1 中国民用航空飞行学院航空工程学院,四川 广汉618307
2 中国科学院国家空间科学中心,北京 100190
鸟击作为影响机场安全的主要事故征候,需要准确、稳定的弱小运动目标检测方法用于机场飞鸟检测。应用光场涨落增强低信噪比的飞鸟运动特征信号,再结合局部高斯混合模型对图像增强区域进行前景分割处理,实现宽视场复杂背景下的机场飞鸟目标检测,并完成不同光照条件的机场飞鸟检测实验。实验结果表明:所提算法较传统算法能有效提高机场条件下的远距离、宽视场、低信噪比弱小目标检测率,且具有较好的光学稳定性。
图像处理 低信噪比 光场涨落 局部高斯混合模型 宽视场 弱小运动目标 激光与光电子学进展
2023, 60(14): 1410002
太原科技大学计算机科学与技术学院, 山西 太原 030024
针对LAMOST DR5 pipeline分类为Unknown的光谱数据对其进行了特征提取和聚类分析。 主要工作如下: (1) 基于影响空间及数据场的特征提取。 首先基于影响空间从低信噪比光谱中提取出大量小集团; 然后计算各小集团内部的场并根据场对光谱排序, 依次访问光谱序列及其小集团内的成员来获得特征谱; (2) 对上述特征谱进行K-means聚类, 并统计了每一类目标所在天区、 观测视宁度、 各波段信噪比、 亮度、 光谱仪/光纤的分布情况。 (3) 低质量光谱聚类结果的理论分析。 通过聚类所有低质量光谱被分为了5大簇: A 光谱信噪比较低或与传统分类模板差异较大, 但通过特征分析可确定其类别(占比2.7%); B 光谱蓝端或红端出现疑似特征线或分子带, 但与线表无法匹配(占比23.6%); C 光谱蓝端信噪比极低, 且该波长区域噪声值较强, 其他波长区域的连续谱和线的特征较弱(占比48.0%); D 红蓝两端拼接问题导致5 700~5 900 Å局部光谱突起明显, 其他波长区域的连续谱和线的特征较弱(占比24.2%); E 存在大量缺省值导致无法确定其类别(占比1.5%)。 实验结果表明, 该方法不仅能够有效提取低信噪比光谱的特征谱, 同时能够通过特征谱的聚类分析揭示低质量光谱的成因, 从而为制定光谱观测计划提供参考, 为低信噪比光谱分析及处理提供方法借鉴。
低信噪比光谱 光谱分解 特征分析 数据场 聚类分析 Low-SNR spectra Spectral decomposition Feature analysis Data field Clustering analysis 光谱学与光谱分析
2022, 42(4): 1186
1 西安邮电大学 电子工程学院,陕西西安702
2 中国科学院 西安精密机械研究所,陕西西安710077
3 水下信息与控制重点实验室,陕西西安710077
针对水下无线光通信(Underwater Optical Wireless Communication,UOWC)系统中由于低信噪比导致的接收光信号被淹没在强噪声中难以检测的问题,提出一种基于自适应随机共振(Adaptive Stochastic Resonance,ASR)的水下弱光信号检测方法。本文通过分析水下弱光信号的特点及随机共振的检测机理,引入二次采样,使随机共振可以适用于任意频率下的光信号检测。分析影响随机共振系统的参数,提出改进蚁群算法与随机共振相结合的检测方法,根据检测性能动态的调整系统参数,使系统达到最优匹配状态,实现自适应随机共振。为验证方法的有效性,搭建了基于雪崩光电二极管(Avalanche Photodiode,APD)的UOWC实验系统,实验结果表明,在信噪比SNR=-4.559 5 dB时,误码率为5×10-4,进一步证明了基于自适应随机共振的水下弱光信号检测可以显著提高UOWC接收机的误码率性能。
水下无线光通信 低信噪比 随机共振 蚁群算法 underwater optical wireless communication low signal-to-noise ratio stochastic resonance ant colony algorithm 光学 精密工程
2022, 30(12): 1383
华南师范大学物理与电信工程学院, 广东 广州 510006
针对可见光定位的信源在空间传输中抗干扰能力差、易失真,且接收信号的信噪比(SNR)会随传输距离的增加而显著降低等问题,设计了一款线性调频(LFM)信号同步检测的时域匹配滤波器。该匹配滤波器的特点是结合了过采样与互相关正交算法,将它应用在LFM信号的可见光定位中,可以有效地提高信号传输的距离。基于现场可编程门阵列器件完成了LFM时域匹配滤波器的逻辑设计与集成。在长距离可见光通信的同步检测实验中,在6 m通信距离内,该匹配滤波器同步检测的正确率超过99%,这为将来采用LFM信号进行可见光定位的应用奠定了基础。
光纤光学 可见光定位 低信噪比 匹配滤波器 现场可编程门阵列 激光与光电子学进展
2020, 57(19): 190602
微型光谱仪在检测高浓度比背景下多种痕量重金属离子浓度时, 光谱吸收信号易受外部环境和内部电路的随机噪声干扰, 多种痕量重金属离子的光谱吸收信号微弱易被噪声所淹没, 严重影响了光谱定量分析结果的准确性和重复性, 需要对光谱吸收信号进行去噪预处理。 然而, 大多数光谱去噪算法的一些关键细节参数的设置不仅需要通过反复的实验进行测试验证, 还取决于研究者的现有经验和待解决对象的特征。 针对这些关键参数对滤波效果影响大、 选择难的问题, 提出了一种基于sigmoid误差约束的改进型LMS自适应去噪算法。 首先对标准LMS算法原理进行了分析, 并结合微型光谱仪的数据干扰情况对标准LMS算法的滤波器结构进行优化改进, 利用sigmoid函数具有误差约束的特性, 对标准LMS算法的误差计算模块进行优化改进, 降低算法对噪声敏感性; 然后针对改进后的最小均方误差损失函数是一个非凸函数, 提出了一种类交叉熵损失函数, 将非凸问题转化为一个凸优化问题, 在利用梯度下降法逐步最小化损失函数时, 保证了局部最优解也是全局最优解, 同时结合Adam算法来自适应地调整学习率因子, 保证了算法具有较快的收敛速度; 最后为了验证改进后的自适应去噪算法具有较强的去噪性能, 通过交叉验证进行实验验证。 对四种金属离子混合溶液的实测光谱吸收信号, 添加不同信噪比的随机噪声后使用该改进的算法进行测试验证, 实验结果表明: 在处理信噪比低的吸收光谱信号过程中, 所提方法相对于标准LMS算法、 SG去噪算法、 小波软阈值算法、 小波硬阈值算法, 信噪比分别提高了9.225%, 19.678%, 7.591%和12.042%; 均方误差分别降低了59.647%, 63.070%, 53.600%和57.793%。 该方法不仅能够有效地抑制强噪声, 还原了光谱信号中的一些重要真实细节特征, 而且也避免了关键细节参数需要依靠主观判断选择的问题, 为分析低信噪比下的光谱信号提供了一种新的解决思路。
微型光谱仪 自适应去噪 低信噪比 类交叉熵 凸优化 Micro-spectrometer Adaptive denoising Low signal-to-noise ratio Similar crossentropy Convex optimization
华中科技大学 人工智能与自动化学院 多谱信息处理技术国家级重点实验室, 湖北 武汉 430074
提出了一种新的解决红外图像小目标检测问题的深度卷积网络, 将对小目标的检测问题转化为对小目标位置分布的分类问题; 检测网络由全卷积网络和分类网络组成, 全卷积网络对红外小目标进行增强和初步筛选, 实现红外图像的背景抑制, 分类网络以原始图像和背景抑制后的图像为输入, 对目标点后续筛选, 网络中引入SEnet(Squeeze-and-Excitation Networks)对特征图进行选择; 实验验证了整个检测网络相对于传统小目标检测算法的优势, 所提出的基于深度卷积神经网络的小目标检测方法对复杂背景下低信噪比且存在运动模糊的小目标具有很好的检测效果.
模式识别与智能系统 红外小目标检测 深度卷积网络 低信噪比 运动模糊 pattern recognition and intelligent systems small Target Detection in infrared images deep Convolutional Networks low signal-to-noise ratio motion blur SEnet SEnet
1 山东大学(威海)机电与信息工程学院, 山东 威海 264209
2 中国科学院光学天文重点实验室, 国家天文台, 北京 100012
特殊恒星是金属丰度异常的恒星, 其中包含的信息对于研究宇宙起源、 太阳系的演变以及生命的演化都有着重要的意义。 因此, 特殊恒星的搜寻是国内外巡天项目中的重要目标。 恒星光谱中包含着恒星的化学成分、 物理性质以及运动状态等丰富的信息, 它是开展恒星研究的重要依据。 恒星的识别、 分类以及特殊恒星的发现主要依据的是恒星光谱数据。 随着LAMOST和SDSS等国内外大规模数字巡天项目的深入展开, 恒星光谱的数据量达到了前所未有的高度, 如此大的数据量为特殊恒星的发现提供了强有力的支撑。 因此如何利用这些数据快速准确地发现特殊、 稀少甚至于未知类型的恒星光谱是天文学研究的重要问题。 数据挖掘是结合模式识别、 机器学习、 统计分析及相关专家背景知识, 从数据中提取出隐含的过去未知的有价值的潜在信息的技术, 其在处理大数据方面有着天然的优势, 越来越多的数据挖掘方法被应用到巡天数据处理及分析之中。 目前针对特殊恒星搜寻的数据挖掘算法主要包含随机森林、 聚类分析以及异常值检测等, 但随着巡天深度的拓展, 观测的目标越来越暗, 进而观测光谱的信噪比也随之变低。 低信噪比光谱中存在着大量的无用信息, 直接利用相关算法对其进行分析处理得到的结果往往存在很大的偏差。 因此, 如何从大量低信噪比恒星光谱巡天数据中有效地搜寻出特殊的恒星光谱, 是当前面临的一个重要问题。 由于低信噪比恒星光谱本身的特点, 对于从中搜寻特殊恒星光谱的工作开展较少。 为了解决此问题, 在仔细研究光谱数据处理方法的基础上, 针对低信噪比巡天数据中特殊恒星光谱的搜寻, 提出了一种以主成分分析(PCA) 和基于密度峰值聚类为基础的方法。 该方法首先选取O, B, A, F, G, K和M各种类型的高信噪比恒星光谱, 进行波长统一和流量插值后, 利用主成分分析得到特征光谱; 然后利用方差贡献率最大的前几个特征光谱对低信噪比的恒星光谱进行重构得到高信噪比的光谱; 最后利用重构之后的高信噪比光谱进行聚类, 聚类分析中得到的离群数据即为所要搜寻的特殊恒星光谱。 在聚类时, 考虑到恒星光谱数据本身的特点, 采用了一种基于密度峰值的聚类方法来进行聚类及离群点的挖掘。 实验表明, 该方法能够在低信噪比的恒星光谱巡天数据中准确地搜寻出数量相对较少的特殊恒星。 同时, 也可应用于诸如LAMOST、 SDSS等各种银河系巡天的光谱数据分析与挖掘中。
银河系巡天 离群数据挖掘 低信噪比光谱 Galaxy survey Outlier data mining Low SNR spectra
1 河北工业大学电子信息工程学院, 天津 300401
2 中国科学院国家天文台, 北京 100012
3 北京师范大学, 北京 100875
目前我国LAMOST光谱巡天已发布超过760万条的天体光谱, 对其中大量的低信噪比光谱的处理一直是业内公认的难题。 针对天体光谱中重复观测的光谱, 提出了一种新的处理方法。 该方法的主要内容为: 对每一组重复观测光谱, 选择其红移值的差距在一定范围内的组别, 然后使用一种基于信噪比加权的最优叠加方法来提高光谱的信噪比。 通过对LAMOST DR4中所有重复观测光谱进行处理, 证明该方法对于提高低信噪比重复观测光谱的信噪比十分有效。 使7 571组恒星光谱的信噪比达到参数测量的标准, 3 357组类星体和星系光谱的信噪比得到提高, 平均提高率为56.38%; 并且获得了43 021个双星候选体。
重复观测光谱 低信噪比 CCD噪声源 双星候选体 Repetitive observation spectrum Low SNR CCD noise sources Candidate for binary star 光谱学与光谱分析
2018, 38(7): 2311