本发明属于激光探测回波仿真领域，具体涉及一种烟尘云雾环境蒙特卡洛仿真后向散射回波随机性去除方法。
背景技术：
1、激光探测具有方向性强、抗电磁干扰能力强以及测距精度高等优点，因此被广泛应用于多种弹药的探测系统中，且激光探测系统的精度会直接影响武器系统对目标的毁伤效能。然而在实际中，激光探测系统经常会受到各种自环境的干扰，比如烟尘、云雾等，这些环境微粒会使激光被吸收或散射，进而对激光探测系统的精度造成影响，因此，研究探测激光在烟尘云雾环境中的传输及其后向散射回波特征具有重要意义。
2、蒙特卡罗仿真方法通常被用于研究探测激光在烟尘云雾环境中的传输问题，该方法将传输过程转化为一系列光子在烟尘云雾环境中与环境粒子的碰撞过程，对随机游走的光子碰撞后的特征状态进行模拟仿真计算，统计不同时间序列内接收到的光子数量，获得激光回波信号。该方法的一般过程包括光子的产生与迁移、光子的碰撞与吸收、以及光子的接收与消亡。
3、蒙特卡洛方法本质是一种基于随机抽样的数值计算方法，其核心思想是通过模拟随机事件的大量重复试验来估计目标量的数值，重复试验次数越多越接近真实情况，而对于实际探测中的激光传输过程，一次传输中的光子数量巨大，从时间与硬件等方面考虑，难以实现光子数量逼近现实情况的仿真。因此，在模拟激光传输与计算仿真回波过程中，常常减少光子数，而减少光子数可能造成蒙特卡洛仿真回波数据随机性较大，同一参数情况下仿真回波可能出现较大误差，将严重影响仿真精度，仿真稳定性的缺失将会降低仿真结果的可信度。
技术实现思路
1、本发明提出了一种烟尘云雾环境蒙特卡洛仿真后向散射回波随机性去除方法，以提高烟尘云雾环境激光探测蒙特卡洛波形的仿真稳定性。
2、实现本发明的技术解决方案为：一种烟尘云雾环境蒙特卡洛仿真后向散射回波随机性去除方法，步骤如下：
3、步骤1、利用烟尘云雾环境激光后向散射回波模型，在相同参数条件下仿真出若干个后向散射回波，每个后向散射回波在坐标轴上由时刻-幅值点描述，所有回波的时刻-幅值点描述构成该参数条件下的总体回波数据集，转入步骤2。
4、步骤2、针对后向散射回波波形，提取出后向散射回波最具代表性的四个特征参量，包括第一个波峰峰值、第二个波峰峰值、第一个波峰对应时刻、第二个波峰对应时刻；求解总体回波数据集中每一个后向散射回波的四个特征参量，并按回波特征参量分类组成数组，对应得到四个特征参量数据集，并转入步骤3。
5、步骤3、结合步骤2中提取的代表性特征参量及所得的数据集，利用多特征参量箱型图法对后向散射回波进行筛选；分别对步骤2中所得的四个特征参量数据集进行处理，得出能描述各特征参量数据集的五个统计量，包括上边缘、上四分位数、中位数、下四分位数与下边缘；判断每一个回波的四个特征参量是否分别落入所在特征参量数据集的下边缘与上边缘组成的区间内，若是，则转入步骤4，若不是则舍弃该回波。
6、步骤4、计算单个后向散射回波的优劣评判系数e，最后选取e值最小的回波作为该参数条件下输出的最优后向散射回波。
7、本发明与现有技术相比，其显著优点在于：
8、(1)本发明考虑了蒙特卡洛方法的随机性，从大量样本中选出该参数下最合适的样本作为输出回波数据，相较于原仿真模型的单次仿真结果，在没有增加仿真光子数与过多仿真时间的情况下使仿真波形精度更高，稳定性更强。
9、(2)本发明在提取波形特征参量时，考虑到后向散射回波形状的特殊性，针对性提取了能较好描述波形情况的四个特征，且给出了这四个特征在正常情况及波形畸变时的求解方法；针对这些波形特征，提出了多特征参量箱型图法，将回波数据集提取为多个特征集合，既保留了原始回波波形特点又避免了使用复杂的图像处理方法，简化数据处理方法的同时又保证了最终输出的波形的准确性与代表性。
10、(3)本发明首次提出后向散射回波优劣评判标准与系数公式，可用于量化描述某一后向散射回波对于同参数下运行的大量样本回波是否具有代表性。
1.一种烟尘云雾环境蒙特卡洛仿真后向散射回波随机性去除方法，其特征在于，步骤如下：
2.根据权利要求1所述的烟尘云雾环境蒙特卡洛仿真后向散射回波随机性去除方法，其特征在于：步骤1中，利用烟尘云雾环境激光后向散射回波模型，在相同参数条件下仿真出b个后向散射回波，b＝100～200，设后向散射回波上第i个散点的横坐标为时间ti，纵坐标为幅值vi。
3.根据权利要求2所述的烟尘云雾环境蒙特卡洛仿真后向散射回波随机性去除方法，其特征在于：后向散射回波的波形存在以下几种情况：1)仅有一个波峰，2)存在两个波峰，且目标回波波峰低于干扰回波波峰，3)存在两个波峰，且目标回波波峰高于干扰回波波峰。
4.根据权利要求3所述的烟尘云雾环境蒙特卡洛仿真后向散射回波随机性去除方法，其特征在于，步骤2中，针对后向散射回波波形，提取出后向散射回波最具代表性的四个特征参量，包括第一个波峰峰值、第二个波峰峰值、第一个波峰对应时刻、第二个波峰对应时刻，并按回波特征参量分类组成数组，对应得到四个特征参量数据集，步骤如下：
5.根据权利要求4所述的烟尘云雾环境蒙特卡洛仿真后向散射回波随机性去除方法，其特征在于，步骤3中，利用多特征参量箱型图法对后向散射回波进行筛选，分别对步骤2中所得的四个特征参量数据集进行处理，得出能描述各特征参量数据集的五个统计量，包括上边缘、上四分位数、中位数、下四分位数与下边缘；判断每一个回波的四个特征参量是否分别落入所在特征参量数据集的下边缘与上边缘组成的区间内，步骤如下：
6.根据权利要求5所述的烟尘云雾环境蒙特卡洛仿真后向散射回波随机性去除方法，其特征在于，步骤4中，计算单个后向散射回波的优劣评判系数e，最后选取e值最小的回波作为该参数条件下输出的最优后向散射回波，具体如下：
