一种采用红外长波焦平面探测器的干涉信号去噪方法技术

本发明专利技术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。仪干涉信号处理提供技术基础。仪干涉信号处理提供技术基础。

【技术实现步骤摘要】
一种采用红外长波焦平面探测器的干涉信号去噪方法


[0001]本专利技术属于大气遥感的
，具体涉及一种采用红外长波焦平面探测器的干涉信号去噪方法。

技术介绍

[0002]2016年下半年我国成功发射了第二代静止气象卫星风云四号，卫星上搭载了国际上首台在地球静止轨道上工作的干涉式红外高光谱大气垂直探测仪。探测仪采用光导型探测器，以高光谱分辨率方式测量来自地球的两个红外波段的辐射。经过物理反演，可以得到大气温湿度廓线，为数值天气预报提供更加精确的初始场资料。为了满足更高时空分辨率的大气探测需求，获取更大数据量的光谱数据，需要使用更大规模的探测器。探测器的探测元规模的不断扩大，需要的信号放大和处理电路数量也越来越多，其引线数量、体积、重量、耗电量、参数一致性和可靠性等因素使得探测器的探测元不得不控制在一定的范围内，严重制约了红外探测技术在航天遥感上的应用。但随着各种新材料新工艺的不断出现和发展，红外探测技术向着更大规模、更远距离、更快响应的大规模焦平面探测方向发展。本专利技术中红外长波干涉信号的获取采用碲镉汞红外焦平面探测器，由中国科学院上海技术物理研究所专门针对傅里叶光谱探测需求自行研制。傅里叶光谱探测使用的焦平面探测器对光敏器件响应速率的需求远高于一般用于红外图像探测的焦平面探测器，需要具有对高频外部触发信号实时高速响应能力同时能实现大动态范围输出。因此信号在探测器输出、数值量化等过程中不可避免地会出现一些随机、离散的噪声，其噪声主要来源有探测器噪声、前置放大器噪声、AD采样噪声、由动镜扫描速度抖动造成采样误差所引入的噪声等。噪声和信号的重叠导致无法直接重构成准确的干涉图，需要在这之前对干涉信号进行处理，即对干涉信号中的噪声进行抑制，以减少噪声对数据准确性的影响。

技术实现思路

[0003]本专利技术的目的是提供一种采用红外长波焦平面探测器的干涉信号去噪方法，实现在时域上对干涉信号进行滤波去噪，降低了各种随机离散噪声对干涉信号准确性的影响。
[0004]本专利技术主要通过以下技术方案实现：
[0005]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z
k
，k＝1，2，3...n；
[0006]步骤2：根据干涉数据特性建立卡尔曼滤波状态方程和测量方程：
[0007]过程方程为：
[0008]X
k
＝F
k
‑1X
k
‑1+w
k
‑1ꢀꢀ
(1)
[0009]测量方程为:
[0010]z
k
＝H
k
X
k
+v
k
ꢀꢀ
(2)
[0011]状态向量是K时刻的状态向量，其中I
k
为k时刻的探测状态量，b
k
为k时刻的探测器噪声状态量，是k
‑
1时刻的状态向量，I
k
‑1为k
‑
1时刻的探测状态量，b
k
‑1为k
‑
1时刻的随机噪声状态量；z
k
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H
k
为量测矩阵，定义H
k
为1；k
‑
1时刻的过程噪声w
k
‑1和k时刻的量测噪声v
k
为相互独立的高斯白噪声，均值均为零。
[0012]步骤3：按分组设置初始条件；
[0013][0014]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，Q
k
和R
k
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；
[0015]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；
[0016]预测状态量：
[0017][0018]状态预测误差的协方差矩阵：
[0019]P
k|k
‑1＝F
k
‑1P
k
‑1F
k
‑
1T
+Q
k
‑1ꢀꢀ
(4)
[0020]F
k
‑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，P
k
‑1为k
‑
1时刻的状态估计误差协方差矩阵，Q
k
‑1为k
‑
时刻的过程噪声协方差矩阵，P
k|k
‑1为式(1)和(3)计算一步状态预测误差的协方差矩阵。
[0021]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。
[0022]卡尔曼增益：
[0023]G
k
＝P
k|k
‑1H
kT
(H
k
P
k|k
‑1H
kT
+R
k
)
‑1ꢀꢀ
(5)
[0024]状态估计值
[0025][0026]状态估计误差的协方差矩阵
[0027]P
k
＝(I
‑
G
k
H
k
)P
k|k
‑1ꢀꢀ
(7)
[0028]其中G
k
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P
k
用于下一滤波周期的预测协方差矩阵计算；
[0029]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。
[0030]本专利技术的有益效果：与现有技术相比，本专利技术提供了一种基于时域分析的干涉信号去噪方法，该方法能够从含噪声的干涉信号中最大限度恢复出干涉图图像信息，一幅标准差为1404.84743的干涉图经过去噪方法处理后，标准差可减少到231.5462，结果表明能较大程度的抑制噪声。为大面阵长波焦平面探测器所采集的干涉信号处理提供了基础，对未来大气垂直干涉仪气象探测有指导意义。
附图说明
[0031]图1为本专利技术的干涉信号去噪方法实现流程图；
[0032]图2为本专利技术的干涉信号去噪前干涉图；
[0033]图3为本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
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z
k
，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：X
k
＝F
k
‑1X
k
‑1+w
k
‑1ꢀꢀ
(1)测量方程为：z
k
＝H
k
X
k
+v
k
ꢀꢀ
(2)状态向量是K时刻的状态向量，其中I
k
为k时刻的探测状态量，b
k
为k时刻的探测器噪声状态量，是k
‑
1时刻的状态向量，I
k
‑1为k
‑
1时刻的探测状态量，b
k
‑1为k
‑
1时刻的随机噪声状态量；z
k
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H
k
为量测矩阵，定义H
k
为1；k
‑
1时刻的过程噪声w
k
‑1和k时刻的量测噪声v
k
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；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，Q
k
和R
k
分别表示k时刻的过程噪声...

【专利技术属性】
技术研发人员：沈其蓥，陈仁，黄靖宇，陈雅轩，路璐，刘永生，陈效双，
申请(专利权)人：中国科学院上海技术物理研究所，
类型：发明
国别省市：