主权项: |
1.一种基于神经网络及宽带滤波调制的分光方法,包括如下步骤: (1)设计一组nA个作用于nλ个波段的光谱透过率不同的调制片,并将其制作成滤镜,将这些滤镜安装在nA个相应的探测器上,组成探测器阵列; (2)用探测器阵列分别探测m个已知入射光源,得到m个光谱经过各个滤镜调制后的数据矩阵并将m个已知入射光源光谱向量I(1),I(2),...,I(m)按照与滤镜调制后的数据矩阵相同的顺序排列成光谱矩阵 (3)对滤镜调制后的数据矩阵进行归一化预处理,得到预处理后的数据矩阵F; (4)将预处理后的数据矩阵F作为训练的输入数据和将光谱矩阵作为训练标签,共同传入神经网络进行有监督训练,得到训练好的模型; (5)用探测器阵列探测未知光源,得到未知光源经nA个滤镜调制后的探测数据并对进行归一化预处理,得到预处理后的未知光源探测数据向量Ftest,再将预处理后的未知光源探测数据向量Ftest传入到训练好的模型,计算得到未知光源的光谱数据Itest,实现分光。 2.根据权利要求1所述的方法,其中(1)中设计一组nA个作用于nλ个波段的光谱透过率不同的调制片,并将其制作成滤镜,其实现如下: (1a)生成一个nλ个谱段都为0的初始透过率向量Ainit; (1b)生成3到12范围内的随机数p作为高斯峰的个数,生成p个2到22范围内的随机数σ1,σ2,...,σp,并在应用的波段中采用随机抽取不放回的方式生成p个位置; (1c)在初始透过率向量Ainit的p个位置上分别加上标准差为随机数σ1,σ2,...,σp的高斯峰,得到处理后的透过率向量A,将其线性缩放到0.1到1之间,得到第一个设计好的调制片透过率向量a(1); (1d)重复(1a)到(1c)操作,生成nA个设计好的调制片的透过率向量 (1e)应用微纳结构技术,依照nA个设计好的调制片的透过率向量制作nA个滤镜。 3.根据权利要求1所述的方法,其中(2)中用探测器阵列分别探测m个已知入射光源,得到m个光谱经过各个滤镜调制后的数据矩阵其实现如下: (2a)第i个已知光源的光谱数据经探测器阵列中nA个滤镜分别调制,得到第i个光源光谱数据I(i)经nA个滤镜调制后的探测数据其中i=1,2,...,m; (2b)将第i个已知光源光谱经过nA个滤镜调制后的探测数据组成第i个光谱经探测器阵列调制后的探测数据向量 (2c)将m个光谱经探测器矩阵调制的探测数据向量F(1),F(2),...,F(m),按如下公式排列,得到m个光谱经过各个滤镜调制后的数据矩阵 4.根据权利要求1所述的方法,其中(3)中对滤镜调制后的数据矩阵进行归一化预处理,得到预处理后的数据矩阵F,按如下步骤进行: (3a)将nλ个波段光谱数据全为1的光谱I1经nA个滤镜调制,得到I1经nA个滤镜调制的探测数据 (3b)按如下公式,对滤镜调制后的数据矩阵进行最大最小值归一化处理,得到预处理后的数据矩阵F: 其中,j=1,2,...,nA,为滤镜调制后的数据矩阵中的第j列。 5.根据权利要求1所述的方法,其中所述步骤(4)按如下步骤进行: (4a)按如下公式建立一个由隐藏层和输出层两层结构的神经网络模型: H=tanh(X·W(1)+b(1)), Ip=H·W(2)+b(2), 其中,H表示隐藏层的输出结果,X表示神经网络接收的训练的输入数据,Ip表示经神经网络计算的输出数据;W(1)为输入与隐藏层之间的权重矩阵,其维度为nA×N,N为隐藏层的神经元个数;W(2)为隐藏层与输出层之间的权重矩阵,其维度为N×nλ;b(1)为隐藏层的偏置值,b(2)为输出层的偏置值,tanh(·)为双曲正切函数; (4b)用截断的正太分布随机初始化(4a)中的两个权重矩阵W(1)、W(2)和两个偏置值b(1)、b(2); (4c)用预处理后的数据矩阵F作为训练的输入数据,输入到(4a)构建的神经网络模型的X中,得到经神经网络计算的输出数据Ip; (4d)用传入的光谱矩阵按如下公式,计算代价函数J: 其中,i=1,2,...,m,表示经神经网络计算的输出数据Ip的第i行,表示传入的光谱矩阵的第i行,||·||2表示2范数; (4e)使用学习率为0.001的Adam优化算法对代价函数J进行最小化优化,以更新两个权重矩阵W(1)、W(2)和两个偏置值b(1)和b(2); (4f)重复(4c)到(4e)操作,直至代价函数J小于0.002,得到输入与隐藏层之间训练好的权重矩阵θ(1)、隐藏层与输出层之间训练好的权重矩阵θ(2)、隐藏层训练好的偏置值B(1)和输出层训练好的偏置值B(2); (4g)用训练好的权重矩阵θ(1)、θ(2)分别替换神经网络模型中的W(1)、W(2),用训练好的偏置值B(1)、B(2)替换神经网络模型中的b(1)、b(2),得到如下训练好的神经网络模型: L=tanh(Y·θ(1)+B(1)), I=L·θ(2)+B(2), 其中,L表示训练好的神经网络模型中隐藏层的输出结果,Y表示训练好的神经网络模型接收的输入数据,I表示接收的输入数据Y经训练好的神经网络模型计算的输出结果。 6.根据权利要求1所述的光谱分光方法,所述步骤(5)得到预处理后的未知光源探测数据向量Ftest,表示如下: 其中,为未知光源经nA个滤镜调制后的数据,为I1经nA个滤镜调制后的探测数据。 |