1.基于聚类分析的双阈值激光雷达云层检测算法，其特征在于，包括以下步骤：

步骤1、对激光雷达回波信号进行预处理；

步骤2、采用双阈值对预处理后的激光雷达回波信号进行处理：利用层峰层底比阈值对预处理后的激光雷达回波信号筛选，提取出云层信号；利用背景噪声阈值对预处理后的激光雷达回波信号提取出漏选掉的薄云层信号；

步骤3、基于提取出的云层信号和薄云层信号，利用微分零交叉法进行微分处理得到所提取出的云层信号的微分零点，并反演计算出云顶、云底高度；

步骤4、利用ISODATA聚类算法对各个云层信号的微分零点按照相对湿度及垂直高度进行聚类分析，将在同一高度范围内具有相似相对湿度特征的样本聚为一类，即每一类微分零点可视作同一层云的微分零点，由此得到分类后的多个微分零点集；根据分类后的多个微分零点集进行云层结构的判别，得到对应的云层信息。

2.根据权利要求1所述基于聚类分析的双阈值激光雷达云层检测算法，其特征在于，所述步骤1对激光雷达回波信号进行预处理包括：采用LMD‑ITM算法对初始的激光雷达回波信号进行去噪处理，并对去噪后的信号进行5个点的滑动平均处理。

3.根据权利要求1所述基于聚类分析的双阈值激光雷达云层检测算法，其特征在于，所述步骤2中利用层峰层底比阈值对预处理后的激光雷达回波信号筛选，采用公式：其中，X为层峰层底比阈值；rm、rb分别为云层层峰、层底的位置，P(rb)、P(rm)分别为云层层峰、层底的激光雷达回波信号强度。

4.根据权利要求1所述基于聚类分析的双阈值激光雷达云层检测算法，其特征在于，所述步骤2中利用背景噪声阈值对预处理后的激光雷达回波信号提取出漏选掉的薄云层信号，具体为：当激光雷达探测距离r<5km时,设定背景噪声阈值Y＝[P(rm)‑P(rb)]>3I，其中P(rb)、P(rm)分别为云层层峰、层底的激光雷达回波信号强度；I为背景噪声强度；

当激光雷达探测距离r≥5km时，设定白天的背景噪声阈值Y＝[P(rm)‑P(rb)]>1.5I，设定晚上的背景噪声阈值Y＝[P(rm)‑P(rb)]>25I。

5.根据权利要求1所述基于聚类分析的双阈值激光雷达云层检测算法，其特征在于，所述步骤4中利用ISODATA聚类算法对各个云层信号的微分零点按照相对湿度及垂直高度进行聚类分析，具体包括：构建云层微分零点集；

对构建的云层微分零点集进行判别分类，包括分裂和合并，在迭代判别的过程中，如果零点初始聚类中心数目Nc≤K/2，K为预期的聚类中心数目，即零点初始聚类中心数目小于或等于预期聚类中心数目的一半，则对已有聚类进行分裂处理；如果迭代运算的次数是偶数次，或Nc≥2K，则进行合并处理，直至达到最大迭代次数为止；

则分类后的每一个微分零点集即为同一云层的微分零点，每个云层的云底、云顶高度即为该微分零点集内微分零交叉法计算出的云底高度最小值与云顶高度最大值；在这一步运算中，迭代次数加1，至此，云层微分零点聚类完成，得到分类后的多个微分零点集。