一种焦平面探测器读出信号的数字信号处理方法技术

本发明专利技术公开了一种对焦平面读出信号进行去噪声的方法，首先，根据焦平面探测器读出信号中的噪声组成及特点，对读出信号进行小波分解，小波分解将探测器读出信号分解成各个能量不同的频带，然后根据信号中的噪声特点，对各层分解得到的系数采用相应的阈值进行处理，以达到衰减噪声能量的目的。

【技术实现步骤摘要】

本专利技术涉及一种数字信号处理方法，尤其涉及一种焦平面探测器读出信号的数字 信号处理方法。
技术介绍
传统的焦平面探测器读出电路主要是普通放大器结构。如源极跟随器结构，直接 注入结构等。这些普通的放大器结构只能将信号放大，不仅不能对信号进行去噪声处理，更 加会带来较多的电子器件噪声。因此，为了解决上述普通放大器无法降低噪声的问题，人们设计出了带有初步去 噪功能的电容跨阻抗放大器等，并在放大器后面加上一个相关双采样结构。该结构是通过 相关双采样的差分结构将信号中的KTC噪声去掉，同时也可以去除一些Ι/f噪声。但是由于 读出电路中增加了电容，使得集成的面积变大，功耗增加，且带来了电子器件固有的噪声， 这就是它的不足之处。目前焦平面红外读出电路在相关双采样的基础上采用了一些结构上的改进。如 相关四采样，差分平均法，双复位法等，但是这种使用电路的方法降噪实际上还存在一定得 缺陷第一，电路的面积会增大，功耗会增加，显然在探测器上的应用就会有功耗和面积的 限制作用；第二，电路中元器件数量的增加会增加更多的噪声，在不使用其他方法降噪的情 况下反而会增加读出信号的噪声含量。在电路无法更好的降低探测器噪声的情况下，人们期望采用信号处理的方法来消 除信号中的噪声，小波变换作为一种新的正交多尺度自适应信号分析工具在各个领域中引 起了广泛的兴趣，本专利技术采用小波变换的方式来消除焦平面探测器读出信号中的噪声。在探测器读出信号的噪声中，占主要地位的有热噪声、Ι/f噪声、散粒噪声，和其他一些噪声。热噪声传感器材料中的热噪声是由于温度变换引起的晶体表面电子不规则运动 而产生的电压噪声。热噪声电压功率谱密度表达式为Sv (f) = 4kTR(1)式中，k为波尔兹曼常数，T为材料的温度，R为电阻。可以看出与频率无关，即属 于白噪声。散粒噪声由于载流子各自独立而随机地通过势垒所引起的噪声。其功率谱密度 为S^f) = 2ql(2)式中q为载流子电量，I为通过器件的电流。由式(2)可知散粒噪声功率谱密度 与频率无关，属于白噪声。然而，该式仅在中低频范围内有效，在高频区，散粒噪声也将随频 率的上升而增加。但是结合本文的实际应用，焦平面红外读出信号在IOHz ΙΟΚΗζ，属低频 区，即在处理的过程中可直接把散粒噪声归为白噪声处理。Ι/f噪声存在于所有有源器件中，对于半导体器件，它与载流子散射几率的涨落有关。它是一种低频噪声，主要出现在IKHz以下。Ι/f噪声是一类具有长程相关性、自相似 性以及非平稳性的随机噪声。其功率谱密度为Sv (f) = AI0/fY(3)式中，I为通过器件的电流，f为频率；参数A由器件结构特性决定；常数γ = 0.8 1.2，典型值为1.0;β =2.0(均勻材料)或1.0 2.0 (结构较复杂的器件)。1/ f噪声具有两个基本特征在一个相当宽的频率范围内，Ι/f噪声的功率谱密度与频率成反 比；Ι/f噪声电压或电流的功率谱密度与通过器件的电流的平方成正比。小波变换给定平方可积的信号x(t)，即x(t) e L2(R)，贝IJx(t)的小波变换 (wavelet transform, WT)定义为权利要求，其特征在于根据读出信号中噪声信号的组成成分和特点，对焦平面探测器读出信号进行小波分解，将带噪声信号分解为各层低频系数与高频系数，然后采用小波软阈值算法处理小波分解得到的高频系数，降低读出信号中噪声能量以实现降噪，最后根据由软阈值算法滤波后的系数进行小波重构以恢复信号；其中，利用小波变换对读出信号进行降噪具体包括以下步骤(1).选取合适的小波基ψ(t)和分解尺度j；ψ(t)具体选用db4正交小波基，对信号进行j＝7层正交小波分解，得到各尺度上的小波细节系数；(2).选取合适的阈值对分解得到的小波系数进行软阈值量化，选取第j个尺度的软阈值的公式为 <mrow><msub> <mi>th</mi> <mi>j</mi></msub><mo>=</mo><mi>&gamma;</mi><mo>*</mo><msqrt> <mi>median</mi> <mrow><mo>(</mo><mo>|</mo><msub> <mi>d</mi> <mi>j</mi></msub><mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo></mrow><mo>|</mo><mo>)</mo> </mrow> <mo>/</mo> <mn>0.6745</mn></msqrt><mo>*</mo><msqrt> <mn>2</mn> <mi>log</mi> <mrow><mo>(</mo><mi>length</mi><mrow> <mo>(</mo> <msub><mi>d</mi><mi>j</mi> </msub> <mrow><mo>(</mo><mi>k</mi><mo>)</mo> </mrow> <mo>)</mo></mrow><mo>)</mo> </mrow></msqrt><mo>/</mo><mi>ln</mi><mrow> <mo>(</mo> <mi>j</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo></mrow><mo>,</mo> </mrow>其中γ为噪声功率谱参数，dj(k)为各层小波细节系数，median(|dj(k)|)/0.6745为噪声的估计方差，其中，估计方差通过以下方法得到，取小波系数在各个尺度下绝对值的中值median(|dj(k)|)，然后将该中值除以常数0.6745作为该尺度下小波系数中噪声强度的估计，即 <mrow><msup> <mover>本文档来自技高网...

【技术保护点】
一种焦平面探测器读出信号的数字信号处理方法，其特征在于：根据读出信号中噪声信号的组成成分和特点，对焦平面探测器读出信号进行小波分解，将带噪声信号分解为各层低频系数与高频系数，然后采用小波软阈值算法处理小波分解得到的高频系数，降低读出信号中噪声能量以实现降噪，最后根据由软阈值算法滤波后的系数进行小波重构以恢复信号；其中，利用小波变换对读出信号进行降噪具体包括以下步骤：　　（１）．选取合适的小波基ψ（ｔ）和分解尺度ｊ；ψ（ｔ）具体选用ｄｂ４正交小波基，对信号进行ｊ＝７层正交小波分解，得到各尺度上的小波细节系数；　　（２）．选取合适的阈值对分解得到的小波系数进行软阈值量化，选取第ｊ个尺度的软阈值的公式为：　　ｔｈ↓［ｊ］＝γ＊√ｍｅｄｉａｎ（｜ｄ↓［ｊ］（ｋ）｜）／０．６７４５＊√２ｌｏｇ（ｌｅｎｇｔｈ（ｄ↓［ｊ］（ｋ）））／ｌｎ（ｊ＋１），其中γ为噪声功率谱参数，ｄ↓［ｊ］（ｋ）为各层小波细节系数，ｍｅｄｉａｎ（｜ｄ↓［ｊ］（ｋ）｜）／０．６７４５为噪声的估计方差，其中，估计方差通过以下方法得到，取小波系数在各个尺度下绝对值的中值ｍｅｄｉａｎ（｜ｄ↓［ｊ］（ｋ）｜），然后将该中值除以常数０．６７４５作为该尺度下小波系数中噪声强度的估计，即σ＾↑［２］＝ｍｅｄｉａｎ（｜ｄ↓［ｊ］（ｋ）｜）／０．６７４５；上述软阈值在固定阈值的基础上，对不同的分解尺度选取不同的阈值，随着尺度ｊ的增大，阈值逐渐减小，使得与噪声在小波变换各尺度上的传播特性相一致；使用软阈值法对各层小波细节系数进行修正，其公式为：ｇ↓［ｊ］（ｋ）＝ｓｇｎ（ｄ↓［ｊ］（ｋ））＊（｜ｄ↓［ｊ］（ｋ）｜－ｔｈ↓［ｊ］），其中ｇ↓［ｊ］（ｋ）为滤波后的系数，ｓｇｎ为符号函数；　　（３）．小波重构。根据阈值滤波以后的细节系数进行小波重构，得到降噪后的信号。...

【技术特征摘要】

【专利技术属性】
技术研发人员：景为平，殷晓敏，丁俊民，顾勇，鲁华祥，李言谨，
申请(专利权)人：南通大学，
类型：发明
国别省市：32