自适应分层阈值小波去噪在雷达信号中的运用研究

大气与环境光学学报 ›› 2012, Vol. ›› Issue (2): 147-153.

自适应分层阈值小波去噪在雷达信号中的运用研究

陈臻懿, 刘文清, 张玉钧, 何俊峰, 阮俊, 崔益本, 李胜

（中国科学院安徽光学精密机械研究所中国科学院环境光学与技术重点实验室, 安徽合肥 230031）

收稿日期:2011-09-01 出版日期:2012-03-28 发布日期:2012-03-29
通讯作者: 陈臻懿(1983-)，女，江苏南通人，博士研究生，研究方向为激光雷达数据处理。 E-mail:zychen@aiofm.ac.cn
作者简介:陈臻懿(1983-)，女，江苏南通人，博士研究生，研究方向为激光雷达数据处理。
基金资助:
公益性行业（气象）科研专项（GYHY200706023）资助

Investigation of Self-Adaptive Hierarchical Wavelet Denosing in Lidar Signal Processing

CHEN Zhen-yi, LIU Wen-qing, ZHANG Yu-jun, HE Jun-feng, RUAN Jun, CUI Yi-ben, LI Sheng

（Key Laboratory of Environment Optics and Technology, Anhui Institute of Optics and Fine Mechanics, Chinese Academy of Sciences, Hefei230031, China）

Received:2011-09-01 Published:2012-03-28 Online:2012-03-29

摘要/Abstract

摘要：

在处理拉曼雷达回波信号过程中，采用小波去噪法进行算法反演前的数据预处理，针对小波去噪的核心问题——小波基的选择和阈值的设定提出了自适应分层阈值软门限去噪的方法，并选择了不同的小波基组合软硬阈值对去噪结果进行了对比。经实验数据验证，相对传统的滑动平均滤波，纯粹的细节和抑制全局阈值法，自适应分层阈值软门限在获取相同信号、保持相同能量的前提下能更好地恢复信号；在有云情况下信号的尖峰结构也没有变化，有效地抑制了噪声，提高了细节识别度和反演精度。

关键词: 气溶胶, 拉曼雷达, 小波去噪, 自适应分层软阈值

Abstract:

During the signal processing of the Raman backscattered lidar, the wavelet transform is used to reduce the noise. The setting of the threshold is the key factor in the transformation. A new method, the self-adaptive hierarchical denosing with a soft threshold is presented. Comparison of different wavelets and thresholds used in the denosing procedure are also described. Compared with the usual average method, such as detail depression method and global threshold method, the self-adaptive hierarchical denosing method can increase the SNR while with maintaining the character of the peak signal. And even when the clouds exist, the signal still can be identified without much change. The detail recognition and inverting precision are thus improved.

Key words: aerosol, Raman lidar, wavelet denoising, self adaptive hierarchical denosing with a soft threshold

中图分类号:

TN911

陈臻懿刘文清张玉钧何俊峰阮俊崔益本李胜. 自适应分层阈值小波去噪在雷达信号中的运用研究[J]. 大气与环境光学学报, 2012, (2): 147-153.

CHEN Zhen-yi,LIU Wen-qing,ZHANG Yu-jun,HE Jun-feng,RUAN Jun,CUI Yi-ben,LI Sheng. Investigation of Self-Adaptive Hierarchical Wavelet Denosing in Lidar Signal Processing[J]. Journal of Atmospheric and Environmental Optics, 2012, (2): 147-153.

参考文献

[1] Qian Yongfu. Study on the effect of boundary layer on the temperature [J]. Nanjing Journal Meteorological,1994,17(2):141-147(in Chinese).
钱永甫. 边界层气溶胶气候效应的研究 [J]. 南京气象学院学报, 1994, 17(2):141-147.
[2] Klett J D. Stable analytical inversion solution for processing lidar returns [J]. Appl. Opt., 1981, 20: 211-220.
[3] Donoho D L, Martin V, Devore R L, et al. Data compression and harmonic analysis [J]. IEEE Trans. Inform.Theory, 1998, 44(6): 2435-2476.
[4] Qin Qianqing, Yang Zongkai. Analysis of Applied Wavelet [M]. Xi'an, Xidian University Press,1994: 71-103(in Chinese).
秦前清, 杨宗凯. 实用小波分析 [M]. 西安: 西安电子科技大学出版社, 1994: 71-103.
[5] Daubechies I. Orthonormal bases of compactly supported wavelets [J]. Communication on Pure and Appled Mathematics [J]. 1988, 41(11): 909- 996.
[6] Mallat S. A theory of mulitiresolution signal decompositon: the wavelet representaion [J]. IEEE Trans. Amer. Math. Soc., 1989, 315 (11): 69-87.
[7] Ansmann A, Riebesel M, Weitkamp C. Measurement of atmospheric aerosol extinction profiles with a Raman lidar [J]. Opt. Lett., 1990, 15: 746-748.
[8] Zhang Yi, Yang Xiuxia. Application of wavelet denosing in the weak signal detection [J]. Micro-Computer Information, 2006, 22: 113-114(in Chinese).
张毅, 杨秀霞. 小波消噪在微弱信号检测中的应用 [J]. 微计算机信息, 2006 ,22: 113-114.
[9] Rogerio J, Sehmidt F, Gemmell J, et al. Detection and tracking of facial landmarks using Gabor wavelet networks [C]. Fifth IEEE International Conference on Automatic Face and Gesture Recognition, Washinton D.C. , 2002, 5,
[10] Erie J, Paul R, Nilanjan D, et al. Genetic algorithrm wavelet design for signal classification [J]. Pattern Analysis and Machine Intelligence, 2001, 23(8): 890-895.

[1]	董鉴韬, 李正强, 谢一凇, 樊程, 洪津, 戴刘新, 顾浩然, 郑杨 . 基于GF-5(02) 卫星DPC数据的2022年春季陆表细粒子气溶胶光学厚度空间分布[J]. 大气与环境光学学报, 2023, 18(4): 323-338.
[2]	翟颖超, 王涵, 赵梅如, 陈科, 李林森 . 山区气溶胶多角度偏振遥感地气解耦方法评估[J]. 大气与环境光学学报, 2023, 18(4): 339-356.
[3]	顾浩然, 李正强, 侯伟真, 裘桢炜, 刘振海, 朱军, 伽丽丽, 罗杰, 洪津, 麻金继 . 紫外多角度偏振探测气溶胶层高的信息量分析初步研究[J]. 大气与环境光学学报, 2023, 18(4): 357-370.
[4]	孙二昌, 麻金继, 吴文涵, 杨光, 郭金雨, . Himawari-8气溶胶变分同化对PM2.5污染模拟的改进[J]. 大气与环境光学学报, 2023, 18(1): 59-72.
[5]	汪惜今, 徐青山, 范传宇, 程晨, 戚鹏, 徐赤东 . 激光雷达探测整层大气昼夜气溶胶光学厚度[J]. 大气与环境光学学报, 2023, 18(1): 14-24.
[6]	黄冬, 李新, 张艳娜, 张允祥 . 全自动太阳光度计温控系统设计及测试[J]. 大气与环境光学学报, 2023, 18(1): 73-81.
[7]	许健, 饶兰兰, DOICU Adrian, 胡斯勒图∗, 秦凯∗. 基于氧气A 带的高光谱卫星气溶胶层高优化反演[J]. 大气与环境光学学报, 2022, 17(6): 630-639.
[8]	王雪林, 陈文忠∗. 亚北极太平洋气溶胶光学厚度与净初级生产力的变化特征及其相关性研究[J]. 大气与环境光学学报, 2022, 17(5): 558-569.
[9]	陈玉宽, 王朔, 徐学哲, 赵卫雄, 盖艳波, 方波, 张为俊, ∗. 安徽省寿县气溶胶消光系数变化特征分析[J]. 大气与环境光学学报, 2022, 17(5): 533-541.
[10]	蔡振锋, 李丁∗, 黄海虹. 2021 年春季沙尘传输对徐州地区气溶胶演变影响分析[J]. 大气与环境光学学报, 2022, 17(4): 409-419.
[11]	程璐璐, 施文杰, 夏果∗, 王江涛, 陈巧芹, 金施群. 偏振氧A 带光谱气溶胶垂直剖面反演的信息量分析和灵敏度研究[J]. 大气与环境光学学报, 2022, 17(3): 360-368.
[12]	陈标, 吴东, ∗. 基于CALIOP 和MODIS 的北极地区海雾检测研究[J]. 大气与环境光学学报, 2022, 17(2): 267-278.
[13]	赵锋, 冯亚娟∗. 2-甲基甘油酸-硫酸/甲磺酸团簇的大气物化特性研究[J]. 大气与环境光学学报, 2022, 17(2): 213-219.
[14]	姜晓彤, 杜林∗. 环境因素影响二次有机气溶胶生成的研究进展[J]. 大气与环境光学学报, 2022, 17(1): 3-15.
[15]	项往, 王炜罡, ∗, 张文玉, 葛茂发, ∗, 李坤. 二次有机气溶胶光学特性研究进展[J]. 大气与环境光学学报, 2022, 17(1): 16-28.