CN103258129B - 准分子激光器干涉条纹的数据处理方法 - Google Patents

Abstract

一种准分子激光器干涉条纹的数据处理方法，该方法将准分子激光利用标准具、透镜等形成的干涉条纹成像到光电二极管阵列上，经数据采集模块送计算机采用总体平均经典模态分解方法进行数据处理。本发明引入噪声辅助信号进行处理，经过多次平均后，噪声相互抵消，重构原始信号，提高了测量的精度和准确度，更有利于后期的精密计算。

Description

准分子激光器干涉条纹的数据处理方法

技术领域

本发明涉及干涉条纹的数据处理领域，提供了一种基于准分子激光器的干涉条纹数据处理方法。

背景技术

以准分子激光为代表的窄线宽激光在工业科研中的应用具有重要意义。在工程实际中，由于测试过程中的噪声污染，使条纹间容易发生混叠，不利于后续其他激光参数的测量。

在现有技术中采用经典模式分解（Empirical ModeDecomposition,EMD）方法，EMD具有良好的保相性，但本身存在模式混叠的缺点。模式混叠是指一个IMF信号中包含差异极大的特征时间尺度，或相近的特征时间尺度分布在不同IMF中，导致相邻的两个IMF波形混叠，相互影响，难以辨别。对于准分子激光器，由于放电、振动等因素往往存在不同形式脉冲干扰和噪声，因此模式混叠限制了EMD在准分子激光系统中的应用。

发明内容

针对上述现有技术的缺陷，本发明提供一种准分子激光器干涉条纹的数据处理方法，该方法有效地降低了信号中的噪声，有效提高了测量的精度和准确度，更有利于后期的精密计算。

本发明的技术解决方案如下：

一种准分子激光器的干涉条纹数据处理方法，其特点在于，该方法包括如下步骤：

1）构建干涉条纹数据处理装置：沿准分子激光器发出的激光方向依次是聚焦透镜、第一熔融石英光纤、光纤耦合器、第二熔融石英光纤、波长精测装置、光电二极管阵列、数据线和计算机，所述的波长精测装置依次由透镜、微透镜阵列、标准具和成像透镜构成，

2）准分子激光器发出的激光经聚焦透镜、第一熔融石英光纤传输到光纤耦合器分束，较弱的光束作为信号光经第二熔融石英光纤输入波长精测装置的输入端，所述的信号光经成像透镜成像在光电二极管阵列上，该光电二极管阵列记录的条纹信息经数据线传递给计算机；

3）计算机将条纹信息显示为时域信号S(t)，并用总体平均经典模态分解方法（Ensemble Empirical Mode Decomposition,以下简称为EEMD）对时域信号S(t)进行下列处理：

①在时域信号S(t)中分别加入N次均值为0，幅值标准差为常数的高斯白噪声n_i(t)，得到S_i(t)：

S_i(t)=S(t)+n_i(t)；

式中，i=1～N；

②将N个S_i(t)分别进行总体平均经典模式分解，得到K个固有模式函数分量C_ij(t)和一个余项r_i(t)：

$S_i\left(t\right)=\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{C}_{\mathrm{ij}}\left(t\right)+r_i\left(t\right);$

式中，C_ij(t)表示第i次加入高斯白噪声后，分解所得到的第j个固有模式函数分量，j＝1～K；

③将以上步骤对应的固有模式函数分量进行总体平均运算，得到总体平均经典模式分解后的固有模式函数分量C_j(t)及余项r(t)：

$C_j\left(t\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{C}_{\mathrm{ij}}\left(t\right);$

$r\left(t\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_i\left(t\right);$

④S(t)可表示为K个固有模式函数分量C_j(t)与一个余项的和：

$S\left(t\right)=\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{C}_j\left(t\right)+r\left(t\right);$

⑤重构信号：由于白噪声是零均值噪声的特性，经过多次平均后，噪声将相互抵消，总体均值的结果就可作为最终结果，r(t)可忽略，重构信号为： $y\left(t\right)=\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{C}_j\left(t\right).$

本发明的技术效果：

本发明从EEMD能有效抑制模式混叠现象的特点出发，使其分解后得到的IMF分量具有真实的物理特性，能准确揭示原始信号的本质。同时，EEMD抗混叠特性和优良的滤波特性更适合于干涉条纹的信号处理，该方法有效地降低了信号中的噪声，能有效提高测量的精度和准确度，更有利于后期的精密计算。

附图说明

图1是一种准分子激光器的干涉条纹数据处理方法流程图；

图2是系统硬件框图；

图3是干涉条纹原始信号波形图；

图4是对原始信号进行EEMD分解后IMF分量波形图；

图5是对原始信号进行EEMD分解后重构的信号波形图；

图6是对原始信号进行EEMD分解后重构的信号波形图；

具体实施方案

下面结合附图对实施例作详细说明。应该强调的是，下述说明仅仅是示例性说明，而不是为了显示本发明的范围及其应用。

下面结合附图给出本发明的实施例：

先请参阅图2，图2是本发明系统硬件框图，本发明系统硬件从准分子激光器起，依次包括聚焦透镜1、第一熔融石英光纤2、光纤耦合器3、第二熔融石英光纤4、波长精测装置5、光电二极管阵列6、数据线7和计算机8，该波长精测装置5依次由透镜9、微透镜阵列10、标准具11和成像透镜12构成，信号光经成像透镜12成像在光电二极管阵列6，该光电二极管阵列6记录的条纹信息经数据线7传递给计算机8进行分析和处理；

光电二极管阵列采用S3903，计算机根据S3903的特性对采样数据进行提取，提取数据长度为1024即1024个像素所对应的电压值。将1024个数据通过计算机显示为时域信号S(t)，如图3，可见信号是不光滑的，叠加了噪声，不利于条纹的分析，对S(t)进行总体平均经典模态分解，步骤如下：

1)在信号S(t)中分别加入N次均值为0，幅值标准差为常数的高斯白噪声n_i(t)得到：

S_i(t)=S(t)+n_i(t)；

式中，i=1～N，N>100,S_i(t)为加入高斯白噪声之后的信号；

2)将S_i(t)分别进行总体平均经典模式分解，得到K个固有模式函数分量和一个余项r_i(t)：

$S_i\left(t\right)=\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{C}_{\mathrm{ij}}\left(t\right)+r_i\left(t\right);$

式中C_ij(t)表示第i次加入高斯白噪声后，分解所得到的第j个固有模式函数分量，j＝1～K；

3)将以上步骤对应的固有模式函数分量进行总体平均运算，得到总体平均经典模式分解后的固有模式函数分量C_j(t)及余项r(t)：

$C_j\left(t\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{C}_{\mathrm{ij}}\left(t\right);$

$r\left(t\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_i\left(t\right);$

式中，C_j（t）表示对原始信号进行总体平均经典模式分解后所得到的第j个固有模式函数分量，

4)S(t)可表示为K个固有模式函数分量与一个余项的和：

$S\left(t\right)=\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{C}_j\left(t\right)+r\left(t\right);$

由于白噪声是零均值噪声的特性，经过多次平均后，噪声将相互抵消，总体均值的结果就可作为最终结果，r(t)可忽略，重构信号为：

$y\left(t\right)=\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{C}_j\left(t\right);$

式中，y(t)为重构信号。

C_j（t）为IMF分量，图4是IMF分量波形。

本发明从EEMD能有效抑制模式混叠现象的特点出发，使其分解后得到的IMF分量具有真实的物理特性，图6是EEMD分解后重构的信号波形，能准确揭示原始信号的本质。图5是EMD分解后重构的信号波形，可以看出，EEMD抗混叠特性和优良的滤波特性更适合于干涉条纹的信号处理，该方法有效地降低了信号中的噪声，能有效提高测量的精度和准确度，更有利于后期的精密计算。

Claims (1)

1.一种准分子激光器的干涉条纹数据处理方法，其特征在于，该方法包括如下步骤：

1)构建干涉条纹数据处理装置：沿准分子激光器发出的激光方向依次是聚焦透镜(1)、第一熔融石英光纤(2)、光纤耦合器(3)、第二熔融石英光纤(4)、波长精测装置(5)、光电二极管阵列(6)、数据线(7)和计算机(8)，所述的波长精测装置(5)依次由透镜(9)、微透镜阵列(10)、标准具(11)和成像透镜(12)构成；

2)准分子激光器发出的激光经聚焦透镜(1)、第一熔融石英光纤(2)传输到光纤耦合器(3)分束，较弱的光束作为信号光经第二熔融石英光纤(4)输入波长精测装置(5)的输入端，所述的信号光经成像透镜(12)成像在光电二极管阵列(6)，该光电二极管阵列(6)记录的条纹信息经数据线(7)传递给计算机(8)；

3)计算机(8)将条纹信息显示为时域信号S(t)，并用总体平均经典模态分解方法对时域信号S(t)进行下列处理：

①在时域信号S(t)中分别加入N次均值为0，幅值标准差为常数的高斯白噪声n_i(t)，得到S_i(t)：

S_i(t)＝S(t)+n_i(t)；

式中，i＝1～N，N>100；

②将N个S_i(t)分别进行总体平均经典模式分解，得到K个固有模式函数分量C_ij(t)和一个余项r_i(t)：

$S_i\left(t\right)=\underset{j=1}{\overset{K}{\Σ}}{C}_{i_j}\left(t\right)+r_i\left(t\right);$

式中，C_ij(t)表示第i次加入高斯白噪声后，采用所述的总体平均经典模式分解所得到的第j个固有模式函数分量，j＝1～K；

③将以上步骤对应的固有模式函数分量进行总体平均经典模式分解，得到固有模式函数分量C_j(t)及余项r(t)：

$C_j\left(t\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{C}_{ij}\left(t\right);$

$r\left(t\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{r}_i\left(t\right);$

④将所述的时域信号S(t)表示为K个固有模式函数分量C_j(t)与一个余项r(t)的和：

$S\left(t\right)=\underset{j=1}{\overset{K}{\Σ}}{C}_j\left(t\right)+r\left(t\right);$

⑤重构信号：将所述的时域信号S(t)忽略r(t)，得到准分子激光器的干涉条纹数据的重构信号为：