OPM的调试校准方法及装置与流程

opm的调试校准方法及装置
技术领域
1.本发明涉及脑磁技术领域，具体涉及一种opm的调试校准方法及装置。
技术背景
2.当前opm的工作依靠多个参数的耦合，包括驱动激光器和检测激光器的电流与温度、检测激光器的失谐量(波长)、气室的温度等，在opm的出场调试过程中，需要手动对多个参数进行调节，以组合为优化的参数状态。此外，当opm工作在不同磁场环境下时，由于外界磁场引起原子相互作用，其最优化参数会发生变化，也需要针对不同磁场环境重新手动调节使opm处于最佳灵敏度状态。
3.当前针对opm在复杂工作条件下的调试校准仍依赖人工手动调节方式，效率较低且调试校准的精确度也相对较差，无法满足快速调试校准的需求。


技术实现要素：

4.针对上述存在的拘束局限性，本发明提出了一种opm的调试校准方法及装置，借由上述方法，可自动化实现opm在复杂工作条件下的调试校准，调试校准速度快效率高。
5.为实现上述目的，本发明采用了以下技术方案：
6.一种opm的调试校准方法，其特征在于，
7.所述方法包括以下步骤：
8.步骤1、获取目标opm的当前工作参数及环境参数；
9.步骤2、调用最佳灵敏度模型，根据所述环境参数计算目标灵敏度；所述目标灵敏度为所述环境参数下的最佳灵敏度；
10.所述最佳灵敏度模型用于根据目标opm的环境参数计算最佳灵敏度得到目标灵敏度；
11.步骤3、根据所述当前工作参数及所述目标灵敏度计算灵敏度偏差值；
12.步骤4、若所述灵敏度偏差值不超过预设偏差阈值，则不进行参数调整；若所述灵敏度偏差值超过所述预设偏差阈值，则所述参数计算模块调用所述最佳参数模型根据所述环境参数生成目标参数组合；
13.所述最佳参数模型用于根据目标opm的环境参数计算所述目标灵敏度下的目标参数组合；
14.步骤5、根据所述当前工作参数及所述目标参数组合调节目标opm的相应参数。
15.本发明与现有技术相对比，本发明具有以下优点：
16.(1)借助自动化方法可自动化实现opm在复杂工作条件下的调试校准；
17.(2)借助最佳灵敏度模型及最佳参数模型可实现opm地快速调试校准，工作效率高。
18.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够
更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
19.图1为本发明实施例涉及的一种opm参数调试校准装置的结构图。
20.图2为本发明实施例涉及的一种opm调试校准方法的流程图。
21.图3为本发明实施例涉及的最佳灵敏度模型及最佳参数模型构建方法的流程图。
具体实施方式
22.以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。为了进一步了解本发明，下面结合最佳实施例对本发明作进一步的详细说明。
23.如下为本发明实施例中涉及名词术语的解释：
24.opm(optically-pumped magnetometer)：即原子磁强计(也称光泵磁强计)，是一种用于测量弱磁场的探测器；opm的原理为：利用圆偏振光激发待测磁场中的气体原子系统产生其塞曼子能级之间粒子数差，从而观测磁共振效应。
25.在下文中，将结合前述名词术语及附图具体介绍本发明的示例性实施例。
26.本发明的一方面是提供一种opm参数调试校准装置；参考图1，所述opm参数调试校准装置包括环境参数探测模块、模型训练模块、参数计算模块、参数调节模块、状态分析模块、数据交互模块、数据库模块。
27.所述环境参数探测模块用于获取目标opm探测所处空间的环境参数(即目标opm工作环境的环境参数)，所述环境参数包括环境磁场(静磁场)、屏蔽装置热磁噪声、数字采集系统工作参数、探测器激光器性能参数；
28.所述模型训练模块用于建立最佳灵敏度模型及最佳参数模型；所述最佳灵敏度模型可根据目标opm的环境参数计算最佳灵敏度得到目标灵敏度；所述最佳参数模型可根据目标opm的环境参数计算所述目标灵敏度下的目标参数组合。
29.所述参数计算模块用于调用最佳灵敏度模型根据环境参数计算目标灵敏度，以及调用最佳参数模型根据环境参数生成目标参数组合。
30.所述目标灵敏度为目标opm达到最优工作状态时的灵敏度指标数值，即最佳灵敏度；
31.所述目标参数组合为目标opm在其工作的环境磁场下达到所述最佳灵敏度的工作参数组合，所述工作参数组合包括原子蒸气密度、激光光功率密度、激光波长、探测器自身磁场补偿中的一种或多种参数的组合。
32.所述参数调节模块用于根据所述参数分析模块的输出结果(即目标参数组合)及目标opm的当前工作参数，生成参数调节数据。
33.所述状态分析模块用于对目标opm进行工作状态分析，根据工作状态分析结果判断是否完成opm调试校准。
34.所述数据交互模块用于接收opm工作参数、环境参数，输出参数调节控制信号。
35.所述数据库模块由参数模型数据库、工作参数数据库组成；所述模型数据库用于存储最佳灵敏度模型及最佳参数模型相关数据，包括环境参数样本数据、最佳灵敏度模型参数、最佳灵敏度模型样本数据、最佳参数模型参数、最佳参数模型样本数据；所述工作参数数据库用于存储若干opm的工作状态参数。
36.本发明的另一方面是提供一种opm的调试校准方法，用于自动获取opm的最优化参数，所述调试校准方法通过最佳参数模型，输出目标opm工作环境下的最优参数组合及相应的参数调节控制信号，实现opm的调试校准。
37.参考图2所示，所述调试校准方法包括以下步骤：
38.步骤1、获取目标opm的当前工作参数，调用所述环境参数探测模块获取环境参数；
39.步骤2、所述参数计算模块调用最佳灵敏度模型，根据所述环境参数计算目标灵敏度；所述目标灵敏度为所述环境参数下的最佳灵敏度；
40.步骤3、所述状态分析模块根据所述当前工作参数及所述目标灵敏度计算灵敏度偏差值；
41.步骤4、若所述灵敏度偏差值不超过预设偏差阈值，则不进行参数调整；若所述灵敏度偏差值超过所述预设偏差阈值，则所述参数计算模块调用所述最佳参数模型根据所述环境参数生成目标参数组合；
42.步骤5、所述参数调节模块根据所述当前工作参数及所述目标参数组合调节目标opm的相应参数；
43.步骤6、所述状态分析模块根据目标opm参数调节后的工作状态控制参数调节进程：
44.若参数调节未完成，且调节次数不超过预设调节次数阈值，则更新目标opm的所述当前工作参数并返回步骤4；
45.若参数调节未完成，且调节次数超过预设调节次数阈值，则调用模型训练模块进行参数模型优化，并返回步骤1；
46.若参数调节完成，则退出参数调节进程。
47.作为一种实施例，所述灵敏度偏差值通过以下方式计算：s＝fs(x1,x2,
…
)-s048.其中s为灵敏度偏差值，s0为所述目标灵敏度，fs()为通过当前工作参数计算当前灵敏度的计算函数，xi(i＝1,2,
…
,n)表示opm的相关工作参数。
49.作为一种实施例，参考图3所示，所述最佳灵敏度模型及所述最佳参数模型通过以下方式构建：
50.步骤s1、在若干工作环境下获取opm的工作环境参数数据得到环境参数样本数据集；
51.步骤s2、在若干工作环境下进行opm工作状态测试，得到若干工作环境下的最佳灵敏度及对应的opm工作参数，分别组成最佳灵敏度样本数据集和最佳工作参数集；
52.步骤s3、使用所述环境参数样本数据集与所述最佳灵敏度样本数据集训练机器学习模型得到最佳灵敏度模型；使用所述环境参数样本数据集与所述最佳工作参数集训练机器学习模型得到最佳参数模型。
53.在执行步骤s1及步骤s2时，所述环境参数样本数据集、所述最佳灵敏度样本数据
集、所述最佳工作参数集将被存储于所述数据库模块的参数模型数据库中。
54.在执行步骤s3时(即训练机器学习模型过程)，所述参数模型数据库将被所述模型训练模块调用以获得所述环境参数样本数据集、所述最佳灵敏度样本数据集、所述最佳工作参数集，以作为所述机器学习模型的样本数据。
55.作为一种实施例，步骤s3中所述最佳灵敏度模型及所述最佳参数模型可通过神经网络进行训练，所述神经网络包括输入层、隐藏层、输出层。
56.采用神经网络进行训练的步骤包括：
57.(1)对原始数据集进行数据清洗并将原始数据集拆分为训练集和测试集；
58.(2)设置神经网络的模型参数；所述模型参数包括输入层个数、输出层个数、神经元数量、网络层数；
59.(3)采用(2)设置的神经网络以所述训练集进行模型训练，并借助所述测试集进行评估；
60.(4)调整模型参数，直到召回率和准确率满足于预设阈值，输出所得到的模型。
61.当训练所述最佳灵敏度模型时，(1)中的原始数据集由所述环境参数样本数据集及所述最佳灵敏度样本数据集组成，神经网络的模型参数设置如下：输入层个数设置为1，输出层个数设置为1，网络层数设置为3。
62.当训练所述最佳参数模型时，(1)中的原始数据集由所述环境参数样本数据集及所述最佳工作参数集组成，神经网络的模型参数设置如下：输入层个数设置为1，输出层个数设置为1，网络层数设置为3。
63.作为一种实施例，所述最佳灵敏度模型及所述最佳参数模型还可以采用包括k紧邻算法、支持向量机算法、朴素贝叶斯算法、决策树算法中的任一机器学习算法训练得到；上述机器学习算法均为成熟技术手段，本领域技术人员根据实施例的描述均可顺利实现上述回归算法，在此不赘述。
64.作为一种实施例，所述环境参数探测模块包括环境磁场探测装置、环境温度监测装置、电子学系统检测装置、激光光强检测装置、激光波长检测装置。
65.所述环境磁场探测装置被配置于目标opm四周，用于获取目标opm工作环境下的环境磁场数据。
66.所述环境温度监测装置用于获取屏蔽装置热磁噪声；
67.所述电子学系统检测装置用于获得数字采集系统的工作参数；
68.所述激光光强检测装置用于获得探测器激光器的光强参数；
69.所述激光波长检测装置用于获得探测器激光器的波长参数。
70.作为一种实施例，所述当前工作参数为目标opm当前状态的工作状态参数，所述工作状态参数包括原子蒸气密度、激光光功率密度、激光波长、探测器自身磁场补偿中的至少一种类型参数。
71.作为一种实施例，本发明所述方法可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(asic)、通用计算机或任何其他类似硬件设备来实现。
72.本发明所述的方法可以软件程序的形式实施，所述软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，所述软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，ram存储器，磁或光驱动器或软磁盘及类似设备。
73.另外，本发明所述方法的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
74.另外，本发明所述的方法的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本技术的方法和/或技术方案。而调用本发明所述方法的程序指令，可被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。
75.作为一种实施例，本发明还提供一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述的多个实施例的方法和/或技术方案。
76.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本技术所必须的。
77.最后，需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
78.以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

技术特征：
1.一种opm的调试校准方法，其特征在于，所述方法包括以下步骤：步骤1、获取目标opm的当前工作参数及环境参数；步骤2、调用最佳灵敏度模型，根据所述环境参数计算目标灵敏度；所述目标灵敏度为所述环境参数下的最佳灵敏度；所述最佳灵敏度模型用于根据目标opm的环境参数计算最佳灵敏度得到目标灵敏度；步骤3、根据所述当前工作参数及所述目标灵敏度计算灵敏度偏差值；步骤4、若所述灵敏度偏差值不超过预设偏差阈值，则不进行参数调整；若所述灵敏度偏差值超过所述预设偏差阈值，则所述参数计算模块调用所述最佳参数模型根据所述环境参数生成目标参数组合；所述最佳参数模型用于根据目标opm的环境参数计算所述目标灵敏度下的目标参数组合；步骤5、根据所述当前工作参数及所述目标参数组合调节目标opm的相应参数。2.根据权利要求1所述的方法，其特征在于，所述方法还包括以下步骤：步骤6、根据目标opm参数调节后的工作状态控制参数调节进程：若参数调节未完成，且调节次数不超过预设调节次数阈值，则更新目标opm的所述当前工作参数并返回步骤4；若参数调节未完成，且调节次数超过预设调节次数阈值，则调用模型训练模块进行参数模型优化，并返回步骤1；若参数调节完成，则退出参数调节进程。3.根据权利要求1所述的方法，其特征在于，所述最佳灵敏度模型及所述最佳参数模型通过以下方式构建：步骤s1、在若干工作环境下获取opm的工作环境参数数据得到环境参数样本数据集；步骤s2、在若干工作环境下进行opm工作状态测试，得到若干工作环境下的最佳灵敏度及对应的opm工作参数，分别组成最佳灵敏度样本数据集和最佳工作参数集；步骤s3、使用所述环境参数样本数据集与所述最佳灵敏度样本数据集训练机器学习模型得到最佳灵敏度模型；使用所述环境参数样本数据集与所述最佳工作参数集训练机器学习模型得到最佳参数模型。4.根据权利要求3所述的方法，其特征在于，在执行步骤s1及步骤s2时，所述环境参数样本数据集、所述最佳灵敏度样本数据集、所述最佳工作参数集将被存储于所述数据库模块的参数模型数据库中。在执行步骤s3时，所述参数模型数据库将被所述模型训练模块调用以获得所述环境参数样本数据集、所述最佳灵敏度样本数据集、所述最佳工作参数集，以作为所述机器学习模型的样本数据。5.根据权利要求3所述的方法，其特征在于，步骤s3中所述最佳灵敏度模型及所述最佳参数模型可通过神经网络进行训练，采用神经网络进行训练的步骤包括：(1)对原始数据集进行数据清洗并将原始数据集拆分为训练集和测试集；
(2)设置神经网络的模型参数；所述模型参数包括输入层个数、输出层个数、神经元数量、网络层数；(3)采用(2)设置的神经网络以所述训练集进行模型训练，并借助所述测试集进行评估；(4)调整模型参数，直到召回率和准确率满足于预设阈值，输出所得到的模型。6.所述灵敏度偏差值通过以下方式计算：s＝fs(x1,x2,
…
)-s0其中s为灵敏度偏差值，s0为所述目标灵敏度，fs()为通过当前工作参数计算当前灵敏度的计算函数，x
i
(i＝1,2,
…
,n)表示opm的相关工作参数。7.一种opm的调试校准装置，其特征在于，所述装置包括环境参数探测模块、模型训练模块、参数计算模块、参数调节模块、状态分析模块；所述环境参数探测模块用于获取目标opm探测所处空间的环境参数；所述模型训练模块用于建立最佳灵敏度模型及最佳参数模型；所述参数计算模块用于调用最佳灵敏度模型根据环境参数计算目标灵敏度，以及调用最佳参数模型根据环境参数生成目标参数组合；所述目标灵敏度为目标opm达到最优工作状态时的灵敏度指标数值；所述目标参数组合为目标opm在其工作的环境磁场下达到所述最佳灵敏度的工作参数组合；所述参数调节模块用于根据目标参数组及目标opm的当前工作参数，生成参数调节数据；所述状态分析模块用于对目标opm进行工作状态分析，根据工作状态分析结果判断是否完成opm调试校准。8.根据权利要求8所述的方法，其特征在于，所述环境参数包括环境磁场、屏蔽装置热磁噪声、数字采集系统工作参数、探测器激光器性能参数；所述工作参数组合包括原子蒸气密度、激光光功率密度、激光波长、探测器自身磁场补偿中的一种或多种参数的组合。9.根据权利要求1所述的方法，其特征在于，所述环境参数探测模块包括环境磁场探测装置、环境温度监测装置、电子学系统检测装置、激光光强检测装置、激光波长检测装置；所述环境磁场探测装置用于获取目标opm工作环境下的环境磁场数据；所述环境温度监测装置用于获取屏蔽装置热磁噪声；所述电子学系统检测装置用于获得数字采集系统的工作参数；所述激光光强检测装置用于获得探测器激光器的光强参数；所述激光波长检测装置用于获得探测器激光器的波长参数。

技术总结
一种OPM的调试校准方法，所述方法包括以下步骤：步骤1、获取目标OPM的当前工作参数及环境参数；步骤2、调用最佳灵敏度模型，根据所述环境参数计算目标灵敏度；步骤3、根据所述当前工作参数及所述目标灵敏度计算灵敏度偏差值；步骤4、若所述灵敏度偏差值不超过预设偏差阈值，则不进行参数调整；若所述灵敏度偏差值超过所述预设偏差阈值，则所述参数计算模块调用所述最佳参数模型根据所述环境参数生成目标参数组合；步骤5、根据所述当前工作参数及所述目标参数组合调节目标OPM的相应参数；借由上述方法可自动化实现OPM在复杂工作条件下的调试校准。调试校准。调试校准。


技术研发人员：盛经纬 马啸
受保护的技术使用者：北京昆迈医疗科技有限公司
技术研发日：2023.02.09
技术公布日：2023/9/20