基于稳健最小二乘支持向量机的测深激光信号处理.docVIP

基于稳健最小二乘支持向量机的测深激光信号处理 　　摘要：针对浅海探测中激光回波噪声源多、信噪比低，传统非加权最小二乘支持向量机和加权最小二乘支持向量机对低信噪比信号滤波不足的问题，提出将稳健最小二乘法与加权最小二乘支持向量机相结合的滤波方法（HWLSSVM）。首先采用强淘汰权函数计算先验权值、残差和均方误差，然后采用权函数模型计算最小二乘支持向量机的权值，最后通过迭代计算实现回波信号滤波。通过仿真实验结果表明， HWLSSVM方法较最小二乘支持向量机、贝叶斯最小二乘支持向量机和传统加权最小二乘支持向量机滤波效果更加稳健，在噪声率为45%的情况下，滤波效果较为理想，水面和水底回波提取正确率为100%；对实测4组深水区和4组浅水区数据滤波后提取的海水深度均与背景资料的深度吻合。由此表明， HWLSSVM方法具有更好的抗噪性，更适合于对信噪比低的测深激光信号的滤波处理。 　　关键词：支持向量机；稳健最小二乘；激光测深；高崩溃污染率；权函数 　　中图分类号：TP301.6 文献标志码：A 　　0引言 　　浅海探测对海底油气资源勘探、海底油气管线架设、海洋科学研究、海上交通、海洋渔业、海军作战训练等具有重要意义。传统的声呐探测技术作业效率低，无法满足大面积勘测要求；多光谱遥感反演测深技术可快速探测面积大，但需要建立影像信息与海洋物理、大气参数之间复杂的关系模型，精度无法保证；多波束探测是目前应用最为广泛的海底勘测技术，但在浅水区域探测效率受限，很难实现对浅海、岛礁的勘测；激光探测技术能够克服以上困难，具有探测精度高、作业速度快、运行成本低的优点，是当今浅海探测领域研究的热点之一。 　　全波形激光探测技术能够记录激光的多次回波，可以为用户提供地球表面更多的物理量和物理散射特性等信息[1]，在许多领域具有重要的应用价值。现有的全波形处理算法有波形分解法[2-3]、反褶积法[4-6]、平均平方差函数法[7]以及匹配滤波法[8]等，但这些波形处理方法都是应用于陆地回波波形处理，对于浅海探测而言，其信号处理较陆地回波更为困难[9]，主要原因在于：1）激光信号需要经过大气、海水、海底等多种介质，各种介质物理性质差异大，激光能量损失大，海底回波信号弱；2）由于太阳辐射、大气散射等影响，回波信号中含有大量的噪声；3）激光回路中可能含有杂物，造成有用的激光信号难以提取。因此，激光信号的去噪对浅海探测尤为重要。 　　支持向量机（Support Vector Machine，SVM）方法是机器学习领域的一个重要方法，在小样本分类方面应用非常成功。在信号处理领域，邓小英等[10]提出了Ricker子波核最小二乘SVM（Least Square SVM， LSSVM）滤波方法，将其应用于地震勘探信号处理；邴萍萍等[11]建立了适合于振幅随偏移距变化（Amplitude Versus Offest， AVO）反演的支持向量机模型，并应用该方法对模型数据和地震资料进行了反演实验。本文针对浅海探测回波噪声源多、信噪比低的特点，提出了一种稳健最小二乘与SVM相结合的滤波方法，通过仿真实验确定了适合的权函数，并将其应用于实测信号滤波，验证了方法的有效性。 　　4结语 　　利用浅海激光探测技术对海洋资源及海底环境进行勘测具有精度高、速度快、成本低的优势，本文针对激光回波噪声量大，难以提取海底回波问题展开研究，提出了稳健最小二乘SVM噪声抑制方法。该方法以强淘汰权函数为先验权阵，采用Myriad加权SVM对含噪信号进行滤波，通过仿真实验和实测数据验证，表明该方法在处理浅海激光回波信号方面具有较好的抗噪优势。 　　同时，研究过程中存在一些不足，需要进一步研究和改进：一是进一步搜集浅海探测记录并进行噪声抑制实验，验证本文方法对不同数据的适应能力；二是在有条件的情况下建立物理仿真实验平台，对回波记录滤波结果进行更为精确的精度评估。 　　致谢感谢中国科学院上海光学精密机械研究所提供激光原始数据及背景资料。 　　参考文献： 　　[1] 　　MALLET C， BRETAR F. Fullwaveform topographic lidar： stateoftheart[J]. ISPRS Journal of Photogrammetry and Remote Sensing， 2008， 64（1）： 1-16. 　　[2] 　　HOFTON M A， MINSTER J B， BLAIR J B. Decomposition of laser altimeter waveforms[J]. IEEE Transactions on Geoscience and Remote Sensing， 2000， 38（4）： 1989-1996.