相比于目前其它的成像技术(如合成孔径雷达、红外、毫米波、可见光等),激光雷达技术可以用来直接获得高精度的三维数据,形成更丰富的图像信息(包括3D范围图像,灰度图像等)与抗干扰(如电磁,背景,和阳光)能力。正因为如此,激光三维雷达正成为主动式成像探测的一个重要发展方面,得到我军和外军的高度重视。而由于激光器技术的限制、大规模APD阵列发展的不足,当前的一些三维激光雷达系统存在了一些不足,比如成像精度上不够、激光扫描的速率较慢等。本文介绍了激光雷达的国内外发展动态、三维激光雷达测距原理,通过对其系统的仿真建模研究,建立了相应的系统模型,它分析了系统的关键特性,详细分析了信号所经历的噪声环境,有助于信号处理算法的研究,给出了激光雷达的分析和建模,主要包括激光发射系统、大气传输、地物目标和接收探测系统。本文提出了一种基于改进经验模态分解的激光信号去噪算法,传统的去噪方法中,小波去噪依赖于小波基的选取,不同的小波基对于去噪结果的影响不同,因此需要选取正确的小波基,因此无法自适应的去除噪声；经验模态分解算法将信号分解为不同的固有模态分量,认为噪声处于高频固有模态分量上,去除噪声所处的固有模态分量,会造成有效信号的损失；傅里叶变换将信号从时域转换到频域上,因此会导致失去其时域特性,对于非平稳信号有一定的局限性,可能会导致信号的折损。本文中提出了一种对高频固有模态分量进行处理的改进经验模态分解算法,不再简单的舍弃噪声所在分量,而是对其进行处理,减少了有效信号的损失。针对一些随机噪声产生的随机点以及毛疵点需要进行平滑处理,否则会对后续的波形分解产生影响。本文介绍了首先用于天文数据中处理的vondrak平滑算法,该算法适用于非线性的数据,而激光回波信号是一种典型的非线性数据。本文中详细介绍了该算法的原理以及其推导公式,以及其平滑因子的选取和平滑效果的评判。通过数据的分析和其他的平滑算法如五点三次平滑等算法进行对比,验证了其有效性。针对传统的基于LM算法的激光波形分解算法中认为激光模型为对称的高斯模型,而实际系统中所用激光信号并不是对称的,因此传统算法中通过获得对称拐点来判断回波的个数及脉宽是不准确的,同时LM算法的收敛性也与初值的设定有一定的关系。因此本文中提出了一种基于粒子群算法的激光雷达回波分解算法,通过根据背景噪声设定阈值以及峰值检测来获取回波的个数,而后通过粒子群算法获取回波的脉宽以及强度信息,此时在拟合度上仍可以进一步的提高,再通过LM算法进行拟合,设定拟合度这项评判参数,最终获取单个回波的准确延时、脉宽和强度信息。通过对三种目标模型,高斯面模型、斜面模型以及建筑物模型的仿真与重建,证明了该算法的有效性。