System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于智能仪器的光学标校方法及系统技术方案_技高网

一种基于智能仪器的光学标校方法及系统技术方案

技术编号:40667934 阅读:3 留言:0更新日期:2024-03-18 19:03
本申请实施例提供的基于智能仪器的光学标校方法及系统,能够有效提高仪器的测量精度和可靠性。通过获取参考仪器和待标仪器对观测物体的原始测量信号,同步其时序特征,然后结合环境监测数据进行筛选,得到更精确的测量信号。利用已知的参考仪器的参考标校系数,可以准确确定待标仪器的当前标校系数,从而为待标仪器的标定提供了一种更精确、更稳定的方法。此外,通过环境监测数据的筛选,能够在不同环境条件下调整测量信号,进一步提升了测量结果的准确性。总体来说,这个技术方案为提高各类仪器的测量精度,优化设备性能,提供了一个实用、可靠的解决方案。

【技术实现步骤摘要】

本申请涉及数据处理,具体而言,涉及一种基于智能仪器的光学标校方法及系统


技术介绍

1、在传统的光学仪器标校方法中,通常需要使用已知参数的参考仪器进行标定。这种方法依赖于参考仪器的精度和稳定性,而这两个因素又受到环境条件的影响,如温度、湿度、光照等。如果没有对这些环境条件进行有效的控制和筛选,可能会导致标定结果的不准确。此外,传统的标校方法往往无法实现对测量信号的动态调整,因此在环境条件变化时,测量结果的精度和可靠性可能会受到影响。


技术实现思路

1、为了改善上述问题,本申请提供了一种基于智能仪器的光学标校方法及系统。

2、第一方面,提供一种基于智能仪器的光学标校方法,应用于智能光学标校系统,所述方法包括:

3、获取参考仪器针对观测物体的第一原始观测测量信号以及待标仪器针对所述观测物体的第二原始观测测量信号;其中,所述第一原始观测测量信号和所述第二原始观测测量信号的时序特征同步;

4、采集与所述时序特征对应的环境监测数据,利用所述环境监测数据分别对所述第一原始观测测量信号和所述第二原始观测测量信号进行筛选,得到第一筛选测量信号和第二筛选测量信号;

5、结合所述第一筛选测量信号、所述第二筛选测量信号以及所述参考仪器的参考标校系数,确定所述待标仪器的当前标校系数。

6、优选的,所述采集与所述时序特征对应的环境监测数据,利用所述环境监测数据分别对所述第一原始观测测量信号和所述第二原始观测测量信号进行筛选,得到第一筛选测量信号和第二筛选测量信号,包括:

7、利用观测信号筛选模型对所述环境监测数据和所述第一原始观测测量信号进行处理,得到针对所述第一原始观测测量信号的第一筛选决策特征;

8、利用所述第一筛选决策特征对所述第一原始观测测量信号进行筛选,得到第一筛选测量信号;

9、利用观测信号筛选模型对所述环境监测数据和所述第二原始观测测量信号进行处理,得到针对所述第二原始观测测量信号的第二筛选决策特征;

10、利用所述第二筛选决策特征对所述第二原始观测测量信号进行筛选,得到第二筛选测量信号。

11、优选的,所述利用观测信号筛选模型对所述环境监测数据和所述第一原始观测测量信号进行处理,得到针对所述第一原始观测测量信号的第一筛选决策特征,包括:

12、获取对输入信息二元组进行知识提取所得到的目标输入知识二元组;其中,所述输入信息二元组包括所述环境监测数据和所述第一原始观测测量信号;

13、通过具有双生模型架构的观测信号筛选模型提取所述目标输入知识二元组的环境联动观测信号向量,其中,所述环境联动观测信号向量包括所述双生模型架构中的第一深度学习模型对所述目标输入知识二元组挖掘出的第一环境联动观测信号向量,及所述双生模型架构中的第二深度学习模型对所述目标输入知识二元组挖掘出的第二环境联动观测信号向量,所述第一深度学习模型是用于获取训练知识集中存在稳定信号要素的积极训练知识的环境联动观测信号向量的参考深度学习模型,所述第二深度学习模型是通过基于所述积极训练知识所构造的存在波动信号要素的消极训练知识进行调试;

14、获取所述第一环境联动观测信号向量与所述第二环境联动观测信号向量之间的逆向余弦距离;

15、基于所述逆向余弦距离确定针对所述目标输入知识二元组的输出标签,其中,所述输出标签用于指示所述输入信息二元组所对应的第一筛选决策特征;

16、其中,所述基于所述逆向余弦距离确定针对所述目标输入知识二元组的输出标签包括:在所述逆向余弦距离不大于第一门限值的情况下,确定所述输入信息二元组匹配所述波动信号要素,并确定所述输出标签用于指示波动信号过滤决策处理;在所述逆向余弦距离不小于第二门限值的情况下,确定所述输入信息二元组匹配所述稳定信号要素,并确定所述输出标签用于指示稳定信号强化决策处理;其中,所述第一门限值小于所述第二门限值。

17、优选的,所述通过具有双生模型架构的观测信号筛选模型提取所述目标输入知识二元组的环境联动观测信号向量包括:

18、对所述目标输入知识二元组进行知识向量拆解,得到x个局部输入知识向量组,所述x为大于1的正整数;

19、通过所述观测信号筛选模型对所述x个局部输入知识向量组进行联动信号向量挖掘,得到所述环境联动观测信号向量;

20、其中,所述对所述目标输入知识二元组进行知识向量拆解,得到x个局部输入知识向量组包括如下之一:将所述目标输入知识二元组依据目标拆解规则进行拆解,得到x个具有相同维度的知识向量片段;将x个所述知识向量片段确定为所述x个局部输入知识向量组;从所述目标输入知识二元组中抽取x个核心知识向量片段,其中,所述核心知识向量片段为所述目标输入知识二元组中所述输入信息二元组的核心观测结果所属的知识向量片段;将所述x个核心知识向量片段确定为所述x个局部输入知识向量组;

21、其中,所述通过所述观测信号筛选模型对所述x个局部输入知识向量组进行联动信号向量挖掘,得到所述环境联动观测信号向量包括:将所述x个局部输入知识向量组中的每个局部输入知识向量组依次确定为当前知识向量片段,然后实施如下内容:将所述当前知识向量片段传入所述第一深度学习模型中,得到第一当前局部环境联动观测信号向量,并将所述当前知识向量片段传入所述第二深度学习模型中,得到第二当前局部环境联动观测信号向量,其中,所述第一环境联动观测信号向量中包括所述第一当前局部环境联动观测信号向量,所述第二环境联动观测信号向量中包括所述第二当前局部环境联动观测信号向量。

22、优选的,在所述获取对输入信息二元组进行知识提取所得到的目标输入知识二元组之前,所述方法还包括:

23、获取y个存在所述稳定信号要素的所述积极训练知识和y个存在所述波动信号要素的所述消极训练知识,得到y个训练知识集,其中,所述消极训练知识是对所述积极训练知识进行更新后聚合所得的,y为大于1的自然数;

24、通过所述y个训练知识集调试待优化的所述观测信号筛选模型,直到所述第二深度学习模型的输出结果与所述第一深度学习模型的输出结果之间的一致性判别观点满足训练要求;

25、其中,所述通过所述y个训练知识集调试待优化的所述观测信号筛选模型,直到所述第二深度学习模型的输出结果与所述第一深度学习模型的输出结果之间的一致性判别观点满足训练要求包括:从所述y个训练知识集中获取当前训练知识集,并实施如下处理:将所述当前训练知识集中的当前积极训练知识输入所述第一深度学习模型,并将所述当前训练知识集中的当前消极训练知识输入所述第二深度学习模型;在所述当前消极训练知识输入所述第二深度学习模型后得到的当前局部环境联动观测信号向量消极示例与所述当前积极训练知识输入所述第一深度学习模型后得到的当前局部环境联动观测信号向量积极示例之间的逆向余弦距离小于第三门限值的情况下,获取下一对训练知识集作为所述当前训练知识集;在所述当前消极训练知识输入所述第二深本文档来自技高网...

【技术保护点】

1.一种基于智能仪器的光学标校方法,其特征在于,应用于智能光学标校系统,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述采集与所述时序特征对应的环境监测数据,利用所述环境监测数据分别对所述第一原始观测测量信号和所述第二原始观测测量信号进行筛选,得到第一筛选测量信号和第二筛选测量信号,包括:

3.根据权利要求2所述的方法,其特征在于,所述利用观测信号筛选模型对所述环境监测数据和所述第一原始观测测量信号进行处理,得到针对所述第一原始观测测量信号的第一筛选决策特征,包括:

4.根据权利要求3所述的方法,其特征在于,所述通过具有双生模型架构的观测信号筛选模型提取所述目标输入知识二元组的环境联动观测信号向量包括:

5.根据权利要求3所述的方法,其特征在于,在所述获取对输入信息二元组进行知识提取所得到的目标输入知识二元组之前,所述方法还包括:

6.一种智能光学标校系统,其特征在于,包括:

7.根据权利要求6所述的智能光学标校系统,其特征在于,所述信号筛选模块采集与所述时序特征对应的环境监测数据,利用所述环境监测数据分别对所述第一原始观测测量信号和所述第二原始观测测量信号进行筛选,得到第一筛选测量信号和第二筛选测量信号,包括:

8.根据权利要求7所述的智能光学标校系统,其特征在于,所述信号筛选模块通过具有双生模型架构的观测信号筛选模型提取所述目标输入知识二元组的环境联动观测信号向量包括:

9.根据权利要求7所述的智能光学标校系统,其特征在于,在所述获取对输入信息二元组进行知识提取所得到的目标输入知识二元组之前,所述智能光学标校系统还包括模型训练模块,用于:

10.一种智能光学标校系统,其特征在于,所述智能光学标校系统包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中调取计算机程序,并通过运行所述计算机程序实现权利要求1-5任一项所述的方法。

...

【技术特征摘要】

1.一种基于智能仪器的光学标校方法,其特征在于,应用于智能光学标校系统,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述采集与所述时序特征对应的环境监测数据,利用所述环境监测数据分别对所述第一原始观测测量信号和所述第二原始观测测量信号进行筛选,得到第一筛选测量信号和第二筛选测量信号,包括:

3.根据权利要求2所述的方法,其特征在于,所述利用观测信号筛选模型对所述环境监测数据和所述第一原始观测测量信号进行处理,得到针对所述第一原始观测测量信号的第一筛选决策特征,包括:

4.根据权利要求3所述的方法,其特征在于,所述通过具有双生模型架构的观测信号筛选模型提取所述目标输入知识二元组的环境联动观测信号向量包括:

5.根据权利要求3所述的方法,其特征在于,在所述获取对输入信息二元组进行知识提取所得到的目标输入知识二元组之前,所述方法还包括:

6.一种智能光学标校系统,其...

【专利技术属性】
技术研发人员:车慧正郑宇桂柯李雷赵胡笳梁苑新赵恒恒王鹏夏祥鳌朱君宋京京王玉鹏朱吉彪魏垚
申请(专利权)人:中国气象科学研究院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1