近期，我校机电工程学院徐孝彬课题组在脉冲激光抗烟雾干扰研究方面取得新进展，为研究激光探测在复杂环境下的抗干扰问题提供了新思路。
脉冲激光有着发射波束窄、峰值功率大、方向性好等优点，在无人驾驶、遥感、机器人同时定位与建图等领域表现出优良的探测性能。但是，脉冲激光探测常会受到环境中的云雾、降雨和烟雾等粒子干扰，产生严重的后向散射形成干扰回波信号，影响激光探测性能。课题组针对脉冲激光在烟雾环境下的抗干扰问题进行深入研究，利用小波去噪方法、拐点法和智能优化算法实现全波形分解，提取单个回波波形（图1）。利用目标偏振特性，结合分解后的四路偏振回波信号，构建基于ECA注意力机制融合的多尺度卷积神经网络（图2），精确区分烟雾和目标。研究不同卷积核数量下的识别精度（图3），获得最优模型参数。当烟雾浓度在709.69mg/m3~1094.63mg/m3，目标识别准确率超过99%。该成果为研究激光探测在复杂环境下的抗干扰问题提供了新思路，为研究无人驾驶全天候探测提供理论基础，为研究提升遥感探测能力提供有效方法，同时也为研究恶劣环境下机器人野外救援提供技术支撑。
最新研究成果以“Polarized Laser Target Detection System for Smoky Environment based on Full-waveform Decomposition and Multiscale Convolutional Neural Networks with Attention”为题，发表于遥感顶级期刊《ISPRS Journal of Photogrammetry and Remote Sensing》上。该成果也是课题组近期基于全波形特征的偏振脉冲激光探测相关研究的最新进展之一。课题组从偏振激光探测识别、全波形分解以及FPGA硬件加速方法等方面进行了一系列的探索。近三年，徐孝彬课题组在脉冲激光探测技术方面先后发表了高水平SCI学术论文12篇，获得授权发明专利6项。
图1 基于智能优化算法的全波形分解
图2 多尺度卷积神经网络识别算法框架
图3 不同卷积核数量下的识别精度
上述研究得到国家自然科学基金（51805146）和江苏省重点研发计划（BE2020082）项目支持。
原文链接：https://doi.org/10.1016/j.isprsjprs.2023.04.012
