小波变换与广义高斯模型：机载激光雷达波形分解新策略

本文探讨了一种创新的波形分解技术，针对机载激光雷达（Airborne Laser Radar, ALR）波形数据处理中的挑战，特别是在小光斑全波形数据中遇到的叠加波难以解析和实测波形数据的展宽或尖峰形态。研究者提出了一种结合小波变换（Wavelet Transform）与广义高斯模型（Generalized Gaussian Model, GGM）的方法，称为WT-GGM，旨在提升波形数据的分析精度和可靠性。 小波变换作为一种多分辨率分析工具，特别适合处理非平稳、微弱、瞬态和奇异信号，它的局部化特性使得它能够有效提取信号的不同频率成分，这对于区分叠加波中的目标信号至关重要。广义高斯模型则以其灵活性，通过调整形状参数，能够适应各种波形成分，包括那些表现为展宽或尖峰的复杂波形。 文章通过实验验证了WT-GGM算法的有效性。实验对比了WT-GGM与其他常用的方法，如商业软件中的COG算法（Curtailment of the Optical Gradient）、GIPM算法（Gaussian Inverse Problem Method）和RGD算法（Range Gate Decomposition）。结果显示，小波变换在检测叠加波中的目标信号方面表现出色，而WT-GGM分解出的目标数量与GIPM和RGD算法相当，显著优于COG算法，其目标识别率几乎是后者的两倍。 关键词“遥感”、“机载激光雷达”、“波形分解”、“小波变换”、“广义高斯模型”以及“叠加波”凸显了研究的核心领域和技术手段。研究结果对于提升机载激光雷达数据处理的准确性和效率具有实际意义，对于遥感数据的解析和目标检测提供了新的理论支持，对于提高地理信息系统（Geographic Information System, GIS）和无人机测绘领域的数据处理能力具有重要的应用价值。