1.基于粒子群算法的激光雷达波形数据分解的方法，其特征在于：具体步骤如下：
(1)获取激光雷达全波形回波数据；
(2)对波形进行去噪处理；
(3)对波形进行平滑处理；
(4)通过峰值检测检测出回波的峰值点，根据背景噪声水平设定峰值点阈值，去除因噪声产生的多余的峰值点，确定回波峰值点位置及个数；
(5)运用改进粒子群算法进行迭代，获取单个波形参数的大致值；
(6)将步骤(5)中获得的参数大致值作为LM迭代算法的初值，通过最小二乘法获取最终的波形参数；拟合效果按照拟合度公式计算，所述拟合度公式如下：
其中：obsi为待拟合的目标波形，即经过(1)-(3)步处理后的实际波形数据，yi为拟合结果，N为实际回波采样点数，当R值越接近于1时拟合度越高。
2.根据权利要求1所述的基于粒子群算法的激光雷达波形数据分解的方法，其特征在于：步骤(2)中采用小波算法对波形进行去噪处理。
3.根据权利要求1所述的基于粒子群算法的激光雷达波形数据分解的方法，其特征在于：步骤(5)运用改进粒子群算法进行迭代，获取单个波形参数的大致值；具体流程如下：
a、确定参数、随机初始化粒子群体的位置和速度，记录个体极值以及群体极值；
b、计算每个粒子的适应值；
c、比较每个粒子适应值与个体极值，如果较优，则更新该粒子个体极值；
d、比较每个粒子适应值与群体极值，如果较优，则更新该粒子群群体极值；
e、更新每个粒子的位置和飞行速度；
f、设定迭代次数，达到则停止计算；
所述参数为单个波形的延时、强度以及脉宽参数，所述适应值由函数
计算，其中obsi为待拟合的目标波形，即经过(1)-(3)步处理
后的实际波形数据，yi为当前参数粒子所重构成的波形，N为实际回波采样点数，当R值越接近于1时效果越好；
对于参数粒子的更新为：
所述个体极值指粒子本身找到的最优解，即式中的 所述群体极值是指全局找到的最优解，即式中的 为参数粒子， 为飞行速度，ω为惯性因子，c1与c2为加速常数。
4.根据权利要求1所述的基于粒子群算法的激光雷达波形数据分解的方法，其特征在于：步骤(3)中采用vondrak算法对波形进行平滑处理，具体流程如下:
对于测量的波形数据序列(xi,yi)，xi为采样时间，yi是数据采样值， 是平滑后的值，表示 的三阶导数，Pi是测量值得权，F为逼近度，S为平滑度，1/λ2成为平滑系数；
vondrak平滑方法所用的平滑函数是以多项式形式来表示的，具体做法是对相邻的四组数据 用一个三次的拉格朗日多项式来表示，每四个
平滑值就构成一个拉格朗日多项式，用该式表示中间的两个平滑值，vondrak平滑方法的基本方程组为：
共有n个方程，其中：
A-3i＝ai-3di-3；A-2i＝ai-2ci-2+bi-3di-3；A-1i＝ai-1bi-1+bi-2ci-2+ci-3di-3；
2
A2i＝aici+bi-1di-1；A3i＝aidi；ε＝1/λ ；Bi＝εPi；Ai＝0(j+i≤0或j+i≥n+1)其中：
解算该线性方程组即能获得平滑后数据。
5.根据权利要求1所述的基于粒子群算法的激光雷达波形数据分解的方法，其特征在于：步骤(4)中通过获得一段背景噪声的均值及方差，去除峰值检测带来的噪点。