集成线性渐变滤光片和InGaAs焦平面的微型光谱模组及其波长定标（英文）

提出一种集成线性渐变滤光片和InGaAs焦平面的微型近红外光谱模组.作为核心分光元件,线性渐变滤光片被紧密耦合在光敏芯片表面.相比于光栅分光方式,模组具有紧凑的光学结构和稳定的光学特性.对此光谱模组进行波长定标实验,并给出了标定准确性评价.实验结果表明,该光谱模组的波长范围为900~1 700nm,波长准确性优于1.3nm,光谱分辨率小于通道中心波长的1.25%.基于此光谱模组的波长定标方法准确、可行,可以被用于微型近红外仪等在线光谱分析领域.     

微型近红外物联网节点的传感器输出数字化应用研究

物联网光谱分析技术的兴起,推动近红外光谱传感器向着微型化、数字化和智能化方向发展。针对InGaAs焦平面数字化、智能化的发展需求,研究InGaAs光谱组件输出数字化方案。设计一种集成自研ADC的数字化光谱传感电路,并研制了新型微型近红外光谱节点。该节点内部集成202个有效光谱通道,波长范围为900~1 700 nm,光谱分辨率优于16 nm,波长准确性小于1 nm,波长重复性优于0.3 nm,节点系统信噪比约为500:1,帧扫描时间约3 ms。研究结果表明:该微型物联网光谱节点满足近红外光谱分析实际应用需求,为传感器片上数字化输出发展和近红外光谱分析物联网应用提供技术支持。     

微型长波近红外物联网节点及实验研究

研制基于线性渐变滤光片和InGaAs焦平面的微型化物联网节点,实现长波近红外光谱数据的采集和无线传输,针对节点的波长范围、分辨率、波长准确性和波长稳定性等参数指标开展性能研究实验.实验结果表明,节点的波长范围为950~1 700 nm,光谱分辨率随波长增加而增大,约为峰值波长的1%,与滤光片特性相符,波长准确性优于1.3 nm,波长重复性优于0.1 nm,可以满足物联网中的近红外光谱分析应用需求.     

一种单一增益下实现红外探测器大动态范围读出方法研究

目前红外探测器采用传统读出方法很难通过一次积分实现其本身的动态范围。为实现红外探测器的大动态范围不换档读出,引入脉冲频率调制（Pulse Frequency Modulation,PFM）结构,同时为保证弱信号时的注入效率,结合CTIA输入级,对红外探测器不换档大动态范围读出方法进行研究。提出一种CTIA输入级脉冲频率调制（PFM）读出方法,在系统级层面搭建实验系统并结合短波红外InGaAs单元探测器进行数字量化实验。详细分析了强信号时由系统结构延迟时间引起的转换线性度问题,并建立非理想条件下的数字量化转换模型。实验结果显示,提出的CTIA输入级PFM红外探测器读出方法动态范围达到97 dB, 为红外探测器不换档大动态范围读出提供了一种可行方案,并为数字化读出电路设计奠定理论基础。     

一种应用于短波红外焦平面的大动态范围像素级ADC

针对短波红外焦平面的大动态范围需求,设计了一种像素级脉冲频率调制(PFM)模数转换器(ADC)。传统PFM ADC采用DI输入级,进行弱信号探测时,注入效率会下降,造成动态范围的损失。设计的PFM ADC采用CTIA输入级,弱信号探测时仍能维持高注入效率;同时采用两档增益和增益自选择技术,使得每个像素都能够根据输入的光电流自动选择增益,在提升动态范围的同时,不增加额外的功耗。在0.18μm CMOS工艺模型下,仿真结果表明该电路的动态范围达到100.1 dB,单元ADC功耗小于10.54μW,并且基于所设计的改进型PFM ADC设计了规模为32×32、中心距为50μm的像素级数字化读出电路。     

集成滤光片型近红外光谱组件的时空域性能改善研究

提出针对线性渐变滤光片型近红外光谱组件的时空域性能改善方法,并通过研制微型化512×2元InGaAs光谱组件,结合多帧数据融合算法完成了实验验证。光谱通道采用基于多次测量的两列相邻光敏元动态组合实现,相比单个大光敏元作为光谱通道,可以改善探测器盲元引起的不良影响。波长标定和测试结果表明,该光谱组件在线性渐变滤光片的分辨率限制下,可以有效减小相邻光谱通道间的波长间隔。     

短波红外InGaAs线性焦平面数字化输出研究（英文）

提出了一种适用于短波红外铟镓砷线性焦平面的数字化输出研究.针对实验室自主研制出的短波红外256×1铟镓砷焦平面,结合SAR ADC的基本原理,以高分辨率、低功耗、小面积为设计原则,设计一款逐次逼近(SAR)模数转换器.ADC采用0.18μm CMOS工艺流片,采用3.3 V电压供电,采样率235 KS/s,功耗460μW,信噪比66.6 dB.将ADC芯片与256×1铟镓砷焦平面在变积分时间条件下进行耦合测试.结果表明ADC芯片可以满足短波红外线列256×1铟镓砷焦平面的应用需求.     

茶叶掺糖含量检测算法中光谱数据有效性及冗余度研究

基于近红外光谱(NIRS)技术和遗传算法-反向传播(GA-BP)神经网络建立模型，分析茶叶掺蔗糖样品的1～2.5 μm原始光谱数据的有效性及冗余度。固定样本数据，对模型的参数优化选择后建立茶叶蔗糖含量定量检测模型。将1～2.5 μm原始数据分1～1.7，1～1.3，1.3～1.7，1.7～2.5和2～2.2 μm。利用建立的模型对同一分辨率下的不同波段进行模型训练。预测结果表明，1～1.7和1～2.5 μm波段存在数据冗余。仅使用1.3～1.7或1.7～2.5 μm波段即可有效建立模型。预测模型对同一波段下的不同分辨率进行研究，从2 nm到20 nm改变分辨率，当波段范围为1～2.5 μm时，模型的R均介于0.9和0.95之间，且RMSEP也在1.7和2.1之间。当波段范围为1～1.7 μm时，模型的R均在0.9和0.93之间，且RMSEP也在1.95和2.25之间。结果表明，1～2.5 μm原始数据中确实存在波长范围和光谱分辨率的冗余。通过光谱特征分析和算法建模，可以显著提高光谱数据获取的有效性；对于茶叶中蔗糖含量的检测，可以采用更窄的波长范围和更低的光谱分辨率。     

基于GA-BP神经网络的茶叶蔗糖量检测模型研究

采用近红外光谱技术结合反向传播人工神经网络算法建立了茶叶中蔗糖含量的检测模型,并通过引入遗传算法改进了模型预测质量.预测模型采用120个茶叶掺蔗糖样品的傅里叶变换漫反射光谱数据建立.对另外42个样品的预测结果表明,基于传统的反向传播人工神经网络算法模型的相关系数为0.738 0,预测均方根误差为3.075 4,正确识别率为83.3％;增加遗传算法后相关系数提高到0.941 9,预测均方根误差为1.3176,正确率为88.1％,训练误差减小一个量级以上.实验结果表明,反向传播人工神经网络模型可用来检测茶叶中的蔗糖含量,同时,引入遗传算法优化了神经网络的初始权值和阈值,使预测误差更小.     

一种新型单片集成光谱传感器的波长定标方法

新型短波红外单片集成光谱传感器(MCSS)是光谱传感物联网的核心感知部件.提出了一种MCSS的波长定标方法, 根据相对光谱响应度和波长分配原则把相邻像素组成一个定标通道.分别采用MCSS和两款商用光谱仪测量标准物质的光谱.实验结果表明, 平均定标偏差为1.8 nm, 与一款具有相似FWHM和取样间隔的商用光谱仪接近, 能够满足实际应用的需要