首页> 中国专利> 一种实现转镜式傅里叶变换光谱仪的大转角非线性干涉光谱的准确复原方法

一种实现转镜式傅里叶变换光谱仪的大转角非线性干涉光谱的准确复原方法

摘要

本发明公开一种实现转镜式傅里叶变换光谱仪的大转角非线性干涉光谱的准确复原方法,包括步骤:通过转镜式傅里叶变换光谱仪光学系统探测入射光的非等(光程差)间隔(采样)干涉信号;通过频谱计算方法计算所述的非等间隔干涉信号的频谱;利用构建的BP神经网络将所述的非等间隔干涉信号的频谱变换为10倍等间隔(采样)干涉信号的频谱;根据所述的10倍等间隔(采样)干涉信号的频谱重构入射光的完整干涉信号,并校正其强度与位置;对所述的重构的完整干涉信号进行10倍等(光程差)间隔二次采样,获得入射光的等间隔干涉信号。本发明能够实现Turbo FTS的大转角非线性干涉光谱的复原,提高光谱分辨率,并降低计算时间。

著录项

  • 公开/公告号CN115684124A

    专利类型发明专利

  • 公开/公告日2023-02-03

    原文格式PDF

  • 申请/专利权人 南昌大学;

    申请/专利号CN202211258575.4

  • 发明设计人 汤明;郭海涛;郭承鸿;于龙昆;

    申请日2022-10-14

  • 分类号G01N21/65;G06N3/04;G06N3/084;

  • 代理机构南昌金轩知识产权代理有限公司;

  • 代理人殷康明

  • 地址 330000 江西省南昌市红谷滩新区学府大道999号

  • 入库时间 2023-06-19 18:34:06

法律信息

  • 法律状态公告日

    法律状态信息

    法律状态

  • 2023-02-03

    公开

    发明专利申请公布

说明书

技术领域

本发明涉及傅里叶变换光谱分析领域,特别涉及一种实现转镜式傅里叶变换光谱仪的大转角非线性干涉光谱的准确复原方法。

背景技术

傅里叶变换光谱仪(Fourier transform spectrometer,FTS)凭借其光通量高、光谱检测范围宽、响应速度快的优点在航空航天、大气监测和军事探测等领域得到了广泛的应用。其中,转镜式傅里叶变换光谱仪(Turbo FTS)能够获得高信噪比、高分辨率和高稳定性光谱信号,特别适合大气中CO

获得Turbo FTS的大转角等间隔干涉信号既可以直接利用FFT复原光谱,降低计算时间,也可以提高仪器的光谱分辨率。根据前面对现有的三维重构方法的比较分析,二次采样法表现出巨大的应用前景,但目前的插值技术限制了其进一步发展,因此有必要研究一种新的插值技术,准确重构原始完整的干涉信号曲线,从而获得准确的等间隔干涉信号,进而实现大转角非线性干涉光谱的准确复原。

发明内容

本发明提供了一种实现转镜式傅里叶变换光谱仪的大转角非线性干涉光谱的准确复原方法,在二次采样方法上,提出了一种基于神经网络的智能插值方法,将Turbo FTS探测的入射光的非等间隔干涉信号变换为准确的等间隔干涉信号。从而实现大转角非线性干涉光谱的准确复原。

本发明采用的具体技术方案如下:

一种实现转镜式傅里叶变换光谱仪的大转角非线性干涉光谱的准确复原方法,包括步骤:

(1)通过转镜式傅里叶变换光谱仪光学系统探测入射光的非等(光程差)间隔(采样)干涉信号;

(2)通过频谱计算方法计算步骤(1)中的非等间隔干涉信号的频谱;

根据Turbo FTS探测到的入射光的非等间隔采样干涉信号重构其完整的等间隔干涉信号曲线是准确插值的前提。由于Turbo FTS探测到的入射光的干涉信号采样点数少,而且光程差的变化是非线性的,难以找到二者的变换关系。本发明以频谱作为非等间隔采样干涉信号与完整的等间隔干涉信号的特征,实现二者的变换。所述的频谱计算方法的具体步骤包括:

2-1对干涉信号进行FFT计算,得到其频谱;

2-2校正步骤(2-1)中频谱的横坐标频率的位置,该过程可以表示为:

其中i为采样点索引坐标,Fs=kc/dl为采样率,c为光速,dl为光程差间隔,k为校正系数;

2-3将步骤(2-2)中的频谱的横坐标转换为线性变化的波长,截取301-800nm的范围,共500个点。

(3)利用构建的BP神经网络将步骤(2)中的非等间隔干涉信号的频谱变换为10倍等间隔(采样)干涉信号的频谱;

通过BP神经网络准确学习从非等间隔干涉信号频谱到10倍等间隔干涉信号频谱的变换关系,所述的BP神经网络的构建的具体步骤包括:

3-1通过计算机随机产生包含1-50条谱线的数字拉曼光谱各100张,总计5000张;

3-2将步骤(3-1)中的数字拉曼光谱变换为仿真的完整干涉信号,对仿真的完整干涉信号分别进行非等间隔采样和10倍等间隔采样,得到对应的干涉信号;

3-3通过频谱计算方法分别计算步骤(3-2)中的非等间隔干涉信号和10倍等间隔干涉信号的频谱;

3-4以非等间隔干涉信号的频谱作为神经网络的输入样本,以10倍等间隔干涉信号的频谱作为神经网络的输出样本,将输入和输出样本按照4:1的比例分为训练集和验证集对神经网络进行训练。

(4)根据步骤(3)中的10倍等间隔(采样)干涉信号的频谱重构入射光的完整干涉信号,并校正其强度与位置;

完整的干涉信号可以用10倍等间隔干涉信号来近似,为了更贴近原始的完整干涉信号,以探测的非等间隔采样干涉信号作为对照对重构的完整干涉信号进行强度校正和位置校正。所述的入射光的完整干涉信号的重构的具体步骤包括:

4-1根据傅里叶变换光谱仪中干涉信号与频谱之间的关系从10倍等间隔干涉信号频谱中重构入射光的原始完整的干涉信号,该过程可以表示为:

其中I为原始完整的干涉信号的强度,P

4-2以入射光的非等间隔干涉信号作为参照,校正重构的入射光原始完整干涉信号的强度;

4-3将重构的入射光原始完整干涉信号曲线分别向左和向右循环移动1000个点,计算其与入射光的非等间隔干涉信号重合的点的个数,重合点数最多的位置则为最佳匹配位置,从而校正重构的入射光原始完整干涉信号的位置。

(5)对步骤(4)中的重构的完整干涉信号进行10倍等(光程差)间隔二次采样,获得入射光的等间隔干涉信号,从而利用FFT直接得到入射光的复原光谱。

本发明的有益效果:

本发明提出根据非等间隔采样干涉信号得到10倍等间隔采样干涉信号,再重构原始完整的干涉信号的思路,提高二次采样的准确度,从而准确复原turbo FTS的大转角非线性干涉光谱;

本发明提出一种频谱计算方法,分别计算入射光的非等间隔采样干涉信号的频谱和10倍等间隔采样干涉信号的频谱;提出一种基于神经网络的智能插值方法,以频谱作为非等间隔采样干涉信号和10倍等间隔采样干涉信号的特征,并利用BP神经网络学习这种特征的变化,从而实现二者的准确变换。提出一种原始完整干涉信号的重构方法和校正方法,根据10倍等间隔干涉信号的频谱准确重构原始完整的干涉信号,从而获得准确的等间隔二次采样干涉信号。本发明能够实现Turbo FTS的大转角非线性干涉光谱的复原,提高光谱分辨率,并降低计算时间。

附图说明

图1为实现转镜式傅里叶变换光谱仪的大转角非线性干涉光谱的准确复原方法的示意图。

图2为频谱计算流程示意图。

图3仿真干涉信号的模拟过程。

图4为频谱计算结果.(a)非等间隔采样干涉信号,(b)10倍等间隔采样干涉信号,(c)非等间隔采样干涉信号的频谱,(d)10倍等间隔采样干涉信号的频谱。

图5为原始完整干涉信号重构结果.(a)10倍等间隔干涉信号光谱,(b)由10倍等间隔干涉信号光谱重构的原始完整干涉信号。

图6为入射光原始完整干涉信号校正过程.(a)强度校正,(b)位置校正。

具体实施方式

下面结合实施例和附图来详细说明本发明,但本发明并不仅限于此。

本实施例中,入射光的非等间隔干涉信号通过实验室搭建的Turbo FTS光学系统探测得到。所有算法均在Matlab2018a的环境中编写,算法运行的硬件条件为core i5处理器,主频2.6GHz,内存4GB。

本实施例的实现转镜式傅里叶变换光谱仪的大转角非线性干涉光谱的准确复原方法的示意图如图1所示,包括以下步骤:

(1)通过转镜式傅里叶变换光谱仪光学系统探测入射光的非等(光程差)间隔(采样)干涉信号;

(2)通过频谱计算方法计算步骤(1)中的非等间隔干涉信号的频谱。计算流程如图2所示,具体过程如下:

2-1、分别对非等间隔干涉信号和10倍等间隔干涉信号进行FFT计算,得到其频谱;

2-2、校正步骤(2-1)中频谱的横坐标频率的位置,该过程可以表示为:

其中i为采样点索引坐标,Fs=kc/dl为采样率,c为光速,dl为光程差间隔。k为校正系数,对于等间隔干涉信号,k=1;而对于非等间隔干涉信号,k>1。在k>1的情况下,其值的大小与样本采样点数有关,本例中k=1.45;

2-3、根据公式

(3)利用构建的BP神经网络将步骤(2)中的非等间隔干涉信号的频谱变换为10倍等间隔(采样)干涉信号的频谱,具体过程如下:

3-1、通过计算机随机产生包含1-50条谱线的数字拉曼光谱各100张,总计5000张;

3-2、将步骤(3-1)中的数字拉曼光谱变换为仿真的完整干涉信号,如图3所示。其中图3(a)和和(b)分别为计算机随机产生的包含2条谱线和50条谱线的数字拉曼光谱图,图3(c)和(d)是(a)和(b)对应的仿真完整干涉图。对仿真的完整干涉信号分别进行非等间隔采样和10倍等间隔采样,得到对应的干涉信号;

3-3、通过频谱计算方法分别计算步骤(3-2)中的非等间隔干涉信号和10倍等间隔干涉信号的频谱,如图4所示。图4(a)和(b)分别为非等间隔采样干涉信号和10倍等间隔采样干涉信号,图4(c)和(d)是(a)和(b)对应的频谱;

3-4、以非等间隔干涉信号的频谱作为神经网络的输入样本,以10倍等间隔干涉信号的频谱作为神经网络的输出样本,将输入和输出样本按照4:1的比例分为训练集和验证集对神经网络进行训练。

(4)根据步骤(3)中的10倍等间隔(采样)干涉信号的频谱重构入射光的完整干涉信号,并校正其强度与位置(图5)。具体过程如下:

4-1、根据傅里叶变换光谱仪中干涉信号与频谱之间的关系从10倍等间隔干涉信号频谱中重构入射光的原始完整的干涉信号,该过程可以表示为:

其中I为原始完整的干涉信号的强度,P

图5给出了原始完整干涉信号重构的结果,图5(a)和(b)分别为10倍等间隔干涉信号光谱及由其重构的原始完整干涉信号。

4-2、以入射光的非等间隔干涉信号作为参照,校正重构的入射光原始完整干涉信号的强度,如图6(a)所示;

4-3、将重构的入射光原始完整干涉信号曲线分别向左和向右循环移动1000个点,计算其与入射光的非等间隔干涉信号重合的点的个数,重合点数最多的位置则为最佳匹配位置,从而校正重构的入射光原始完整干涉信号的位置,如图6(b)所示;

(5)对步骤(4)中的重构的完整干涉信号进行10倍等(光程差)间隔二次采样,获得入射光的等间隔干涉信号,从而利用FFT直接得到入射光的复原光谱。

以上所述仅为本发明的较佳实施举例,并不用于限制本发明,凡在本发明精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

去获取专利,查看全文>

相似文献

  • 专利
  • 中文文献
  • 外文文献
获取专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号