CN113175994B - 星载傅里叶变换红外光谱仪光谱噪声分析方法、系统及介质 - Google Patents
星载傅里叶变换红外光谱仪光谱噪声分析方法、系统及介质 Download PDFInfo
- Publication number
- CN113175994B CN113175994B CN202110327513.3A CN202110327513A CN113175994B CN 113175994 B CN113175994 B CN 113175994B CN 202110327513 A CN202110327513 A CN 202110327513A CN 113175994 B CN113175994 B CN 113175994B
- Authority
- CN
- China
- Prior art keywords
- noise
- matrix
- spectral
- cold air
- spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000003595 spectral effect Effects 0.000 title claims abstract description 117
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 title claims abstract description 26
- 238000004458 analytical method Methods 0.000 title claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims abstract description 101
- 238000001228 spectrum Methods 0.000 claims abstract description 80
- 230000002596 correlated effect Effects 0.000 claims abstract description 37
- 238000006243 chemical reaction Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 18
- 230000000875 corresponding effect Effects 0.000 claims abstract description 17
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 16
- 238000010606 normalization Methods 0.000 claims abstract description 6
- 230000005855 radiation Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000036760 body temperature Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 230000017105 transposition Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract 1
- 101100113998 Mus musculus Cnbd2 gene Proteins 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000005457 Black-body radiation Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/45—Interferometric spectrometry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明提供了一种星载傅里叶变换红外光谱仪光谱噪声分析方法、系统及介质,包括:获取冷空同一温度下的黑体或均匀场景的多组干涉图数据,通过快速傅里叶变换计算对应的光谱数字量;根据光谱数字量‑光谱辐亮度转换系数计算冷空同一温度下的黑体或均匀场景的多组辐亮度并归一化;构造归一化噪声矩阵并计算其协方差矩阵;对协方差矩阵进行奇异值分解,排列得到特征值矩阵与特征向量矩阵;按贡献量大小排序,取贡献量总和大于99.9%的特征值计算主成分矩阵,主成分矩阵的每一行对应一次观测归一化相关噪声谱;最后计算随机噪声与相关噪声占比。本发明方法合理、实施简易,可应用于一般星载傅里叶变换红外光谱仪发射前及在轨工作状态评价。
Description
技术领域
本发明涉及遥感数据分析技术领域,具体地,涉及一种星载傅里叶变换红外光谱仪光谱噪声分析方法、系统及介质。
背景技术
傅里叶变换红外光谱仪具有高光量、多通道、易实现高光谱分辨率等特点,故而可用于精细谱探测与分析,星载傅里叶变换红外光谱仪可用于测量大气在不同光谱通道的辐射值,通过大气中不同高度特定气体光谱吸收带与大气辐射的相互作用关系,借助权重函数分布参数和辐射传输方程,估算大气的温湿度廓线分布,定量反演得到大气温、湿度的三维分布。
噪声水平是评价星载傅里叶变换红外光谱仪性能的重要指标之一,一般采用噪声等效辐亮度或噪声等效温差等灵敏度指标来衡量仪器噪声水平。星载傅里叶变换红外光谱仪噪声可以分为两部分,一部分为随机噪声,主要来源于电路随机噪声、探测器随机噪声等,另一部分为相关噪声,主要来源于探测过程中的非理想因素(如动镜速度变化、动镜倾斜等)。在仪器研制中,除了确保仪器灵敏度指标达到要求外,还需要尽量使噪声中相关噪声占比尽量小,即抑制相关噪声的产生。为了衡量相关噪声与随机噪声的占比,需要对星载傅里叶变换红外光谱仪的光谱噪声进行分析。文献(Vladimir Zavyalov,Preflightassessment of the cross-track infrared sounder(CrIS)performance,2011)中给出了一种针对美国极轨气象卫星JPSS上装载的傅里叶变换光谱仪——垂轨红外探测仪CrIS进行噪声分析的方法,CrIS采用了星上预处理进行数据压缩,下传地面的数据与常规干涉图数据不同,故而不能够完全适用于一般星载傅里叶变换红外光谱仪的光谱噪声分析。
专利文献CN109141636A(申请号:201811052773.9)公开了一种傅里叶式红外光谱仪等效噪声辐亮度(NESR)测量方法,属于红外光谱领域,包括以下步骤:第一步,将黑体分别设置为高于环境温度和低于环境温度;第二步,采集黑体光谱数据;第三步,利用黑体数据计算辐射定标参数;第四步,采集环境温度下的黑体光谱数据进行辐射定标;第五步,根据黑体辐射亮度数据计算NESR的值。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种星载傅里叶变换红外光谱仪光谱噪声分析方法、系统及介质。
根据本发明提供的星载傅里叶变换红外光谱仪光谱噪声分析方法,包括:
步骤1:获取冷空同一温度下的黑体或均匀场景的多组干涉图数据,通过快速傅里叶变换计算对应的光谱数字量;
步骤2:根据光谱数字量,获取光谱辐亮度转换系数;
步骤3:计算冷空同一温度下的黑体或均匀场景的多组辐亮度并归一化;
步骤4:构造归一化噪声矩阵并计算其协方差矩阵;
步骤5:对协方差矩阵进行奇异值分解,并按照特征值由大到小排列,得到特征值矩阵与特征向量矩阵;
步骤6:按照每一特征值对应的贡献量大小排序,取贡献量总和大于99.9%的特征值计算主成分矩阵,主成分矩阵的每一行对应一次观测归一化相关噪声谱;
步骤7:计算随机噪声与相关噪声占比。
优选的,所述步骤2包括:
步骤2.1:对黑体每一温度点的多组数据,分别进行快速傅里叶变换运算后,计算光谱平均值,得到黑体的平均复数光谱数字量;
步骤2.2:对冷空观测下的多组数据,分别进行快速傅里叶变换运算后,计算光谱平均值,得到冷空的平均复数光谱数字量;
步骤2.3:根据黑体发射率和黑体温度值,利用普朗克公式计算黑体的光谱辐亮度;
步骤2.4:将冷空看作为温度4K黑体,利用普朗克公式计算冷空的光谱辐亮度;
步骤2.5:对星载傅里叶变换光谱仪的每一光谱通道,基于黑体和冷空的平均复数光谱数字量与光谱辐亮度,实施复数多项式拟合,得到光谱数字量与光谱辐亮度的转换系数。
其中,δ为总的噪声等效辐亮度,δran为随机噪声等效辐亮度,m为干涉图组数,Ni为归一化的总噪声谱,Wi为归一化的相关噪声谱,i=1,2,……m。
其中,δ为总的噪声等效辐亮度,δcor为相关噪声等效辐亮度,m为干涉图组数,Ni为归一化的总噪声谱,Wi为归一化的相关噪声谱,i=1,2,……m。
根据本发明提供的星载傅里叶变换红外光谱仪光谱噪声分析系统,包括:
模块M1:获取冷空同一温度下的黑体或均匀场景的多组干涉图数据,通过快速傅里叶变换计算对应的光谱数字量;
模块M2:根据光谱数字量,获取光谱辐亮度转换系数;
模块M3:计算冷空同一温度下的黑体或均匀场景的多组辐亮度并归一化;
模块M4:构造归一化噪声矩阵并计算其协方差矩阵;
模块M5:对协方差矩阵进行奇异值分解,并按照特征值由大到小排列,得到特征值矩阵与特征向量矩阵;
模块M6:按照每一特征值对应的贡献量大小排序,取贡献量总和大于99.9%的特征值计算主成分矩阵,主成分矩阵的每一行对应一次观测归一化相关噪声谱;
模块M7:计算随机噪声与相关噪声占比。
优选的,所述模块M2包括:
模块M2.1:对黑体每一温度点的多组数据,分别进行快速傅里叶变换运算后,计算光谱平均值,得到黑体的平均复数光谱数字量;
模块M2.2:对冷空观测下的多组数据,分别进行快速傅里叶变换运算后,计算光谱平均值,得到冷空的平均复数光谱数字量;
模块M2.3:根据黑体发射率和黑体温度值,利用普朗克公式计算黑体的光谱辐亮度;
模块M2.4:将冷空看作为温度4K黑体,利用普朗克公式计算冷空的光谱辐亮度;
模块M2.5:对星载傅里叶变换光谱仪的每一光谱通道,基于黑体和冷空的平均复数光谱数字量与光谱辐亮度,实施复数多项式拟合,得到光谱数字量与光谱辐亮度的转换系数。
其中,δ为总的噪声等效辐亮度,δran为随机噪声等效辐亮度,m为干涉图组数,Ni为归一化的总噪声谱,Wi为归一化的相关噪声谱,i=1,2,……m。
其中,δ为总的噪声等效辐亮度,δcor为相关噪声等效辐亮度,m为干涉图组数,Ni为归一化的总噪声谱,Wi为归一化的相关噪声谱,i=1,2,……m。
根据本发明提供的存储有计算机程序的计算机可读存储介质,所述计算机程序被处理器执行时实现上述的方法的步骤。
与现有技术相比,本发明具有如下的有益效果:
1、本发明中的噪声分析方法,从直接获取的干涉图数据出发,进行对星载傅里叶变换红外光谱仪的光谱噪声中相关噪声与随机噪声占比的分析,可以用于识别仪器探测过程中的动镜速度变化、动镜倾斜等非理想因素的影响情况;
2、本发明方法合理、实施简易,能够应用于一般星载傅里叶变换红外光谱仪,应用前景广泛。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明方法流程图;
图2为多组观测+7℃恒温黑体的噪声等效辐亮度图;
图3为基于多组恒温黑体观测数据分析得到的随机噪声和相关噪声占比结果图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例:
本发明的目的在于提供一种适用于星载傅里叶变换红外光谱仪光谱噪声分析方法,从原始干涉图数据出发,分析光谱相关噪声与随机噪声占比。
如图1,对本发明的理论分析基础简介如下:
星载傅里叶变换红外光谱仪在轨可能观测的目标包括:冷空观测、内黑体观测、一般对地观测(即大气辐射观测),由于分析噪声需要对同一观测目标进行多次测量,故而需要多次观测冷空/同一温度下的内黑体/均匀场景的多组干涉图数据。若同一目标观测干涉图数据共m组,记为I1,I2,……Im。
通过傅里叶变换的快速算法FFT运算可以计算得到m组干涉图数据分别对应的光谱
数字量:S1,S2,……Sm,Si=FFT(Ii)…………(1)
由于星载傅里叶变换光谱仪直接获得的干涉图信号难以满足理想的偶对称性,故而通过公式(1)直接得到的光谱数字量为复数,将复数光谱数字转化为有物理意义的光谱辐亮度需要用到转换系数。
转换系数可以通过对冷空和可变温黑体(且温度、发射率已知)的观测值进行推导,若可变温黑体温度点由低到高设置为T1,T2,……Tt,冷空可近似为4K黑体,即冷空温度点T0=4K。对每一黑体温度点及冷空观测下的多组数据,分别先进行FFT运算后,计算光谱平均值,得到冷空和可变温黑体的平均光谱数字量,记为L(T0),L(T1),……L(Tt),同样均为复数值。
由于冷空和可变温黑体的温度、发射率已知,故而可以根据普朗克公式计算冷空和可变温黑体的光谱辐亮度,记为B(T0),B(T1),……B(Tt)。对星载傅里叶变换光谱仪的每一光谱通道,分别实施复数光谱数字量与光谱辐亮度的多项式拟合,得到光谱数字量与光谱辐亮度的转换系数。
利用得到的转换系数,将冷空/内黑体/大气辐射观测的多组复数光谱数字量转化为多组光谱辐亮度值,记为R1,R2,……Rm。
为分析相关噪声与随机噪声的占比,将冷空/内黑体/大气辐射观测的多组光谱辐亮度值进行归一化,得到m组归一化的总噪声谱Ni,(i=1,2,……m)
归一化噪声谱利用主成分分析可以得到主成分,主成分对应各个通道间的关联部分,由总噪声谱中滤去关联部分剩下的成分即为随机噪声。为提取主成分,将m组归一化的总噪声谱Ni构造归一化噪声矩阵A,即:
归一化噪声矩阵A的行数为m,列数为光谱通道数。其协方差矩阵为C,
其中,矩阵AT为矩阵A的转置,×表示矩阵叉乘,协方差矩阵C的行数与列数均为光谱通道数。对协方差矩阵C进行奇异值分解,并按照特征值由大到小排列,得到特征值矩阵Λ(对角矩阵,且特征值按由大到小排列)与特征向量矩阵U,即:
C=U×Λ×UT…………(6)
按照每一特征值对应的贡献量大小排序,取贡献量总和大于99.9%的前p个特征值计算主成分,主成分矩阵P为:
P=A×V×VT…………(7)
其中,矩阵V为特征向量矩阵U的前p列,VT为矩阵V的转置,主成分矩阵P与矩阵A行数、列数相同。
主成分矩阵的每一行都对应一个归一化相关噪声谱Wi,将归一化相关噪声还原到辐亮度单位下,滤去随机噪声的入射辐射光谱辐照度即为:
其中,归一化相关噪声谱Wi为公式(7)中主成分矩阵P的行向量,即:
图2、图3为应用本发明方法对一台星载傅里叶变换红外光谱仪进行光谱噪声分析的结果,图2为多组观测+7℃恒温黑体的噪声等效辐亮度,该案例中m=200,图3为基于多组恒温黑体观测数据分析得到的随机噪声和相关噪声占比结果。由分析结果可以发现,该傅里叶变换红外光谱仪噪声中相关噪声占主导成分。
根据本发明提供的星载傅里叶变换红外光谱仪光谱噪声分析系统,包括:
模块M1:获取冷空同一温度下的黑体或均匀场景的多组干涉图数据,通过快速傅里叶变换计算对应的光谱数字量;
模块M2:根据光谱数字量,获取光谱辐亮度转换系数;
模块M3:计算冷空同一温度下的黑体或均匀场景的多组辐亮度并归一化;
模块M4:构造归一化噪声矩阵并计算其协方差矩阵;
模块M5:对协方差矩阵进行奇异值分解,并按照特征值由大到小排列,得到特征值矩阵与特征向量矩阵;
模块M6:按照每一特征值对应的贡献量大小排序,取贡献量总和大于99.9%的特征值计算主成分矩阵,主成分矩阵的每一行对应一次观测归一化相关噪声谱;
模块M7:计算随机噪声与相关噪声占比。
优选的,所述模块M2包括:
模块M2.1:对黑体每一温度点的多组数据,分别进行快速傅里叶变换运算后,计算光谱平均值,得到黑体的平均复数光谱数字量;
模块M2.2:对冷空观测下的多组数据,分别进行快速傅里叶变换运算后,计算光谱平均值,得到冷空的平均复数光谱数字量;
模块M2.3:根据黑体发射率和黑体温度值,利用普朗克公式计算黑体的光谱辐亮度;
模块M2.4:将冷空看作为温度4K黑体,利用普朗克公式计算冷空的光谱辐亮度;
模块M2.5:对星载傅里叶变换光谱仪的每一光谱通道,基于黑体和冷空的平均复数光谱数字量与光谱辐亮度,实施复数多项式拟合,得到光谱数字量与光谱辐亮度的转换系数。
其中,δ为总的噪声等效辐亮度,δran为随机噪声等效辐亮度,m为干涉图组数,Ni为归一化的总噪声谱,Wi为归一化的相关噪声谱,i=1,2,……m。
其中,δ为总的噪声等效辐亮度,δcor为相关噪声等效辐亮度,m为干涉图组数,Ni为归一化的总噪声谱,Wi为归一化的相关噪声谱,i=1,2,……m。
根据本发明提供的存储有计算机程序的计算机可读存储介质,所述计算机程序被处理器执行时实现上述的方法的步骤。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (3)
1.一种星载傅里叶变换红外光谱仪光谱噪声分析方法,其特征在于,包括:
步骤1:获取冷空同一温度下的黑体或均匀场景的多组干涉图数据,通过快速傅里叶变换计算对应的光谱数字量;
步骤2:根据光谱数字量,获取光谱辐亮度转换系数;
步骤3:计算冷空同一温度下的黑体或均匀场景的多组辐亮度并归一化;
步骤4:构造归一化噪声矩阵并计算其协方差矩阵;
步骤5:对协方差矩阵进行奇异值分解,并按照特征值由大到小排列,得到特征值矩阵与特征向量矩阵;
步骤6:按照每一特征值对应的贡献量大小排序,取贡献量总和大于99.9%的特征值计算主成分矩阵,主成分矩阵的每一行对应一次观测归一化相关噪声谱;
步骤7:计算随机噪声与相关噪声占比;
所述步骤2包括:
步骤2.1:对黑体每一温度点的多组数据,分别进行快速傅里叶变换运算后,计算光谱平均值,得到黑体的平均复数光谱数字量;
步骤2.2:对冷空观测下的多组数据,分别进行快速傅里叶变换运算后,计算光谱平均值,得到冷空的平均复数光谱数字量;
步骤2.3:根据黑体发射率和黑体温度值,利用普朗克公式计算黑体的光谱辐亮度;
步骤2.4:将冷空看作为温度4K黑体,利用普朗克公式计算冷空的光谱辐亮度;
步骤2.5:对星载傅里叶变换光谱仪的每一光谱通道,基于黑体和冷空的平均复数光谱数字量与光谱辐亮度,实施复数多项式拟合,得到光谱数字量与光谱辐亮度的转换系数;
星载傅里叶变换红外光谱仪在轨观测的目标包括:冷空观测、内黑体观测、大气辐射观测,由于分析噪声需要对同一观测目标进行多次测量,故而需要多次观测冷空/同一温度下的内黑体/均匀场景的多组干涉图数据,若同一目标观测干涉图数据共m组,记为I1,I2,……Im;
通过傅里叶变换的快速算法FFT运算计算得到m组干涉图数据分别对应的光谱数字量:S1,S2,……Sm,Si=FFT(Ii)…………(1);
由于星载傅里叶变换光谱仪直接获得的干涉图信号难以满足理想的偶对称性,故而通过公式(1)直接得到的光谱数字量为复数,将复数光谱数字转化为有物理意义的光谱辐亮度需要用到转换系数;
转换系数通过对冷空和可变温黑体的观测值进行推导,若可变温黑体温度点由低到高设置为T1,T2,……Tt,冷空为4K黑体,即冷空温度点T0=4K;对每一黑体温度点及冷空观测下的多组数据,分别先进行FFT运算后,计算光谱平均值,得到冷空和可变温黑体的平均光谱数字量,记为L(T0),L(T1),……L(Tt),同样均为复数值;
由于冷空和可变温黑体的温度、发射率已知,故而可以根据普朗克公式计算冷空和可变温黑体的光谱辐亮度,记为B(T0),B(T1),……B(Tt);对星载傅里叶变换光谱仪的每一光谱通道,分别实施复数光谱数字量与光谱辐亮度的多项式拟合,得到光谱数字量与光谱辐亮度的转换系数;
利用得到的转换系数,将冷空/内黑体/大气辐射观测的多组复数光谱数字量转化为多组光谱辐亮度值,记为R1,R2,……Rm;
为分析相关噪声与随机噪声的占比,将冷空/内黑体/大气辐射观测的多组光谱辐亮度值进行归一化,得到m组归一化的总噪声谱Ni,i=1,2,……m;
归一化噪声谱利用主成分分析得到主成分,主成分对应各个通道间的关联部分,由总噪声谱中滤去关联部分剩下的成分即为随机噪声,为提取主成分,将m组归一化的总噪声谱Ni构造归一化噪声矩阵A,即:
归一化噪声矩阵A的行数为m,列数为光谱通道数,其协方差矩阵为C:
其中,矩阵AT为矩阵A的转置,×表示矩阵叉乘,协方差矩阵C的行数与列数均为光谱通道数,对协方差矩阵C进行奇异值分解,并按照特征值由大到小排列,得到特征值矩阵Λ与特征向量矩阵U,即:
C=U×Λ×UT…………(6)
按照每一特征值对应的贡献量大小排序,取贡献量总和大于99.9%的前p个特征值计算主成分,主成分矩阵P为:
P=A×V×VT…………(7)
其中,矩阵V为特征向量矩阵U的前p列,VT为矩阵V的转置,主成分矩阵P与矩阵A行数、列数相同;
主成分矩阵的每一行都对应一个归一化相关噪声谱Wi,将归一化相关噪声还原到辐亮度单位下,滤去随机噪声的入射辐射光谱辐照度即为:
其中,δ为总的噪声等效辐亮度,δran为随机噪声等效辐亮度,m为干涉图组数,Ni为归一化的总噪声谱,Wi为归一化的相关噪声谱,i=1,2,……m;
其中,δ为总的噪声等效辐亮度,δcor为相关噪声等效辐亮度,m为干涉图组数,Ni为归一化的总噪声谱,Wi为归一化的相关噪声谱,i=1,2,……m。
2.一种星载傅里叶变换红外光谱仪光谱噪声分析系统,其特征在于,包括:
模块M1:获取冷空同一温度下的黑体或均匀场景的多组干涉图数据,通过快速傅里叶变换计算对应的光谱数字量;
模块M2:根据光谱数字量,获取光谱辐亮度转换系数;
模块M3:计算冷空同一温度下的黑体或均匀场景的多组辐亮度并归一化;
模块M4:构造归一化噪声矩阵并计算其协方差矩阵;
模块M5:对协方差矩阵进行奇异值分解,并按照特征值由大到小排列,得到特征值矩阵与特征向量矩阵;
模块M6:按照每一特征值对应的贡献量大小排序,取贡献量总和大于99.9%的特征值计算主成分矩阵,主成分矩阵的每一行对应一次观测归一化相关噪声谱;
模块M7:计算随机噪声与相关噪声占比;
所述模块M2包括:
模块M2.1:对黑体每一温度点的多组数据,分别进行快速傅里叶变换运算后,计算光谱平均值,得到黑体的平均复数光谱数字量;
模块M2.2:对冷空观测下的多组数据,分别进行快速傅里叶变换运算后,计算光谱平均值,得到冷空的平均复数光谱数字量;
模块M2.3:根据黑体发射率和黑体温度值,利用普朗克公式计算黑体的光谱辐亮度;
模块M2.4:将冷空看作为温度4K黑体,利用普朗克公式计算冷空的光谱辐亮度;
模块M2.5:对星载傅里叶变换光谱仪的每一光谱通道,基于黑体和冷空的平均复数光谱数字量与光谱辐亮度,实施复数多项式拟合,得到光谱数字量与光谱辐亮度的转换系数;
星载傅里叶变换红外光谱仪在轨观测的目标包括:冷空观测、内黑体观测、大气辐射观测,由于分析噪声需要对同一观测目标进行多次测量,故而需要多次观测冷空/同一温度下的内黑体/均匀场景的多组干涉图数据,若同一目标观测干涉图数据共m组,记为I1,I2,……Im;
通过傅里叶变换的快速算法FFT运算计算得到m组干涉图数据分别对应的光谱数字量:S1,S2,……Sm,Si=FFT(Ii)…………(1);
由于星载傅里叶变换光谱仪直接获得的干涉图信号难以满足理想的偶对称性,故而通过公式(1)直接得到的光谱数字量为复数,将复数光谱数字转化为有物理意义的光谱辐亮度需要用到转换系数;
转换系数通过对冷空和可变温黑体的观测值进行推导,若可变温黑体温度点由低到高设置为T1,T2,……Tt,冷空为4K黑体,即冷空温度点T0=4K;对每一黑体温度点及冷空观测下的多组数据,分别先进行FFT运算后,计算光谱平均值,得到冷空和可变温黑体的平均光谱数字量,记为L(T0),L(T1),……L(Tt),同样均为复数值;
由于冷空和可变温黑体的温度、发射率已知,故而可以根据普朗克公式计算冷空和可变温黑体的光谱辐亮度,记为B(T0),B(T1),……B(Tt);对星载傅里叶变换光谱仪的每一光谱通道,分别实施复数光谱数字量与光谱辐亮度的多项式拟合,得到光谱数字量与光谱辐亮度的转换系数;
利用得到的转换系数,将冷空/内黑体/大气辐射观测的多组复数光谱数字量转化为多组光谱辐亮度值,记为R1,R2,……Rm;
为分析相关噪声与随机噪声的占比,将冷空/内黑体/大气辐射观测的多组光谱辐亮度值进行归一化,得到m组归一化的总噪声谱Ni,i=1,2,……m;
归一化噪声谱利用主成分分析得到主成分,主成分对应各个通道间的关联部分,由总噪声谱中滤去关联部分剩下的成分即为随机噪声,为提取主成分,将m组归一化的总噪声谱Ni构造归一化噪声矩阵A,即:
归一化噪声矩阵A的行数为m,列数为光谱通道数,其协方差矩阵为C:
其中,矩阵AT为矩阵A的转置,×表示矩阵叉乘,协方差矩阵C的行数与列数均为光谱通道数,对协方差矩阵C进行奇异值分解,并按照特征值由大到小排列,得到特征值矩阵Λ与特征向量矩阵U,即:
C=U×Λ×UT…………(6)
按照每一特征值对应的贡献量大小排序,取贡献量总和大于99.9%的前p个特征值计算主成分,主成分矩阵P为:
P=A×V×VT…………(7)
其中,矩阵V为特征向量矩阵U的前p列,VT为矩阵V的转置,主成分矩阵P与矩阵A行数、列数相同;
主成分矩阵的每一行都对应一个归一化相关噪声谱Wi,将归一化相关噪声还原到辐亮度单位下,滤去随机噪声的入射辐射光谱辐照度即为:
其中,δ为总的噪声等效辐亮度,δran为随机噪声等效辐亮度,m为干涉图组数,Ni为归一化的总噪声谱,Wi为归一化的相关噪声谱,i=1,2,……m;
其中,δ为总的噪声等效辐亮度,δcor为相关噪声等效辐亮度,m为干涉图组数,Ni为归一化的总噪声谱,Wi为归一化的相关噪声谱,i=1,2,……m。
3.一种存储有计算机程序的计算机可读存储介质,其特征在于,所述计算机程序被处理器执行时实现权利要求1所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110327513.3A CN113175994B (zh) | 2021-03-26 | 2021-03-26 | 星载傅里叶变换红外光谱仪光谱噪声分析方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110327513.3A CN113175994B (zh) | 2021-03-26 | 2021-03-26 | 星载傅里叶变换红外光谱仪光谱噪声分析方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113175994A CN113175994A (zh) | 2021-07-27 |
CN113175994B true CN113175994B (zh) | 2023-04-07 |
Family
ID=76922400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110327513.3A Active CN113175994B (zh) | 2021-03-26 | 2021-03-26 | 星载傅里叶变换红外光谱仪光谱噪声分析方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113175994B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5612784A (en) * | 1996-01-04 | 1997-03-18 | Bio-Rad Laboratories, Inc. | Digital signal processing technique for a FT-IR spectrometer using multiple modulations |
CN107610055A (zh) * | 2017-07-28 | 2018-01-19 | 上海卫星工程研究所 | 傅里叶变换光谱仪干涉图噪声检测及抑制方法 |
CN108827473A (zh) * | 2018-06-25 | 2018-11-16 | 上海卫星工程研究所 | 傅里叶变换红外光谱仪复数辐射定标处理方法 |
CN109141636A (zh) * | 2018-09-10 | 2019-01-04 | 湖北久之洋红外系统股份有限公司 | 一种傅里叶式红外光谱仪等效噪声辐亮度测量方法 |
CN109813438A (zh) * | 2019-01-30 | 2019-05-28 | 上海卫星工程研究所 | 傅里叶变换红外光谱仪在轨辐射非线性定标方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1988383B1 (en) * | 2006-02-23 | 2020-09-30 | Nikon Corporation | Spectrum image processing method, computer-executable spectrum image processing program, and spectrum imaging system |
-
2021
- 2021-03-26 CN CN202110327513.3A patent/CN113175994B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5612784A (en) * | 1996-01-04 | 1997-03-18 | Bio-Rad Laboratories, Inc. | Digital signal processing technique for a FT-IR spectrometer using multiple modulations |
CN107610055A (zh) * | 2017-07-28 | 2018-01-19 | 上海卫星工程研究所 | 傅里叶变换光谱仪干涉图噪声检测及抑制方法 |
CN108827473A (zh) * | 2018-06-25 | 2018-11-16 | 上海卫星工程研究所 | 傅里叶变换红外光谱仪复数辐射定标处理方法 |
CN109141636A (zh) * | 2018-09-10 | 2019-01-04 | 湖北久之洋红外系统股份有限公司 | 一种傅里叶式红外光谱仪等效噪声辐亮度测量方法 |
CN109813438A (zh) * | 2019-01-30 | 2019-05-28 | 上海卫星工程研究所 | 傅里叶变换红外光谱仪在轨辐射非线性定标方法 |
Non-Patent Citations (1)
Title |
---|
李路等.应用主成分分析评估红外高光谱仪器噪声特性.《光子学报》.2019,第1-9页. * |
Also Published As
Publication number | Publication date |
---|---|
CN113175994A (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Turner et al. | Information content and uncertainties in thermodynamic profiles and liquid cloud properties retrieved from the ground-based Atmospheric Emitted Radiance Interferometer (AERI) | |
McConnochie et al. | Retrieval of water vapor column abundance and aerosol properties from ChemCam passive sky spectroscopy | |
CN109813438B (zh) | 傅里叶变换红外光谱仪在轨辐射非线性定标方法 | |
Pougatchev et al. | IASI temperature and water vapor retrievals–error assessment and validation | |
Wu et al. | FY-3D HIRAS radiometric calibration and accuracy assessment | |
Ingram et al. | Sensitivity of iterative spectrally smooth temperature/emissivity separation to algorithmic assumptions and measurement noise | |
Rozanov et al. | BrO vertical distributions from SCIAMACHY limb measurements: comparison of algorithms and retrieval results | |
Gribanov et al. | A new software tool for radiative transfer calculations and its application to IMG/ADEOS data | |
Cai et al. | Analysis of XCO 2 retrieval sensitivity using simulated Chinese Carbon Satellite (TanSat) measurements | |
Smith et al. | Hyperspectral satellite radiance atmospheric profile information content and its dependence on spectrometer technology | |
Wang et al. | Inter-comparing SNPP and NOAA-20 CrIS toward measurement consistency and climate data records | |
CN113552080B (zh) | 一种超光谱遥感地表大气相对湿度的实时反演算法 | |
CN115222707A (zh) | 一种全谱段高光谱对地遥感成像测量不确定度分析方法 | |
CN107783134B (zh) | 一种火星大气水汽含量反演方法 | |
CN113175994B (zh) | 星载傅里叶变换红外光谱仪光谱噪声分析方法、系统及介质 | |
Milton et al. | Estimating the irradiance spectrum from measurements in a limited number of spectral bands | |
Bai et al. | A fast and accurate vector radiative transfer model for simulating the near-infrared hyperspectral scattering processes in clear atmospheric conditions | |
Ortega et al. | The CU 2-D-MAX-DOAS instrument–Part 2: Raman scattering probability measurements and retrieval of aerosol optical properties | |
CN107798154B (zh) | 一种火星大气沙尘气溶胶光学厚度反演方法 | |
Qi et al. | Calibration and validation of the InfraRed Atmospheric Sounder onboard the FY3B satellite | |
Tobin et al. | Hyperspectral data noise characterization using principle component analysis: application to the atmospheric infrared sounder | |
Milz et al. | Validation of water vapour profiles (version 13) retrieved by the IMK/IAA scientific retrieval processor based on full resolution spectra measured by MIPAS on board Envisat | |
Romaniello et al. | Analysis of Volcanic Carbon Dioxide Emissions by Means of Prisma Hyperspectral Data and in Situ Measurements | |
Wu et al. | All Sky Single Field of View Retrieval System for Hyperspectral Sounding | |
Li et al. | A study on retrieving atmospheric profiles from EOS/AIRS observations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |