本申請(qǐng)涉及光信號(hào)處理，尤其涉及一種光電探測(cè)器的信號(hào)處理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、目前，在現(xiàn)代安全檢查和工業(yè)檢測(cè)領(lǐng)域，對(duì)危險(xiǎn)品的檢測(cè)需求日益增加，尤其是在機(jī)場(chǎng)、港口、化工廠等關(guān)鍵場(chǎng)所。傳統(tǒng)的檢測(cè)方法，如x射線成像、金屬探測(cè)和化學(xué)分析，雖然在一定程度上滿足了基本的安全需求，但在檢測(cè)微量或隱蔽危險(xiǎn)品方面存在明顯的局限性。特別是對(duì)于一些低濃度、高隱蔽性的危險(xiǎn)物質(zhì)，傳統(tǒng)方法往往難以達(dá)到理想的檢測(cè)精度。

2、近年來(lái)，光電探測(cè)技術(shù)因其高靈敏度和非接觸式檢測(cè)的特點(diǎn)，在危險(xiǎn)品檢測(cè)中展現(xiàn)出巨大的潛力。光電探測(cè)器通過(guò)捕捉物質(zhì)發(fā)出的微弱光信號(hào)，可以實(shí)現(xiàn)對(duì)危險(xiǎn)品的遠(yuǎn)程、快速檢測(cè)。然而，現(xiàn)有的光電探測(cè)技術(shù)在處理弱信號(hào)時(shí)仍面臨諸多挑戰(zhàn)。一方面，環(huán)境噪聲和背景光的干擾嚴(yán)重降低了檢測(cè)信號(hào)的信噪比，導(dǎo)致檢測(cè)精度不高；另一方面，光電探測(cè)器本身的響應(yīng)特性和噪聲水平也限制了其在弱信號(hào)檢測(cè)中的性能。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)?zhí)峁┝艘环N光電探測(cè)器的信號(hào)處理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，用于提高光電探測(cè)器的精度和對(duì)弱信號(hào)的檢測(cè)能力。

2、第一方面，本申請(qǐng)實(shí)施例提供一種光電探測(cè)器的信號(hào)處理方法，該方法包括：

3、分別計(jì)算多個(gè)數(shù)字信號(hào)幀的幅值直方圖，以及根據(jù)每?jī)蓚€(gè)相鄰的所述數(shù)字信號(hào)幀計(jì)算幀間差分，得到初步運(yùn)動(dòng)特征，多個(gè)所述數(shù)字信號(hào)幀為根據(jù)光電探測(cè)器輸出的原始信號(hào)幀進(jìn)行分割得到的；

4、將每個(gè)數(shù)字信號(hào)幀劃分為多個(gè)采樣子區(qū)域，并生成分區(qū)加權(quán)矩陣，根據(jù)所述分區(qū)加權(quán)矩陣對(duì)所述采樣子區(qū)域?qū)?yīng)的所述幅值直方圖進(jìn)行加權(quán)組合，得到分區(qū)加權(quán)幅值序列；

5、對(duì)所述分區(qū)加權(quán)幅值序列進(jìn)行時(shí)間序列分析，得到穩(wěn)定幅值序列，將所述穩(wěn)定幅值序列輸入預(yù)設(shè)的高斯混合模型進(jìn)行核密度估計(jì)，得到幅值概率特征；

6、根據(jù)所述數(shù)字信號(hào)幀中的每個(gè)采樣點(diǎn)及其相鄰采樣點(diǎn)，確定每個(gè)所述采樣點(diǎn)的第一變化特征，根據(jù)所述第一變化特征和幅值概率特征，得到第二變化特征，對(duì)所述第二變化特征進(jìn)行聚類分析，得到第三變化特征；

7、根據(jù)所述第三變化特征和所述分區(qū)加權(quán)幅值序列，確定預(yù)選采樣時(shí)區(qū)；

8、根據(jù)預(yù)設(shè)的高斯分布函數(shù)、所述分區(qū)加權(quán)幅值序列和所述第三變化特征構(gòu)建概率預(yù)測(cè)模型，將所述預(yù)選采樣時(shí)區(qū)輸入所述概率預(yù)測(cè)模型，輸出目標(biāo)采樣時(shí)區(qū)，根據(jù)所述目標(biāo)采樣時(shí)區(qū)輸出信號(hào)檢測(cè)信息。

9、第二方面，本申請(qǐng)實(shí)施例提供一種光電探測(cè)器的信號(hào)處理裝置，該裝置包括：

10、第一計(jì)算模塊，用于分別計(jì)算多個(gè)數(shù)字信號(hào)幀的幅值直方圖，以及根據(jù)每?jī)蓚€(gè)相鄰的所述數(shù)字信號(hào)幀計(jì)算幀間差分，得到初步運(yùn)動(dòng)特征，多個(gè)所述數(shù)字信號(hào)幀為根據(jù)光電探測(cè)器輸出的原始信號(hào)幀進(jìn)行分割得到的；

11、第二計(jì)算模塊，用于將每個(gè)數(shù)字信號(hào)幀劃分為多個(gè)采樣子區(qū)域，并生成分區(qū)加權(quán)矩陣，根據(jù)所述分區(qū)加權(quán)矩陣對(duì)所述采樣子區(qū)域?qū)?yīng)的所述幅值直方圖進(jìn)行加權(quán)組合，得到分區(qū)加權(quán)幅值序列；

12、幅值分析模塊，用于對(duì)所述分區(qū)加權(quán)幅值序列進(jìn)行時(shí)間序列分析，得到穩(wěn)定幅值序列，將所述穩(wěn)定幅值序列輸入預(yù)設(shè)的高斯混合模型進(jìn)行核密度估計(jì)，得到幅值概率特征；

13、變化分析模塊，用于根據(jù)所述數(shù)字信號(hào)幀中的每個(gè)采樣點(diǎn)及其相鄰采樣點(diǎn)，確定每個(gè)所述采樣點(diǎn)的第一變化特征，根據(jù)所述第一變化特征和幅值概率特征，得到第二變化特征，對(duì)所述第二變化特征進(jìn)行聚類分析，得到第三變化特征；

14、時(shí)區(qū)確定模塊，用于根據(jù)所述第三變化特征和所述分區(qū)加權(quán)幅值序列，確定預(yù)選采樣時(shí)區(qū)；

15、結(jié)果輸出模塊，用于根據(jù)預(yù)設(shè)的高斯分布函數(shù)、所述分區(qū)加權(quán)幅值序列和所述第三變化特征構(gòu)建概率預(yù)測(cè)模型，將所述預(yù)選采樣時(shí)區(qū)輸入所述概率預(yù)測(cè)模型，輸出目標(biāo)采樣時(shí)區(qū)，根據(jù)所述目標(biāo)采樣時(shí)區(qū)輸出信號(hào)檢測(cè)信息。

16、第三方面，本申請(qǐng)實(shí)施例提供一種光電探測(cè)模塊，所述光電探測(cè)模塊包括存儲(chǔ)器和處理器；

17、所述存儲(chǔ)器用于存儲(chǔ)計(jì)算機(jī)程序；

18、所述處理器，用于執(zhí)行所述計(jì)算機(jī)程序并在執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如本申請(qǐng)實(shí)施例中任一種所述的光電探測(cè)器的信號(hào)處理方法。

19、第四方面，本申請(qǐng)實(shí)施例提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)使所述處理器實(shí)現(xiàn)如本申請(qǐng)實(shí)施例中任一種所述的光電探測(cè)器的信號(hào)處理方法。

20、本申請(qǐng)實(shí)施例提供光電探測(cè)器的信號(hào)處理方法，該方法包括：分別計(jì)算多個(gè)數(shù)字信號(hào)幀的幅值直方圖，以及根據(jù)每?jī)蓚€(gè)相鄰的數(shù)字信號(hào)幀計(jì)算幀間差分，得到初步運(yùn)動(dòng)特征，多個(gè)數(shù)字信號(hào)幀為根據(jù)光電探測(cè)器輸出的原始信號(hào)幀進(jìn)行分割得到的；將每個(gè)數(shù)字信號(hào)幀劃分為多個(gè)采樣子區(qū)域，并生成分區(qū)加權(quán)矩陣，根據(jù)分區(qū)加權(quán)矩陣對(duì)采樣子區(qū)域?qū)?yīng)的幅值直方圖進(jìn)行加權(quán)組合，得到分區(qū)加權(quán)幅值序列；對(duì)分區(qū)加權(quán)幅值序列進(jìn)行時(shí)間序列分析，得到穩(wěn)定幅值序列，將穩(wěn)定幅值序列輸入預(yù)設(shè)的高斯混合模型進(jìn)行核密度估計(jì)，得到幅值概率特征；根據(jù)數(shù)字信號(hào)幀中的每個(gè)采樣點(diǎn)及其相鄰采樣點(diǎn)，確定每個(gè)采樣點(diǎn)的第一變化特征，根據(jù)第一變化特征和幅值概率特征，得到第二變化特征，對(duì)第二變化特征進(jìn)行聚類分析，得到第三變化特征；根據(jù)第三變化特征和分區(qū)加權(quán)幅值序列，確定預(yù)選采樣時(shí)區(qū)；根據(jù)預(yù)設(shè)的高斯分布函數(shù)、分區(qū)加權(quán)幅值序列和第三變化特征構(gòu)建概率預(yù)測(cè)模型，將預(yù)選采樣時(shí)區(qū)輸入概率預(yù)測(cè)模型，輸出目標(biāo)采樣時(shí)區(qū)，根據(jù)目標(biāo)采樣時(shí)區(qū)輸出信號(hào)檢測(cè)信息。本申請(qǐng)實(shí)施例提供的光電探測(cè)器信號(hào)處理方法通過(guò)多級(jí)信號(hào)處理和特征提取，有效提升了弱信號(hào)檢測(cè)的精度和可靠性，通過(guò)幀間差分和分區(qū)加權(quán)矩陣，增強(qiáng)了運(yùn)動(dòng)特征的檢測(cè)能力，用高斯混合模型和核密度估計(jì)，提高了幅值概率特征的準(zhǔn)確性，通過(guò)聚類分析和概率預(yù)測(cè)模型，實(shí)現(xiàn)了對(duì)目標(biāo)采樣時(shí)區(qū)的精確識(shí)別，顯著提升了檢測(cè)系統(tǒng)的整體性能和抗干擾能力。

技術(shù)特征：

1.一種光電探測(cè)器的信號(hào)處理方法，其特征在于，所述方法包括：

2.如權(quán)利要求1所述的光電探測(cè)器的信號(hào)處理方法，其特征在于，所述分別計(jì)算多個(gè)數(shù)字信號(hào)幀的幅值直方圖，以及根據(jù)每?jī)蓚€(gè)相鄰的所述數(shù)字信號(hào)幀計(jì)算幀間差分，得到初步運(yùn)動(dòng)特征，包括：

3.如權(quán)利要求1所述的光電探測(cè)器的信號(hào)處理方法，其特征在于，所述將每個(gè)數(shù)字信號(hào)幀劃分為多個(gè)采樣子區(qū)域，并生成分區(qū)加權(quán)矩陣，包括：

4.如權(quán)利要求1所述的光電探測(cè)器的信號(hào)處理方法，其特征在于，所述對(duì)所述分區(qū)加權(quán)幅值序列進(jìn)行時(shí)間序列分析，得到穩(wěn)定幅值序列，將所述穩(wěn)定幅值序列輸入預(yù)設(shè)的高斯混合模型進(jìn)行核密度估計(jì)，得到幅值概率特征，包括：

5.如權(quán)利要求1所述的光電探測(cè)器的信號(hào)處理方法，其特征在于，所述根據(jù)所述數(shù)字信號(hào)幀中的每個(gè)采樣點(diǎn)及其相鄰采樣點(diǎn)，確定每個(gè)所述采樣點(diǎn)的第一變化特征，根據(jù)所述第一變化特征和幅值概率特征，得到第二變化特征，對(duì)所述第二變化特征進(jìn)行聚類分析，得到第三變化特征，包括：

6.如權(quán)利要求1所述的光電探測(cè)器的信號(hào)處理方法，其特征在于，所述根據(jù)所述第三變化特征和所述分區(qū)加權(quán)幅值序列，確定預(yù)選采樣時(shí)區(qū)，包括：

7.如權(quán)利要求1所述的光電探測(cè)器的信號(hào)處理方法，其特征在于，所述根據(jù)預(yù)設(shè)的高斯分布函數(shù)、所述分區(qū)加權(quán)幅值序列和所述第三變化特征構(gòu)建概率預(yù)測(cè)模型，將所述預(yù)選采樣時(shí)區(qū)輸入所述概率預(yù)測(cè)模型，輸出目標(biāo)采樣時(shí)區(qū)，包括：

8.一種光電探測(cè)器的信號(hào)處理裝置，其特征在于，所述光電探測(cè)器的信號(hào)處理裝置包括：

9.一種光電探測(cè)模塊，其特征在于，所述光電探測(cè)模塊包括存儲(chǔ)器和處理器；

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)使所述處理器實(shí)現(xiàn)如權(quán)利要求1至7中任一種所述的光電探測(cè)器的信號(hào)處理方法。

技術(shù)總結(jié)
本申請(qǐng)?zhí)峁┝艘环N光電探測(cè)器的信號(hào)處理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，該方法包括：對(duì)原始信號(hào)幀提取幅值直方圖和初步初步運(yùn)動(dòng)特征，根據(jù)分區(qū)加權(quán)矩陣對(duì)幅值直方圖進(jìn)行加權(quán)組合，得到分區(qū)加權(quán)幅值序列，對(duì)分區(qū)加權(quán)幅值序列進(jìn)行時(shí)間序列分析，得到穩(wěn)定幅值序列，將穩(wěn)定幅值序列輸入預(yù)設(shè)的高斯混合模型進(jìn)行核密度估計(jì)，得到幅值概率特征；根據(jù)數(shù)字信號(hào)幀中的每個(gè)采樣點(diǎn)的第一變化特征，根據(jù)第一變化特征、幅值概率特征和聚類分析算法，得到第三變化特征；根據(jù)第三變化特征和分區(qū)加權(quán)幅值序列，確定預(yù)選采樣時(shí)區(qū)；根據(jù)預(yù)設(shè)的高斯分布函數(shù)、分區(qū)加權(quán)幅值序列和第三變化特征構(gòu)建概率預(yù)測(cè)模型，將預(yù)選采樣時(shí)區(qū)輸入概率預(yù)測(cè)模型，輸出信號(hào)檢測(cè)信息。

技術(shù)研發(fā)人員：周其,梁志康,鄒洋,周康
受保護(hù)的技術(shù)使用者：深圳市維度科技股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19