CN117889965B - 一种中短波双色红外探测器的性能测试方法 - Google Patents

Abstract

本发明涉及电变量检测技术领域，具体涉及一种中短波双色红外探测器的性能测试方法。该方法包括：获取中短波双色红外探测器在不同时间段的中波电数据和短波电数据；确定对应时间段的中波电数据和短波电数据的关联系数；进而确定对应时间段的关联系数的异常程度；根据聚类得到的每个聚类簇中所有时间段的关联系数的异常程度的数值分布差异，确定聚类簇的特征指标，根据所有聚类簇的特征指标和每个聚类簇中关联系数的数量，确定中短波双色红外探测器的性能指标；根据性能指标的数值对中短波双色红外探测器进行性能测试，得到测试结果。本发明能够有效提升性能测试的准确性与客观性。

Description

一种中短波双色红外探测器的性能测试方法

技术领域

本发明涉及电变量检测技术领域，具体涉及一种中短波双色红外探测器的性能测试方法。

背景技术

中短波双色红外探测器是一种用于检测物体热辐射的设备，它利用物体发出的红外辐射来感知物体的存在、位置和温度等信息，并生成对应的电变量。中短波红外探测器通常会同时使用中波和短波红外波段进行检测，并综合两个波段的信息来获取更全面、准确的目标信息，为了保证中短波红外探测器在使用过程中对检测物体检测结果的准确性，需要对其性能进行测试。

现有技术中针对红外探测器的性能测试是使用特定样品作为待测物品，根据生成的电变量与标准电变量的差异进行性能测试，这种方式下，由于中短波双色红外探测器具有中波特征和短波特征，不同波会产生不同的干扰，且由于待测物品的场景和环境等的影响，均会产生对应的干扰因素，影响性能测试的客观性。

发明内容

为了解决相关技术中由于中短波双色红外探测器具有中波特征和短波特征和待测物品的场景和环境等的影响，均会产生对应的干扰因素，影响性能测试客观性的技术问题，本发明提供一种中短波双色红外探测器的性能测试方法，所采用的技术方案具体如下：

本发明提出了一种中短波双色红外探测器的性能测试方法，方法包括：

获取中短波双色红外探测器在不同时间段的中波电数据和短波电数据；

根据相同时间段的所述中波电数据和所述短波电数据的幅值差异、幅值分布差异和时序波动情况，确定对应时间段的所述中波电数据和所述短波电数据的关联系数；根据任一时间段所述中波电数据和所述短波电数据的关联系数与所有时间段中关联系数的差异程度，确定对应时间段的关联系数的异常程度；

将所有时间段的关联系数的异常程度进行聚类，得到至少两个聚类簇，根据每个聚类簇中所有时间段的关联系数的异常程度的数值分布差异，确定聚类簇的特征指标，根据所有聚类簇的所述特征指标和每个聚类簇中关联系数的数量，确定所述中短波双色红外探测器的性能指标；

根据所述性能指标的数值对所述中短波双色红外探测器进行性能测试，得到测试结果。

进一步地，所述根据相同时间段的所述中波电数据和所述短波电数据的幅值差异、幅值分布差异和时序波动情况，确定对应时间段的所述中波电数据和所述短波电数据的关联系数，包括：

计算每一时间段中所有时间点的所述中波电数据的幅值均值与所述短波电数据的幅值均值的差值绝对值，得到第一关联影响指标；

对幅值均值进行负相关的映射并归一化得到幅值因子，将每一时间段中所有时间点的相同电数据的幅值标准差与幅值因子的乘积，作为对应电数据的幅值分布指标，计算同一时间段所述中波电数据的幅值分布指标与所述短波电数据的幅值分布指标的差值绝对值，作为第二关联影响指标；

基于动态时间规整算法，将同一时间段的中波电数据和所述短波电数据的dtw值作为第三关联影响指标；

根据所述第一关联影响指标、所述第二关联影响指标和所述第三关联影响指标，确定同一时间段的所述中波电数据和所述短波电数据的关联系数。

进一步地，所述第一关联影响指标、所述第二关联影响指标和所述第三关联影响指标均与所述关联系数呈负相关关系，所述关联系数的取值为归一化后的数值。

进一步地，所述根据任一时间段所述中波电数据和所述短波电数据的关联系数与所有时间段中关联系数的差异程度，确定对应时间段的关联系数的异常程度，包括：

任选一个时间段作为待测时间段，将除所述待测时间段之外的其他所有时间段作为分析时间段；将所有时间段的关联系数的均值的负相关归一化值作为总关联均值；

计算待测时间段的关联系数分别与每一分析时间段的关联系数的差值绝对值的均值，得到异常影响因子；

计算异常影响因子与总关联均值的乘积归一化值，得到待测时间段的关联系数的异常程度，更新待测时间段，得到每一时间段的关联系数的异常程度。

进一步地，所述将所有时间段的关联系数的异常程度进行聚类，得到至少两个聚类簇，包括：

基于K-means聚类算法对所有时间段的关联系数进行聚类，得到对应数量个聚类簇，其中，基于手肘法确定K值。

进一步地，所述根据每个聚类簇中所有时间段的关联系数的异常程度的数值分布差异，确定聚类簇的特征指标，包括：

计算每个聚类簇中所有时间段的关联系数的异常程度的均值与方差的乘积，归一化处理得到对应聚类簇的特征指标。

进一步地，所述根据所有聚类簇的所述特征指标和每个聚类簇中关联系数的数量，确定所述中短波双色红外探测器的性能指标，包括：

确定所述特征指标的数值最大的聚类簇作为异常簇，将所述异常簇中关联系数的数量的占比作为异常占比；

将异常簇分别与其他每一聚类簇的所述特征指标的差值绝对值的均值作为特征差异；

根据所述异常占比和所述特征差异确定所述异常簇的簇影响程度；

将所述异常簇的簇影响程度作为所述中短波双色红外探测器的性能指标。

进一步地，所述根据所述异常占比和所述特征差异确定所述异常簇的簇影响程度，包括：

计算所述异常簇的异常占比和所述特征差异的乘积，负相关映射并归一化处理得到异常簇的簇影响程度。

进一步地，所述根据所述性能指标的数值对所述中短波双色红外探测器进行性能测试，得到测试结果，包括：

在所述性能指标大于预设指标阈值时，确定所述性能测试合格；在所述性能指标小于等于预设指标阈值时，确定所述性能测试不合格。

进一步地，所述预设指标阈值为0.75。

本发明具有如下有益效果：

本发明通过中短波双色红外探测器在相同时间段的中波电数据和短波电数据的幅值差异、幅值分布差异和时序波动情况，对中波电数据和短波电数据的关联程度进行分析，结合正常情况下相同时间段的中波电数据和短波电数据具有波形一致性的特征，确定关联系数；而后，根据关联系数的数值确定异常程度，由于是结合中波电数据和短波电数据在同一检测物体下的电数据信息的关联性，进而根据关联性实现异常分析，能够保证异常程度的可靠性，而后，对所有时间段的关联系数的异常程度进行聚类和特征待分析，确定特征指标，结合特征指标和每个聚类簇中关联系数的数量，确定中短波双色红外探测器的性能指标，性能指标即根据波形异常和时间段数量实现性能分析的指标信息，本发明实施例能够有效对中短波双色红外探测器的性能进行分析，提升性能指标客观性与准确性，便于后续根据性能指标对中短波双色红外探测器进行性能测试，得到测试结果。综上，本发明能够结合中波电数据和短波电数据的电数据波动特征，对中短波双色红外探测器的性能进行准确分析，降低环境干扰影响，更加直观地得到中短波双色红外探测器的性能状况，提升性能测试的客观性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种中短波双色红外探测器的性能测试方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种中短波双色红外探测器的性能测试方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种中短波双色红外探测器的性能测试方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种中短波双色红外探测器的性能测试方法流程图，该方法包括：

S101：获取中短波双色红外探测器在不同时间段的中波电数据和短波电数据。

可以理解的是，中短波双色红外探测器在对物体检测时，通常采用中波红外（Medium-Wave InfraRed，MWIR）和短波红外（Short-Wave InfraRed，SWIR）两个波段来检测物体，这两个波段分别具有不同的特性，用于获取物体的不同电变量。

其中，中波红外生成的电变量为中波电数据，短波红外生成的电变量为短波电数据，在对中短波双色红外探测器的性能进行检测分析时，由于每一组检测数据中的中波电数据和短波电数据与检测物体相关，因此通过对每组数据中的中波电数据和短波电数据进行分析，也即对不同场景中的物体检测时每组的中波电数据和短波电数据进行获取，并综合两个波段的信息来获取更全面、准确的目标信息，以提高检测的准确性和可靠性。

由此，本发明的一种具体的实施场景包括，基于中短波双色红外探测器对不同场景下不同物体进行红外探测，并得到相同时间段内的中波电数据和短波电数据，可以理解的是，本发明实施例中的时间段可以具体指代对物体进行探测测试过程对应的时间段，由于相同时间段下中波电数据和短波电数据所检测的物体相同。

本发明通过对中波电数据和短波电数据的获取，而后，基于相同时间段的中波电数据和短波电数据的波形特征实现中短波双色红外探测器的性能检测，具体性能检测过程参见后续实施例。

S102：根据相同时间段的中波电数据和短波电数据的幅值差异、幅值分布差异和时序波动情况，确定对应时间段的中波电数据和短波电数据的关联系数；根据任一时间段中波电数据和短波电数据的关联系数与所有时间段中关联系数的差异程度，确定对应时间段的关联系数的异常程度。

本发明实施例中，中波电数据和短波电数据的幅值差异、幅值分布差异和时序波动情况，均能反映中波电数据和短波电数据间的关联情况，则本发明可以使用关联系数表征相同时间段内中波电数据和短波电数据的关联情况。

进一步地，在本发明的一些实施例中，根据相同时间段的中波电数据和短波电数据的幅值差异、幅值分布差异和时序波动情况，确定对应时间段的中波电数据和短波电数据的关联系数，包括：计算每一时间段中所有时间点的中波电数据的幅值均值与短波电数据的幅值均值的差值绝对值，得到第一关联影响指标；对幅值均值进行负相关的映射并归一化得到幅值因子，将每一时间段中所有时间点的相同电数据的幅值标准差与幅值因子的乘积，作为对应电数据的幅值分布指标，计算同一时间段中波电数据的幅值分布指标与短波电数据的幅值分布指标的差值绝对值，作为第二关联影响指标；基于动态时间规整算法，将同一时间段的中波电数据和短波电数据的dtw值作为第三关联影响指标；根据第一关联影响指标、第二关联影响指标和第三关联影响指标，确定同一时间段的中波电数据和短波电数据的关联系数。

其中，第一关联影响指标为中波电数据和短波电数据的幅值数值大小所表征的关联影响指标，幅值差异在实际情况下应该在一定的范围空间内，而整体的幅值差异越大，则表征了中波和短波间的关联性越小，也即第一关联影响指标数值越大，对应的中波电数据和短波电数据的关联越小。

其中，第二关联影响指标为对应幅值数值分布的一致性，可以理解的是，在对相同物体进行分析时，中波电数据和短波电数据的幅值分布应该相似，也即其幅值波动情况相近，由此，本发明实施例对幅值均值进行负相关的映射并归一化得到幅值因子，将每一时间段中所有时间点的相同电数据的幅值标准差与幅值因子的乘积，作为对应电数据的幅值分布指标。

其中，正相关关系表示因变量会随着自变量的增大而增大，因变量会随着自变量的减小而减小，具体关系可以为相乘关系、相加关系、指数函数的幂等，由实际应用进行确定；负相关关系表示因变量会随着自变量的增大而减小，因变量会随着自变量的减小而增大，可以为相减关系、相除关系等，由实际应用进行确定。

在本发明的一个实施例中，归一化处理可以具体例如为最大最小值归一化处理，并且，后续步骤中的归一化均可以采用最大最小值归一化处理，在本发明的其他实施例中可以根据数值具体范围选择其他归一化方法，对此不再赘述。

由此，可以在幅值均值不为0的情况下，将幅值均值的倒数作为幅值因子，并计算幅值标准差与幅值因子的乘积得到幅值分布指标。或者，也可以直接计算幅值均值的负数的归一化值作为幅值因子，而后，得到幅值分布指标，幅值分布指标结合了幅值均值的特征和幅值标准差的特征，能够有效体现幅值的波动情况，因此，本发明实施例计算中波电数据的幅值分布指标与短波电数据的幅值分布指标的差值绝对值，作为第二关联影响指标，也即第二关联影响指标越大，表征了对应幅值分布波动的差异越大。

其中，第三关联影响指标表征时序上波动的相似性，通过动态时间规整算法，确定中波电数据和短波电数据的dtw值作为第三关联影响指标，dtw值越大，表征了中波电数据和短波电数据在波动匹配效果越差，其中，动态时间规整算法为本领域所熟知的算法，对此不做赘述。

由此，本发明可以结合第一关联影响指标、第二关联影响指标和第三关联影响指标，实现关联程度的分析。

进一步地，在本发明的一些实施例中，第一关联影响指标、第二关联影响指标和第三关联影响指标均与关联系数呈负相关关系，关联系数的取值为归一化后的数值。本发明实施例中，可以计算第一关联影响指标、第二关联影响指标和第三关联影响指标的和值的倒数，归一化作为关联系数，对此不做限制。

在确定每一时间段的关联系数之后，可以对每一时间段的关联系数的异常性进行分析。

进一步地，在本发明的一些实施例中，根据任一时间段中波电数据和短波电数据的关联系数与所有时间段中关联系数的差异程度，确定对应时间段的关联系数的异常程度，包括：任选一个时间段作为待测时间段，将除待测时间段之外的其他所有时间段作为分析时间段；将所有时间段的关联系数的均值的负相关归一化值作为总关联均值；计算待测时间段的关联系数分别与每一分析时间段的关联系数的差值绝对值的均值，得到异常影响因子；计算异常影响因子与总关联均值的乘积归一化值，得到待测时间段的关联系数的异常程度，更新待测时间段，得到每一时间段的关联系数的异常程度。

其中，异常影响因子，为待测时间段与分析时间段的关联系数的差异情况，也即待测时间段与所有分析时间段的关联系数的差异越大，表征待测时间段本身的关联系数与总体时间段的波动情况差异越大，也即待测时间段越异常。

其中，总关联均值表征了整体的关联情况，对所有时间段的关联系数的均值进行负相关归一化处理，也即总关联均值越大，则对应的整体关联系数越低，整体异常性越大。负相关归一化可以具体例如为先负相关映射并归一化。

由此，计算异常影响因子与总关联均值的乘积归一化值，得到待测时间段的关联系数的异常程度，并将每一时间段分别作为待测时间段进行分析，得到每一时间段的关联系数的异常程度。

S103：将所有时间段的关联系数的异常程度进行聚类，得到至少两个聚类簇，根据每个聚类簇中所有时间段的关联系数的异常程度的数值分布差异，确定聚类簇的特征指标，根据所有聚类簇的特征指标和每个聚类簇中关联系数的数量，确定中短波双色红外探测器的性能指标。

本发明实施例在得到每一时间段的关联系数的异常程度之后，可以基于异常程度进行聚类分析。进一步地，在本发明的一些实施例中，将所有时间段的关联系数的异常程度进行聚类，得到至少两个聚类簇，包括：基于K-means聚类算法对所有时间段的关联系数进行聚类，得到对应数量个聚类簇，其中，基于手肘法确定K值。

其中，手肘法和K-means聚类算法均为本领域所熟知的技术，通过K-means聚类算法可以实现有效的密度聚类，对此不再进一步限定与赘述。

本发明实施例中，将所有时间段的关联系数进行聚类处理，得到对应数量个聚类簇，则对应数量即为K值，也即在K值为3时，则将所有时间段的关联系数聚类为3个聚类簇。

进一步地，在本发明的一些实施例中，根据每个聚类簇中所有时间段的关联系数的异常程度的数值分布差异，确定聚类簇的特征指标，包括：计算每个聚类簇中所有时间段的关联系数的异常程度的均值与方差的乘积，归一化处理得到对应聚类簇的特征指标。

本发明实施例中，将聚类簇中所有时间段的关联系数的异常程度的均值作为异常均值，该值越大，表征中短波双色红外探测器的异常情况越大，而所有异常程度的方差越大，则表征异常程度的数值分布越离散，也即中短波双色红外探测器本身的性能越不稳定，由此，计算异常程度的均值与方差的乘积，归一化处理得到对应聚类簇的特征指标，特征指标越大，表征对应聚类簇的异常情况越明显。

进一步地，在本发明的一些实施例中，根据所有聚类簇的特征指标和每个聚类簇中关联系数的数量，确定中短波双色红外探测器的性能指标，包括：确定特征指标的数值最大的聚类簇作为异常簇，将异常簇中关联系数的数量的占比作为异常占比；将异常簇分别与其他每一聚类簇的特征指标的差值绝对值的均值作为特征差异；根据异常占比和特征差异确定异常簇的簇影响程度；将异常簇的簇影响程度作为中短波双色红外探测器的性能指标。

其中，由于特征指标越大，表征对应聚类簇的异常情况越明显，则本发明实施例可以对比所有聚类簇的特征指标，将特征指标最大的聚类簇作为异常簇，并对异常簇进行分析。

本发明实施例中，异常簇中关联系数的数量越多，表征对应的异常情况越严重，由此，通过计算关联系数的数量的占比作为异常占比，该数量占比即为异常簇中关联系数的数量与所有关联系数总数量的比值。

异常簇与其他聚类簇中特征指标的差异越大，表征异常簇本身越突出，也即其异常程度越明显，由此，本发明可以结合异常占比和特征差异确定异常簇的簇影响程度。

其中，根据异常占比和特征差异确定异常簇的簇影响程度，包括：计算异常簇的异常占比和特征差异的乘积，负相关映射并归一化处理得到异常簇的簇影响程度。

本发明实施例中，异常占比数值越大，表征对应的异常情况越严重，特征差异越大，表征异常簇本身越突出，异常程度越明显，由此，本发明实施例中可以计算异常簇的异常占比和特征差异的乘积，该乘积值越大，表示异常簇本身的分布越异常，进一步表征中短波双色红外探测器具备较大的异常波形影响，则对该乘积值进行负相关映射并归一化，得到异常簇的簇影响程度。本发明实施例将异常簇的簇影响程度作为中短波双色红外探测器的性能指标，从而使得性能指标的数值越大时，表征中短波双色红外探测器整体越正常。

S104：根据性能指标的数值对中短波双色红外探测器进行性能测试，得到测试结果。

进一步地，在本发明的一些实施例中，根据性能指标的数值对中短波双色红外探测器进行性能测试，得到测试结果，包括：在性能指标大于预设指标阈值时，确定性能测试合格；在性能指标小于等于预设指标阈值时，确定性能测试不合格。

本发明实施例中，由于性能指标的数值越大时，表征中短波双色红外探测器整体越正常，则可以设置预设指标阈值对性能指标进行评估，其中，预设指标阈值，为性能指标的门限值，可选地，在本发明的一些实施例中，预设指标阈值可以具体例如为0.75，或者，也可以根据实际情况进行调整，对此不做限制。

举例而言，在在性能指标大于0.75时，确定性能测试合格；在性能指标小于等于0.75时，确定性能测试不合格。而合格与不合格的判断结果，即为性能测试结果。

本发明通过中短波双色红外探测器在相同时间段的中波电数据和短波电数据的幅值差异、幅值分布差异和时序波动情况，对中波电数据和短波电数据的关联程度进行分析，结合正常情况下相同时间段的中波电数据和短波电数据具有波形一致性的特征，确定关联系数；而后，根据关联系数的数值确定异常程度，由于是结合中波电数据和短波电数据在同一检测物体下的电数据信息的关联性，进而根据关联性实现异常分析，能够保证异常程度的可靠性，而后，对所有时间段的关联系数的异常程度进行聚类和特征待分析，确定特征指标，结合特征指标和每个聚类簇中关联系数的数量，确定中短波双色红外探测器的性能指标，性能指标即根据波形异常和时间段数量实现性能分析的指标信息，本发明实施例能够有效对中短波双色红外探测器的性能进行分析，提升性能指标客观性与准确性，便于后续根据性能指标对中短波双色红外探测器进行性能测试，得到测试结果。综上，本发明能够结合中波电数据和短波电数据的电数据波动特征，对中短波双色红外探测器的性能进行准确分析，降低环境干扰影响，更加直观地得到中短波双色红外探测器的性能状况，提升性能测试的客观性。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (4)

1.一种中短波双色红外探测器的性能测试方法，其特征在于，所述方法包括：

获取中短波双色红外探测器在不同时间段的中波电数据和短波电数据；

根据相同时间段的所述中波电数据和所述短波电数据的幅值差异、幅值分布差异和时序波动情况，确定对应时间段的所述中波电数据和所述短波电数据的关联系数；根据任一时间段所述中波电数据和所述短波电数据的关联系数与所有时间段中关联系数的差异程度，确定对应时间段的关联系数的异常程度；

将所有时间段的关联系数的异常程度进行聚类，得到至少两个聚类簇，根据每个聚类簇中所有时间段的关联系数的异常程度的数值分布差异，确定聚类簇的特征指标，根据所有聚类簇的所述特征指标和每个聚类簇中关联系数的数量，确定所述中短波双色红外探测器的性能指标；

根据所述性能指标的数值对所述中短波双色红外探测器进行性能测试，得到测试结果；

所述根据相同时间段的所述中波电数据和所述短波电数据的幅值差异、幅值分布差异和时序波动情况，确定对应时间段的所述中波电数据和所述短波电数据的关联系数，包括：

计算每一时间段中所有时间点的所述中波电数据的幅值均值与所述短波电数据的幅值均值的差值绝对值，得到第一关联影响指标；

对幅值均值进行负相关的映射并归一化得到幅值因子，将每一时间段中所有时间点的相同电数据的幅值标准差与幅值因子的乘积，作为对应电数据的幅值分布指标，计算同一时间段所述中波电数据的幅值分布指标与所述短波电数据的幅值分布指标的差值绝对值，作为第二关联影响指标；

基于动态时间规整算法，将同一时间段的中波电数据和所述短波电数据的dtw值作为第三关联影响指标；

根据所述第一关联影响指标、所述第二关联影响指标和所述第三关联影响指标，确定同一时间段的所述中波电数据和所述短波电数据的关联系数，其中，所述第一关联影响指标、所述第二关联影响指标和所述第三关联影响指标均与所述关联系数呈负相关关系，所述关联系数的取值为归一化后的数值；

所述根据任一时间段所述中波电数据和所述短波电数据的关联系数与所有时间段中关联系数的差异程度，确定对应时间段的关联系数的异常程度，包括：

任选一个时间段作为待测时间段，将除所述待测时间段之外的其他所有时间段作为分析时间段；将所有时间段的关联系数的均值的负相关归一化值作为总关联均值；

计算待测时间段的关联系数分别与每一分析时间段的关联系数的差值绝对值的均值，得到异常影响因子；

计算异常影响因子与总关联均值的乘积归一化值，得到待测时间段的关联系数的异常程度，更新待测时间段，得到每一时间段的关联系数的异常程度；

所述根据每个聚类簇中所有时间段的关联系数的异常程度的数值分布差异，确定聚类簇的特征指标，包括：

计算每个聚类簇中所有时间段的关联系数的异常程度的均值与方差的乘积，归一化处理得到对应聚类簇的特征指标；

所述根据所有聚类簇的所述特征指标和每个聚类簇中关联系数的数量，确定所述中短波双色红外探测器的性能指标，包括：

确定所述特征指标的数值最大的聚类簇作为异常簇，将所述异常簇中关联系数的数量的占比作为异常占比；

将异常簇分别与其他每一聚类簇的所述特征指标的差值绝对值的均值作为特征差异；

根据所述异常占比和所述特征差异确定所述异常簇的簇影响程度；

将所述异常簇的簇影响程度作为所述中短波双色红外探测器的性能指标；

所述根据所述异常占比和所述特征差异确定所述异常簇的簇影响程度，包括：

计算所述异常簇的异常占比和所述特征差异的乘积，负相关映射并归一化处理得到异常簇的簇影响程度。

2.如权利要求1所述的一种中短波双色红外探测器的性能测试方法，其特征在于，所述将所有时间段的关联系数的异常程度进行聚类，得到至少两个聚类簇，包括：

基于K-means聚类算法对所有时间段的关联系数进行聚类，得到对应数量个聚类簇，其中，基于手肘法确定K值。

3.如权利要求1所述的一种中短波双色红外探测器的性能测试方法，其特征在于，所述根据所述性能指标的数值对所述中短波双色红外探测器进行性能测试，得到测试结果，包括：

在所述性能指标大于预设指标阈值时，确定所述性能测试合格；在所述性能指标小于等于预设指标阈值时，确定所述性能测试不合格。

4.如权利要求3所述的一种中短波双色红外探测器的性能测试方法，其特征在于，所述预设指标阈值为0.75。