基于压缩感知的液晶可调谐滤波器光谱快速采集方法

孙梽珅, 张旭, 王宿慧, 曹莹莹, 郭腾霄, 曹树亚

孙梽珅, 张旭, 王宿慧, 曹莹莹, 郭腾霄, 曹树亚. 基于压缩感知的液晶可调谐滤波器光谱快速采集方法[J]. 红外技术, 2021, 43(7): 635-642.
引用本文: 孙梽珅, 张旭, 王宿慧, 曹莹莹, 郭腾霄, 曹树亚. 基于压缩感知的液晶可调谐滤波器光谱快速采集方法[J]. 红外技术, 2021, 43(7): 635-642.
SUN Zhishen, ZHANG Xu, WANG Suhui, CAO Yingying, GUO Tengxiao, CAO Shuya. Fast Spectral Acquisition Method Based on Compressed Sensing for Liquid Crystal Tunable Filters[J]. Infrared Technology , 2021, 43(7): 635-642.
Citation: SUN Zhishen, ZHANG Xu, WANG Suhui, CAO Yingying, GUO Tengxiao, CAO Shuya. Fast Spectral Acquisition Method Based on Compressed Sensing for Liquid Crystal Tunable Filters[J]. Infrared Technology , 2021, 43(7): 635-642.

基于压缩感知的液晶可调谐滤波器光谱快速采集方法

基金项目: 

国民核生化灾害防护国家重点实验室科研基金 SKLNBC2019-2

详细信息
    作者简介:

    孙梽珅(1992-),男,助理工程师,主要从事危险化学品远距离探测技术研究。E-mail: sunzhishen@szs.anonaddy.com

    通讯作者:

    郭腾霄(1985-),男,工程师,主要从事化学气体远距离探测技术研究。E-mail: guotengxiao@sklnbcpc.cn

    曹树亚(1973-),男,研究员,主要从事危险化学品现场检测与远距离探测识别。E-mail: caoshuya@sklnbcpc.cn

  • 中图分类号: TP393

Fast Spectral Acquisition Method Based on Compressed Sensing for Liquid Crystal Tunable Filters

  • 摘要: 为提高液晶可调谐滤波器(Liquid Crystal Tunable Filter, LCTF)的光谱采集效率,提出了一种适用于LCTF光谱成像系统的快速采集方法,设计构建了更加完善的观测矩阵,在压缩感知理论框架内实现了光谱超分辨率重建,并通过实验验证了该方法的可行性。实验结果表明,在采样率为18.08%(采样步长30 nm)时,重建得到的4.81 nm分辨率光谱与传统全采样光谱的相关系数为0.91,超分辨率重建峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)为99.63 dB,采集速度是传统方式的5.53倍。该方法在保证光谱分辨率和光谱识别准确率的前提下,实现了光谱数据的快速和轻量化采集,为动态目标测量和快速检测提供了可行的技术途径,拓展了LCTF光谱成像技术的应用场景。
    Abstract: To improve the spectral acquisition efficiency of the Liquid Crystal Tunable Filter(LCTF). A fast acquisition method which could be applied to the spectral imaging system was proposed. A better observation matrix was designed and constructed. Within the theoretical framework of compressed sensing, spectral super-resolution reconstruction was made possible and the feasibility of the method was verified by experiments. The results indicated that when the sampling rate of was 18.08% (sampling step length was 30 nm), the correlation coefficient between the reconstructed 4.81 nm resolution spectrum and the traditional full sampling spectrum was 0.91, the Peak Signal-to-Noise Ratio (PSNR) of the reconstructed super resolution spectrum was 99.63 dB and the acquisition speed was 5.53 times that of the traditional method. As long as the quality of spectral recognition is ensured, this method can facilitate fast and lightweight acquisition of spectral information, which can technologically contribute to dynamic target measurement and rapid detection while improving the applicability of LCTF spectral imaging technology.
  • 红外辐射是一种在自然界普遍存在的电磁波能量,一切温度高于绝对零度的物体都会产生该辐射。非制冷型红外探测技术是利用红外辐射的热效应重构物体特征的技术[1]。非制冷红探测器由于无需避免电子热运动的影响,因此可在室温条件下工作,具有质量轻、体积小、功耗小、成本低等特点,现已成为民用及中、低端军用红外探测的首选[2-3]

    非制冷红外焦平面阵列(infrared focal plane array,IRFPA)是非制冷红外探测器的核心部件,可根据检测机制的不同细分为:热敏电阻型、热释电型、热电堆型、二极管型、场效应管型、光机械型等。其中二极管型IRFPA因制造工艺可与互补金属氧化物半导体(complementary metal-oxide-semiconductor, CMOS)工艺兼容,故有利于实现高阵列均匀性与高空间分辨率[3-4]

    为满足高空间分辨率需求,需具有大阵列和小像素[5-6]。目前,二极管型IRFPA阵列规模已从320×240做到2000×1000,像素尺寸从40 μm缩小至12 μm[7-9]。随着像素尺寸的不断缩小,二极管作为二极管型IRFPA的核心敏感元件,一方面,其电学参数影响着读出电路的设计[10];另一方面,在性能上直接决定着器件的噪声等效温差(noise equivalent temperature difference, NETD)[6]。为此,如何在小像素情况下优化二极管成为了研究的焦点。

    二极管工作在恒流偏置情况下,其主要电学参数包括:二极管两端正向电压,漏电流与电容。其中,电压温度系数(temperature coefficient of voltage, TCV)是二极管在单位温度改变时的电压变化量。本课题组张强等人发现增加二极管的结面积可以提升二极管的TCV,由此设计了一种结为回型结构的二极管,通过仿真分析验证了该二极管的TCV与灵敏度较传统二极管均有所提升[11]。三菱公司提出了一种在SOI有源区内将p+n与n+p垂直二极管接触在一起的p+n-n+p二合一二极管结构,使得单个二极管面积显著缩小,15 μm像素中可串联12个二极管,有效地使得小像素仍保持大的TCV[12]。已有研究为优化小像素中二极管的TCV提供了可借鉴的方法和结构,但由于二极管对像素的影响并不局限于TCV,因此综合考察二极管对电路以及器件性能的影响,进而指导小像素中二极管结构的设计仍具有必要性和重要性。

    为此,本文首先分析了二极管对读出电路以及器件性能的影响,确定了二极管工作的最优正向偏置电流,并从中提炼出了二极管主要性能影响因素;在此基础上,提出了p+n-pn-n+p三合一二极管结构设计;并对比考察了包括其在内的6种不同二极管结构主要性能影响因素之间的关系,得到其为小像素情况下的最优结构设计;最后,利用Sentaurus TCAD仿真软件进行了仿真验证。

    以一个p区n区掺杂浓度分别为1016 cm-3、1018 cm-3的二极管为例,图 1给出了利用SentaurusTCAD仿真软件仿真得到的温度特性曲线。从图中可以看出,随着温度的升高,二极管I-V曲线向左偏移。当给二极管通以恒流偏置时,二极管两端的电压将随温度的升高而降低,从而实现热信号向电压信号的转换。

    图  1  二极管的温度特性曲线
    Figure  1.  Temperature characteristic curves of diode

    IRFPA中单个像素的结构示意图如图 2所示,敏感区通过支撑梁悬空在隔热腔上方。敏感区由红外吸收层以及热敏元件,即串联的二极管组成。当红外吸收层吸收红外辐射将光能转化为热能后,恒流偏置下的串联二极管输出电压变化,该变化的电压通过支撑梁中的信号线引出与读出电路连接,最终实现探测。

    图  2  单个像素结构示意图
    Figure  2.  Single pixel structure

    像素中的二极管与读出电路相连,作为负载时其漏电流、电容必须考虑。

    由于二极管反向漏电流的存在,会使得二极管的实际正向偏置电流小于给定的正向偏置电流。二极管的电流电压方程式为:

    $$ J = {J_{\text{S}}}[\exp (\frac{{qV}}{{{k_0}T}}) - 1] $$ (1)

    式中:JS为反向饱和电流密度,大小主要与温度、材料有关;q为电子电荷;V为二极管两端的电压;T为温度;k0为玻尔兹曼常数[13]

    反偏电压下,V<0,当|V|≫ k0T/q时,exp(qV/k0T)的值趋于0,对于含有N个二极管串联的结构,反向漏电流有:

    $$ {I_{\text{S}}} = - \sum\limits_{i = 1}^N {{A_i}{J_{\text{S}}}} {\text{ = }} - {A_{\text{a}}}{J_{\text{S}}} $$ (2)

    式中:N为结构中二极管串联的数目;Ai为结构中任意单个二极管的结面积;Aa为总体结面积。

    二极管的寄生电容主要影响与之相连开关电路的延迟时间,寄生电容越大,开关接通时对其充放电的时间越长,因此对开关驱动能力的要求越高。

    在恒定的正向电流下,pn结两端正向电压较大,此时的电容主要以扩散电容为主:

    $$ {C_{\text{D}}} = \left[ {A{q^2}\frac{{({n_{{\text{p}}0}}{L_{\text{n}}} + {p_{{\text{n}}0}}{L_{\text{p}}})}}{{{k_0}T}}} \right]\exp \left( {\frac{{q{V_{\text{F}}}}}{{{k_0}T}}} \right) $$ (3)

    式中:np0pn0分别为n区及p区少子浓度;LnLp为电子与空穴的扩散长度;VF为正向电压的大小[13]

    若结构中N个二极管串联时,其总电容Ca满足:

    $$ \frac{1}{{{C_{\text{a}}}}} = \sum\limits_{i = 1}^N {\frac{1}{{{C_{{\text{D}}i}}}}} > \frac{1}{{{C_{{\text{D}}i}}}} $$ (4)

    式中:可发现总电容Ca总小于N个串联二极管中的任意单个二极管的电容CDi,即CaCDi

    图 3为根据公式(2)~(4)得到的总电容Ca与漏电流Is随总结面积Aa变化的关系曲线。从图中可以看出,总电容与漏电流随结面积的增大而增大。当总结面积小于1000 μm2时,漏电流的值在1.7 nA以下,电容值保持在120 nF以下,均保持在非常小的量级范围,故对读出电路影响较小。

    图  3  总电容Ca,漏电流Is与结面积Aa的理论关系
    Figure  3.  Theoretical relationship between total capacitance Ca, leakage current Is and junction area Aa

    器件性能主要包括:NETD和响应时间[14]。由于响应时间主要由结构的热学参数决定[1],因此,二极管作为热敏元件主要影响NETD。

    NETD是在带有焦平面阵列(focal plane array,FPA)的成像系统视场中,探测的目标温度发生变化时,引起输出信噪比以及读出电路信号产生最小单位变化时的温度变化量[15-16],可表示为:

    $$ {\text{NETD}} = \frac{{4{F^2}{V_{\text{n}}}}}{{{\tau _0}SR{{\left( {{{\Delta P} \mathord{\left/ {\vphantom {{\Delta P} {\Delta T}}} \right. } {\Delta T}}} \right)}_{{\lambda _1} - {\lambda _2}}}}} $$ (5)

    式中:F为光学系统光圈数;τ0为光学系统的透射率;$ {\left( {\Delta P/\Delta T} \right)_{{\lambda _1} - {\lambda _2}}} $为探测目标在温度T下,从λ1λ2的范围内每单位面积上的辐射功率变化量;S为红外吸收区面积;Vn为噪声电压;R为响应率,这两个参数与作为热敏元件的二极管相关。

    在此,定义响应率与噪声之比为响应噪声比f0,有:

    $$ {f_0} = \frac{R}{{{V_{\text{n}}}}} $$ (6)

    式中:与二极管相关的噪声有PN结散粒噪声以及1/f噪声,对于噪声电压有:

    $$ {V_{\text{n}}} = N\sqrt {{{\left( {{k_0}T\sqrt {\frac{{2\Delta f}}{{q{I_{\mathrm f} }}}} } \right)}^2}{\text{ + }}{{\left( {{r_{{\text{dtotal}}}}\sqrt {\frac{{{K_{\text{d}}}I_{\text{f}}^a}}{f}\Delta f} } \right)}^2}} $$ (7)

    式中:If为正向偏置电流;Δf为噪声积分带宽;rdtotal为总动态电阻;Kda为工艺参数;f为工作频率[17]

    响应率R定义为输出电压除以输入辐射能量,可表达为:

    $$ R{\text{ = }}\frac{{{\text{TCV}} \cdot \Delta T}}{{{P_0}}} $$ (8)

    式中:P0表示输入单位时间的输入辐射能量[15]。其中,结构中N个二极管串联时,TCV可表达为:

    $$ {\text{TCV}} = \sum\limits_{i = 1}^N {\frac{k}{q}\left\{ {\ln \frac{{{I_{\text{f}}}{h^6}}}{{32{A_i}q{{\text{π }}^3}{k^3}{{({m_{\text{n}}}{m_{\text{p}}})}^{\frac{3}{2}}}{T^3}\left[ {{{\left( {\frac{{{D_{\text{n}}}}}{{{\tau _{\text{n}}}}}} \right)}^{\frac{1}{2}}}\frac{1}{{{N_{\text{a}}}}} + {{\left( {\frac{{{D_{\text{p}}}}}{{{\tau _{\text{p}}}}}} \right)}^{\frac{1}{2}}}\frac{1}{{{N_{\text{d}}}}}} \right]}} - 3} \right\}} $$ (9)

    式中:h为普朗克常量;Dn为电子扩散系数;Dp为空穴扩散系数;τn为电子在p区的复合时间;τp为空穴在n区的复合时间;mn为电子有效质量;mp为空穴有效质量;Nd为施主浓度;Na为受主浓度。

    根据式(6)~(9),图 4给出了响应噪声比f0与正向偏置电流If的关系曲线。从图中可看出,随着If的增大,f0先增大后减小,并在10 μA处,存在极大值。主要由于噪声电压VnIf的增大先减小后增大所致。因此,10 μA为二极管工作的最优正向偏置电流。

    图  4  响应噪声比f0与偏置电流If的理论关系
    Figure  4.  Theoretical relationship between response-to-noise ratio f0, bias current If

    假设结构中单个二极管的结面积均为Ai时,图 5给出了TCV随单个二极管结面积Ai与结构中二极管串联的个数N的变化趋势图。从图中可知,当N一定时,增加二极管的结面积会使TCV增大;当结面积一定时,增加N值也会使得TCV增大,且比增大Ai值提升效果更明显。

    图  5  TCV随结面积Ai与二极管串联的个数N的变化趋势
    Figure  5.  TCV changes with the junction area Ai and the number of diodes in series N

    图 6所示,考察了6种二极管结构,分别为:(a)传统二极管结构、(b)回型二极管结构、(c)p+n-n+p二合一二极管、(d)和(e)分别为在p+n-n+p二合一二极管基础上直接拓展得到的2n+p-p+n三合一二极管和2p+n-n+p三合一二极管、以及(f) p+n-pn-n+p三合一二极管。其中,结构b为本课题组张强等人提出[11];结构c为三菱提出[12];结构d是在结构c的基础上,增加了n型重掺杂区结构,构成由p+n,n+p,n+p组成的三合一二极管结构;结构e在结构c的基础上,增加了n阱与p型重掺杂区结构,构成了p+n,p+n,n+p组成的三合一二极管结构;结构f为在结构c的n阱与n型重掺杂区之间的区域加入n阱,与p型Si衬底形成一个新的pn结,从而形成了p+n,pn,n+p三个二极管串联的结构,n阱中n型重掺杂区用以形成欧姆接触。按此方法可继续在结构f的基础上进行拓展,形成N合一二极管。

    图  6  二极管结构(a)传统二极管(b)回型二极管(c) p+n-n+p二合一二极管(d) 2p+n-n+p三合一二极管(e) 2p+n-n+p三合一二极管(f) p+n-pn-n+p三合一二极管
    Figure  6.  Diode structure (a) Traditional diode (b) "well" shape diode (c) p+n-n+p 2-in-1 diode (d) 2p+n-n+p 3-in-1 diode (e) 2p+n-n+p 3-in-1 diode (f) p+n-pn-n+p 3-in-1 diode

    如前述讨论,当二极管工作在最优恒流偏置情况下,总结面积Aa越大虽然会使漏电流及电容增大,但由于增大的漏电流及电容量级较小从而对读出电路的影响较小,因而Aa的增大主要影响TCV的提升。在此,设pn结总结面积Aa与pn结整体尺寸Sa之比为有效结面积比Z,即:

    $$ Z = \frac{{\sum\limits_{i = 1}^N {{A_i}} }}{{{S_{\text{a}}}}} = \frac{{{A_{\text{a}}}}}{{{S_{\text{a}}}}} $$ (10)

    该值可表示在像素单位面积里的结面积大小。N相同时,不同二极管结构在相同设计规则下的Z值越大表明该结构在相同像素面积下的单个pn结结面积Ai越大,即总结面积Aa越大,因而TCV也越大。

    设pn结结长为a,结宽为b,整体厚度为T1,n型与p型重掺杂区深度为T2,n阱的深度为T3,不同掺杂区之间的距离为mm值的大小与设计规则相关。由此可得以上6种结构的Z值计算式分别为:

    $$ {Z_{\text{a}}} = \frac{{a \times {T_1}}}{{b \times a}} $$ (11)
    $$ {Z_{\text{b}}} = \frac{{(a + b) \times 2{T_2} + ab}}{{(a + m)(b + m)}} $$ (12)
    $$ {Z}_{\text{c}}=\frac{(a+b)\times 4{T}_{2}+2ab}{(2a+5m)\times (b+4m)} $$ (13)
    $$ {Z_{\text{d}}} = \frac{{\left( {a + b} \right) \times 6{T_2} + 3ab}}{{(3a + 6m) \times (b + 4m)}} $$ (14)
    $$ {Z_{\text{e}}} = \frac{{\left( {a + b} \right) \times 6{T_2} + 3ab}}{{(3a + 8m) \times (b + 4m)}} $$ (15)
    $$ {Z_{\text{f}}} = \frac{{\left( {a + b} \right) \times (4{T_2} + 2{T_3} + 2) + 8{T_3} + 3ab + 4}}{{(3a + 8m) \times (b + 4m)}} $$ (16)

    m=1 μm,T1=1 μm,T2=0.5 μm,T3=0.8 μm。根据公式(11)~(16),6种结构在30 μm×30 μm尺寸下各自的总结面积,Z值及N值大小如表 1所示。表中可知,结构d、e、f为3个二极管串联,个数明显多于结构a、b、c。同时在结构d、e、f中,很显然地,Z值关系由大到小依次是结构f、d、e。结合前述分析,理论上采用结构f的器件因在同样面积下具有最多的二极管个数和最大的结面积,故性能将最优。

    表  1  6种结构同尺寸下的Z值与N值的大小
    Table  1.  The Z value and N value under the same size of 6 structures
    Structure Aa/μm2 Sa/μm2 Z N
    a 30 30×30 0.0333 1
    b 840 30×30 0.9333 1
    c 727 30×30 0.8070 2
    d 726 30×30 0.8067 3
    e 645 30×30 0.7167 3
    f 741.2 30×30 0.8236 3
    下载: 导出CSV 
    | 显示表格

    利用Sentaurus TCAD仿真软件对以上6种二极管结构进行仿真,6种二极管的结构参数均与表 1对应,n型与p型重掺杂区的掺杂浓度为1018 cm-3,n阱与p型硅的掺杂浓度为1016 cm-3

    图 7给出了6种结构在正向电流10 μA偏置下的TCV与静态工作电压仿真结果。图 7(a)展示了6种结构在不同温度下的TCV值,从大到小依次是结构f、c、e、d、b、a。对于结构d与结构e,N值虽为3,但两者的TCV值却与N=2的结构c相接近且略小于后者,根据图 7(b)六种结构的正向电压随温度变化曲线可以看出,结构d,e的正向电压值与结构c较接近,与结构f电压值相差了约1个二极管电压差(约0.6 V)。当温度变化范围较小时,TCV可看成恒定值。结构f的TCV值分别约为结构c、d、e的1.5倍,为结构a与结构b的2.6倍,3.7倍。证明了6种结构中,结构f性能最优。若在结构f的基础上拓展得到N合一二极管结构,TCV值也将因此增大。

    图  7  Sentaurus器件仿真
    Figure  7.  Sentaurus device simulation

    之所以结构d、e相对于结构c增加了串联二极管个数,但表现出的正向电压与TCV未如理论分析的随着串联个数的增加而增加,是因为在这两个结构中,分别引入了额外的并联电阻与寄生三极管。图 8(a)为结构d的等效电路图,电流在经过结构右端的p+n结后全部进入p型衬底区,此时结构中部拓展的n型重掺杂区范围较小,导致该区域下的衬底所寄生出的电阻r较小,r与结构中部拓展的n+p1结并联,因此使得电流大部分从寄生电阻r的支路经过结构左端的n+p2结流出,导致n+p1结未起到提升结构TCV的作用。图 8(b)为结构e的等效电路,结构右端n阱,p型衬底与结构左端的n型重掺杂区形成的npn型寄生三极管,电流在经过结构右端的p+n1结后经中部拓展的p+n2到达衬底,此时的衬底电位VB低于结构右端n阱的电位VC,高于结构右端n型重掺杂区的电位VE,使得寄生三极管处于导通状态,因此电流流过p+n1结后直接经寄生三极管流出,使得p+n2结未起到提升结构TCV的作用。

    图  8  等效电路图
    Figure  8.  The equivalent circuit diagram

    图 9为结构f随着整体尺寸减小时TCV的仿真情况。X轴表示整体尺寸面积,Y轴表示TCV值的大小。从图中可得,TCV随着整体尺寸的减小而减小,这是由于整体尺寸减小使得结构f的有效结面积减小。但是结面积在减小了约700 μm2后TCV仅减小了约0.3 mV/K,即结构f在小像素尺寸下也依然具有较好的性能。

    图  9  结构f不同尺寸下的TCV仿真结果
    Figure  9.  TCV simulation results under different sizes of structure f

    本文基于二极管在IRFPA中的工作原理,从电路性能及器件性能的角度对二极管的主要结构影响因素进行了分析,当结构中二极管总体结面积在1000 μm2内时二极管的漏电流与寄生电容预估值保持在1.7 nA及120 nF内,对电路的影响较小。响应噪声比f0在偏置电流为10 μA附近存在极大值,故该电流为二极管的最佳偏置电流。TCV会随着二极管串联个数和结面积增加而增加,且增加二极管串联个数对TCV的提升效果明显优于增加结面积。因此,将结构中二极管的串联个数N以及总体结面积Aa作为主要影响器件性能的结构影响因素。由此设计了p+n-pn-n+p三合一二极管,通过理论和SentaurusTCAD仿真软件对比分析发现,p+n-pn-n+p三合一二极管在同样面积下具有最多的二极管个数和最大的结面积,且避免了并联电阻或寄生三极管的影响,因此为6种二极管结构设计中的最优结构。同时,在其基础上拓展可得到N合一二极管能进一步优化器件的性能,为优化IRFPA中单个像素的热敏元件二极管结构提供参考。

  • 图  1   观测模型的数学表达示意图

    Figure  1.   Schematic diagram of the observation model's mathematical representation

    图  2   观测模型的数学表达

    Figure  2.   The mathematical representation of the observation model

    图  3   高光谱数据采集平台及实验环境

    Figure  3.   Hyperspectral data acquisition platform and experimental environment

    图  4   高光谱平台采集特征图像

    Figure  4.   Feature image collected by hyperspectral platform

    图  5   DCT变换前后信号对比

    Figure  5.   Comparison of signals before and after DCT transform

    图  6   对比选择合适的重建分辨率和采样分辨率

    Figure  6.   Comparison and selection the appropriate reconstruction resolution and sampling resolution

    图  7   不同参数下的原始光谱与重建光谱对比

    Figure  7.   Comparison of original and reconstructed spectrum under different parameters

  • [1] 王捷, 周伟, 姚力波. 国外成像侦察技术现状及发展趋势[J]. 海军航空工程学院学报, 2012, 27(2): 199-204. https://www.cnki.com.cn/Article/CJFDTOTAL-HJHK201202018.htm

    WANG Jie, ZHOU Wei, YAO Libo. The status and development trend of imaging reconnaissance technology abroad[J]. Journal of Naval Aeronautical Engineering Institute, 2012, 27(2): 199-204. https://www.cnki.com.cn/Article/CJFDTOTAL-HJHK201202018.htm

    [2] 贺霖, 潘泉, 邸韡, 等. 高光谱图像目标检测研究进展[J]. 电子学报, 2009, 37(9): 2016-2024. DOI: 10.3321/j.issn:0372-2112.2009.09.024

    HE Lin, PAN Quan, DI Hua, et al. Research progress of target detection in hyperspectral images[J]. Electronic journals, 2009, 37(9): 2016-2024. DOI: 10.3321/j.issn:0372-2112.2009.09.024

    [3] 王建成, 朱猛. 高光谱侦察技术的发展[J]. 航天电子对抗, 2019, 35(3): 37-45. DOI: 10.3969/j.issn.1673-2421.2019.03.009

    WANG Jiancheng, ZHU Meng. The development of hyperspectral reconnaissance technology[J]. Aerospace Electronic Countermeasures, 2019, 35(3): 37-45. DOI: 10.3969/j.issn.1673-2421.2019.03.009

    [4] 张海丹. 基于高光谱成像系统的火焰三维温度场和烟黑浓度场重建研究[D]. 杭州: 浙江大学, 2016.

    ZHANG Haidan. Reconstruction of Flame Temperature Field and Smoke Concentration Field Based on Hyperspectral Imaging System[D]. Hang Zhou: Zhejiang University, 2016.

    [5] 刘逸飞. 基于光谱分析与深度信息的人脸活体检测[D]. 北京: 北京交通大学, 2017.

    LIU Yifei. Face in Vivo Detection Based on Spectral Analysis and Depth Information[D]. Beijing: Beijing Jiaotong University, 2017.

    [6] 朱思祁. 基于液晶滤波器件的高光谱显微成像系统设计及生物检测应用[D]. 广州: 暨南大学, 2015.

    ZHU Siqi. Design of Hyperspectral Microscopic Imaging System Based on Liquid Crystal Filter and Its Application in Biological Detection[D]. Guang Zhou: Jinan University, 2015.

    [7]

    Donoho D L. Compressed Sensing[J]. IEEE Transactions on Information Theory, 2006, 52(4): 1289-1306. DOI: 10.1109/TIT.2006.871582

    [8]

    Candès E, Romberg J, Tao T. Robust uncertainty principles: exact signal reconstruction from highly incomplete frequency information[J]. IEEE Transactions on Information Theory, 2006, 52(2): 489-509. DOI: 10.1109/TIT.2005.862083

    [9] 汪琪, 马灵玲, 李传荣, 等. 一种基于压缩感知理论的LCTF光谱超分辨方法[J]. 北京理工大学学报, 2018, 38(1): 40-45, 72. https://www.cnki.com.cn/Article/CJFDTOTAL-BJLG201801007.htm

    WANG Qi, MA Lingling, LI Chuanrong, et al. LCTF Spectral Superresolution Method Based on Compressed Sensing Theory[J]. Journal of Beijing Institute of Technology, 2018, 38(1): 40-45, 72. https://www.cnki.com.cn/Article/CJFDTOTAL-BJLG201801007.htm

    [10]

    Candès E, Wakin MB. An Introduction to Compressive Sampling[J]. IEEE Signal Processing Magazine, 2008, 25(2): 21-30. DOI: 10.1109/MSP.2007.914731

    [11]

    Guimaraes DA, Floriano G, Chaves LS. A Tutorial on the Cvx System for Modeling and Solving Convex Optimization Problems (um Tutorial Sobre a Aplicao Do Cvx Na Soluo De Problem as De Otimizao Convexa)[J]. IEEE Latin America Transactions, 2015, 13(5): 1228-1257. DOI: 10.1109/TLA.2015.7111976

图(7)
计量
  • 文章访问数:  301
  • HTML全文浏览量:  177
  • PDF下载量:  36
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-02-19
  • 修回日期:  2021-04-24
  • 刊出日期:  2021-06-30

目录

/

返回文章
返回