光谱仪杂散光校正方法与流程

1.本发明涉及光谱分析技术领域，特别涉及一种光谱仪杂散光校正方法。


背景技术：

2.光谱仪的杂散光是光谱仪厂商面临的共同问题，其定义是：出现在光谱探测面上非预计波长的光线。造成杂散光的原因繁多，主要有来源于色散器件的高阶衍射，由于光学元器件的不完美造成的光散射和光路中的无用光线的随机散射等等。
3.杂散光虽然可以通过光谱仪的构型设计进行优化，但往往无法根除，因此为满足特定应用场景(如吸光度测量、绝对辐照度测量、绝对反射率测量等)的需求，一般会对光谱仪的杂散光进行修正。
4.现有的杂散光校正方法通常是基于以下算法实现的：
5.将入射进入光谱仪的光谱看作一个向量pi，其中，i代表按照一定波长间隔分割的光谱区段。杂散光看作其他波长光出现在第i波段处的强度，因此i光谱区段的杂散光si表示为：
6.si＝a1*p1+a2*p2+
………
0*pi+an*pn7.经过光谱仪实际测得的光谱表示为：
[0008][0009]
因此，可通过测试计算得到杂散光矩阵(a)为：
[0010][0011]
在得到杂散光矩阵(a)的前提下，可通过光谱仪实际测得的光谱计算出无杂散光情况下的真实光谱。
[0012]
上述算法虽然能够计算出无杂散光的真实光谱，但需要向光谱仪中射入多条单个光谱区段的光，如图1所示，并逐一测量所述光谱区段，然后通过光谱仪测试的光谱反推杂散光矩阵(a)，其等效于给光谱仪输入n个光谱为[0,0,0,
…
,pi,0,0]的入射光谱，从而分别测得不同光谱区段的杂散光si。这种算法相对耗时，且需要大量单个光谱区段的入射光扫描。想要提升杂散光的校正精度，就必须增加光谱区段的数量，导致扫描数量加大，耗时呈线性上升。同时，对于设备的依赖性较大，需要利用单色仪与宽谱光源结合、或使用可调谐激光器、或采用滤光片。其中：单色仪与宽谱光源结合的方式往往需要单色仪自身具有极低的杂散光，同时对于光源亮度也有较高的要求；可调谐激光器价格昂贵，且可调节的波段有限；采用滤光片的方法则必须为截止滤光片，且数量与修正的波段数必须一致，即n个子波
段需要n个滤光片，能够修正的光谱分辨率与滤光片或单色光的光谱区段宽度一致。


技术实现要素：

[0013]
为了解决上述问题，本发明提供了一种光谱仪杂散光校正方法，解决了传统方法需要对杂散光矩阵中每个信号维度进行光谱采集，导致测试时间长、效率低、设备成本高且校正精度低的问题。
[0014]
本发明通过如下方案来实现：一种光谱仪杂散光校正方法，包括步骤：
[0015]
将具有已知强度分布的m个连续光谱射入待校正光谱仪中，利用所述待校正光谱仪测得所述m个连续光谱的实际光谱强度分布，其中，m为大于等于1的自然数；
[0016]
利用压缩感知算法以所述m个实际光谱强度求解所述待校正光谱仪的杂散光矩阵，所述杂散光矩阵的维度为n
×
n(n为预设的自然数，且m)。
[0017]
本发明光谱仪杂散光校正方法的进一步改进在于，提供预测的杂散光范围，若在求解所述杂散光矩阵的过程中得到了两个以上的解，则以所述杂散光范围为限制条件选择最符合所述限制条件的解作为所述杂散光矩阵。
[0018]
本发明光谱仪杂散光校正方法的进一步改进在于，所述杂散光范围为经验数据或根据仿真试验模拟得到的数据。
[0019]
本发明光谱仪杂散光校正方法的进一步改进在于，所述已知强度分布的连续光谱的数量m满足m/2。
[0020]
本发明光谱仪杂散光校正方法的进一步改进在于，所述m个连续光谱是由光源光谱通过已知光谱透过率的滤光片后形成的。
[0021]
本发明光谱仪杂散光校正方法的进一步改进在于，所述滤光片为单片滤光片、或者为两个及以上滤光片的组合。
[0022]
本发明光谱仪杂散光校正方法的进一步改进在于，所述滤光片为长波通滤光片，短波通滤光片，带通滤光片，带阻滤光片，色温滤光片，中性密度滤光片中任意一种。
[0023]
本发明光谱仪杂散光校正方法的进一步改进在于，所述压缩感知算法包括多项回归法、主成分分析法、r矩阵法。
[0024]
本发明第一次将压缩感知算法引入到杂散光校正矩阵的计算中，将该算法扩展至光谱维度，利用远小于杂散光校正矩阵信号维度的有限数量的光谱即可快速计算出杂散光校正矩阵，大大减少了测试所需的光谱采样率，摆脱了对特殊入射光谱的依赖，更具灵活性，降低了设备成本，缩短了测试时间和测试流程，大大提高了杂散光矩阵的测量效率，并保证了校正的精度，提高了校正的效果。
附图说明
[0025]
图1示出了传统单色光方法入射不同波长的单光谱区段光示意图。
[0026]
图2示出了本发明具有已知强度分布的m个连续光谱示意图。
[0027]
图3示出了本发明光谱仪杂散光校正方法的流程图。
具体实施方式
[0028]
为了解决传统杂散光校正方法需要对杂散光矩阵中每个信号维度进行光谱采集，
因而导致测试时间长、效率低、设备成本高且校正精度低的问题，本发明提供了一种光谱仪杂散光校正方法。下面以具体实施例结合附图对该一种光谱仪杂散光校正方法作进一步说明。
[0029]
参阅图3所示，一种光谱仪杂散光校正方法，包括步骤：
[0030]
步骤s1、将具有已知强度分布的m个连续光谱射入待校正光谱仪中，利用该待校正光谱仪测得该m个连续光谱的实际光谱强度分布，其中，m为大于等于1的自然数。
[0031]
步骤s2、利用压缩感知算法以该m个实际光谱强度求解该待校正光谱仪的杂散光矩阵，该杂散光矩阵的维度为n
×
n(n为预设的自然数，且m)。
[0032]
具体来说：“压缩感知”是与2004年提出的一种概念，其主要理念是，如果被采集信号是稀疏的，那么可以由远低于采样定律的采样点恢复被采集信号。当前的“压缩感知”算法主要应用在与相机等相关的图像感知(即2维或3维成像)领域。其算法一般来说主要适用于通过不同空间维度的信号采样，来重构更为准确的图像。具体地，通常需要搭配一定的采集设备，如：利用微镜阵列(dmd)、空间光调制器、位移台等可调的空间滤波器实现实体的空间信息采样，最终利用“压缩感知”的算法进行成像的采集。而本发明将“压缩感知”算法引入到杂散光校正矩阵的计算中，将该算法扩展至光谱维度，利用远小于杂散光校正矩阵信号维度的有限数量光谱即可快速计算出杂散光校正矩阵，较传统杂散光校正方法大大减少了测试所需的光谱采样率，对比图1和图2所示，图1是采用传统单色光方法进行测量的，需要测很多数量，图2是采用本发明的方法，只需要测不同透过率即可，这对设备成本和检测效率都有有益效果。本发明摆脱了对特殊入射光谱的依赖，更具灵活性，降低了设备成本，缩短了测试时间和测试流程，大大提高了杂散光矩阵的测量效率，并保证了校正的精度，提高了校正的效果。
[0033]
作为一较佳实施方式，该已知强度分布的连线光谱的数量m越小，计算速度将越快，通常m的数值可以做到小于杂散光矩阵维度n(即杂散光校正的细分光谱波段数，该光谱波段数通常小于待校正光谱仪能够测量的波段数)的一半，但m值越小，将会导致在求解杂散光矩阵的过程中，得到两个以上的解。因此，对于该种情况，应提供一预测的杂散光范围，并以该杂散光范围为限制条件选择最符合该限制条件的解作为该杂散光矩阵。具体来说，该杂散光范围是对杂散光矩阵中部分或全部元素的预测范围，其可以是经验数据，该经验数据可以是基于传统杂散光校正方法进行的试验，也可以是用具有较大波段数的光谱先求解出一个唯一的解，再以该唯一的解设定该杂散光范围，然后相对减小波段数再进行求解。也可以是根据仿真试验模拟得到的数据。通过杂散光范围的引入，可以进一步减小该已知强度分布的连续光谱的数量m的值，以更进一步地提高计算速度，在同等计算速度的前提下，采用本方法的杂散光校正精度将远大于采用传统方法的杂散光校正精度。
[0034]
作为一较佳实施方式，该m个连续光谱是由光源光谱通过已知光谱透过率的滤光片后形成的。具体来说，本方法在硬件上区别于用于成像的采集设备，本方法的采集设备主要是利用滤光片来实现m个光谱的信号采样，也可以是利用两个及以上滤光片的组合来实现。该滤光片可以为长波通滤光片，短波通滤光片，带通滤光片，带阻滤光片，色温滤光片，中性密度滤光片等。
[0035]
作为一较佳实施方式，该压缩感知算法包括多项回归法、主成分分析法、r矩阵法等。
[0036]
以上结合附图实施例对本发明进行了详细说明，本领域中普通技术人员可根据上述说明对本发明做出种种变化例。因而，实施例中的某些细节不应构成对本发明的限定，本发明将以所附权利要求书界定的范围作为本发明的保护范围。