(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211174199.0 (22)申请日 2022.09.26 (71)申请人 中国科学院合肥物质科 学研究院 地址 230031 安徽省合肥市蜀山区蜀山湖 路350号 (72)发明人 韩昕　秦玉胜　高闽光　童晶晶　 李相贤　 (74)专利代理 机构 合肥市浩智运专利代理事务 所(普通合伙) 34124 专利代理师 朱文振 (51)Int.Cl. G01J 3/45(2006.01) G06F 17/14(2006.01) G06F 17/16(2006.01) (54)发明名称 基于线性预测的傅里叶光谱分辨率增强算 法及系统 (57)摘要 本发明提供于线性预测的傅里叶光谱分辨 率增强算法及系统， 算法包括： 输入已有干涉图 数据； 利用前后向预测总体最小二乘法以及奇异 值分解SVD估计参数， 根据所述已有干涉图数据 建立干涉信号自回归模型， 以减少由奇异值反演 产生的虚假峰值和抑制噪声干扰， 定义干涉信号 最小预测误差原则， 据以处理得到自回归模型阶 数； 基于滑动窗口， 以所述自回归模型利用干涉 信号多步预测方法进行线性预测， 据以获取适用 精度的预测结果。 本发明解决了光谱仪器不稳定 以及提高分辨 率效果受有制约的技 术问题。 权利要求书4页 说明书13页 附图5页 CN 115493696 A 2022.12.20 CN 115493696 A 1.基于线性预测的傅里叶光谱分辨 率增强算法， 其特 征在于， 所述 算法包括： S1、 输入已有干涉图数据； S2、 利用前后向预测总体最小二乘法以及 奇异值分解SVD估计参数， 根据所述已有干涉 图数据建立干涉信号自回归模型， 以减少由奇异值反演产生的虚假峰值和抑制噪声干扰， 定义干涉信号 最小预测误差原则， 据以处 理得到自回归 模型阶数， 所述 步骤S2包括： S21、 利用前后向预测总体最小二乘法， 构造所述干涉信号的前后向扩阶矩阵， 以获取 前后向线性预测方程， 利用影响总体最小二乘方法求解所述前后向线性预测方程， 以处理 所述干涉信号的观察矢量与数据矩阵噪声扰动， 据以估计AR模型的参数并分解奇异值； S22、 利用预测误差 逻辑， 自适应确定所述AR模型的所述自回归 模型阶数； S3、 基于滑动窗口， 以所述自回归模型利用干涉信号多步预测方法进行线性预测， 据以 获取适用精度的预测结果， 所述 步骤S2包括： S31、 利用干涉信号的AR模型形成一个线性差分方程， 据以获取干涉输出信号矩阵， 据 以外推所述干涉信号； S32、 利用所述干涉信号最小预测误差准则以及分辨率需求数据， 预选滑动窗口的适用 窗口长度T及滑动次数； S33、 在该所述适用窗口长度T内， 利用所述AR模型近似处理所述干涉信号的时间序列， 以在所述滑动窗口向前滑动过程中， 形成基于滑动窗的干涉信号多步预测模型； S34、 以所述基于滑动窗的干涉信号多步预测模型， 利用预置滑动窗口预测逻辑， 分别 进行所述AR模型的阶数再确定以及参数再估计操作， 据以获取AR迭代模型， 据以获取新干 涉图。 2.根据权利要求1所述的基于线性预测的傅里叶光谱分辨率增强算法， 其特征在于， 所 述步骤S1中， 利用下述逻辑表示 等光程差采样干涉 数据： 其中， {I(n)}为干涉数据， W(n)含义为噪声信号， p是指预测模型阶数， fk和ak分别为第 k个正弦波的频率和振幅。 3.根据权利要求1所述的基于线性预测的傅里叶光谱分辨率增强算法， 其特征在于， 所 述步骤S21包括： S211、 利用前后向预测总体最小二乘法构造所述前后向扩阶矩阵； S212、 根据所述前后向扩阶矩阵获取 前后向线性预测方程FBLP： 权　利　要　求　书 1/4 页 2 CN 115493696 A 2即： Ack≈b 式中， *表示复共 轭， A为I数据矩阵， ck为预测系数矢量， b为 i观察矢量； S213、 将所述数据矩阵的噪声扰动与观察矢量噪声扰动分别记作： △A，△b， 据以得到 下述方程： (A+ΔA)ck＝b+Δb S214、 利用下述逻辑， 以所述影响总体最小二乘方法求取一最小范数平方的扰动矩阵 E， 以使矩阵(B+E)非满秩， 据以利用SVD法求取系数向量ck： 4.根据权利要求3所述的基于线性预测的傅里叶光谱分辨率增强算法， 其特征在于， 所 述步骤S224中， 式中， B＝[A:b]为数据增广矩阵， E＝[ΔA:Δb]为扰动增广矩阵， 以得到下式： (B+E)z＝0 。 5.根据权利要求1所述的基于线性预测的傅里叶光谱分辨率增强算法， 其特征在于， 所 述步骤S22包括： S221、 利用下述判定函数 预测干涉图和原 始干涉图之间的预测误差： 其中， N指干涉信号数据点数； S222、 选择使得 预测误差 E最小的阶数， 以作为所述自回归 模型阶数。 6.根据权利要求1所述的基于线性预测的傅里叶光谱分辨率增强算法， 其特征在于， 所 述步骤S31包括： S311、 利用所述干涉信号的所述AR模型 形成一个线性差分方程： 式中， {ck}为AR模型的参数向量； S312、 根据当前干涉图输出的信号i(n)， 表示为具有不同权重的p个过去输出干涉信号 I之和， 以获取 所述干涉输出信号矩阵： i＝ckI 其中 S313、 根据所述干涉输出信号矩阵求出系数向量{ck}， 确定线性预测模型阶数p， 据以权　利　要　求　书 2/4 页 3 CN 115493696 A 3