申请/专利权人：中国科学院上海技术物理研究所

申请日：2022-02-10

公开（公告）日：2024-05-10

公开（公告）号：CN114519373B

主分类号：G06F18/10

分类号：G06F18/10;G06F17/18;G06F17/16;G06F17/11

优先权：

专利状态码：有效-授权

法律状态：2024.05.10#授权;2022.06.07#实质审查的生效;2022.05.20#公开

摘要：本发明公开了一种采用红外长波焦平面探测器的干涉信号去噪方法。通过红外焦平面探测器和迈克尔逊干涉仪搭建的傅里叶光谱仪采集得到干涉信号。用卡尔曼滤波算法对探测器每一探测元每一时刻的输出进行滤波处理，然后再对每一段滤波结果值求平均，进一步滤除其他噪声；最后排序重构成干涉图。整个去噪方法简单易行，相比于之前直接对多组光谱数据求均值来提高光谱信噪比的方法，该方法在干涉图傅里叶变化成光谱图之前，对干涉信号中的噪声进行抑制，可进一步滤除随机噪声并保留原始光谱特征。为未来采用长波焦平面探测器的傅里叶光谱仪干涉信号处理提供技术基础。

主权项：1.一种采用红外长波焦平面探测器的干涉信号去噪方法，其特征在于方法步骤如下：步骤1：干涉信号数据预处理，将由红外长波焦平面探测器采集得到的数字信号，按探测器的探测元输出进行划分，一个序列为一个探测元的所有输出，再对该序列按采集时刻进行分组，可分为m组，一组包含的数据为zk，k＝1，2，3...n；步骤2：根据干涉数据特性建立卡尔曼滤波过程方程和测量方程：过程方程为：Xk＝Fk-1Xk-1+wk-11测量方程为：zk＝HkXk+vk2状态向量是K时刻的状态向量，其中Ik为k时刻的探测状态量，bk为k时刻的探测器噪声状态量，是k-1时刻的状态向量，Ik-1为k-1时刻的探测状态量，bk-1为k-1时刻的随机噪声状态量；zk是k时刻的探测值，定义为状态转移矩阵，根据干涉信号特征，这里的Hk为量测矩阵，定义Hk为1；k-1时刻的过程噪声wk-1和k时刻的量测噪声vk为相互独立的高斯白噪声，均值均为零；步骤3：按分组设置初始条件； 为k＝1时刻的状态估计值，其中初始为该组所有数据的均值，初始为z1与的差，P1为初始时刻的状态估计误差协方差矩阵，初始为单位矩阵，Qk和Rk分别表示k时刻的过程噪声协方差矩阵和测量噪声协方差矩阵，k表示第k个滤波周期；步骤4：开始进入滤波周期，卡尔曼滤波周期叠加，更新预测状态量及状态预测误差的协方差矩阵；预测状态量： 状态预测误差的协方差矩阵： Fk-1为状态转移矩阵，为k-1时刻的状态估计值，其中为探测估计值，为探测器噪声估计值，为k时刻的状态的一步预测，Pk-1为k-1时刻的状态估计误差协方差矩阵，Qk-1为k-时刻的过程噪声协方差矩阵，Pk|k-1为式1和3计算一步状态预测误差的协方差矩阵；步骤5：进一步根据递归最小二乘法，计算卡尔曼增益、状态估计值及状态估计误差的协方差矩阵；卡尔曼增益：Gk＝Pk|k-1HkTHkPk|k-1HkT+Rk-15状态估计值 状态估计误差的协方差矩阵Pk＝I-GkHkPk|k-17其中Gk为卡尔曼增益，表示当前探测值引入新的信息在状态估计中所占的比例；为k时刻的状态估计值，为k时刻的探测估计值，为k时刻的探测器噪声估计值；为k时刻的状态的一步预测，I为单位矩阵；状态估计误差的协方差矩阵Pk用于下一滤波周期的预测协方差矩阵计算；步骤6：在k个滤波周期执行完毕后，再对下一组数据重复进行k个周期的滤波，直到m组数据均执行完毕；最后对每一组数据中的求均值，用于重构干涉图。

全文数据：

权利要求：

百度查询： 中国科学院上海技术物理研究所 一种采用红外长波焦平面探测器的干涉信号去噪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD