[发明专利]一种高速光电转换方法

权利要求书

1.一种高速光电转换方法，其特征在于：高速光电转换方法包括：

步骤一，建立至少3个光电转换单元构成的光电转换网络，所有光电转换单元共同连接到融合单元，光电转换单元配置有控制单元，控制单元还与融合单元连接，控制单元与光电转换单元相互交叉连接，任一控制单元可控制任一光电转换单元，任一光电转换单元受控于任一控制单元；

步骤二，选择大于1的偶数个光电转换单元作为实时转换组合，融合单元控制将实时转换组合内的光电转换排序编号，并通过控制单元依序号控制光电转换单元进行光电转换，各控制单元的时钟数据同步，融合单元依次接收实时转换组合内的各光电转换单元的转换数据；

步骤三，融合单元定义光电转换单元的转换态为1，沉寂态为0，将接收的各控制单元的控制数据转换光电转换单元对应的控制序列；

步骤四，融合单元将各光电转换单元的转换数据与融合控制序列取反后的控制序列相乘得到待融合数据，再对各光电转换单元的待融合数据进行加运算后得到光电转换结果，完成光电转换。

2.根据权利要求1所述的高速光电转换方法，其特征在于：步骤二在选择任一实时转换组合后，进行如下步骤：

步骤1，抽取实时转换组合中的光电转换单元、控制单元的状态反映值；运行同种融合权值计算方法分别对光电转换单元、控制单元的状态反映值进行状态融合得到第一融合结果和第二融合结果；

步骤5，运行异种融合权值动态计算方法计算出混合最优权值，对光电转换单元、控制单元的状态反映值进行状态混合得出第三融合结果；

步骤6，在第一融合结果、第二融合结果、第三融合结果均符合预定义结果情况下，控制单元才控制光电转换单元进行光电转换。

3.根据权利要求2所述的高速光电转换方法，其特征在于：同种融合权值计算方法包括：

步骤A，定义光电转换单元为权值待分配对象，或定义控制单元为权值待分配对象，计算权值待分配对象状态反映值每个周期位置的中心点X_b(k)为第b个权值待分配对象的状态表征观测函数：

其中，k为当前观测周期，i为权值待分配对象个数，b为小于i的正整数；

步骤B，计算各权值待分配对象的状态反映值实际测量值与中心点的偏差ΔX_i(k)

其中，X_i(k)为i个权值待分配对象的观测函数；

步骤C，计算各权值待分配对象偏差的和S_i1与偏差平方的和S_i2：

其中，ΔX_i(c)为观测周期中c时刻的偏差，c小于k；

步骤D，计算各权值待分配对象偏差的均值

步骤E，计算各权值待分配对象偏差的标准差δ_i^k：

步骤F，以各权值待分配对象的标准差计算出各权值待分配对象的权值w_i：

步骤G，根据权值w_i，计算融合结果X(k)：

其中，i为权值待分配对象个数。

4.根据权利要求2所述的高速光电转换方法，其特征在于：异种融合权值动态计算方法包括：

步骤a，统一定义光电转换单元和控制单元为权值待动态分配对象，排序编号为1,2,3...n，表征权值待动态分配对象正常的归一真值为X，权值待动态分配对象的实测归一值为X₁，X₂，X₃,...,X_n，定义方差为δ₁，δ₂，δ₃,...,δ_n，权值为w₁，w₂，w₃,...,w_n；

步骤b，依照排序选定3个相邻的权值待动态分配对象，实测归一值分别为对应误差为对应的误差为

步骤c，j计算出互协方差和自协方差，消元后计算出方差为：

步骤d，计算出混合最优权值为：

5.根据权利要求2所述的高速光电转换方法，其特征在于：融合单元在对光电转换单元的转换数据进行加运算前，先进行误差消除预处理；

步骤(1)，将采集时间临近的2个特征样本分别定义为特征样本A和特征样本B变换分解为Z个子样本，每一子样本将分为2个部分，第一部分滤波系数定义为和第二部分滤波系数定义为C/B表示特征样本A或特征样本B，1≤γ≤Z表示第γ次分解，m和n为预定义系数；

步骤(2)，对于第γ次分解的第一部分滤波系数，采用第一融合准则进行融合，遍历特征样本A或特征样本B，计算特征样本A或特征样本B的相关度，得到融合权重，第一融合准则准则为：

确定P×Q的窗口为区域R，计算区域R内每个特征样本的子点在水平方向和垂直方向的梯度幅值G_x[i,j]和G_y[i,j]，计算出梯度值G(i,j)

计算出区域R的中心点的内积能量为E(P(x,y))

为区域内积运算；

计算出特征样本A和特征样本B的相关性为：

假设阈值为a，权重系数w_C和w_D为：

当时，w_D＝0；

时，w_D＝1-w_C；

计算出第一部分融合后特征为R_F(x,y)＝w_C·R_C(x,y)+w_C·R_C(x,y)；

步骤(3)，对于第γ次分解的第二部分系数，采用第二融合准则进行融合，定义P×Q的窗口为区域R；第二融合准则为计算区域能量的最大值E进行融合；

其中w(i,j)为区域中每个相邻点像素的权值；

步骤(4)，采用与步骤a对应的逆变换对步骤b和步骤A的融合结果进行重构，得到归一化样本特征F。