莫尔条纹噪声控制及细分精度分析 (2009年)

由于莫尔条纹信号质量直接影响其细分精度，故将神经网络自适应算法用于莫尔条纹噪声控制。用算法的神经网络层实现信号的非线性映射，将滤波步长与信号频率构成函数关系以实现其动态调整，使算法具有自适应性，满足信号的滤波带宽要求。对该算法滤波后的圆光栅莫尔条纹信号进行512倍正切法细分，分辨力达到0.618,最大累积误差1.236，信号质量明显改善，细分精度显著提高。实验表明，这种算法滤波效果优于常规算法，作用频带宽，对莫尔条纹线性和非线性噪声具有明显的抑制作用，可为细分提供良好的数据准备。