為解決位置敏感器件（PSD）提取光斑位置信息的不準確性,克服元器件、信號處理電路等帶來的隨機噪聲干擾,本文提出了一種基于極限學習機（ELM）的反饋堆疊模型（FsELM）。該模型使用ELM作為基本訓練塊,以單層預測結果與目標真值的偏差作為依據對輸入數(shù)據進行更新,并進行循環(huán)訓練,形成反饋堆疊的結構,從而實現(xiàn)PSD信號有效信息的深度提取。同時設計進行了基于一維PSD的激光三角位移檢測實驗驗證算法的性能,比較了傳統(tǒng)濾波算法、經典學習算法、ELM及其變體和本文提出的FsELM方法對數(shù)據的處理效果。實驗結果表明:FsELM預測精度明顯優(yōu)于其他處理方法,預測結果均方誤差可達1.4×10^-5,預測精度為0.78%;除ELM等單次訓練結構外,FsELM模型的運算速度比其他處理方法更快。該結果證明了FsELM在應對隨機噪聲干擾的優(yōu)異性能,以及不確定環(huán)境下突出的預測能力。 

【文章來源】：光學精密工程. 2020,28(07)北大核心EICSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

FsELM反饋訓練結構示意圖

FsELM學習算法流程圖

PSD主要由單表面或雙面附有電阻層的一個高阻抗半導體層構成,電阻層兩端放置一對電極,用于輸出位置信號。電阻層上的光敏區(qū)域是一個PN結,通過光電效應產生光電流。圖3為PSD的剖面圖,在N型高阻硅基底上設有P型電阻層,作為光電轉換的活動區(qū)域,且兩端設有一對輸出電極。N型硅基底連接有公共電極。因此,除了表面的P型電阻層外,這與PIN型光電二極管的結構相同。當有光束照射時,PSD上的不同位置就會產生與光強成比例的電荷,該電荷流經電阻層并被輸出電極X1和X2收集為光電流,該光電流與入射位置和每個電極之間的距離成反比。假設PSD中點為原點,入射光位置與輸出電極的光電流之間的關系式為:

【參考文獻】：
期刊論文
[1]基于雙模型的相關濾波跟蹤[J]. 張紅穎,王匯三,胡文博.  光學精密工程. 2019(11)
[2]基于激光測距的機載光電成像系統(tǒng)目標定位[J]. 張赫,喬川,匡海鵬.  光學精密工程. 2019(01)
[3]自適應窗口形狀的中值濾波[J]. 鄒永寧,姚功杰.  光學精密工程. 2018(12)
[4]基于位置敏感探測器的六自由度精密位姿測量系統(tǒng)[J]. 高玉娥,劉偉,呂世猛,張永康,董文博.  光學精密工程. 2018(12)
[5]改進型高壓脈沖軌道電路數(shù)字濾波算法[J]. 楊媛,袁蕾,王慶軍,王佳旭.  信息與控制. 2018(06)
[6]工業(yè)線陣CCD相機系統(tǒng)測試與噪聲評估[J]. 張晨,孫世磊,石文軒,王峰,鄧德祥.  光學精密工程. 2016(10)
[7]基于中位值和小波兩級濾波的氣相色譜分析儀數(shù)據預處理方法[J]. 葉國陽,徐科軍.  電子測量與儀器學報. 2015(11)
[8]基于方向的多閾值自適應中值濾波改進算法[J]. 陳健,鄭紹華,余輪,潘林.  電子測量與儀器學報. 2013(02)
[9]激光三角法綜述[J]. 王曉嘉,高雋,王磊.  儀器儀表學報. 2004(S2)



本文編號：3486702