多次采样平均在长波红外高光谱成像系统中的应用
高光谱成像技术的原理和应用
高光谱成像技术的原理和应用1. 引言高光谱成像技术是一种非常重要的光谱成像技术，它能够获取目标物体的高光谱信息，进而实现对目标物体进行分类、定量分析、检测等多种应用。
本文将介绍高光谱成像技术的原理和应用。
2. 高光谱成像技术的原理高光谱成像技术基于光谱学原理，通过获取物体不同波长处的反射、吸收或发射光谱信息，来实现对物体的检测和分析。
其原理包括以下几个方面：2.1 光谱分辨率光谱分辨率是指在一定波段范围内可以区分的最小波长变化。
高光谱成像技术具有较高的光谱分辨率，可以分辨出目标物体的微小变化。
2.2 光谱采集高光谱成像技术通过传感器采集物体在不同波长处的光谱数据。
传感器会记录下物体在连续波长范围内的光谱反射强度，形成一幅高光谱影像。
2.3 数字处理采集到的高光谱影像需要进行数字处理，常见的处理方法包括校正、噪声去除、波长配准等。
数字处理能够进一步提取出目标物体的特征信息。
2.4 数据分析高光谱影像的数据分析常包括目标检测、分类、定量分析等。
通过数据处理和分析，可以实现对目标物体的快速、准确的识别和分析。
3. 高光谱成像技术的应用高光谱成像技术在多个领域都有广泛的应用，以下是一些常见的应用领域：3.1 农业领域高光谱成像技术可以用于农作物的健康监测、病虫害的早期检测等。
通过对农田进行高光谱成像，可以及时发现农作物叶片的问题，并针对性地采取措施，提高农作物的产量和质量。
3.2 环境监测高光谱成像技术可用于环境监测，如水质监测、空气污染监测等。
通过对水体或大气中光谱的采集和分析，可以实现对环境污染程度的判断和监测。
3.3 矿产勘探高光谱成像技术可以用于矿产勘探，如寻找矿石和矿藏等。
通过对地表光谱的分析，可以发现矿藏的特征信号，并提供勘探方向和指导。
3.4 医学领域高光谱成像技术在医学领域中有广泛的应用，如肿瘤检测、皮肤病诊断等。
通过捕捉目标区域的高光谱影像，可以获取目标组织的特征信息，从而实现对疾病的早期检测和诊断。
长波红外高灵敏度信息采集系统设计
长波红外高灵敏度信息采集系统设计张龙;董峰【摘要】本文针对特定长波红外焦平面(288×384像元)探测器,选用低噪直流电源和低压差线性稳压器组合,实现了该红外焦平面模拟和数字驱动电路.分析提升长波红外探测灵敏度的关键要点,设计了高灵敏度信息采集电路.该红外成像系统具有高帧频、高灵敏度的优点.实验室测试得到该长波红外探测系统噪声等效温差(NETD)在300 K下优于30 mK.%The analog and digital drive circuit for infrared focal plane is designed by using the low noise DC power supply and the low voltage difference linear voltage regulator. Based on the analysis of the key points of the long wave infrared detection sensitivity, a high sensitivity information acquisition circuit is designed. The infrared imaging system has high frame rate and high sensitivity. The noise equivalent temperature difference (NETD) of the long wave infrared detection system is better than 30mK at 300K by the laboratory test.【期刊名称】《红外技术》【年(卷),期】2017(039)005【总页数】5页(P409-413)【关键词】红外探测;驱动电路;积分时间;灵敏度【作者】张龙;董峰【作者单位】上海技术物理研究所中国科学院红外探测与成像技术重点实验室,上海 200083;中国科学院大学,北京 100049;上海技术物理研究所中国科学院红外探测与成像技术重点实验室,上海 200083【正文语种】中文【中图分类】TN215任何温度高于绝对零度的物体都会发出红外线。
长波红外高光谱非均匀性校正及光谱特征提取
ｃ ｎ ｕ ｔｄ ｉ ｒｇ ｎ ｌｄ ｔ ｏ ｄ ｃｅ ｎ ｏ ｉ ａ ａａ．ＬＷ ｎ ａｅ ｙ ｅ ｓ ｅ ｔａ ｍ ａ ｅ ｉ ｃｕ ｅ ｅ ｓ ｅ ｆ ｔ ｅ ｔ ｇ ｔａ ｌ ａ ｅ ｉ ｉ ｆ ｒ ｄ ｈ ｐ ｒ ｐ ｃｒ ｌｉ ｇ ｎ ｌ ｄ ｓｔ ｃ ｎｅ ｏ ｈ ａ ｅ ｓ ｗｅｌ ｓ ｔ ｒ ｈ ｒ ｈ
Ａｂ ｔ ａ ｔ ＬＷ ｉ ｆａ ｅ ｈ ｐｅ ｓ ｅ ｔａ ｓ ｓｅ ｓｒ ｃ ： ｎ ｒ ｒ ｄ ｙ ｒｐ ｃｒ ｌ ｙ ｔｍ ｃ ｎ ｎ ｌ ｚ ｔｒ ｅ ｃ ｍｐ ｓｔｏ ａ ｗｅｌ ｓ ｅ ｓ ｉ ａ ａ ａｙ ｅ ａｇ ｔ ｏ ｏ ｉｉ ｎ ｓ ｌ ａ ｓ ｎ ｅ ｔ ｓ
Ｌｉ ｎ ，Ｘｕ Ｗ ｅ ｍｉ ｇ ｎ Ｙｉ ｇ ｉ ｎ ，Ｙｕ ｎ Ｌｉ ｉ ａ ｙ ｎ，Ｗ ａ ｇ Ｊａ ｕ ｎ ｉｎｙ
（ ｈ ｎ ｈ ｉＩ ｓ ｔ ｔ ｏ ｅ ｈ ｉ ｌ ｈ ｓ ｓ Ｃ ｉｅ ｅ Ａｃ ｄ ｍｙ ｏ ｃ ｎ ｅ ， ｈ ｎ ｈ ｉ ０ ０ ３ Ｃ ｉ ａ Ｓ ａ ｇ ａ ｎ ｔｕ ｅ ｆＴ ｃ ｎ ｃ ｙ ｉ ， ｈｎ ｓ ａ ｅ ｆ Ｓ ｉ ｃ ｓ Ｓ ａ ｇ ａ ２ ０ ８ ， ｈ ｎ ） ｉ ａＰ ｃ ｅ
红外高光谱成像原理及数据处理
红外高光谱成像原理及数据处理
红外高光谱成像是一种结合了光谱技术和成像技术的
高级遥感方法，其原理主要基于不同物质在特定波长范围内的红外辐射特性。
具体过程如下：
1. 红外辐射与物质相互作用：
物质吸收、发射和散射红外光时，会根据其分子结构和化学成分呈现出特征性的光谱响应。
这种光谱响应可以在红外波段内形成独特的“指纹”信息，从而反映物质的类型和状态。
2. 高光谱成像采集：
红外高光谱成像系统通过分光元件将接收到的红外辐
射分解为多个窄波段，并在每个波段上获取一幅图像。
由此获得的数据集包含了目标区域每个像素点的光谱
数据，形成了所谓的高光谱立方体（Hyperspectral Cube），即三维数据集（两个空间维度加一个光谱维度）。
3. 数据处理与分析：
原始数据通常需要经过一系列预处理步骤，如噪声去除、
大气校正、几何校正等，以提高数据质量和适用性。
利用各种光谱分析技术（如连续窗函数分析、主成分分析、匹配滤波器、混合像元分解等）提取和识别出图像中各部分的光谱特征，进而对地物进行分类和识别。
在环境监测、地质矿物勘探、农业资源调查等领域，可通过高光谱数据解析植被生长状况、土壤成分、环境污染程度等信息。
总之，红外高光谱成像通过记录并分析地物在众多连续且精细的红外波段上的反射或发射特性，实现对地表物质的精确探测和定量分析。
高光谱成像技术在环境监测中的应用研究
高光谱成像技术在环境监测中的应用研究摘要：高光谱成像技术是一种先进的遥感技术，在环境监测中具有广泛的应用前景。
本文将介绍高光谱成像技术的原理与特点，并分析其在大气环境、水质监测和土壤监测等方面的应用案例。
通过对高光谱成像技术的研究成果进行综述和分析，可以使我们更好地了解其在环境监测中的潜在应用价值。
1. 引言高光谱成像技术是一种通过获取大量连续的窄波段光谱数据来实现对物体表面反射、发射和散射特性进行分析的遥感技术。
相比于传统的光学遥感技术，高光谱成像技术具有高分辨率、更丰富的光谱信息和更好的空间分辨率等优势，因此在环境监测中的应用潜力巨大。
2. 高光谱成像技术的原理与特点高光谱成像技术是基于光谱信息的获取和分析，其原理是通过利用光谱分析物体不同波段的反射、发射和散射特性来识别和定量分析目标物的类型和特征。
高光谱成像技术的特点主要体现在以下几个方面：2.1 多光谱信息获取能力高光谱成像技术可以获取物体在几十甚至上百个连续窄波段范围内的光谱数据，能够提供更为详细和准确的光谱信息。
通过对这些光谱数据的分析，可以获得物体的光谱特征，进而实现对其性质和组成的识别和定量分析。
2.2 高空间分辨率高光谱成像技术在获取光谱信息的同时，还能够提供高分辨率的空间信息。
其通过对每个像素点进行光谱信息采集和处理，可以实现对目标物体的边界和细节的精确捕捉。
这使得高光谱成像技术在环境监测中能够更准确地提供目标物体的空间分布和变化信息。
2.3 光谱分类与目标识别能力高光谱成像技术通过对光谱数据进行分类和目标识别，能够实现对不同物体的准确分析和识别。
通过建立光谱数据库和应用光谱特征提取算法，可以实现对环境中的植被、水质、土壤等目标物的分类和识别。
3. 高光谱成像技术在环境监测中的应用案例3.1 大气环境监测高光谱成像技术在大气环境监测中可以实现对大气颗粒物、气体排放和污染源的监测与评估。
通过分析大气中的光谱信息，可以获得大气颗粒物的物理和化学特性，进而对气溶胶污染进行定量分析和评估。
光谱成像技术发展概况
遥感技术光谱成像技术发展概况张海峰北京信息技术研究所摘要本文阐述了光谱成像技术的分类和光谱波段段的划分及其应用背号，进一步综述了光谱成像的发展历史及其典型的遥感用的光谱成像仪，并对未来的发展趋势进行了展望．关键词光谱成像多光谱超光谱极光谱遥感１引言自２０世纪８０年代初美国喷气推进实验室（３ＰＬ）提出光谱成像仪新概念后，遥感技术正在发生革命性飞跃。
光谱成像技术将成像技术和光谱技术结合在一起，是一种将光学、光谱学、精密机械、电子技术以及计算机技术融于一体的新型遥感技术。
由于光谱成像仪具有高光谱分辨率的巨大优势，在探测物体空间特征的同时对每个空间像元色散形成几十个到上百个波段带宽为ｔｏｎｍ左右的连续光谱信息，达到从空间直接识别地球表面物质的目的，因而在经济建设和军事上均有极高应用价值。
光谱成像技术根据场景成像方式的不同可分为掸扫型光谱成像仪、推扫型（亦称推帚型）光谱成像仪和凝视型光谱成像仪。
按照波段数目和光谱分辨率的不同，目前大致分为三类：多光谱ｍｕｌｔｉ．ｓｐｅｃｔｒａ／）成像：其波段数为１０～５０个，光谱分辨率（△＾／＾）为０．Ｉ。
超光谱（ｈｙｐｅｒ－ｓｐｅｃｔｒａｌ）成像：其波段数为５０～１０００个，光谱分辨率（△＾／＾）为Ｏ．０ｌ。
超光谱成像技术员原先就是为军事应用开发的，工作波段通常落在０．４哪～１．５ｂｕｎ波段上，设计用于发现伪装目标。
例如．美国ｕ．２高空侦察机早期不能实时获取情报，更不能发现难以探测的目标如掩埋的目标。
为此，美国空军制定了多传感器侦察系统（Ｍａｒｓ）改进计划，其中包括ＡＳＡＲＳ．２合成孔径雷达、多光谱成像仪和新的超光谱成像仪。
（接第２５１页）图像的自动连续制图以及缺少地面控制点地区的遥感制图具有十分重要的意义。
由于ＳＯＭ投影的理论复杂性，目前仅有美国使用。
在我国，目前对影像的处理仍然沿用系统校正和多项式校正的混合处理方法，处理效率低，几何保真度差，因此开展ＳＯＭ投影的应用研究具有极端重要性。
红外成像光谱的基础研究及应用
红外成像光谱的基础研究及应用红外成像光谱技术（infrared imaging spectroscopy）是一种基于红外辐射的无损分析和检测技术。
它通过将红外辐射反射、透射、散射或发射的光谱信息进行成像处理，可以对物质的结构、成分、形态等进行快速、非接触、大范围和高分辨率的检测与识别。
近年来，随着红外成像光谱技术的不断发展和完善，它已经广泛应用于许多领域，例如医学、环境、食品、化学、材料等。
本文就红外成像光谱技术的基础研究及应用展开探讨。
一、原理和技术1. 原理红外辐射是一种频率介于可见光和微波之间的电磁波辐射。
它具有充分透过大多数非金属物质的特性。
当红外辐射穿过物质时，受到了不同程度的吸收或反射，其反射光谱包含了物质的结构与成分信息。
红外成像光谱技术就是利用红外辐射的这种特性，测量和分析物质的反射光谱，再通过图像处理技术，得到高分辨率的成像结果。
2. 技术红外成像光谱技术基本分为以下几个步骤：采集样品辐射；光谱分析和成像处理；结果分析和识别。
a. 采集样品辐射在采集样品辐射时，可以采用不同的方式。
例如反射法、透射法、散射法和发射法。
通常使用的是反射法和透射法。
反射法是指将红外光发射到样品表面，再通过光谱仪测量它的反射光谱。
透射法则是将样品制成薄片，将红外光照射到样品背面，再通过样品前表面测量其透射光谱。
b. 光谱分析和成像处理在光谱分析和成像处理方面，需要对采集到的红外光谱进行分析。
其中，包括光谱预处和峰识别，即通过对光谱数据分析，找到每个波数位置上的峰，并用化学光谱库进行对比分析。
然后将光谱数据转化为数字图像，实现红外成像。
最后，通过图像处理软件对成像结果进行处理，得到一幅全景图像或者多幅图像拼接后的大范围图像。
c. 结果分析和识别在结果分析和识别方面，可以使用化学图像分析软件或人眼观察等多种方法。
其中，化学图像分析软件可以将不同波数下的峰用伪色图或真彩色图表现出来，方便用户直观观察其分布情况。
长波红外高光谱成像系统的设计与实现
ｉｃｕ ｅ ｃ ｍｐ ｓｔ ｎ ｏ ｅ ｂ ｃ ｇｏ ｎ ａ ｉｔ ｎ （ ｔｉ ｈ ｏｅ ｓ ｅ ｔ ｌ ｒｎ ｅ，ｒｌｔ ｅ ｂ ｃ ｇｏ ｎ ｎ ｌｄ ｏ ｏ ｉｏ ｆ ｔ ａ ｋ ｒ ｕ ｄ ｒｄａｉ ｉ ｈ ｏ ｗｉ ｎ ｔｅ ｗｈ ｌ ｐ ｃ ａ ａ ｇ ） ｅａｉ ａ ｋ ｒｕ ｄ ｈ ｒ ｖ
２ Ｓ ａ ｇ ａ Ｓ ｌｒＥ ｅ ｇ ｅ ｅ ｃ ｅ ｔｒ Ｓ ａ ｇ ａ ２ ０ ４ ， ｈ ｎ ） ． ｈ ｎ ｈ ｏａ ｎ ｒｙ Ｒ ｓａ ｈＣ ｎ ｅ ， ｈ ｎ ｈ ０ ２ １ Ｃ ｉａ ｉ ｒ ｉ
Ａｂ ｔ ａ ｔ Ｉ ｖ ｅ ｓｒ ｃ ： ｎ ｉ ｗ ｏ ｔｅ Ｗｏ ｇ ａ ｋ ｒ ｕ ｄ ａ ｉｔｏ ａ ｄ ｈ ｌ ｗ ｓｇ ａ ｎ ｉｅ ａ ｅ ｆ ｈ ｅ ｏ ｇ ｗ ａ ｅ ｆ ｈ ｓ ｎ ｂ ｃ ｇ ｏ ｎ ｒ ｄ ａ ｎ ｎ ｔｅ ｏ ｉ ｉ ｎ ｌ ｏ ｓ ｒ ｔ ｏ ｔ ｌ ｎ — ｖ
第４ Ｏ卷 第 ２期
Ｖｏ ．０ ＮＯ２ １ ． ４
红 外 与 激 光 工 程
Ｉ ｆａ ｅ ｎ ｓ ｒＥｎ ｉｅ ｒ ｇ ｎ ｒ ｄ ａ ｄ Ｌａ ｅ ｇ ｎ ｅｉ ｒ ｎ
２１ ０ １年 ２ 月
Ｆｅ ｂ．２ ０１１
长 波 红 外 高 光 谱 成 像 系 统 的 设 计 与 实 现
袁 立 银 ， 颖 ， 志 平 徐 卫 明 ， 滢 清 ， 林 何 ， 张 舒 嵘 ， 建 宇 王
（ ．中 国科 学 院 上 海 技 术 物 理 研 究 所 ， 海 ２ ０ ８ ； ． 海 太 阳 能 工 程 技 术 研 究 中 心 ， 海 ２ ０ ４ ） １ 上 ００３ ２ 上 上 ０ ２ １ 摘 要 ：针 对 长 波 红 外 高 光 谱 系统 背 景 辐 射 强 以 及 信 噪 比低 的 特 点 ，设 计 了 能 有 效 抑 制 背 景 辐 射 的
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
多次采样平均在长波红外高光谱成像系统中的应用何琦;赵航斌;彭俊;孙德新【摘要】长波红外高光谱成像系统由于光谱细分导致探测器所接收的目标信号的能量较一般成像系统弱,因此系统噪声对成像效果影响较大.针对这一现象,本文在分析系统噪声成分的基础上,提出采用ADC多次采样平均的方法来降低其噪声,并从理论上推导了该方法的有效性.然后搭建了实验系统,分析计算不同积分时间下,利用多次采样平均技术得到的信号和噪声大小,并计算系统的信噪比和NETD.结果表明,多次(m次)采样平均对系统的信号值几乎无影响,但可以将系统噪声降低至原来的m-1/2倍.因此,该方法可将系统的信噪比提高至原来的m1/2倍,并能有效降低系统的NETD,提高系统灵敏度.该方法为改善长波红外高光谱成像系统成像效果提供了一种方案.【期刊名称】《红外技术》【年(卷),期】2019(041)005【总页数】5页(P457-461)【关键词】长波红外;高光谱成像;多次采样平均;降低噪声;NETD【作者】何琦;赵航斌;彭俊;孙德新【作者单位】中国科学院上海技术物理研究所,中国科学院红外探测与成像技术重点实验室,上海 200083;中国科学院大学,北京 100049;中国科学院上海技术物理研究所,中国科学院红外探测与成像技术重点实验室,上海 200083;中国科学院大学,北京 100049;中国科学院上海技术物理研究所,中国科学院红外探测与成像技术重点实验室,上海 200083;中国科学院大学,北京 100049;中国科学院上海技术物理研究所,中国科学院红外探测与成像技术重点实验室,上海 200083;中国科学院大学,北京100049;中国科学院上海技术物理研究所启东光电遥感中心,江苏启东 226200【正文语种】中文【中图分类】TN216长波红外系统普遍具有目标信号弱以及受系统自身背景辐射影响较大的特点[1]，在长波红外高光谱成像系统中，由于高光谱成像系统将原本很弱的目标信号进行光谱精细分光处理，使得目标信号更弱，受外界影响更大，目标信号很容易湮没在噪声中。
因此，需要对长波红外高光谱成像系统进行降噪处理来提高系统信噪比和灵敏度。
长波红外系统噪声种类及成因有很多，主要分为两类，即时间噪声和空间噪声。
时间噪声包括探测器内部的热噪声，1/f噪声，散粒噪声，放大器噪声以及暗电流噪声和读出电路噪声等[2]；而空间噪声指的是制造工艺所导致探测器不同像元的响应存在差异所引起的像元阵列的非均匀性[3]。
由于长波红外探测器的制造工艺难度较大，并且探测器的读出电路部分已经过低噪声处理，因此，本文中只讨论时间噪声的影响。
常见的成像电路中的降噪方法有TDI（Time Delay Integration，时间延迟积分），像素累积和多帧叠加平均的方法[4]。
TDI指的是利用一行不同的像元推扫针对同一个点进行积分叠加，但探测器结构会变得复杂，降低灵活性；像素累积指的是将一帧图像分成若干帧进行积分叠加，但与此同时会引入大量的开关噪声；多帧叠加平均是在探测器读出后将图像多帧平均成一帧，牺牲了帧频，而长波红外高光谱系统对帧频要求较高。
除此之外，提高积分时间是一种简单有效的方法，但是由于长波红外系统中背景信号较强，积分电容很容易饱和，所以可提高的积分时间较为有限。
本文采用ADC（Analog-to-Digital Converter，模数转换器）多次采样平均方法来降低系统噪声，该方法相比较TDI和多帧叠加等方法来说，具有不牺牲帧频，不需要改变探测器结构，还能一定程度地减少量化噪声的优势，提高了系统信噪比和灵敏度。
首先从理论上分析了多次采样降噪技术的原理和其可行性以及采用该方法的原因。
然后搭建实验系统，获取图像数据并计算、分析，证明了该方法的有效性。
如图1所示，首先将像元输出信号经过低通滤波器滤除高频噪声，滤波之后，选取合适的采样点进行多次采样，再输入到FPGA（Field Programmable Gate Array，现场可编程门阵列）中进行采样平均处理，采样点应选取如图箭头所示的信号的有效值。
多次采样是在时间维度上进行的先后采样平均，能减少时间噪声对系统的影响，即探测器的瞬态噪声。
我们假设输出信号序列中的噪声成分为期望为0的加性白噪声，则对于n个信号序列来说，有以下关系：式中：Ui表示采样的序列；Si表示序列中的有效信号；Ni表示噪声成分。
由于E(Ni)＝0，所以有：所以可得单次采样信号的信噪比为：假设经过m次采样平均后，所得的信号序列如下：式中：k＝0, 1, 2, …, n。
同理由于E(Ni)＝0，有如下关系：E(U¢)＝E(Si¢)＝E(Si)＝，即：。
所以有：进而可以得出：式中：，，k＝0, 1, 2, …, (n/m－1)且l≠j。
由于每个采样信号序列是相互独立，且噪声期望为0，所以有：综上所述，当信号序列中的噪声成分是期望为0的加性白噪声时，理论上，通过m次采样平均，减小了噪声，可以将信噪比提升m1/2倍[5]。
NETD（Noise Equivalent Temperature Difference，噪声等效温差）是长波红外系统能够分辨的最小温度的差值[6]，表示系统的温度分辨能力，是热红外中衡量系统灵敏度的一个重要参数。
NETD的表达式如下：式中：T¢和T分别表示黑体温度变化前后的温度；V¢和V分别表示黑体温度变化前后探测器所响应的电压值，Vnoise表示噪声电平的有效值。
在实际测量中，由于探测器信号电平测量误差较大，我们利用探测器信号经过ADC处理之后的响应DN值来代替式子中的电平值，表达式如下：式中：DN¢和DN分别表示黑体温度变化前后ADC所量化传输的数字信号值；DNnoise表示量化传输之后的噪声数字信号值。
上述是针对单个像元在时间轴上的多次采样平均，而对探测器整个面阵中的所有像元都做多次平均处理，整个面阵的噪声也会有相应程度的降低。
如图2所示，本文实验测试系统包括长波红外探测器及其成像电路，黑体和成像所需数据采集系统。
所采用的长波红外探测器是法国Sofradir公司生产的，面阵为320×256。
驱动电路由FPGA主控，信号经过模拟电路进行跟随、放大以及高频滤波处理。
本文实验系统中，滤波带宽为15.9MHz，使信号在不失真的前提下尽可能滤除较多的高频噪声。
像元输出主时钟为1.6MHz，ADC采样速率为32MHz。
再经过ADC量化，FPGA处理信号后通过TLK2711进行传输，采用12bit量化传输。
黑体的测温精度为0.01K，测试时将低温黑体调至303K，待其温度稳定下来，置于长波红外探测器前，使得黑体温度信号充满探测器入射窗，避免外界干扰而引入其他噪声。
实验测试分别在100ms、160ms、220ms以及280ms的积分时间下，对照303K的高精度低温黑体辐射源成像。
利用ADC对探测器输出的像元信号分别进行1、2、4、8和16次采样平均处理，利用上位机获取不同情况下的图像数据。
然后分别采集对于不同积分时间下，不同ADC采样次数下的图像实验数据，取200帧计算出面阵像元信号的均值以及面阵噪声值。
取200帧的目的是尽可能使得计算出的图像信号和噪声更接近真实值。
对比不同条件下的图像信号以及噪声的DN值情况，计算出不同情况下的信噪比。
在不同积分时间以及不同采样平均次数的情况下，面阵像元信号的平均DN值大小如图3所示。
从图3可以看出，这一段积分时间里信号DN值与积分时间成正比，在同一积分时间下，多次采样平均对信号的DN值无影响，信号比较平稳。
这是多次采样平均应用的前提，不影响信号的真实值。
图4是在不同积分时间下，不同采样次数时的噪声DN值大小的情况，从图中可以明显的看出，首先，积分时间的大小对噪声基本没有影响，随着多次采样平均次数的增加，噪声有很明显的下降趋势，并逐渐趋于稳定。
根据不同采样次数和不同积分时间下的信号和噪声的DN值大小，通过来计算信噪比，结果列于图5中。
由图5可知，同一积分时间下，随着采样平均的次数增加，信噪比有明显的提升。
由理论推导可得，信噪比与采样平均次数的关系为。
在此处为了作图方便，我们将信噪比的单位用dB表示，则有SNR¢＝10×lgm＋SNR，在不同积分时间下，该关系式如图5中虚线所示。
可以看出实验数据基本满足此关系式，由于白噪声成分占很大比例，但除白噪声成分外，还有其他噪声的存在，因此并非完全理想的情况。
此外，积分时间越大，信噪比同样越高，多次采样平均大幅减少了系统中的噪声成分，而信号的有效值基本不受影响。
积分时间越大则信号有效值越高，所以信噪比随积分时间的增大而增大。
但是由于长波红外系统中，背景辐射的影响较大，积分时间的增长有限，所以需要通过多次采样来降低系统噪声。
由于多次采样平均并不影响信号的有效值，而只是降低系统的噪声。
根据式(11)可得，多次采样平均只改变NETD的计算式中的DNnoise值，在采样次数增大时，噪声值减少，因而NETD也相应减少，提高了系统的温度分辨率。
如图6所示为系统在分别对照303K黑体和313K黑体且在不同采样次数平均和不同积分时间下，在这一温度范围内的NETD变化情况：由图6可以看出，因为多次采样是通过降低噪声来提高NETD，所以NETD与采样次数也满足m－1/2的关系，图中虚线部分为理想情况下的函数图，可以看出实验数据接近理论推导的情况。
随着采样平均次数的提升，NETD的降低也逐渐放缓，由图6可以明显看出从8次采样到16次采样的时候NETD的降低很少，而随着采样次数的提升对ADC的采样率以及信号传输处理电路的要求越来越高，所以在实际使用中，结合实验数据，综合考虑信噪比和NETD的改善效果以及对ADC采样率的要求，采用8次采样平均即可。
长波红外高光谱成像系统有噪声较大、受背景辐射影响大以及探测的目标信号能量较弱的特点。
本文采用多次采样方法来降低其成像电路中的噪声。
理论分析和实验测量都表明，该方法（m次采样平均）可以将系统噪声降低至原来的m－1/2，进而将系统的信噪比提高至原来的m1/2倍，并将系统的NETD降低至原来的m－1/2。
此外，综合考虑采样效果和传输电路的要求，在实际应用中采用8次采样较为合适。
【相关文献】[1] 田国良, 柳钦火, 陈良富, 等. 热红外遥感[M]. 第二版, 北京: 电子工业出版社, 2014.TIAN Guoliang, LIU Qinhuo, CHEN Liangfu, et al. Thermal Infrared Remote Sensing[M].2nd, Beijing: Publishing House of Electronics Industry, 2014.[2] 陈凯, 孙德新, 刘银年. 长波红外系统三维噪声模型及其分析[J]. 红外技术, 2015, 37(8): 676-679.CHEN Kai, SUN Dexin, LIU Yinnian. 3D noise model of LWIR system and analysis[J]. Infrared Technology, 2015, 37(8): 676-679.[3] 顾文韵, 皮德富, 房红兵. 凝视热成像系统的噪声分析[J]. 红外与激光工程, 1999, 28(5): 48-51.GU Wenyun, PI Defu, FANG Hongbing. Analysis on noise of staring thermal imaging system[J]. Infrared and Laser Engineering, 1999, 28(5): 48-51.[4] 姜婷. 碲镉汞长波红外焦平面器件读出后处理技术研究[D]. 上海: 中国科学院上海技术物理研究所, 2016.JIANG Ting. Research on HgCdTe Long-wave IRFPA Readout Post-processing Technology[D]. Shanghai: Shanghai Institute of Technical Physics, Chinese Academy of Science, 2016.[5] 隋修宝, 陈钱, 柏连发, 等. 红外焦平面阵列多次采样滤波技术[J].红外与激光工程, 2010,39(6): 993-998.SUI Xiubao, CHEN Qian, BAI Lianfa, et al. Multiple sampling and filter technology of infrared focal plane array[J]. Infrared and Laser Engineering, 2010, 39(6): 993-998.[6] 尹达人, 许生龙. 噪声等效温差(NETD)测试方法分析[J].红外技术, 1997, 19(4): 31-33. YIN Daren, XU Shenglong. Analysis of research on NETD test[J]. Infrared Technology, 1997, 19(4): 31-33.。