一种基于机器学习的空间外差干涉图相位校正方法

    公开(公告)号:CN118468697A

    公开(公告)日:2024-08-09

    申请号:CN202410537035.2

    申请日:2024-04-30

    Abstract: 本发明提供的是一种基于机器学习的空间外差干涉图相位校正方法,包括以下步骤:步骤S1:仿真光谱以及相位误差曲面,得到神经网络所需的数据集;步骤S2:对原始数据集进行处理得到含误差光谱和无误差光谱,得到神经网络的输入和输出数据集;步骤S3:以循环神经网络(RNN)为主,利用数据集的映射关系来搭建模型;步骤S4:利用搭建好的模型预测无误差光谱,针对两种校正方法,评估其校正效果。本发明可用于校正由于相位误差引起的光谱偏移或失真。通过利用机器学习和循环神经网络模型,该方法能够提高校正的准确性和效率,从而改善光谱数据的质量和可靠性。可广泛用于光学成像、光谱分析和干涉测量等领域。

    一种大气甲烷探测敏感性分析方法

    公开(公告)号:CN118395691A

    公开(公告)日:2024-07-26

    申请号:CN202410482519.1

    申请日:2024-05-15

    Abstract: 本发明提供的是一种大气甲烷探测的敏感性分析方法。其特征是:利用SCIATRAN辐射传输模型计算得到标准大气的甲烷光谱;在确定太阳辐射强度的前提下,控制单一变量,分别改变影响甲烷探测的参数,模拟计算不同参数下的甲烷光谱,构建相应的敏感性参数集;计算不同观测参数下的甲烷辐亮度光谱与标准大气甲烷的平均辐亮度的差值比,绘制各参数的甲烷辐亮度光谱与标准大气甲烷辐亮度光谱的差值曲线,以此得到大气甲烷探测的敏感性分析及最佳探测参数。本发明可用于确定近地面甲烷探测器的参数设置,为探测仪器的参数确定和大气甲烷含量的反演算法优化提供了有效保障。

Patent Agency Ranking