一种基于深度学习组合模型的激光雷达回波信号距离反演方法

本发明公开了一种基于深度学习组合模型的激光雷达回波信号距离反演方法，属于激光雷达信号处理技术领域。该方法首先采用CNN、ResNet或DCNN架构构建空间特征提取模块，通过多尺度卷积、残差连接及自适应去噪机制提取回波信号的局部与全局空间特征；随后利用BiGRU双向时序建模和Transformer的多头自注意力机制捕获信号的时序依赖关系；通过特征融合层整合时空特征后经全连接层输出距离反演值。创新地设计了并行多尺度CNN、收缩增强残差网络与轻量化DCNN结构，结合双向门控循环单元的动态门控调整及Transformer的动态位置编码，解决了单一模型时空特征融合不足及低信噪比干扰下的精度退化问题。本发明显著提升了复杂环境下距离反演的精度与鲁棒性，可应用于自动驾驶、环境监测等领域。