[发明专利]未知应用环境下光电信号的反馈堆叠滤波方法

权利要求书

1.未知应用环境下光电信号的反馈堆叠滤波方法，其特征在于，包括以下步骤：

采集光电信号，建立光电信号训练集；

建立反堆叠学习算法模型，通过采集的光电信号训练集，对模型进行训练；

将实时采集的光电信号通过反堆叠学习算法模型过滤，得到滤波后的光电信号；

所述通过采集的光电信号建立反堆叠学习算法模型，并进行训练包括以下步骤：

1)选取一个包含m组的光电信号训练集(x_j,t_j)，其中表示采集的光电信号测量值，d表示测量值的维数，表示与x_i相对应的光电信号位移真值，c表示光电信号位移的维数；

2)定义矩阵X代表包含m个输入数据样本即采集的光电信号测量值的矩阵，矩阵T为光电信号位移真值矩阵，即X＝[x₁,x₂,…,x_m]^T，T＝[t₁,t₂,…,t_m]^T，以此进行训练，令X₁＝X；

3)计算隐藏层输出矩阵H_i＝G(W_i1,X_i)，其中，G为隐性函数的表达式，为随机产生隐藏层权重矩阵，L为隐藏层权重矩阵中的权重维数，X_i表示第i此迭代的光电信号测量值X；

4)计算输出权重向量其中，T_i表示第i此迭代的光电信号位移真值T，表示矩阵H的广义逆矩阵；

5)计算初步预测结果

6)利用预测结果与目标真值矩阵的差值作为反馈项更新输入数据；通过下式计算得到X_i+1作为下一层训练的输入：

X_i+1＝σ(X_i+α(O_i-T)W_i2)，

其中，α为反馈因子，表示反馈信号与输出信号之比，为服从正态分布的随机数矩阵，核函数σ(·)为任意激活函数；

7)判断i≤k，k为设定的模型深度，若为是，则返回步骤3)，若为否，则输出一组包含W_i1、和W_i2的模型数据用于后续的预测。

2.根据权利要求1所述的未知应用环境下光电信号的反馈堆叠滤波方法，其特征在于，所述滤波后的光电信号为：

其中，X_k、W_k1、分别表示第k次迭代后的X_i、W_i1、

3.根据权利要求1所述的未知应用环境下光电信号的反馈堆叠滤波方法，其特征在于，所述光电信号训练集包括：位置敏感器件PSD接收到的激光器发射通过被测物面反射的光电信号位移测量值以及与之相对应的激光干涉器接收到的通过固定在被测物面上的干涉仪镜组反射的光电信号位移真值。

4.根据权利要求3所述的未知应用环境下光电信号的反馈堆叠滤波方法，其特征在于，光电信号测量值以及光电信号位移真值具有一一映射关系。

5.根据权利要求1所述的未知应用环境下光电信号的反馈堆叠滤波方法，其特征在于，所述滤波后的光电信号用于解算被测物面位移的真实值。