-
公开(公告)号:CN114444293A
公开(公告)日:2022-05-06
申请号:CN202210070398.0
申请日:2022-01-21
Applicant: 南京森林警察学院
Abstract: 本发明公开了一种基于迁移学习的类干涉信号解相方法,该方法利用迁移学习的思想,利用仿真数据作为模型的训练集,同时提出一种解相神经网络模型结构,最后训练出神经网络,而该神经网络可以直接用于实际测量中的类干涉信号的解相,进而用于实际测量中的位移重构。本发明利用仿真数据形成数据集,避免了构建模型过程中耗时耗力的数据集准备过程,极大节省了模型的开发周期。本发明标记函数生成过程即适用于模型训练,也适用于解相过程中标记信号的生成。本发明生成出的模型可以匹配类干涉信号,只要信号可以表示为cos(φt)的形式的都可以利用此模型进行解相。
-
公开(公告)号:CN113188452B
公开(公告)日:2021-11-09
申请号:CN202110478058.7
申请日:2021-04-30
Applicant: 南京森林警察学院
IPC: G01B11/02
Abstract: 本发明公开一种基于激光自混合干涉谱映射条纹倍增的位移测量方法,属于激光测量技术领域。本发明的技术方案如下:利用图1光路产生自混合干涉,探测移动目标,从图1中的光电探测器1可以探测到典型的自混合干涉信号;将产生了自混合干涉的激光束入射到F‑P腔中,获取F‑P腔的透射信号,即可获得基于透射谱映射的条纹倍增信号,控制自混合干涉的反馈强度以匹配F‑P腔;利用条纹信号与F‑P透射谱线相似,具有平整,尖锐的特点,通过简单的阈值设定,提取峰值信号,并对峰值信号赋值;最后通过拟合方法进行对上述信号进行处理,从而得到运动目标的位移信号。
-