四象限探测器基于高斯分布的激光光斑中心定位算法
本文选题:四象限探测器 + 光斑中心 ; 参考:《红外与激光工程》2017年02期
【摘要】:为了提高四象限探测器在FPGA中实时激光光斑位置测量的精度,提出了一种基于高斯分布的光斑中心定位算法。首先,四象限探测器光敏面上分布的激光光斑采用高斯分布模型等效。结合探测器的工作原理,合理设置高斯积分区间,计算出呈高斯分布的光斑在探测器各象限内的光能量,从而对应各象限输出的光电流,得到包含光斑位置信息的正态分布关系式。再通过标准正态分布表查询快速求解出光斑中心位置,将算法在硬件上实时地实现。最后,分别对基于高斯分布的定位算法和基于圆模型的传统算法进行仿真与实验验证。结果表明,基于高斯分布的定位算法的测量精度相较于传统算法提高了43.8%。由此证明基于高斯分布的定位算法能有效提高激光光斑中心位置测量精度。
[Abstract]:In order to improve the accuracy of real-time laser spot location measurement of four-quadrant detector in FPGA, a new algorithm based on Gao Si distribution is proposed to locate the spot center. First, the laser spot distribution on the Guang Min surface of the four-quadrant detector is equivalent to that of the Gao Si distribution model. Combined with the working principle of the detector, the Gao Si integral interval is reasonably set, and the light energy of the spot distributed in Gao Si in each quadrant of the detector is calculated, which corresponds to the output photocurrent of each quadrant. A normal distribution formula containing spot location information is obtained. Then, the location of the spot center is solved quickly by the standard normal distribution table query, and the algorithm is implemented in real time on hardware. Finally, the localization algorithm based on Gao Si distribution and the traditional algorithm based on circular model are simulated and verified by experiments. The results show that the measurement accuracy of the localization algorithm based on Gao Si distribution is 43.8% higher than that of the traditional algorithm. It is proved that the location algorithm based on Gao Si distribution can effectively improve the accuracy of laser spot center position measurement.
【作者单位】: 南京理工大学电子工程与光电技术学院;
【基金】:江苏省自然科学基金(BK20130769)
【分类号】:TN249
【相似文献】
相关期刊论文 前10条
1 秦卓仁;;实验数据处理中三种高斯分布积分表的互换[J];物理实验;1986年04期
2 张智明;;高斯分布的直接推导[J];物理实验;1987年06期
3 王宏洲,马宝华,施聚生;反高斯分布环境因子估计[J];中国空间科学技术;1992年05期
4 李怀恩,沈晋,,刘玉生;逆高斯分布模型参数单站综合初步研究[J];西北水资源与水工程;1994年02期
5 刘玉超;马于涛;张海粟;陈桂生;;高阶高斯分布迭代的云模型及其数学性质研究[J];电子学报;2012年10期
6 王淑华;邓迎春;向绪言;;Integrate-and-Fire模型下逆高斯分布输入的两种扩散近似[J];湖南文理学院学报(自然科学版);2007年04期
7 施将君,李献文,刘军;高斯分布及截断和抽样[J];强激光与粒子束;1997年03期
8 张东;萨本豪;张孝泽;金星南;;非常热的余核系统破碎瞬时的体积效应[J];高能物理与核物理;1989年01期
9 金秀岩;;逆高斯分布参数的估计[J];长春师范学院学报;2006年08期
10 江家敏;高斯分布的应用[J];开封教育学院学报;1996年01期
相关会议论文 前3条
1 孙浩军;孔令俊;刘志辉;;利用高斯分布生成数据对聚类算法的比较[A];2007'仪表,自动化及先进集成技术大会论文集(一)[C];2007年
2 王华;程侃;;逆高斯分布在可靠性中的应用[A];2001年全国数学规划及运筹研讨会论文集[C];2001年
3 蒲克塞;郭承军;;基于混合高斯包络法的伪码-载波偏离度监测器门限设计[A];第四届中国卫星导航学术年会论文集-S5 卫星导航增强与完好性监测[C];2013年
相关博士学位论文 前1条
1 林祥涛;上下文认知计算技术研究[D];北京邮电大学;2010年
相关硕士学位论文 前9条
1 李思明;基于复合高斯模型的杂波统计分析与建模[D];哈尔滨工业大学;2015年
2 吴安勤;基于EM估计的正态逆高斯分布下中国股票收益率分布研究[D];南京大学;2014年
3 冯晓利;单峰高斯分布适应面上准物种演化的研究[D];郑州大学;2006年
4 王淑华;逆高斯分布输入下的Integrate-and-Fire模型[D];湖南师范大学;2008年
5 邓立凤;逆高斯分布参数的Bayes 估计研究[D];广西师范学院;2010年
6 周佩;基于高斯分布的率失真优化方法[D];西安电子科技大学;2012年
7 王刚;基于多变量亚高斯分布模型的图像检索的研究[D];扬州大学;2013年
8 张萌;对影响视频精确跟踪因素的研究及跟踪模式的优化[D];宁波大学;2012年
9 李淑娟;高斯分布声子腔对半导体纳米线中声子输运影响的研究[D];湖南大学;2010年
本文编号:2112762
本文链接:https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2112762.html