二维PSD非线性误差校正算法研究

摘要

位置敏感传感器PSD(PositionSensitive Detector)应用时如何克服本身的非线性问题是一个重要的研究方向。为了解决这个关键问题，提出了对 BP神经网络算法改进的 LM算法对 PSD非线性误差进行校正，即利用神经网络可以逼近任意非线性函数的优点，经过训练使神经网络建立一种非线性映射关系，从而达到PSD非线性补偿的目的。
　　根据PSD的结构、工作原理以及环境因素对 PSD线性度的影响，研究了双一次插值算法、双二次插值算法、改进双二次插值算法，通过实验验证了改进双二次插值算法的优势，并分别对双一次插值算法和双二次插值算法做了分析并得出它们的缺点。重点研究了 BP神经网络算法，得出了 BP神经网络算法的不足，分析了 BP神经网络算法的启发式改进法以及基于改进 BP神经网络算法的LM算法；建立了实验平台，分析了利用 BP神经网络算法及基于改进 BP神经网络算法的 LM算法对 PSD非线性误差校正过程；在训练数据时，使用两个隐含层对神经网络进行训练。
　　在实验基础上研究了利用插值算法、BP神经网络算法以及 LM算法对二维PSD非线性误差进行校正过程，依据仿真程序并通过MATLAB7.1仿真对比，结果显示：LM算法能有效的减少二维 PSD非线性对测量结果的影响，相比传统的 BP神经网络算法收敛速度快、精度高，使修正后的二维 PSD线性度在非线性区与线性区近似接近。

目录

第1章 绪论

1.1课题研究背景：

1.2研究目的和意义

1.3主要研究内容

第2章 二维PSD特性分析及器件选型

2.1 PSD及非线性影响因素研究

2.1.1典型位置敏感传感器的特性分析

2.1.2 PSD的优点

2.1.3 PSD的结构

2.1.4位置坐标测量原理

2.1.5 PSD特点及工作原理

2.2二维PSD器件选型

2.3本章小结

第3章 二维PSD非线性误差校正算法研究

3.1插值算法的研究

3.1.1双一次插值算法的研究

3.1.2双二次插值算法的研究

3.1.3改进双二次插值算法的研究

3.1.4插值算法分析

3.2神经网络算法研究

3.2.1 BP学习算法研究

3.2.2 BP神经网络算法推导

3.2.3 BP神经网络学习算法的计算流程

3.2.4误差校正算法分析与比较

3.2.5 BP神经网络算法的不足与改进

3.3改进BP神经网络算法

3.3.1 BP神经网络算法的启发式改进

3.3.2 LM算法

3.4本章小结

第4章 仿真分析及实验研究

4.1实验原理及实验流程

4.2二维PSD非线性误差校正流程及仿真

4.2.1插值算法误差校正

4.2.2 LM算法和BP神经网络算法误差校正

4.3本章小结

第5章 结论

参考文献

致谢

攻读硕士学位期间的研究成果