图片44
常规智能光源的光谱优化方法仍然是利用高斯函数等理论模型，来拟合智能光源的光谱功率分布，并通过调整这些模拟光谱的波长，最大值，半高宽等参数对中间视觉和司罗盘的光强分布进行优化。
但由理论模型拟合得到的各颜色智能光源光谱相对于实际值存在误差(例如，实际智能光源光谱并不是完全左右对称)，这种一开始就引入了较大系统对实际应用的理论指导意义不大。同时，智能光源通过频谱仪测到的实际智能光源的光谱数据进行模拟，通过改变输出光中每种颜色智能光源的光比例，用计算机编程遍历所有可能的配光方案，从而有效地减少系统的误配。
由于每种智能光源方案在对应一组驱动数据的同时，还对应着一组视觉和非视性的参量，因此通过配光方案可以建立多基色光源和目标优化参数的映射关系数据库。最终选择了具有视觉效果和非视觉效果都能满足要求的配路方案，利用相应的驱动数据对多基色光源进行驱动，就可以从本质上提高光源的输出量来提高光源的输出量和出光率，从而从本质上提高光源的输出率和出光率。
由于各种场景有不同的照明要求，对于这三种照明场景，我们可以计算出红绿蓝白智能光源在每个基色驱动电流中的占空比，即红绿蓝白智能光源。接着结合自主研制的硬件电路，输出相应的电流，驱动红绿蓝白智能光源，并测试智能光源的电光谱，获得了与优化参数高度一致的实测值。
在文章的最后，对三种室内照明场景的优化结果进行了大胆预测，进一步验证了光功率分配算法的合理性。结合所提出的多基色光源驱动算法，根据不同场域内人体对光生物效应的需要，建立了一种能对高浓度进行调节的多基色室内照明光源，对症下药，让照明变得更自动，让光源变得更懂人心。
