号属于模拟信号。由于FPGA 信号处理单元只能对数字信号进行处理，因此有必要设计相应的模拟数字转换电路将模拟信号转换为数字信号。

该系统采用的芯片的工作电压范围为+2.7v ～+5.5v，在3v 电源供电的情况下，其功耗为95mW，微分非线性误差为0.2LSB；且配备高性能的采样保持放大器和基准电压源，采用多级差分架构，数据率高达32MSPS，保证其在合理工作温度下无失码问题。

1.4 软件设计组成

本系统基于FPGA 进行开发，选用Zynq-7000 作为设计开发模块。其中的“处理系统”为PS 端，“可编程逻辑”为PL 端，PS 和PL 端通过AXI 总线数据接口技术进行信息通信，利用ARM 可以执行嵌入式操作系统相关的任务。并利用FPGA 实现并行处理，使多个计算单元同时进行，大大缩短处理时间，在减小体积的同时，提升了可靠性。

2 云高参数反演算法

对于云高反演算法的设计，已有大量科研人员对此进行了研究。但是由于大气中气溶胶层的干扰，以及大气中各种特性在实时变化，目前我国还没有能够适应全部气象条件的云高参数反演算法。

2.1 典型云高反演算法

在云高反演算法的发展过程中，首先是由James D.Klett在1981 年提出Klett 算法，利用求解出的消光系数，算出云的透射率、光学厚度等参数。Klett 算法能够较好的克服信号波动带来的问题，但在求解过程中做出的假设具有较强的主观因素；1993—1998 年，Intrieri 和Austin 等人提出将后向散射截面与发射率综合计算的检测算法，并进行后续的算法改进，使其适用于紫外、红外、可见光等重要光谱区域；2006 年芬兰Vaisala 公司提出了天空条件算法，但实际情况下，由于各种背景噪声的影响，存在对薄云的漏测问题。上述方法为云高反演算法的发展提供了重要的理论实践的支撑，但都或多或少存在着虚警漏警及易被背景噪声干扰的问题。

本文将根据已有的云高参数反演算法，提出改进后的反演算法，旨在更加准确的推演出云层的高度。

2.2 改进的云高反演算法

根据准则，改进的算法可自主解算分析探测时的环境噪声，自适应的选定初步阈值，后向散射回波廓线中只有大于初步阈值的部分才可能含有云层。通过设置初步阈值，可以排除部分因自然噪声以及气溶胶影响所导致的虚假探测。部分研究发现中层云的厚度不会小于30.5m，且高层云的厚度不会小于61m，该改进的算法将云厚阈值设置在30 ～65m 之间，且该算法根据探测高度，实时调整云厚阈值，再对廓线进行一次筛选。而在考虑信号强度时，该算法提出只有云底和云峰的回波信号强度差大于两倍的背景噪声强度才可能是云层。

根据各类统计数据发现，低层云的平均高度约为510m，考虑到探测系统接收镜片的影响，本算法选用500m 作为中心云层高度阈值，该算法对于云层高度阈值设置也是自适应的，根据天气气候的变化在500m±150m范围内实时调整。该算法将两层云之间的距离阈值设置为50m、80m、120m 可选，用于应对不同环境下的探测需求，并将间距小于阈值的两层云合并为一层。综上所述，改进后的算法中，能根据探测高度在30 ～65m 范围内自适应的调整设云厚阈值；并根据天气变化，在500m±150m范围内实时调整云层高度阈值；两层云之间的距离阈值设置为50m、80m、120m 可选；且剔除云底和云峰的回波信号强度差小于两倍的背景噪声强度的信号。

3 实验结果仿真与分析

由上述分析可知，该算法旨在解决云高探测时虚警漏警的问题，并提高探测指标的精度。首先对传统算法和改进后的算法进行虚警漏警相关数据分析对比，实验发现，传统算法虚警率和漏警率分别为11.5%和9.5%，改进后算法分别为3%和5%，改进后的算法在虚警率和漏警率方面比传统算法都有了一定的提升。在剔除相关虚警及漏警数据后，对两种算法的各50 组随机探测数据进行了精度比对分析，经过计算，传统算法的50 组数据标准差为33.17m，改进后算法的50 组数据标准差为16.69m，验证了改进后算法的准确性和稳定性。

为了进一步验证改进后的算法，利用该云高探测系统在天空方向上的探测共获取到340 组数据。首先做出了原始信号的数据图，如图2（a）所示；接着利用改进后的算法进行数据筛选处理，完成降噪、平滑等预处理后的数据图如图2（b）所示；此外为了进一步完善数据的筛选，将两次邻间隔探测信号数据进行混合比对处理，结果如图2（c）所示。

图2 （a）原始信号数据图；（b）降噪、平滑等预处理后的数据图；（c）混合比对处理后的数据图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

由图2 可以看出，由于噪声和气溶胶等的影响，原始信号具有较多的杂波和毛刺，对云高参数的判断产生较为负面的影响。根据改进的算法对原始信号进行单次廓线降噪平滑处理及相邻廓线混合平滑处理则可以较好地解决这一问题。为了验证算法实时处理回波信号的准确性，对上述数据进行了反演，反演结果如图3 所示。

图3 中，黑色“*”线表示第一层云层，白色“+”线表示第二层云层，背景颜色代表消光系数的变化。从图中可以看出：在2400m 处，消光系数出现突变，代表在该位置处存在第一层云层；在3400 ～3500m 左右的位置，消光系数再次出现突变，代表在该位置处存在第二层云层，两层云的高度信息与改进算法处理后的数据高度吻合，进一步证明了该算法的优异性。

图3 云高参数反演图Fig.3 Cloud height parameter inversion map

4 结语

本文对云高探测系统的总体设计和重要模块器件都进行了详细阐述，包括激光发射器、光电转换器以及模数转换电路等，且该探测系统采用FPGA 作为逻辑控制及信号处理的硬件平台中心和激光发射模块/接收模块及AD 采样模块等部分相连。该探测系统的改进处理算法是通过自适应设置不同的参数的阈值对单廓线进行筛选处理，加以双廓线的混合比对优化处理，并对处理后的信号进行反演验证，以此能更加准确的得出相关的云高参数，用以进一步研究天气、环境以及气候的状况。

引用

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

[2] 刘厚通,陈良富,苏林.Fernald前向积分用于机载激光雷达气溶胶后向散射系数反演的理论研究[J].物理学报,2011,60(6):310-318.

[3] 陈臻懿,刘文清,张玉钧,等.激光测云雷达信号分析[J].大气与环境光学学报,2009,4(1):75-80.

[4] 钟文婷,刘君,华灯鑫,等.多波长发光二极管光源雷达系统与近地面低层大气气溶胶探测[J].物理学报,2018,67(18):153-161.

[5] 钟文婷,华灯鑫,刘君,等.新型LED光源气溶胶探测雷达系统优化设计与初步实验[J].光学学报,2016,36(10):496-502.

[6] 王箫鹏.基于激光雷达数据自动反演云参数算法及应用研究[D].青岛:中国海洋大学,2014.