黄 宽，王玮冰，李 佳

(1.中国科学院微电子研究所，北京 100029； 2.中国科学院物联网研究发展中心，江苏 无锡 214000；3.昆山光微电子有限公司，江苏 昆山 215300)

基于神经网络的MEMS红外热电堆自校准响应分析*

黄 宽1,2，王玮冰1,3，李 佳1,3

(1.中国科学院微电子研究所，北京 100029； 2.中国科学院物联网研究发展中心，江苏 无锡 214000；3.昆山光微电子有限公司，江苏 昆山 215300)

为克服MEMS红外热电堆原有自校准响应分析方法存在的考虑参数单一、故障覆盖率低、校准精度低等缺点，全面考虑多个相关参数影响，采用RHPNN神经网络提高其故障覆盖率，再用小波神经网络提高校准精度，最后用FPGA实现了该算法。与传感器结合实验结果表明，本方案故障覆盖率达到92%，自校准后的测温绝对误差降到0.03 K。

红外热电堆；MEMS；自校准；响应分析；神经网络

0 引言

MEMS红外热电堆温度传感器具有非接触式测温的优点，因此在军事、工业、医疗和消防等领域得到了广泛的应用。在热电堆旁边设计发热电阻，只须电信号便可在MEMS内部产生红外辐射[1]，以此实现自校准，比传统校准降低了成本，提高了效率。激励转换之后是响应分析，先测试各种故障，再校正可校正的故障。MEMS红外热电堆传感器的自校准，目前的响应分析方法所考虑参数单一、建模难度大、故障覆盖率低。

已有运用训练好的神经网络算法来实现多种MEMS传感器的故障检测和校正[2]，但针对MEMS红外热电堆自校准的响应分析还没有用这样的方法研究。本文运用大量MEMS红外热电堆响应数据训练多种学习型算法，选用RHPNN神经网络提高其故障覆盖率，再选用小波神经网络提高校准精度，然后用FPGA实现了该算法电路，最后多次实验验证了该算法的有效性和先进性。……