融合卷积神经网络和质心法的微波光子滤波器谐振频率获取方法

本发明提供了一种融合卷积神经网络和质心法的微波光子滤波器谐振频率获取方法。通过结合质心法与一维卷积神经网络(1D CNN)，有效解决了传统方法中频谱数据缺乏准确谐振频率真值的问题，提高了传感精度和稳定性。首先，利用质心法从部分已知环境变化条件下的频谱数据中拟合谐振频率，作为神经网络的训练目标值。接着，通过贪心策略优化1D CNN的参数，构建并训练神经网络模型。训练好的模型用于预测新的未标记频谱数据，并通过自标记学习策略优化模型，进一步提高其预测能力。结合干涉仪结构，实现频谱数据的高效处理和准确预测，适用于多种环境变化的实时监测，具备高精度、高稳定性和广泛应用价值。