基于全连接神经网络的自然光谱复现方法研究

为了能够精准和快速地复现可见光波段自然光谱，实现全光谱照明，使用具有强大非线性拟合能力的神经网络完成光谱匹配。首先，利用全连接神经网络的自学习能力，在采用基于修正高斯分布拟合函数的多个单色LED合成光谱模型生成训练和测试数据集的基础上，构建充分体现合成光谱和各单色LED光强系数比例关系的神经网络模型，即该模型能够针对输入光谱得到对应的单色LED光强比例系数，进而实现光谱复现。其次，针对标准太阳光谱和实测得到的不同时刻、天气的自然光谱进行光谱复现，并与采用基于遗传算法的光谱复现方法得到的结果进行对比。结果表明，基于全连接神经网络的自然光谱复现方法能够以小于5%的误差实现标准太阳光谱和实测太阳光谱的匹配，证明可使用同一个训练模型在不改变单色LED数量和种类的条件下得到多种与目标光谱高度吻合的不同类型光谱。对比其他光谱匹配算法，所提方法的拟合速度提高了数倍，还具有稳定性高、调控灵活、操作简便等优势。