复杂的水体环境，特别是水中微粒的吸收和散射作用，使得水下激光雷达测距系统的接收信号中存在大量的后向散射杂波。随着距离的增大，目标回波会逐渐淹没在杂波中，而副载波调制技术可以有效地提升目标对比度，实现水下激光雷达的测距增程。首先建立了光子在海水中传输的蒙特卡洛仿真模型，然后研究了结合激光雷达优势和微波雷达优势的副载波调制技术，给出了伪随机序列作为副载波时发射、接收和相关处理的详细步骤，最后对四种不同类型的副载波(方波、锯齿波、正弦波和伪随机序列波)在不同的水质和发射脉冲宽度的情况下进行了仿真研究。结果表明：伪随机序列对于目标对比度的提升方面性能最好。

相比传统边发射激光器,垂直腔面发射激光器(VCSEL)光束质量高、可靠性高,在激光雷达测距(LiDAR)领域有广泛的应用前景。主要研究直插式TO(transistor outline)封装VCSEL和裸芯片VCSEL在窄脉冲大电流条件下的发光特性,通过Pspice参数扫描分析结合实验结果和理论计算,比较了两种封装激光器的杂散参数大小,并分析了其对激光器发光特性的影响。推导出了脉冲条件下VCSEL的功率转换效率公式,并分析了杂散参数对VCSEL功率转换效率的影响。

针对支持向量机应用于机载激光雷达(LiDAR)点云数据分类时存在的模型稀疏性弱、预测结果缺乏概率意义、训练时间长等缺点, 提出一种基于信息向量机的LiDAR点云数据分类算法。该算法采取假定密度滤波算法进行近似逼近, 将分类问题转化为回归问题; 以最大后验微分熵为依据, 选择LiDAR点云数据活动子集信息向量实现模型稀疏化; 最后, 通过边缘似然最大化进行核函数自适应获取, 选择一对余分类方法实现了点云数据多类分类。 利用Niagara地区和非洲某地区点云数据进行了对比实验。结果表明: 与支持向量机方法相比, 基于信息向量机分类方法的分类精度分别提高到94.20%和90.78%, 基向量数量分别减少到50个和90个, 训练时间分别降低到5.86 s和8.03 s。实验结果验证了基于信息向量机的点云数据分类算法具有训练速度快、模型稀疏性强、分类精度高等优点。

从激光雷达测距方程出发，根据扫描仪的辐射机制，运用多项式模型拟合激光强度值与接收功率之间的关系。由于系统参数与目标反射率未知，接收功率无法获取，所以通过激光入射角的余弦与激光测距值平方的组合，构造新变量，实现目标反射率与扫描几何因素的分离，根据多项式模型建立激光强度值与新变量之间的模型关系。定义了标准测距值与标准入射角，分析残差特性，对激光强度中的距离和入射角效应进行改正。通过实验进行验证分析。实验结果表明：该方法能有效地去除由距离和入射角引起的强度偏差，精确地对激光强度值进行改正。