一种星载Lidar 超混沌压缩感知高空间分辨率成像方法
【技术领域】
[0001] 本发明设及星载大光斑激光雷达探测和遥感图像处理的技术领域，尤其设及一种 基于超混浊观测矩阵的星载Lidar压缩感知高空间分辨率成像方法。在Lidar高分辨成像、 高分辨率DEM、DSM获取方面具有重要科学研究价值和实际工程意义。
【背景技术】
[0002] 星载Lidar是一种高效对地观测方法，在地形测绘、环境监测、森林调查等方面应 用广泛。根据Lidar地面光斑的大小，通常分为大光斑星载Lidar和小光斑机载Lidar两 种类型，由于载荷飞行高度和Lidar激光光束发散角的限制，在地面上形成有一定面积的 光斑。大光斑激光雷达系统的光斑直径一般为几十米，扫描采样间隔达到几十米到百米，因 此其空间分辨率非常有限。鉴于此，本发明专利提出一种基于压缩感知，提高大光斑星载 Lidar空间分辨率的方法。
[0003] 压缩感知（压缩采样）是与化annon采样完全不同的一种全新的信息采集与获取 方法。运种方法在探测目标稀疏先验的前提下，通过随机线性观测，在很少的观测数据（远 低于奈奎斯特采样频率）条件下，能高概率重构连续空间的高分辨率二维图像信息，为高 分辨率成像开辟了新的方向，运是本专利方法提高大光斑星载Lidar空间分辨率的理论基 础。与传统的高速采集方法不同，压缩感知直接利用随机观测矩阵对稀疏信号进行多次线 性随机观测，将高维信号投影到低维空间再进行压缩采样，压缩感数学模型如下：
[0004] y二Ox二OWa二贷a (4)
[0005] 式-4中y为压缩感知观测值向量，X为待获取高分辨率地物场景，〇为观测矩阵， W为稀疏表达基，a为高分辨率地物场景在稀疏基W空间的变换系数。本发明中采用超 混浊矩阵作为Lidar的观测矩阵〇,驱动和更新DMD实现随机观测矩阵编码、由ATO完成压 缩采样。基于压缩感知的理论方法，提出了一种基于FPGA硬件实现的超混浊观测矩阵，提 高Lidar扫描成像空间分辨率，运与传统Lidar扫描成像，再由插值获取空间纹理信息的方 法不同。本专利方法在Lidar高分辨率成像、高分辨率DEM、DSM获取方面具有重要科学研 究价值和实际工程意义。
【发明内容】
[0006] 本发明主要是解决现有技术所存在的技术问题；提供了一种在不影响探测效率的 情况下，提高了Lidar成像空间分辨率，且能有效减少数据传输数据量的基于超混浊观测 矩阵的星载Lidar压缩感知高空间分辨率成像方法。
[0007] 本发明还解决了现有技术所存在的另外一个问题；提供了一种不仅能获得较高的 重构精度、重现性好，且易于硬件实现，解决了CS理论工程应用中伪随机序列硬件难实现 问题。
[0008] 本发明的上述技术问题主要是通过下述方法得W解决的：
[0009] 一种星载Lidar超混浊压缩感知高空间分辨率成像方法，其特征在于，包括W下 步骤：
[0010] 步骤1，星载激光雷达激光器发射激光信号，激光大光斑投影到地物目标；
[0011] 步骤2,在星载控制模块控制下，由FPGA控制超混浊观测矩阵模块实时生成超混 浊观测矩阵，驱动并更新DMD微透镜阵列；
[0012] 步骤3,Lidar大光斑回波信号经透镜聚光后，与步骤2中的更新的DMD微透镜阵 列进行数字空间调制，然后发送给ATO雪崩光电二极管，采集回波信号，详细步骤如下：
[001引步骤3. 1 :定义待观测高分辨率图像的行数：Ir，列数：Ic进行化XBe个分块CS采样；首先FPGA实时成大小为（Ir/Br)X(Ic/Bc)的超混浊观测矩阵0e，并传输到DMD数 字调制系统；
[0014] 步骤3. 2 :在数字光学空间调制编码中，超混浊CS观测矩阵驱动更新DMD，与 ZIGZIG扫描遍历图像块进行数字光学调制编码，历经化XBe次调制后可W得到化XBe 个不同图像子块的调制编码图像；
[0015] 步骤3. 3 :空间调制后图像信号，经光路汇聚和ATO采集得到CS观测值，并将观测 值传至重构处理模块；
[0016] 步骤3. 4:重复步骤3. 1至步骤3. 3,每个分块子图像的观测次数为
其中M为不分块情况下CS精确重构所需要的观测次数；每个子图块所得到 h 的观测序列值均采用StOMP算法重构，得到二维精细空间结构信息，提高空间分辨率；
[0017] 步骤3. 5:将分块重构后的图像通过无缝拼接和复原，得到全景重构图像；
[0018] 步骤4,星载控制器模块输出同步信号到采集系统，完成ATO雪崩光电二极管的CS 同步采集；
[0019] 步骤5,按照W上步骤2-4,W设定频率产生并跟新混浊伪随机观测矩阵，同步采 集CS观测值，并通过卫星通信链路将CS采集数据传输到地面卫星接收站；
[0020] 步骤6,高性能计算模块利用接收到的CS观测值和混浊数学模型重现观测矩阵序 列，通过CS重构算法完成目标场景的重构，获取高分辨率图像。
[0021] 上述一种星载Lidar超混浊压缩感知高空间分辨率成像方法，所述步骤2中，生 成超混浊观测矩阵的具体方法是一种基于Liu系统的含有非线性二次项的超混浊系统，该 混浊系统有两个正的李雅普诺夫指数，有良好的非线性动力学特性，且理论证明该系统满 足压缩感知重构RIP条件；混浊系统矩阵的数学模型为，
[0022]
式一 [002引具体步骤如下：
[0024] 步骤2. 1:连续数学模型的离散化处理；基于欧拉算法进行离散化，其中At取 0.004,其离散公式如下：
[00巧]
式二
[0026] 步骤2.2:离散模型的线性变换；为兼顾算法精度、硬件成本及产生混浊二进制信 号的效率，本发明采用32位宽来实现混浊定点运算，其中含符号位的整数部分为5位二进 制数，小数部分为27位二进制数；为了避免混浊数据产生溢出问题，需对原离散系统进行 线性变换和位深压缩；线性变换后离散模型如下：
[0027]
式S
[002引步骤2. 3 :数字混浊系统设计与实现；矛u用Xilinx公司的SystemGeneratorfor DSP开发工具，由Simulink建模完成超混浊矩阵的FPGA设计，由公式S得到混浊吸引子； [002引步骤2. 4 :CS混浊观测矩阵序列的生成；将混浊各分量截取低16位二进制数据， 再将X和W分量，y和Z分量分别进行异或处理，然后将得到的两组16位数据进行顺序组 合得到最终的32位二进制混浊数据；通过配置和运行SystemGenerator模块产生流文件， 利用IMPACT烧写到FPGA中；每个时间片产生一个32X32大小的混浊观测矩阵。
[0030] 因此，本发明具有如下优点：1，基于超混浊观测矩阵的高空间分辨率星载Lidar 压缩感知成像方法，在不影响探测效率的情况下，提高了Lidar成像空间分辨率，且能有效 减少数据传输数据量；2,不仅获得了较高的重构精度、重现性好，且易于硬件实现，解决了 CS理论工程应用中伪随机序列硬件难实现问题；3,提出的星载分块CS-Lidar原型系统，与 非分块CS成像方法相比较，有效降低了观测矩阵的维数和重构算法的运算量，重建时间复 杂度低。
【附图说明】
[0031] 图1是超混浊观测矩阵的大光斑星载Lidar压缩感知高空间分辨率成像方法的原 理图。
[0032]图2是分块压缩感知Lidar成像光学系统实验室原型。
[0033] 图3是数字空间光学调制系统与光电探测采集之间的同步模型。
[0034] 图4-a是y-w各分量混浊吸引子图。
[0035] 图4-b是X-Z各分量混浊吸引子图。
[0036] 图4-C是x-y各分量混浊吸引子图。
[0037] 图5-A1是Lfsr方法生成的伪随机观测矩阵
[0038] 图5-A2是To巧litz方法生成的伪随机观测矩阵
[0039] 图5-A3是Hyper-chaos方法生成的伪随机观测矩阵
[0040] 图5-B1/图5-B2/图5-B3是不同空间结构信息场景，不同观测次数超混浊观测 矩阵的CS观测与重构结果对比（中文文字）。
[0041] 图5-B2是不同空间结构信息场景，不同观测次数超混浊观测矩阵的CS观测与重 构结果对比（飞机目标）。
[0042] 图5-B3是不同空间结构信息场景，不同观测次数超混浊