基于注意力机制和长短期记忆网络的F-P滤波器温漂误差修正
摘要
借助深度学习算法的非线性处理能力，提出基于注意力机制和长短期记忆（LSTM）网络的温漂预测模型，从而对法布里-珀罗（F-P）滤波器进行温漂补偿。针对温漂数据中复杂的时空信息，采用LSTM提取时间信息，利用注意力机制分配空间权重。实验结果表明：在升温-降温-升温环境下，所提方法和LSTM模型的最大波长漂移误差分别为6.75 pm和16.64 pm；在单调降温环境下，两种方法的最大波长漂移误差分别为5.39 pm和14.09 pm。所提方法在最大绝对误差（MAXE）、均方根误差（RMSE）和平均误差（MAE）上均优于最小二乘支持向量机（LSSVM）和循环神经网络（RNN）。
引用本文（GB/T 7714）
盛文娟 Sheng Wenjuan, 胡俊 Hu Jun, 彭刚定 Peng Gangding. 基于注意力机制和长短期记忆网络的F-P滤波器温漂误差修正[J]. Acta Optica Sinica, 2023.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。