[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

权利要求书

1.一种基于神经网络的激光脉冲波形测量畸变校正方法，其特征在于，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。

2.根据权利要求1所述的基于神经网络的激光脉冲波形测量畸变校正方法，其特征在于，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。

3.根据权利要求2所述的基于神经网络的激光脉冲波形测量畸变校正方法，其特征在于，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。

4.根据权利要求3所述的基于神经网络的激光脉冲波形测量畸变校正方法，其特征在于，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。

5.根据权利要求4所述的基于神经网络的激光脉冲波形测量畸变校正方法，其特征在于，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。

6.根据权利要求5所述的基于神经网络的激光脉冲波形测量畸变校正方法，其特征在于，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。

7.根据权利要求6所述的基于神经网络的激光脉冲波形测量畸变校正方法，其特征在于，所述畸变校正过程为：采集并处理波形数据，将处理后波形输入波形校正神经网络模型，正向计算神经网络，输出波形即为畸变校正后的结果。

8.一种基于神经网络的激光脉冲波形测量畸变校正系统，其特征在于，包括：

数据采集模块，用于通过畸变大和畸变小两套测量系统同时对波形进行测量，获取波形数据；

数据处理模块，用于处理所获取的波形数据，并进一步形成高低精度测量结果成对的训练数据集；

神经网络训练模块，用于利用训练数据集的数据对神经网络进行训练，形成波形校正神经网络模型；

校正模块，用于利用波形校正神经网络模型对所采集的波形数据进行畸变校正。