[發(fā)明專利]一種高精度表面等離子共振檢測(cè)方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201010572238.3
• 申請(qǐng)日: 2010-12-03
• 公開(kāi)（公告）號(hào): CN102103078A
• 公開(kāi)（公告）日: 2011-06-22
• 發(fā)明（設(shè)計(jì)）人: 鄭錚;曾勰;萬(wàn)育航
• 申請(qǐng)（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號(hào): G01N21/55
• 分類號(hào): G01N21/55
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種高精度表面等離子體共振檢測(cè)方法，包括以下步驟：

(1)多次SPR曲線采集：在相同實(shí)驗(yàn)條件下，對(duì)同一SPR檢測(cè)系統(tǒng)進(jìn)行N次信號(hào)采集，每次采集中，按相同采樣間隔獲得一條SPR曲線，從而得到N條具有微小隨機(jī)平移的SPR曲線Y₁，Y₂，...Y_N；

(2)微平移估計(jì)：選取上述N條SPR曲線中的一條作為參考曲線Y_r，估計(jì)各SPR曲線Y_i(i＝1，2，...，N)與參考曲線間的微平移Motion_r，i；

(3)期望絕對(duì)位置向量估計(jì)：設(shè)參考曲線Y_r所對(duì)應(yīng)的絕對(duì)位置向量為P_r，利用上述各SPR曲線Y_i相對(duì)于參考曲線Y_r的微平移Motion_r，i，估計(jì)出期望絕對(duì)位置向量相對(duì)于參考曲線Y_r絕對(duì)位置向量的整體平移偏差ΔMotion，得到估計(jì)的期望絕對(duì)位置向量P_r+ΔMotion；

(4)信息融合：在準(zhǔn)確估計(jì)期望絕對(duì)位置向量以及各SPR曲線相對(duì)其微平移的基礎(chǔ)上，在上述估計(jì)的期望絕對(duì)位置向量所對(duì)應(yīng)的位置范圍內(nèi)，利用信息融合算法融合多條SPR曲線Y₁，Y₂，...Y_N間的不同信息，加入SPR曲線的先驗(yàn)約束，從而得到期望絕對(duì)位置向量上的一條具有更小采樣間隔的SPR曲線

(5)SPR信息提取：從上述低采樣間隔的SPR曲線中提取得到SPR傳感信息。

2.根據(jù)權(quán)力要求1所述的檢測(cè)方法，其特征在于，所述步驟(1)中的多次采集的SPR曲線間具有微小隨機(jī)的整體平移，表現(xiàn)為曲線在位置軸上的整體移動(dòng)，并且每次采集引入的強(qiáng)度噪聲具有隨機(jī)特性。

3.根據(jù)權(quán)力要求1所述的檢測(cè)方法，其特征在于，所述步驟(2)中的微平移估計(jì)方法的估計(jì)精度必須小于一個(gè)單位采樣間隔。

4.根據(jù)權(quán)力要求1所述的檢測(cè)方法，其特征在于，所述步驟(2)中的微平移估計(jì)方法包括相關(guān)函數(shù)法、強(qiáng)度插值法、微分法和相位相關(guān)法。

5.根據(jù)權(quán)利要求1所述的檢測(cè)方法，其特征在于，所述步驟(3)中，估計(jì)出來(lái)的ΔMotion是期望絕對(duì)位置向量相對(duì)于參考曲線Y_r絕對(duì)位置向量的整體平移偏差的無(wú)偏估計(jì)。

6.根據(jù)權(quán)利要求1和5所述的檢測(cè)方法，其特征在于，所述步驟(3)中對(duì)期望絕對(duì)位置向量相對(duì)于參考曲線Y_r絕對(duì)位置向量的整體平移的無(wú)偏估計(jì)，其估計(jì)方法根據(jù)多次采集SPR曲線間的微平移的概率分布不同，包括矩估計(jì)、最小二乘估計(jì)和極大似然估計(jì)。

7.根據(jù)權(quán)利要求1所述的檢測(cè)方法，其特征在于，所述步驟(4)中的信息融合算法，在最小化強(qiáng)度噪聲誤差的同時(shí)，加入對(duì)SPR曲線的先驗(yàn)約束，以克服問(wèn)題的病態(tài)性。

8.根據(jù)權(quán)利要求1和7中所述的檢測(cè)方法，其特征在于，所述步驟(4)中的信息融合算法包括將約束優(yōu)化問(wèn)題轉(zhuǎn)化為無(wú)約束優(yōu)化問(wèn)題的最大后驗(yàn)概率方法，以及直接解決約束優(yōu)化問(wèn)題的凸集投影方法。

9.根據(jù)權(quán)利要求8中所述的信息融合算法，其特征在于，對(duì)于將原約束優(yōu)化問(wèn)題轉(zhuǎn)化成為的無(wú)約束最小化問(wèn)題的最大后驗(yàn)概率方法，使用包括共軛梯度法和擬牛頓法在內(nèi)的無(wú)約束最小化算法解決。

10.根據(jù)權(quán)利要求1和7中所述的檢測(cè)方法，其特征在于，進(jìn)行所述步驟(4)的信息融合時(shí)，加入的對(duì)SPR曲線的先驗(yàn)約束包括理論SPR曲線的光滑性和形狀特性。