摘要
本发明公开了一种面向红外光谱探测芯片的可调编码与深度学习重构反演方法,包括:构建目标红外光谱探测器的光谱响应矩阵;将真实光谱曲线和对应不同电压通道下的光电流数据组成训练集;基于所述光谱响应矩阵和深度学习网络框架构建初始模型,所述初始模型包括数据预处理模块,特征提取模块,特征融合模块以及预测模块;利用训练集对初始模型进行训练,以获得用于重建光谱曲线的重建模型;将目标红外光谱探测器所采集到的光电流数据输入至重建模型,以输出光电流数据对应的光谱曲线。本发明还提供了一种可调编码与深度学习重构反演系统。本发明提供的方法能够显著提升红外光谱探测器光谱重构的分辨率和抗噪能力。
技术关键词
光谱探测芯片
光谱探测器
反演方法
光电流
深度学习网络框架
全局特征提取
重构
特征提取模块
编码
局部特征提取
曲线
数据
反演系统
序列特征
多指标
融合特征
矩阵
波长
光谱匹配
系统为您推荐了相关专利信息
参数反演方法
损失函数优化
更新网络参数
网络结构
概率密度函数
数据反演方法
六面体
网格模型
灵敏度矩阵
地形高程数据