静态无线激光通信针对强大气湍流影响的光斑检测方法

摘要

静态无线激光通信针对强大气湍流影响的光斑检测方法属于激光通信技术领域。现有技术的对准精度低，跟踪带宽窄。本发明接收光学系统接收信标光、信号光，由CCD探测器采样，获得视频流。由指示光CCD探测器针对来自指示光光学系统并经双面反射振镜反射的指示光采样，据此计算双面反射振镜整体光路偏移量。将该偏移量对CCD探测器的采样做整体搬移，进而提取视频流中的相对序列信息，计算序列信息熵并作为光斑的特征参数。根据该光斑的特征参数作圆心拟合，从而确定光斑的能量中心。输出脱靶量，该脱靶量作为控制信号控制双面反射振镜。以序列信息熵为输入参量进行跟踪评价，根据评价结果调整序列信息的提取阈值和转换跟踪模式。

说明书

技术领域

本发明涉及一种静态无线激光通信针对强大气湍流影响的光斑检测方法，如在楼宇间无线激光通信过程中，激光通信双方在跟踪过程中均需要检测激光光斑，属于激光通信技术领域。

背景技术

光在真空中直线传输，在大气中则不然。由于大气折射率随着空气密度的变化而变化，并且这一变化具有随机性，所以，光的传播方向也在随机改变，并且光波波前破碎。在激光通信中，导致主要由大气湍流引起的大气噪声即湍流噪声作为信道噪声被引入跟踪系统。例如，在理想信道如室内传播的光束其光斑规则，见图1所示；而在室外传播的光束其光斑则凌乱，这主要是因大气湍流影响所致，光斑质心还会因此而发生脱靶，见图2所示。激光通信装置随所处楼宇的低频晃动而晃动，导致光路偏移，也会引起光斑质心脱靶。

光的衍射角远远小于射频电磁波的衍射角，所以，在无线激光通信中，瞄准、捕获、跟踪系统(APT系统)是激光通信装置中的关键组成部分。大气是一种随机信道，使得光端机之间的精确对准更为困难。进行水平链路楼宇间无线激光通信时，其初始瞄准、目标捕获过程都能够通过手动完成，唯独跟踪过程需要系统自动完成，随时降低脱靶量，保证通信正常进行。现有跟踪方法见图3所示，其跟踪模式为灰度跟踪。所述跟踪以光斑检测为核心。信标光随信号光入射光端机接收光学系统1后，见图4所示，由反射振镜2反射，经半透半反镜3分为两路。信号光透射由雪崩光电二极管(APD)4接收，实现通信。信标光反射由CCD探测器5检测，完成控制采样，通过计算机图像处理，即分割图像、自适应阈值二值化、计算形心或质心，同时在其中一个环节或者各个环节进行滤波，如小波滤噪、PDE滤噪等，最后输出脱靶量，由此控制反射振镜2，实现通信信号的动态自动跟踪，使得通信信号具有有效信号功率，从而实现正常通信。

现有技术其不足之处在于：

1、大气湍流是随机运动的，因此，传输介质的折射率和光波波前的变化也是随机的，所以，CCD探测器5检测到的信标光光斑受信道噪声影响，形状破碎，信标光携带的信标信息被噪声信息所掩盖。为了从这样的强噪声环境下提取出信标光光斑的位置信息，需要采取一系列时域或者频域的滤波手段来滤除噪声信息。但是，在滤除噪声信息的同时也使原有的信标信息受到破坏，最终降低了对准精度，见图5所示，与图2相比其能量中心有明显误差，也就是采用水域算子进行图像分割其结果不仅滤除了噪声信息，也因破坏了原有的信标信息而破坏了原始信号。

2、任何进行计算机图像处理的高速处理器的运算能力都是有限的，滤除噪声信息的算法其复杂度与噪声信号功率的大小成正比，复杂度高导致计算量增大，计算速度因此而下降，所以，计算速度与噪声信号功率成反比。又因为计算速度直接影响跟踪带宽，所以大气的变化最终影响到跟踪精度与跟踪带宽。见图6所示，采用PDE虑噪方式的CV模型分割效果较好，但是，单幅图像的处理时间长达112秒。

发明内容

为了应对强大气湍流噪声环境，在静态无线激光通信过程中，在实现动态跟踪的同时，获得较高的跟踪精度和跟踪带宽，我们发明了一种静态无线激光通信针对强大气湍流影响的光斑检测方法。

本发明之方法的实现需要在现有光端机中增设指示光部分，见图7所示，指示光部分由指示光光学系统6和指示光CCD探测器7构成，同时以双面反射振镜8取代反射振镜2，接收光学系统1与指示光光学系统6分布在双面反射振镜8两侧，三者位于一个轴线上，来自接收光学系统1的光由双面反射振镜8的一个反射面反射，来自指示光光学系统6的指示光由双面反射振镜8的另一个反射面反射，并由指示光CCD探测器7接收。

本发明之方法见图8所示，接收光学系统1接收信标光、信号光，CCD探测器5采样，获得视频流，输出脱靶量，该脱靶量作为控制信号控制双面反射振镜8，其特征在于，由指示光CCD探测器7针对来自指示光光学系统6并经双面反射振镜8反射的指示光采样，据此计算双面反射振镜8整体光路偏移量；将该偏移量对CCD探测器5的采样做整体搬移，进而提取视频流中的相对序列信息，计算序列信息熵并作为光斑的特征参数；根据该光斑的特征参数作圆心拟合，从而确定光斑的能量中心；以上特征构成本发明之序列跟踪模式；以序列信息熵为输入参量进行跟踪评价，根据评价结果调整序列信息的提取阈值和在本发明之序列跟踪模式与现有灰度跟踪模式之间转换跟踪模式。

本发明之方法与现有方法不同，利用信标光夹带的信道噪声进行动态跟踪，信道噪声越强烈，其跟踪精度越高，强大气湍流越强跟踪越稳定。并不滤除信道噪声，因此，也就不存在对原始信号的二次破坏，从而保证跟踪精度。通过光电配合的方式计算序列信息十分简单，其计算量与噪声信号功率无关，只与有效序列长度有关，计算速度不会因此而下降，从而保证应有的跟踪带宽。可见，本发明从根本上克服了现有技术存在的问题。本发明之检测效果还可由图9看出，经二值化后，黑色部分为序列信息量较小点，白色部分为序列信息量较大点，通过序列信息较大点做圆心拟合，便可估计出光斑能量中心。当信标光夹带的信道噪声强度较低时，跟踪模式转换为现有的灰度跟踪模式，使得跟踪过程继续进行。

附图说明

图1是未受大气湍流影响的光斑如室内传输的光斑图像。图2是受强大气湍流影响的光斑如野外传输的光斑图像。图3是现有激光通信跟踪方法框图。图4是与现有激光通信跟踪方法有关的光端机局部结构示意图。图5是现有激光通信跟踪方法进行图像分割后的光斑图像。图6是现有激光通信跟踪方法采用PDE虑噪方式去噪后的光斑图像。图7是与本发明之方法有关的光端机局部结构示意图。图8是本发明之方法框图，该图兼作为摘要附图。图9是本发明之方法圆心拟合后的光斑图像。

具体实施方式

见图7、图8所示，接收光学系统1接收信标光、信号光，由CCD探测器5采样，获得视频流。由指示光CCD探测器7针对来自指示光光学系统6并经双面反射振镜8反射的指示光采样，据此计算双面反射振镜8整体光路偏移量。将该偏移量对CCD探测器5的采样做整体搬移，进而提取视频流中的相对序列信息，计算序列信息熵并作为光斑的特征参数。根据该光斑的特征参数作圆心拟合，从而确定光斑的能量中心。输出脱靶量，该脱靶量作为控制信号控制双面反射振镜8。以上特征构成本发明之序列跟踪模式。以序列信息熵为输入参量进行跟踪评价，根据评价结果调整序列信息的提取阈值和在本发明之序列跟踪模式与现有灰度跟踪模式之间转换跟踪模式。其中：

1、计算双面反射振镜光路偏移量

为了提升序列信息的提取速度，采用指示光CCD探测器7的采样计算光路偏移量。使振镜从运动状态变成相对静止状态，不仅便于高速提取该帧图像在当前序列中所传达的序列信息，而且还大大地降低其计算量。通过计算指示光的形心便可以计算出双面反射振镜8的整体光路的偏移量，即Δx与Δy，Δx、Δy分别双面反射振镜8的俯仰与方位偏移值。所述指示光是通过平行光管即指示光光学系统6发出的完美平行光。

2、计算序列信息量与序列信息熵

该步骤根据有限序列之间信号变化的不确定度来计算序列信息量，将其分布情况作为估计光斑的能量波动中心；通过计算序列信息熵作为闭环反馈参量转换跟踪模式。

熵是平均信息量的表征，其定义为：其中，p(x)是随机变量x的概率密度函数。对于视频流中的序列信息来说，随机变量x是亮度信息或者梯度信息，或者是序列间光流的平均信息量。相对于有限序列，序列中每一帧图像运动光流像素出现的概率为{Pm(t₀)，Pm(t₁)，...，Pm(t_n)}，其静止的光流像素点出现的概率为{Ps(t₀)，Ps(t₁)，...，Ps(t_n)}。其中：n代表有限序列长度，Pm＝Pn+Pi，Pn为噪声概率，Pi为目标运动概率。序列间运动区域与静止区域所传递的序列信息量分别为：其中每一帧图像相对序列信息熵为：H(t)＝-{P_m(t)1g[P_m(t)]+P_m(t)1g[P_m(t)]}

当序列互相关性较强时，Ps＞＞Pm，则Im(t)＞＞Is(t)，即当序列互相关性较强时，Is(t)≈0。序列信息熵为：H(t)≈Pm(t)Is(t)＝-(p_n+p_i)1g(p_n+p_i)。

当因楼宇晃动引起的光斑运动较明显时，序列所传递的信息量主要是由光斑运动轨迹不确定度而产生，当光斑相对静止时，序列所传递的信息量主要是由因强大气湍流引起的噪声的不确定度而产生，在大气中光斑抖动服从高斯分布模型，所以，在由于强大气湍流所带来的光斑抖动信息即信道噪声所传递的信息量最大，即在光斑相对静止时，序列间所传递的信息量主要由湍流抖动的不确定度而产生。采用序列信息作为光斑跟踪的特征，其区分能力较强。序列信息模型公式如下：

M(x，y)＝|f(x，y)-f₂(x+Δx₂，y+Δy₂)|×|f₁(x+Δx₁，y+Δy₁)-f₃(x+Δx₃，y+Δy₃)|

上式中：M(x，y)代表当前序列间信息量分布情况；fn(x，y)代表有限序列灰度信息；Δx_n与Δy_n分别代表序列n与当前序列的光路偏移量，所谓当前光路偏移量即为由于双面反射振镜8自身姿态改变所造成的光路的整体改变。显而易见，当fn(x，y)序列较长时，对光斑检测位置检测较为稳定，但对其光斑轨迹跟踪的收敛速度较低。反之则恰恰相反。所以在实际应用中需要根据实际情况选取fn(x，y)序列长度。

3、圆心拟合算法

圆心拟合是在遵循最小二乘原则前提下，寻找一个理想圆使其趋近于所有的采样点，即所有采样点到圆上的距离最优。采样空间为(Xi，Yi)，其中i∈(1，2，3...N)，采样点到圆心距离di²＝(Xi-A)²+(Yi-B)²，其中A、B为圆心坐标。采样点(Xi，Yi)到圆上的距离与半径平方差的累加和为Xi²+Yi²+aXi+bYi+c，对其求平方和Q(a，b，c)＝∑(Xi²+Yi²+aXi+bYi+c)²，其中a、b、c是计算圆心坐标和半径的系数。求a、b、c，使Q(a，b，c)的值最小。其中Q(a，b，c)必然大于0，因此，函数存在大于或等于0的极小值，极大值为无穷大。Q(a，b，c)对a、b、c求偏导，令偏导等于0，得到极值点，比较所有极值点的函数值即可得到最小值。

$\partial Q(a,b,c)/\partial a=\Sigma 2({X_i}^2+{Y_i}^2+a{X}_i+b{Y}_i+c)X_i=0---\left(1\right)$

$\partial Q(a,b,c)/\partial b=\Sigma 2({X_i}^2+{Y_i}^2+a{X}_i+b{Y}_i+c)Y_i=0---\left(2\right)$

$\partial Q(a,b,c)/\partial c=\Sigma 2({X_i}^2+{Y_i}^2+a{X}_i+b{Y}_i+c)=0---\left(3\right)$

解以上三个方程组。先消去c

(1)×N-(3)×∑Xi得：

(N∑Xi-∑Xi∑Xi)a+(N∑XiYi-∑Xi∑Yi)b+N∑Xi³+N∑XiYi²-∑(Xi²+Yi²)∑Xi＝0    (4)

(2)×N-(3)×∑Yi得：

(N∑XiYi-∑Xi∑Yi)a+(N∑Yi²+∑Yi∑Yi)b+N∑Xi³Yi+N∑Yi³-∑(Xi²+Yi²)∑Yi＝0    (5)

令C＝(N∑Xi-∑Xi∑Xi)

D＝(N∑XiYi-∑Xi∑Yi)

E＝N∑Xi³+N∑XiYi²-∑(Xi²+Yi²)∑Xi

G＝(N∑Yi²+∑Yi∑Yi)

H＝N∑Xi³Yi+N∑Yi³-∑(Xi²+Yi²)∑Yi

其中：Ca+Db+E＝0，Da+Gb+H＝0

a＝(HD-EG)/(CG-D²)     (6)

b＝(HC-ED)/(D²-GC)     (7)

$c=\frac{\Sigma (X_i^2+Y_i^2)+\mathrm{a\Sigma }{X}_i+\mathrm{b\Sigma }{Y}_i}{N}---\left(8\right)$

得：A＝-a/2，B＝-b/2，R＝0.5(a²+b²-4c)^0.5

由6、7、8式可知，圆心拟合算法的优点是计算速度快，时间复杂度为O(n)，运算精度较高。如果采用灰度或梯度作为特征参数进行圆心拟合，则必须通过一系列图像预处理和去噪手段来加强系统的抗噪声能力。然而，采用序列信息作为特征参数就可以避免这一问题。光斑边缘比光斑中心受湍流影响更加敏感，序列信息将按照激光散斑的外围轮廓正态随机分布，从而可以提高圆心拟合算法的鲁棒性。

4、跟踪评价

当受强大气湍流影响引起的信道噪声并非远远大于CCD固有成像噪声时，其跟踪效果十分不稳定，经常出现拟合结果的半径收敛度不够，造成圆心拟合结果失败，其半径超出视场。所述跟踪评价则自动调整采样阈值，及其确定与现有灰度跟踪模式的转换时机。在此，采用序列信息熵作为跟踪评价的反馈参量完成闭环控制。当前序列的序列信息熵如果小于0.2的经验值，则通过降低采样阈值来提高有效采样点数，确保拟合半径的收敛程度。直到采样阈值小于10倍Tccd时，说明当前的跟踪信道环境较好，可以转换为现有灰度跟踪模式，即完成跟踪模式的切换。所述Tccd是可探测CCD固有成像噪声的阈值。