基于小波去噪算法的全天时大气水汽拉曼激光雷达探测与分析 下载: 1116次
1 引言
水汽是气候和气象的重要因素,是水文循环系统中最活跃的成分之一[1]。大气中的水汽含量是人工增雨的重要基础,长期以来水汽对气候的影响备受科学家关注[2-3]。由于大气过程的连续性和变化性,利用测量的全天时大气水汽含量可以表征大气参数的时空变化情况,对于研究区域生态系统和社会经济有着重要的意义。因此,大气水汽的全天时探测不仅有助于对全球和区域气候变化、云的形成和降水的研究,而且可以为大气水资源的有效利用提供理论依据[4]。
激光雷达凭借其高时空分辨率、高探测灵敏度和强抗干扰能力等优点,已成为一种有效的大气探测手段,在大气气象与环境探测中得到越来越广泛的应用[5-9]。随着激光技术和弱信号检测技术的不断发展,拉曼激光雷达已成为探测大气水汽、气溶胶、温度等大气参数的重要手段之一。近年来,国内外众多科研机构和学者都开展了大气水汽探测拉曼激光雷达系统的研究工作,取得了较好的研究成果[10-12]。
在全天时激光雷达探测中,仍然存在白天强背景光的问题。由于白天强太阳背景光的影响,极弱的拉曼散射信号极有可能会被污染甚至淹没在噪声里,因此,如何在强白天背景光中提取有用的弱拉曼散射信号,即白天强太阳背景光的去噪问题是全天时水汽探测的关键技术和难点之一。激光雷达回波信号包含有效信号以及各种噪声信号,具有非平稳的特性。目前,对激光雷达信号的去噪方法主要有均值滤波、经验模态分解(EMD)和小波分解等方法。近些年相关科研机构已开展了对激光雷达晚间探测回波信号的去噪研究。田力等[13]通过分析对比获得了适合瑞利散射信号的小波分解层数、阈值选取规则及阈值函数,并利用软阈值法反演获得南京上空平流层28~46 km的温度廓线;Wu等[14]证明了经验模态分解法可提高激光雷达信号信噪比(SNR);Tian等[15]采用了EMD方法对激光雷达信号进行降噪;Yin等[16]提出利用改进的小波阈值去噪法和小波域空间滤波相结合的去噪方法对激光雷达脉冲信号进行仿真分析。以上研究多针对夜间探测的激光雷达米散射和瑞利散射信号去噪问题,多集中在电噪声和白噪声的去除研究,而对白天背景光的去噪问题,尤其是针对极弱的拉曼散射回波信号的研究较少。近期,Zhou等[17]针对白天强背景光下米散射激光雷达回波信号和噪声的特点,提出了利用小波软阈值法消除白天背景光和探测系统的电噪声,反演结果显示有效探测距离从2.5 km提高到5 km,证明了小波去噪方法在白天背景下对米散射激光雷达信号去噪的有效性。
相比于弹性米散射和瑞利散射信号来说,大气分子的拉曼散射信号要低3~4个数量级,如何在白天强背景光的影响下提取弱拉曼散射回波信号,将是本文着重讨论的问题。以全天时大气水汽探测为目标,从小波去噪原理出发,详细讨论了去噪过程中各去噪元素对白天实测水汽拉曼散射回波信号去噪结果的影响,以获得适用于弱拉曼散射信号的小波基函数、阈值和阈值函数,并开展全天时激光雷达探测实验和数据反演,通过比较和分析不同的评价方法,验证小波去噪算法的有效性和在全天时水汽探测中的可行性。
2 激光雷达系统及其数据处理方法
2.1 水汽探测拉曼激光雷达系统
采用的水汽探测拉曼激光雷达系统如
表 1. 拉曼激光雷达系统主要参数
Table 1. Specification parameters of Raman lidar system
|
2.2 大气水汽反演方法
根据水汽混合比的定义,利用水汽和氮气分子的拉曼散射回波信号强度
式中
式中
式中
2.3 小波阈值去噪方法与评价
小波阈值去噪方法已经广泛应用于信号分析、图像处理、语音识别、故障诊断等领域。含噪信号经过小波分解后,真实信号的小波系数幅值较大,而噪声的小波系数幅值较小。因此,通过在不同尺度上选取合适的阈值,对小波系数进行适当阈值化处理,即可分离有用信号和噪声,用处理后的小波系数进行小波逆变换,即可重构去噪后的信号[18-21]。
激光雷达的含噪信号可以表示为
式中
含噪信号可表示为低频和高频信号的总和,即
式中∑
式中
因此,小波阈值去噪的基本步骤为:1)选取适当的小波基和分解层数对含噪信号
通常,去噪前后效果可通过去噪SNR和均方根误差(RMSE)等评价函数分析获得。定义
RMSE的计算公式为
可见,小波去噪SNR代表了去噪信号的平均SNR,与激光雷达系统的探测SNR不同。
3 白天探测水汽拉曼散射信号的去噪过程
利用
3.1 小波基选取与分析
小波函数中有3种常见离散小波族,分别为Daubechies(db)小波族、Symlets(sym)小波族和Coiflets(coif)小波族。首先讨论不同的小波基对激光雷达信号去噪效果的影响。要说明的是,当分解层数过少时,不能有效去除噪声;当分解层数过多时,去噪后信号SNR反而下降。因此,考虑到噪声具有一定的频带宽度,随着层数的增加,噪声逐渐变弱,通常选择层数为3~6,根据经验采用分解层数为5层。
图 2. 一组白天探测水汽拉曼散射信号去噪前后对比。(a)采用不同滤波器长度的小波族去噪后SNR和RMSE比较; (b)去噪前后距离校正平方结果比较
Fig. 2. Comparison of water vapor Raman scattering signals before and after denoising detected in daytime. (a) SNR and RMSE denoised by wavelet basis with different filter lengths; (b) comparison of range-square-corrected results before and after denoising
为了考虑小波基选取的普遍性,在此对一组白天探测米-瑞利散射回波信号也进行了去噪效果分析。
图 3. 一组白天探测米-瑞利散射信号去噪前后对比。(a)采用不同滤波器长度的小波族去噪后SNR和RMSE;(b)去噪前后距离校正平方结果比较
Fig. 3. Comparison of Mie-Rayleigh scattering signals before and after denoising in daytime. (a) SNR and RMSE denoised by wavelet basis with different filter lengths; (b) comparison of range-square-corrected results before and after denoising
3.2 阈值函数对比与分析
在小波阈值去噪中,一般可利用硬阈值函数和软阈值函数对小波系数
图 4. 利用不同阈值函数对白天水汽拉曼散射信号进行去噪的结果
Fig. 4. Denoising results of daytime water vapor Raman scattering signals denoised with different threshold functions
3.3 阈值选取与分析
常见的阈值估计方法主要有启发式阈值、自适应阈值、通用阈值、极大极小阈值和改进阈值选取方式。其中,通用阈值选取方式最为简单且应用广泛,但是存在“过扼杀”小波系数现象,在通用阈值基础上发展的改进阈值方法可获得不同分解尺度下不同的分解层阈值。利用上述5种阈值选取方法对白天探测水汽拉曼散射信号进行去噪分析。
图 5. 利用不同阈值获取方法对白天探测水汽拉曼散射信号进行去噪的结果。 (a) 距离校正平方信号; (b) SNR和RMSE
Fig. 5. Denoising results of water vapor Raman scattering signals denoised by different threshold acquisition methods in daytime. (a) RSCS; (b) SNR and RMSE
从米-瑞利散射信号的去噪过程中也可以获得同样的去噪结果,如
此外,利用水汽拉曼激光雷达系统开展了大量的白天激光雷达探测实验,并对多组不同天气条件下白天探测大气回波信号进行了详细的去噪过程与结果分析。通过比较可以得到,当利用小波基sym6、分解层数为5层,并采用改进的阈值函数和改进通用阈值方法时,可高效滤除白天强太阳背景光,实现对白天探测水汽拉曼散射信号和米-瑞利散射信号的有效去噪。
图 6. 利用不同阈值获取方法对米-瑞利散射信号进行去噪的结果。 (a)距离校正平方信号; (b) SNR和RMSE
Fig. 6. Denoising results of Mie-Rayleigh scattering signals denosied by different threshold acquisition methods in daytime. (a) RSCS; (b) SNR and RMSE
4 白天探测水汽混合比的去噪验证
在白天探测时,利用水汽拉曼激光雷达系统,根据上述去噪算法进行水汽混合比的反演和结果分析。
图 7. 白天激光雷达探测去噪前后的结果比较。(a)水汽和氮气拉曼散射回波距离校正平方信号;(b)水汽混合比廓线; (c)水汽探测SNR
Fig. 7. Comparison of lidar detection results before and after denoising in daytime. (a) RSCS of water vapor and nitrogen Raman scattering; (b) water vapor mixing ratio profile; (c) SNR of water vapor detection
图 8. 去噪前后激光雷达信号的回归关系。(a)米-瑞利散射信号; (b)水汽拉曼散射信号
Fig. 8. Regression relationship of lidar signal before and after denoising. (a) Mie Rayleigh scattering signal; (b) water vapor Raman scattering signal
5 大气水汽的全天时连续探测结果与分析
为了验证小波阈值去噪方法在全天时大气水汽探测中的去噪效果,依托西安理工大学激光雷达遥测中心的地基激光雷达系统开展了连续的全天时观测实验。
图 9. 2016-09-22 00∶00-2016-09-23 00∶00连续探测水汽混合比THI图的去噪前后结果比较。 (a) 去噪前; (b)去噪后
Fig. 9. THI displays of water vapor mixing ratio in 2016-09-22 00∶00-2016-09-23 00∶00 before and after denoising. (a) Before denoising; (b) after denoising
利用西安理工大学气象站数据,获得了24 h内近地面水汽混合比的变化趋势,如
图 10. 2016-09-22 00∶00-2016-09-23 00∶00气象站的水汽混合比变化
Fig. 10. Variation of water vapor mixing ratio taken by meteorological station in 2016-09-22 00∶00-2016-09-23 00∶00
6 结论
全天时大气参数的高精度探测一直是激光雷达遥感的技术难题,需解决全天时探测中白天强太阳背景光的去噪技术。从全天时大气水汽激光雷达探测技术出发,以如何在强白天背景光的影响下提取有用的水汽拉曼散射信号为目标,提出了一种基于小波阈值去噪算法的白天太阳背景光高精度滤波抑制方法。利用西安理工大学地基式全天时水汽探测拉曼激光雷达系统,从小波阈值去噪原理出发,详细讨论了分解层数、小波基函数、阈值函数以及阈值选取等因素对白天水汽拉曼散射信号去噪结果的影响,对激光雷达探测实测数据进行分析并对去噪评价函数进行对比,当利用小波基sym6、分解层数为5层,并采用改进的阈值函数和改进通用阈值方法的最优条件时,可获得对水汽拉曼散射回波信号和米散射信号较好的去噪效果,去噪后SNR提高,RMSE减小,真实地保留了原始信号,回波信号距离校正平方信号较为光滑,不失真。进行了白天探测水汽混合比的去噪验证,根据拉曼激光雷达水汽混合比反演方法和大气水汽探测SNR理论,通过去噪前后的结果比较和分析表明,利用最优条件的小波阈值去噪算法去噪后白天激光雷达水汽探测SNR可提高约3.4倍,水汽探测距离可从1.5~2 km提高至3 km以上,有效地提高了大气水汽探测SNR和探测高度,对大气水汽的全天时探测具有重要意义。
开展了全天时大气水汽的激光雷达连续探测实验,利用小波阈值去噪算法和大气水汽反演技术,实现了大气边界层内大气水汽的全天时探测,获得了大气水汽混合比的连续时空变化特性,并将其结果与近地面气象站数据进行比对,发现二者具有较好的一致性,充分验证了小波去噪算法应用于全天时大气水汽探测的可行性和有效性,所获得边界层内大气水汽混合比的连续高时空分辨率数据将为研究大气水汽的长期变化特性以及为降水、水循环等的研究提供可靠的数据支持。同时,可将该去噪方法应用于对温度转动拉曼散射信号等弱拉曼散射信号的去噪问题中,有望获得全天时的大气温度、水汽和气溶胶激光雷达探测,为大气气候变化以及雾霾生消过程的研究提供实时可靠的连续探测数据。
[1] Harries J E. Atmospheric radiation and atmospheric humidity[J]. Quarterly Journal of the Royal Meteorological Society, 1997, 123(544): 2173-2186.
Harries J E. Atmospheric radiation and atmospheric humidity[J]. Quarterly Journal of the Royal Meteorological Society, 1997, 123(544): 2173-2186.
[6] 吕立慧, 刘文清, 张天舒, 等. 基于激光雷达的京津冀地区大气边界层高度特征研究[J]. 激光与光电子学进展, 2017, 54(1): 010101.
吕立慧, 刘文清, 张天舒, 等. 基于激光雷达的京津冀地区大气边界层高度特征研究[J]. 激光与光电子学进展, 2017, 54(1): 010101.
[7] 徐继伟, 刘东, 谢晨波, 等. 大气气溶胶谱分布的多波长拟合模拟反演研究[J]. 光学学报, 2017, 37(10): 1001006.
徐继伟, 刘东, 谢晨波, 等. 大气气溶胶谱分布的多波长拟合模拟反演研究[J]. 光学学报, 2017, 37(10): 1001006.
[8] 成中涛, 刘东, 刘崇, 等. 多纵模高光谱分辨率激光雷达研究[J]. 光学学报, 2017, 37(4): 0401001.
成中涛, 刘东, 刘崇, 等. 多纵模高光谱分辨率激光雷达研究[J]. 光学学报, 2017, 37(4): 0401001.
[9] 李亚娟, 宋沙磊, 李发泉, 等. 基于纯转动Raman激光雷达的中低空大气温度高精度探测[J]. 地球物理学报, 2015, 58(7): 2294-2305.
李亚娟, 宋沙磊, 李发泉, 等. 基于纯转动Raman激光雷达的中低空大气温度高精度探测[J]. 地球物理学报, 2015, 58(7): 2294-2305.
Li Y J, Song S L, Li F Q, et al. High-precision measurements of lower atmospheric temperature based on pure rotational Raman lidar[J]. Chinese Journal of Geophysics, 2015, 58(7): 2294-2305.
[10] 王玉峰, 高飞, 朱承炫, 等. 对流层高度大气温度、湿度和气溶胶的拉曼激光雷达系统[J]. 光学学报, 2015, 35(3): 0328004.
王玉峰, 高飞, 朱承炫, 等. 对流层高度大气温度、湿度和气溶胶的拉曼激光雷达系统[J]. 光学学报, 2015, 35(3): 0328004.
[12] 谢晨波, 周军, 岳古明, 等. 新型车载式拉曼激光雷达测量对流层水汽[J]. 光学学报, 2006, 26(9): 1281-1286.
谢晨波, 周军, 岳古明, 等. 新型车载式拉曼激光雷达测量对流层水汽[J]. 光学学报, 2006, 26(9): 1281-1286.
[13] 田力, 郭胜利, 卜令兵, 等. 利用小波降噪的瑞利激光雷达平流层温度反演[J]. 红外与激光工程, 2012, 41(3): 649-654.
田力, 郭胜利, 卜令兵, 等. 利用小波降噪的瑞利激光雷达平流层温度反演[J]. 红外与激光工程, 2012, 41(3): 649-654.
Tian L, Guo S L, Bu L B, et al. Stratosphere temperature inversion algorithm of Rayleigh lidar using wavelet-denosing[J]. Infrared and Laser Engineering, 2012, 41(3): 649-654.
[18] 刘柏年, 皇群博, 张卫民, 等. 集合背景误差方差中小波阈值去噪方法研究及试验[J]. 物理学报, 2017, 66(2): 020505.
刘柏年, 皇群博, 张卫民, 等. 集合背景误差方差中小波阈值去噪方法研究及试验[J]. 物理学报, 2017, 66(2): 020505.
Liu B N, Huang Q B, Zhang W M, et al. Invesitgation and experiments of wavelet thresholding in ensemble-based background error variance[J]. Acta Physica Sinica, 2017, 66(2): 020505.
[19] 毛建东, 华灯鑫, 王玉峰, 等. 基于小波包分析的激光雷达信号消噪算法的研究[J]. 中国激光, 2011, 38(2): 0209001.
毛建东, 华灯鑫, 王玉峰, 等. 基于小波包分析的激光雷达信号消噪算法的研究[J]. 中国激光, 2011, 38(2): 0209001.
[20] 孙磊, 张志利, 谭立龙, 等. 采用小波阈值的时变光栅莫尔信号去噪方法[J]. 红外与激光工程, 2010, 39(3): 576-580.
孙磊, 张志利, 谭立龙, 等. 采用小波阈值的时变光栅莫尔信号去噪方法[J]. 红外与激光工程, 2010, 39(3): 576-580.
Sun L, Zhang Z L, Tan L L, et al. Denoising method of dynamic grating Moiré signal based on wavelet threshold[J]. Infrared and Laser Engineering, 2010, 39(3): 576-580.
Article Outline
王玉峰, 曹小明, 张晶, 汤柳, 宋跃辉, 狄慧鸽, 华灯鑫. 基于小波去噪算法的全天时大气水汽拉曼激光雷达探测与分析[J]. 光学学报, 2018, 38(2): 0201001. Yufeng Wang, Xiaoming Cao, Jing Zhang, Liu Tang, Yuehui Song, Huige Di, Dengxin Hua. Detection and Analysis of All-Day Atmospheric Water Vapor Raman Lidar Based on Wavelet Denoising Algorithm[J]. Acta Optica Sinica, 2018, 38(2): 0201001.