国产化平台下光谱特性数据信息系统的设计与实现

中图分类号：TP315 文献标识码：A

0、引言

在全球科技竞争加剧的背景下，光谱特性数据管理的国产 龙 保障国家安全与战略发展的重要支撑 [1]。光谱数据作为物质成分与结构 识别、伪装检测）[2，3] 和民用领域（如环境监测、精准农业） 像技术通过纳米级光谱分辨率，能够穿透复杂伪装并识别化学物质组成，为军 然而，当前我国在该领域仍存在核心算法对外依赖度高、硬件适配能力不足等问题， 构建自 据管理系统已成为突破技术封锁的重要战略举措。

国际上，美国等发达国家已建成集数据采集、处理与分析于一体的全流程高光谱信息系统，并在军事侦察领域实现规模化应用 [4]。相比之下，我国在植被监测、地质勘探等领域虽取得显著进展 [5]，但在军事应用场景下的算法优化与国产化平台适配方面仍存在差距。现有系统多基于国外软硬件架构开发，在数据安全与供应链稳定性上面临潜在风险。

本研究以构建国产化全栈光谱信息系统为目标，重点开展以下工作：设计软硬件适配方案；开发基于达梦8 数据库的光谱数据存储架构；构建包含数据预处理、特征提取与智能分析的核心算法库；通过相关项目验证系统的可靠性。研究方法采用文献研究与实证分析相结合，提出针对性解决方案。

1、光谱特性数据信息系统设计

1.1 总体架构

系统采用分层式架构设计（图1），实现功能模块的松耦合与资源的高效利用：

应用层：基于VUE 框架构建交互式可视化界面，集成组件库实现数据展示与用户交

服务层：采用 Express 框架开发 RESTful API，处理轻量级业务逻辑。通过 Socket 通信与数据处理服务（C++/QT5）协同工作。

数据层：构建三级数据存储体系（原始数据层/ 处理数据层/ 产品数据层）。

基础设施层：适配龙芯3A5000 处理器与银河麒麟V10 操作系统。

该架构具有以下创新特征及优势：

分层解耦职责清晰：前后端分离，Vue 负责交互与展示，Node.js 专注 API 路由与轻逻辑，Qt 处理计算密集型任务，避免单一模块过载；数据流可控，Web 服务层作为中间件，有效隔离用户请求与底层数据存储系统，提升安全性。

国产化全栈适配：硬件、系统、数据库兼容，龙芯（LoongArch 指令集）与银河麒麟（Linux 内核优化）深度适配，达梦数据库提供自主可控的存储方案，规避供应链风险。

性能与资源利用优化：Node.js（单线程异步 I/O）擅长处理高并发 HTTP 请求，适合作为轻量级网关。 C++ 多线程利用龙芯多核性能执行光谱分析算法，避免Node.js 处理CPU 密集型任务时的性能瓶颈。

1.2 数据库设计

基于国产化需求，本软件选用达梦 8 数据库作为数据存储的基础。通过统一的数据库访问接口进行相关信息的增加、删除、更改、查询。构建三级数据模型：

原始数据层：存储试验任务参数（环境/ 背景/ 目标/ 设备）等多源异构数据

处理数据层：包含预处理数据（噪声去除/ 基线校正）与统计分析结果

产品数据层：生成满足应用需求的标准数据产品（辐射亮度/ 强度曲线

为提升数据访问效率，建立复合索引，对任务时间、目标类型等高频查询字段创建 B+ 树索引。同时引入Redis 缓存，将常用数据缓存至内存，减少数据库I/O 操作。

1.3 功能模块

数据管理功能由数据导入、数据查询、数据浏览、图形展示、数据删除、数据更新、数据下载等数据维护功能和缓冲管理等功能组成。

数据预处理功能由 SG 平滑滤波、标准正态变换（SNV）功能组成。可去除信号中的噪声，提升数据的可比性和分析精度。

数据分析功能由统计分析、处理分析和目标光谱测量功能组成，统计分析基于读取兴趣区域的高光谱数据，为用户提供平均值和灰度直方图统计分析功能；处理分析是光谱角度分析计算；目标光谱测量提供计算有距离信息的目标的辐射亮度和辐射强度数据。

系统管理功能由用户管理、登录验证、角色管理、事件监视、基础数据管理、数据备份恢复、系统帮助七部分功能组成。

2、光谱特性数据信息系统实现

2.1 数据管理

原始数据来源一般为测量任务，数据导入功能支持 XML 任务文件自动解析与人工补录相结合的数据录入模式，通过前端表单生成完整的光谱数据及任务信息并将其存入数据库；查询时支持多维度组合查询，可根据目标名称、任务名称、探测方式、测试时间等条件进行检索查看；同时还可对数据进行编辑、删除、下载等操作。数据查看界面如图2 所示。

2.2 数据预处理

对获取到的原始光谱数据依次进行SG 平滑滤波、标准正态变换（SNV）处理。

平滑滤波是一种基于最小二乘法的低通滤波，其核心原理是通过在数据窗口内对相邻数据点进行多项式拟合，从而实现信号的平滑处理。具体来说，它通过对一定长度的窗口内的数据点进行 k 阶多项式拟合，然后利用加权平均的方式计算出平滑后的估计值。这种方法能够有效去除噪声，同时保留信号的形状和特征。

而后进行标准正态变换做进一步处理，标准正态变换（Standard Normal Variate， SNV）是一种针对单条光谱的预处理方法，用于消除颗粒散射、光程差异等引起的乘性干扰。其核心公式为：

其中是第i 条光谱在第j 个波长点的原始值，是第i 条光谱的均值，是第i 条光谱的标准差。通过该变换，每条光谱的均值被归零，方差被标准化为 1，从而消除基线偏移和缩放效应。SNV 核心算法可高效完成高光谱数据的SNV 预处理，为后续分类、检测等分析任务提供标准化输入。

2.3 数据分析

统计分析功能分为 2 个子功能，平均值计算可以计算出用户标选的兴趣区域对应波段的平均值，灰度直方图则是对选中区域图像数据的灰度值进行统计分析。

光谱角度计算功能是通过对兴趣区域的分析计算，抽取出该区域所有波段的平均值，得到该区域的光谱曲线，选择数据库中已有的光谱曲线，可以基于光谱角匹配算法实现目标光谱相似性度量。辐射亮度由传感器输出的数字量化值（DN）转换得到，见以下公式：

其中增益（Gain）和偏置（Bias）参数通常由传感器厂商提供，并存储在元数据中。若目标为面源，其辐射强度可通过以下公式得到

其中A 为目标投影面积，Ω 为传感器接收立体角。2.4 系统管理

登录时发送用户名密码，后端生成Token 返回前端存至vuex。token 过期自动断连。

角色管理赋予不同角色不同的数据权限比如菜单显隐、数据操作权限。

事件监视记录用户登录信息及登录状态信息和用户操作信息及操作状态信息，可以对系统使用情况进行监视。

3、应用效果

数据预处理及数据分析的响应时间见下表：

以近红外光谱数据（50 个样本，400-2500nm，噪声水平约5%）为例，对比原始数据和经处理后的数据：

4、结论与展望

本研究成功构建了国产化平台下的目标光谱特性数据信息系统，具备构建大量典型目标的光谱特征数据库的能力，管理的数据资源可为防空预警、伪装识别与毁伤评估等关键任务提供科学依据。系统采用龙芯 + 银河麒麟操作系统 + 达梦 8 的国产化组合，实现了从硬件到软件的全栈自主可控，提升了数据安全性，尤其在国防等敏感领域具有重要的战略意义。

本研究仍存在一些可优化的方向。在算法层面，随着高光谱数据量的不断增长，现有的数据预处理和分析算法在处理效率上可能面临挑战，未来可探索更高效的算法，如基于深度学习的算法，以提升数据处理速度和分析精度。

参考文献：

[1]. 金陶陶， 戈燕红. 实验室分析仪器国 j^α 化替代战略思考 [J]. 中国科学仪器 ，2022，38（10）：23-30.

[2]. 陈亮， 刘代志. 高光谱遥感的军事应用[C]. 陕西地球物理文集（ 五） 国家安全与军事地球物理研究，西安 ， 中国 ，2005：98-103.

[3]. 王 捷 ， 周 伟 ， 姚 力 波 . 国 外 成 像 侦 察 技 术 现 状 及 发 展 趋 势 [J]. 海 军 航 空 工 程 学 院 学报 ，2012，（2）：199-204.

[4]. 麻永平， 张炜， 刘东旭. 高光谱侦察技术特点及其对地面军事目标威胁分析[J]. 红外与激光工程，《上海航天》2012，41（1）：1-10.

[5]. 李科冉 ， 等 .（2023）. 高光谱遥感在复杂植被覆盖区地质勘探中的应用 .《遥感学报》，27（6），123-135.

作者简介：贾凡（1990—），男，人，本科，工程师，主要研究方向：软件开发；

刘子龙（1988—），男，人，硕士研究生，高级工程师，主要研究方向：目标特性；

张永利（1978—），女，人，硕士研究生，高级工程师，主要研究方向：目标特性。