张馨怡，陈振林

(海军航空大学，山东 烟台 264001)

0 引言

红外辐射计主要用于红外目标的辐射照度等辐射特性的准确测量，不同拟合方法会对测量精度产生较大影响。对于红外目标模拟器校准装置，很多因素都可能导致校准数据呈现出非线性的特点，主要可分为两大类[1-5]：系统自身所带来的非线性和环境引入的非线性。导致系统自身带来非线性的主要因素包括：光学系统中，镜面加工精度、孔径、焦距、光轴偏转角度等；探测器的灵敏度；系统电路对电信号进行放大处理时，电信号进入不同放大器。环境引入的非线性一般难以预测，主要由背景辐射的变化导致。

在红外目标模拟器的校准数据处理中，最常见的方法是最小二乘法(LS,ordinary least squares)。但最小二乘法只注重寻找局部极值点，找到的并不一定是全局最优解。而且最小二乘法很难精确拟合标准辐射源辐射和探测器实际测量辐射照度之间的非线性关系。文献[6]在最小二乘法的基础上提出偏最小二乘-投影寻踪回归法(PLSPP,partial least squares regression projection pursuit)，主要利用降维的方法用较少的因素描述数据，但此方法更适用于大规模数据集，且对于非线性数据的处理仍不理想。之后，文献[7-8]针对数据非线性的问题提出了基于粒子群优化的自适应支持向量回归算法(PSO-ASVM,particle swarm optimization-adaptive support vector regression)，但同样存在一些弊端，支持向量机算法非常难以训练。

相较于最小二乘法，神经网络算法的容错性以及对复杂非线性数据处理性能较好，但传统的bp神经网络(BPNN,back propagation neural network)速度较慢，且易陷入局部最优解。……