买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京航空航天大学

摘要：一种声光可调谐红外多光谱成像系统光谱参数智能选择方法，包含以下步骤：（1）用声光可调谐红外多光谱成像系统采集目标场景的红外多光谱图像数据；（2）对数据进行主成分分析，根据特征值得到光谱参数组合选择数量；（3）基于马尔科夫博弈过程构建多智能体强化学习光谱参数选择模型的环境模型，对多智能体系统的环境模型进行参数化；（4）设计多智能体的输入输出、网络结构与交互关系，构建多智能体强化学习光谱参数选择模型；（5）采用多智能体深度确定性策略梯度算法对模型进行训练；（6）对训练好的模型进行剪枝量化并部署到信息处理单元；（7）模型对声光可调谐红外多光谱成像系统新采集的数据进行选择，声光可调谐红外多光谱成像系统根据选择结果采集并合成优选后的多光谱图像数据。

主权项：1.一种声光可调谐红外多光谱成像系统光谱参数智能选择方法，其特征在于：它包含以下步骤：（1）用声光可调谐红外多光谱成像系统采集目标场景的红外多光谱图像数据；（2）利用步骤（1）中的红外多光谱图像数据进行主成分分析，根据特征值得到光谱参数组合的选择数量；（3）基于马尔科夫博弈过程构建多智能体强化学习光谱参数选择模型的环境模型，多智能体系统包含波长选择智能体和带宽选择智能体，根据目标探测任务对图像信杂比、目标与干扰的光谱差异的需求，以及步骤（1）中的红外多光谱图像数据及其波段数、图像大小、各波段的波长与带宽参数，对多智能体系统的环境模型进行参数化，并根据步骤（2）的结果设置光谱参数组合的选择数量；（4）在步骤（3）构建环境模型的基础上，对波长选择智能体与带宽选择智能体的执行器与评价器的输入输出、网络结构与交互关系进行设计，构建多智能体强化学习光谱参数选择模型；（5）利用步骤（1）中的红外多光谱图像数据作为训练数据，采用多智能体深度确定性策略梯度算法对步骤（4）中构建的多智能体强化学习光谱参数选择模型进行训练；（6）对步骤（5）中训练好的模型进行剪枝量化，并部署到声光可调谐红外多光谱成像系统的信息处理单元；（7）声光可调谐红外多光谱成像系统获取新数据后，首先采用步骤（2）中的主成分分析方法处理新数据，确定光谱参数组合的选择数量，然后利用步骤（6）中部署好的光谱参数选择模型对新数据进行选择，得到最优的波长与合成带宽组合，根据波长与驱动信号频率对应关系得到对应的频率组合，依次产生对应频率的驱动信号获取不同波段图像数据，合成后得到优选后的多光谱图像数据。

全文数据：

权利要求：

百度查询： 北京航空航天大学 声光可调谐红外多光谱成像系统光谱参数智能选择方法