专利名称：电阻阵列自适应校正方法
技术领域：
本发明涉及一种自适应校正方法，具体涉及电阻阵列自适应校正方法。
背景技术：
作为红外仿真成像系统的核心器件，电阻阵列的非均匀性直接影响系统的成像效果。多年来国内外对提高阵列非均匀性给予了高度重视并积极展开研究工作。目前阵列非均匀性较差、校正工作繁琐复杂、算法硬件实现较为困难等问题尚未解决。这些缺陷都影响到了阵列辐射成像对实际场景的模拟效果。发明内容
本发明为了解决目前阵列非均匀性较差、校正工作繁琐复杂、算法硬件实现较为困难的问题，从而提出了电阻阵列自适应校正方法。
电阻阵列自适应校正方法，它包括下述步骤
步骤一、根据待校正的电阻阵列的结构，以及其理论的输入和输出关系建立神经网络模型，根据已知的理论输入模拟电压Vi, j和理论输出电阻元辐射亮度lumu，对神经网络模型进行训练，获取神经网络模型的隐含层权值、隐含层偏差、输出层权值和输出层偏差，由此拟合出理论电阻元辐射亮度的标准特征响应曲线，其中，i和j均为正整数；
步骤二、根据待校正的电阻阵列的实际输入模拟电压和实际输出电阻元辐射亮度，采用神经网络模型，依据输出电阻元辐射亮度相等的原则，由此得到电阻元理论输入模拟电压与实际输入模拟电压之间对应样本值，获得待校正网络权值与偏差，实现非均匀性校正。
本发明通过训练神经网络模型中权值和偏差，完善网络模型。主要包括网络建模， 应用网络模型获得电阻元特性曲线，根据输出辐射亮度相等的依据，在特征曲线上获得等输出样本点，作为训练标准如入与实际输入电压值的对应样本数据对。应用网络模型训练样本数据对，获得对应曲线关系。完成了自适应校正算法，实现了简化校正过程，并将对应曲线进行线性化，达到了阵列非均匀性强，硬件实现简单的目的。
图I为本发明的方法流程图2为获得待校正网络权值与偏差的方法流程图3为理论电阻元辐射亮度的标准特征响应曲线；
图4为自适应校正算法原理图5为理论输入模拟电压与实际输入模拟电压对应曲线；
图6为隐含层节点数为5的神经网络特征曲线拟合波形；
图7为隐含层节点数为6的神经网络特征曲线拟合波形；
图8为隐含层节点数为7的神经网络特征曲线拟合波形；
图9为隐含层节点数为5的神经网络的误差精度曲线图10为隐含层节点数为6的神经网络的误差精度曲线图11为隐含层节点数为7的神经网络的误差精度曲线图12为神经网络校正前非均匀情况效果图13为神经网络校正后非均匀性情况效果图。
具体实施方式
具体实施方式
一、结合图I具体说明本实施方式，本实施方式所述的电阻阵列自适应校正方法，它包括下述步骤
步骤一、根据待校正的电阻阵列的结构，以及其理论的输入和输出关系建立神经网络模型，根据已知的理论输入模拟电压Vi, j和理论输出电阻元辐射亮度lumu，对神经网络模型进行训练，获取神经网络模型的隐含层权值、隐含层偏差、输出层权值和输出层偏差，由此拟合出理论电阻元辐射亮度的标准特征响应曲线，其中，i和j均为正整数；
步骤二、根据待校正的电阻阵列的实际输入模拟电压Vm和实际输出电阻元辐射亮度/IIWfjf ^采用神经网络模型，依据输出电阻元辐射亮度相等的原则，由此得到电阻元理论输入模拟电压与实际输入模拟电压之间对应样本值，获得待校正网络权值与偏差，实现非均匀性校正。
具体实施方式
二、本实施方式与具体实施方式
一所述的电阻阵列自适应校正方法的区别在于，步骤一所述的神经网络模型的隐含层为单层，该隐含层激活函数(X)为S型激活函数，
./; (A*) = -!-y-C I >I + exp(x)
所述的神经网络模型的输出层激活函数f2(x)为线性函数，
f2 (x) =x (2)
其中，X表示激活函数的输入，即理论输入模拟电压 '」在隐含层中某一神经元经过权值和偏差运算后尚未到达激活函数时的数值。
S型激活函数具有非线性放大增益，对任意输入的增益等于在输入、输出曲线中该输入点处的曲线斜率值。该函数的中间高增益区解决了处理小信号的问题，而在伸向两边的低增益区正好适用于处理大信号。所以利用该函数可以使同一神经网络既能处理小信号，也能处理大信号。根据电阻阵列响应曲线特征情况网络中激活函数A(X)选取为S (log-sigmoid)型激活函数，因为含有一个S型激活函数隐层的神经网络能够逼近任何有理函数。输出层激活函数&00采用简单的线性函数purelin，就可以使得整个网络的输出满足拟合精度要求。
具体实施方式
三、结合图2具体说明本实施方式，本实施方式与具体实施方式
一所述的电阻阵列自适应校正方法的区别在于，步骤二所述获得待校正网络权值与偏差的具体步骤为
步骤二一、设定初始隐含层权值隐含层偏差Id1. 输出层权值W"、输出层偏差 b2、学习速率r、学习的次数I、训练精度要求g和最大训练次数N，根据实际输入模拟电压 %，采用神经网络模型，获取实际输出电阻元辐射亮度并计算该实际输入模拟电压(5的目标函数的值θ&η,其中，q、1、Ν和η均为正整数，r和g均为实数，执行步骤二二 ；
步骤二二、判断上述目标函数的值％)是否小于训练精度要求g，即eun〈g，若是执行步骤二三，若否执行步骤二四；
步骤二三、结束训练，输出此时的网络权值和偏差，画出待修正电阻元辐射亮度的标准特征曲线函数；
步骤二四、则判断训练次数是否小于等于最大训练次数，即I ( N，若是执行步骤二三，若否执行步骤二五；
步骤二五、根据权值和偏差校正方程继续修改当前的权值和偏差，执行步骤二一。
本实施方式中神经网络自适应校正法中确定的网络模型需要应用在特征曲线拟合和非均匀性校正两个环节上，在每一个环节上根据不同的要求设置网络各层的的节点数。
具体实施方式
四、本实施方式与具体实施方式
三所述的电阻阵列自适应校正方法的区别在于，所述的目标函数为理论输出电阻元辐射亮度Iumi, j与实际输出电阻元辐射亮度/ W,:,,的均方差eij,n，
权利要求
1.电阻阵列自适应校正方法，其特征在于，它包括下述步骤 步骤一、根据待校正的电阻阵列的结构，以及其理论的输入和输出关系建立神经网络模型，根据已知的理论输入模拟电压和理论输出电阻元辐射亮度Iumi, j，对神经网络模型进行训练，获取神经网络模型的隐含层权值、隐含层偏差、输出层权值和输出层偏差，由此拟合出理论电阻元辐射亮度的标准特征响应曲线，其中，i和j均为正整数； 步骤二、根据待校正的电阻阵列的实际输入模拟电压\,和实际输出电阻元辐射亮度压采用神经网络模型，依据输出电阻元辐射亮度相等的原则，由此得到电阻元理论输入模拟电压与实际输入模拟电压之间对应样本值，获得待校正网络权值与偏差，实现非均匀性校正。
2.根据权利要求I所述的电阻阵列自适应校正方法，其特征在于，步骤一所述的神经网络模型的隐含层为单层，该隐含层激活函数A(X)为S型激活函数， /；(jf)=——-——Cl) l+ exp(.r) 所述的神经网络模型的输出层激活函数f2(x)为线性函数，f2 (X) =x (2) 其中，X表示激活函数的输入。
3.根据权利要求I所述的电阻阵列自适应校正方法，其特征在于，步骤二所述获得待校正网络权值与偏差的具体步骤为 步骤二一、设定初始隐含层权值Wu、隐含层偏差Id1. q、输出层权值w2. q、输出层偏差b2、学习速率r、学习的次数I、训练精度要求g和最大训练次数N，根据待校正输入模拟电压Vw ,采用神经网络模型，获取待校正的电阻元辐射亮度/Wffp并计算该理论输入模拟电压V: ,的目标函数的值其中，q、1、Ν和η均为正整数，r和g均为实数，执行步骤二二 ； 步骤二二、判断上述目标函数的值eun是否小于训练精度要求g，即eun〈g，若是执行步骤二三，若否执行步骤二四； 步骤二三、结束训练，输出此时的网络权值和偏差，画出待修正电阻元辐射亮度的标准特征曲线函数； 步骤二四、则判断训练次数是否小于等于最大训练次数，即I ( N，若是执行步骤二三，若否执行步骤二五； 步骤二五、根据权值和偏差校正方程继续修改当前的权值和偏差，执行步骤二一。
4.根据权利要求3所述的电阻阵列自适应校正方法，其特征在于，所述的目标函数为理论输出电阻元辐射亮度Iumiij与待校正的电阻元辐射亮度/〃/ ,,的均方差eUn， J .、=Τ7Σ ikmij,n — lumijs f( 3 ) 其中(i，j)为电阻阵列第i行第j列的电阻元；lumM为理论(i，j)电阻元辐射亮度输出的样本值为神经网络训练获得的(i，j)电阻元辐射亮度输出的值；N为各个电阻元理论测量响应的样本点数。
5.根据权利要求3所述的电阻阵列自适应校正方法，其特征在于，步骤二五所述的根据权值和偏差校正方程为w(k+l)=w(k)-gk[Hk+y kI]_1 (4)b(k+l)=b(k)-gk[Hk+ykI]^ (5) 式中Hk V2E(W) |w.w(k) (6) 并且gk= V E(w) w = w(k) (7) 其中，k为正整数，w(k)表示第k-1次迭代的权值；w(k+l)表示第k次迭代的权值；b(k)表示第k-1次迭代的偏差；b(k+l)表示第k次迭代的偏差；I表示单位矩阵；μ k表示第k次迭代定义的学习率；Hk表示第k次迭代海塞矩阵；gk表示第k次迭代梯度，E ( w)表示误差指标函数。
全文摘要
本发明涉及电阻阵列自适应校正方法。本发明为了解决目前阵列非均匀性较差、校正工作繁琐复杂、算法硬件实现较为困难的问题。本发明依据理论电阻阵列的输入和输出关系建立神经网络模型，应用网络模型获得电阻元特性曲线，根据输出辐射亮度相等的依据，在特征曲线上获得等输出样本点，作为训练标准如入与实际输入电压值的对应样本数据对。应用神经网络模型训练样本数据对，获得对应曲线关系。本发明应用于红外探测领域。
文档编号G06N3/06GK102930336SQ20121042059
公开日2013年2月13日 申请日期2012年10月29日 优先权日2012年10月29日
发明者杨春玲, 朱敏, 张传雨 申请人:哈尔滨工业大学