光谱共焦位移传感器是一种非接触测量位移传感器,其光谱共焦结构有效地克服了面结构光测量仪仅适用于漫反射表面的局限,因此能够在包括玻璃、陶瓷、高光金属、半导体晶圆等材质在内的高精度表面深度位移测量中发挥关键性作用。此外,光谱共焦位移传感器还具有具有体积小、容易安装和操作、测量精度高（微米级）、测量速度快等显著优点,适用于微电子和集成电路等产业对精度高快速非接触测量的要求,市场对于光谱共焦位移传感器的需求将可能大增,因此优化光谱共焦位移传感器的产品性能具有重要的工程价值和产业价值。作为光谱共聚焦位移传感器信号处理部分的核心,光谱仪起到识别返回光信号所对应的波长的作用,目前光谱仪的光学分辨率取决于分光系统中最重要的分光元件——反射光栅。而高精度反射光栅制备对加工基材、加工手段及加工流程的控制要求均较高,从而导致反射光栅的制备加工成本居高不下,占据了光谱共聚焦传感器较大份额的硬件成本。如果能够在保证光谱共聚焦位移传感器检测精度的前提下降低整个分光系统的硬件成本,将有助于相关产品获得更大的市场竞争力。针对这一目标,本文提出了两种光谱共聚焦位移传感器的信号处理方法,在不采用反射光栅、只利用光谱共聚焦位移传感器结构中的分光镜进行分光的前提下实现了保持光谱共聚焦位移传感器原有检测精度的目标,这两种方法如下:1、第一种方法为基于分段拟合的信号检测算法,该方法的标定流程为先对返回图像信号进行基于双边滤波的预处理操作,再对预处理结果进行降维操作,之后对降维处理之后的结果通过高斯拟合进行峰值检测,最后利用获得的位置与位移的一一对应的关系进行分段多项式拟合得到一个从峰值到位移的映射。而检测流程则为对未知图像信号进行预处理、降维、峰值检测操作获得峰值位置,再代入前文中获得的映射即可获得轴向位移数值。该算法标定时耗时较少但在标定时需要人工操作介入,因此该处理方法适用于硬件算力比较紧张但不需要频繁重新校正的应用环境。本文工作中对该算法进行了实验和测试,证明了在不采用反射光栅这一结构时,该算法也可以保证光谱共聚焦位移传感器的检测精度达到微米级别。2、第二种方法为基于神经网络监督学习的信号检测算法,该方法先对返回图像信号进行基于高斯滤波的预处理操作,再对预处理结果进行降维操作,之后对降维结果通过高斯拟合进行峰值检测,最后利用获得的位置与位移的一一对应关系进行神经网络的监督学习以获得返回信号峰值位置到位移的映射关系。检测流程则是先通过预处理、降维、峰值检测步骤以获得待测信号峰值位置,再代入上文通过神经网络监督学习得到的映射关系获得其轴向位移值。该算法标定所需时间较长但不需要人工操作介入,因此该处理方法适用于硬件算力较为充沛且需要频繁校正的应用环境。本文工作中对该算法进行了实验和测试,证明了在不采用反射光栅这一结构时,该算法也可以保证光谱共聚焦位移传感器的检测精度达到微米级别。本文的研究工作证明在光谱共焦传感器的开发中,有可能在不采用反射光栅时保证测量精度,这一结果为降低光谱共聚焦位移传感器的硬件成本提供了一个可行方向。