[发明专利]一种基于神经网络的激光脉冲波形测量畸变校正方法及系统

说明书

本发明公开一种基于神经网络的激光脉冲波形测量畸变校正方法及系统，包括训练数据的采集、数据的处理、训练神经网络形成波形校正神经网络模型，训练数据采集阶段使用畸变大和畸变小的两套测量系统同时对波形进行测量，并使用波形匹配方法对两套数据进行匹配，构建训练数据集，对神经网络进行训练，并用于畸变校正。本发明利用算法来对测量所得的波形数据进行畸变校正，算法基于大量数据训练形成的神经网络，本发明无需研究畸变原理，无需添加硬件，鲁棒性强。

技术领域

本发明属于光电测量畸变校正领域，具体地说涉及一种基于神经网络的激光脉冲波形测量畸变校正方法及系统。

背景技术

激光脉冲波形的取样测量如图1所示，主光路脉冲1经过取样反射镜2，大部分能量透过，小部分能量反射形成取样光路脉冲，经过透镜3后聚焦汇入光电管4，经过光电转换变为电信号，经过电缆5传输至示波器6后形成测量波形。其中，光电管，传输电缆和示波器都存在带宽限制，对于脉冲宽度较短或者变化较快的脉冲波形，测量器件的响应受限于其带宽，且跟器件的参数和精度密切相关。

如图2所示为电缆长度不同时对同一波形的测量结果，以2m和7m长电缆为例，如图2可见电缆长度较大时，脉冲的前沿和后沿均出现畸变，其中前沿降低，后沿出现拖尾。但在特定的测量环境下，电缆的长度不可能太短，这就意味着某些畸变不可能消除，而需要校正。传统的畸变校正方法为，研究畸变产生的原理，根据原理在测量系统中加入相应的校正电路进行电信号的校正，但该方法不可调节，只能校正特定的测量系统，且硬件开发和系统改造效率低，适应性差。

因此，现有技术有待于进一步改进和发展。

发明内容

针对现有技术的种种不足，为了解决上述问题，现提出一种基于神经网络的激光脉冲波形测量畸变校正方法及系统。

本发明提供如下技术方案：

一种基于神经网络的激光脉冲波形测量畸变校正方法，其中，训练数据采集阶段使用畸变大和畸变小的两套测量系统同时对波形进行测量，并使用波形匹配方法对两套数据进行匹配，构建训练数据集，对神经网络进行训练，并用于畸变校正。

一种基于神经网络的激光脉冲波形测量畸变校正方法，其中，畸变大测量系统包括反射镜、透镜、光电管、传输电缆、示波器，反射镜、透镜、光电管沿光路依次设置，传输电缆连接光电管与示波器，畸变小测量系统是在畸变大测量系统基础上，在所述反射镜和透镜之间加设半透半反镜，在半透半反镜反射光路方向上依次设置的高精度光电管、高带宽电缆和高精度示波器，所述高带宽电缆连接高精度光电管与高精度示波器。

一种基于神经网络的激光脉冲波形测量畸变校正方法，其中，训练数据采集阶段使用畸变大和畸变小的两套测量系统同时对波形进行测量具体为：激光脉冲主光路经反射镜、透镜后，通过半透半反镜形成两路光束，其一路光束经反射进入高精度光电管，利用高精度示波器进行波形测量，得到高精度测量数据，另一光束经透射进入光电管，利用示波器进行波形测量，得到低精度测量数据，将两套数据同时存储。

一种基于神经网络的激光脉冲波形测量畸变校正方法，其中，改变主光路激光波形，遍历可能出现的所有波形类型，利用两套测量系统完成测量过程，采集足够量波形数据。

一种基于神经网络的激光脉冲波形测量畸变校正方法，其中，对所采集的波形数据进行处理，去除脉冲前后的无信号部分，减去本底，将高精度测量数据和低精度测量数据进行重采样，使得其采样率统一，再进行脉冲边沿对齐，即形成高低精度测量数据成对的训练数据集。

一种基于神经网络的激光脉冲波形测量畸变校正方法，其中，构建卷积神经网络，将构建的训练数据集代入该网络，以训练数据集中低精度测量数据作为输入，以训练数据集中高精度测量数据作为输出，对神经网络进行训练，得到训练完成的波形校正神经网络模型。