在全波LiDAR数据波形分解中,自动确定其波形分解数是其重点也是难点问题,为此,本文提出了基于高斯混合模型和有效散射单元两种策略,利用可逆跳变马尔可夫链蒙特卡罗(Reversible Jump Markov Chaui Monte Carlo,RJMCMC)算法实现可变分量全波LiDAR数据波形分解的方法。在基于高斯混合模型的策略中,首先利用高斯混合模型定义并建立理想波形模型;接着定义用于控制理想波形模型与实际波形拟合程度的能量函数,用吉布斯分布构建或然率;然后根据贝叶斯定理建立基于高斯混合模型的波形分解模型;最后利用RJMCMC算法模拟该模型。然而,该方法仅仅考虑波形拟合,并没有从地物的散射机理上考虑波形的形成,不能充分反映被测目标的散射特性。因此,在基于有效散射单元的策略中,首先利用有效散射单元描述全波LiDAR数据,将记录的能量转化为各采样点对应的具有相同散射能量的有效散射单元个数,并以此建立理想波形模型;接着用泊松分布来表征全波LiDAR数据的或然率,泊松分布的均值为阶梯函数,阶梯函数的跳变点位置和阶梯高度分别表示地物目标的相对高程和有效散射单元个数的均值;然后根据贝叶斯定理建立基于有效散射单元的波形分解模型;最后利用RJMCMC算法模拟该模型。为了验证提出方法的可行性及有效性,分别对不同区域的全波LiDAR波形数据进行了波形分解实验,实验结果表明,提出方法不仅能自动确定波形分解数,而且分解结果能够与实际地物相对应,还能够反映地物的散射特性;对分解结果进行评价,通过评价结果,验证了提出方法的可行性及有效性。最后根据有效散射单元个数及地物目标有效散射面积反演出地物目标的散射系数。