Kodierverfahren zur Datenkompression von Leistungsspektren eines optoelektronischen Bauteils und Dekodierverfahren

Die Erfindung betrifft ein Verfahren zum Komprimieren eines oder mehrerer Leistungsspektren eines optoelektronischen Bauteils sowie ein Verfahren zum Dekomprimieren der Leistungsspektren .

Diese Patentanmeldung beansprucht die Priorität der deutschen Patentanmeldung 10 2014 101 307.7, deren Offenbarungsgehalt hiermit durch Rückbezug aufgenommen wird. Optoelektronische Bauteile, wie z.B. Leuchtdioden (LED, Light Emitting Devices) , kommen in verschiedenen technischen Anwendungen zum Einsatz. Insbesondere werden LEDs zunehmend für Beleuchtungszwecke eingesetzt. Abhängig von der jeweiligen Anwendung lassen sich unterschiedliche LEDs mit definierten Lichtcharakteristiken herstellen. Herstellungsbedingt kommt es allerdings bei LEDs derselben Bauteilreihe zu mehr oder weniger starken Variationen der Lichtcharakteristika . Während in einigen Einsatzgebieten der LEDs eine gewisse Streuung der Leuchteigenschaften sich als unproblematisch erweist, setzen bestimmte Spezialanwendungen eine möglichst genaue Kenntnis der Lichtcharakteristika der verwendeten LEDs vorraus . So ist das vom menschlichen Auge erfasste LED-Licht bereits mittels weniger makroskopischer Daten, wie z.B. photometrische Helligkeit und Farbort, in der Regel ausreichend charakteri- siert. Für Anwendungen, die LED-Licht insbesondere per Sensor erfassen, ist es vorteilhaft, möglichst genaue Kenntnis über die Charakteristika einzelner LED zu besitzen. So ist für LED-Licht, welches per Sensor erfasst wird, neben den makro ^¬ skopischen Daten, wie radiometrische Helligkeit, insbesondere das Licht-Leistungsspektrum interessant, welches ein deutlich größeres Datenvolumen hat. Als Beispiel kommt hier ein Mobil ^¬ telefon in Frage, dessen Kameramodul das Licht eines internen LED-Blitzes erfasst. Für LED-Bauteile mit mehreren einzeln ansteuerbaren Farben (LED-Chips) ergibt sich ein entsprechend vergrößertes Daten ^¬ volumen. Eine Speicherung dieser Daten in den in dem LED- Bauteil integrierten Speicherbausteinen erfordert daher ein relativ großes Speichervolumen, was unter anderem mit relativ hohen Herstellungskosten einhergeht. Da mit der Speicherkapa ^¬ zität auch die Größe der entsprechenden Speicherbausteine an ^¬ steigt, sind große Speichervolumen gerade in Anwendungsberei- chen mit deutlich beschränktem Bauraum relativ kritisch.

Die bisherigen Verfahren zur Charakterisierung von LED- Bauteilen umfassen unter anderem das sogenannte "Binning" . Dabei werden die LED-Bauteile in sogenannte Bins eingeteilt, wobei jedem Bin ein Parameterbereich zugeordnet ist. Bei re ^¬ lativ feiner Aufteilung können mittels Binning für jedes LED- Bauteil einige Parameter, wie z.B. Helligkeit und Farbe, ent ^¬ sprechend genau charakterisiert werden. Allerdings können Spektralinformationen aufgrund des Datenumfangs per Binning nicht sinnvoll gehandhabt werden.

Zur Charakterisierung einzelner LED-Bauteile können ferner sogenannte Datenfiles verwendet werden, wobei die LEDs bei ^¬ spielsweise bereits auf Chip-Ebene (wafer maps) vermessen und mittels eindeutiger Codes (z.B. Lasercodes) versehen werden. Die Daten müssen dem Anwender dabei offline übermittelt wer ^¬ den, beispielsweise in Form von Datenfiles, welche eine Zu ^¬ ordnung der Daten anhand des eindeutigen Codes der LED- Bauteile ermöglichen.

Sollen die Leistungsspektren in Speicherbausteinen der LED- Bauteile gespeichert werden, besteht die Notwendigkeit ent ^¬ sprechend große und damit teure Speicherbausteine zu verwen ^¬ den. Andernfalls können nur wenige Daten zur Charakterisie- rung des LED-Bauteils gespeichert werden.

Es ist daher Aufgabe der Erfindung, eine Möglichkeit bereit ^¬ zustellen, spektrale Daten eines optoelektronischen Bauteils mit einem möglichst hohen Informationsgehalt in Speicherein ^¬ richtungen des optoelektronischen Bauteils zu hinterlegen, welche lediglich über eine eingeschränkte Speicherkapazität verfügen. Diese Aufgabe wird durch ein Kodierverfahren zum Komprimieren von Leistungsspektren optoelektronischer Bauteile gemäß Anspruch 1 gelöst. Ferner wird die Aufgabe durch ein Dekodierverfahren zum Dekomprimieren von Leistungsspektren optoelektronischer Bauteile gemäß Anspruch 14 gelöst. Weitere vorteilhafte Ausführungsformen sind in den abhängigen Ansprü- chen angegeben.

Bei dem Verfahren zum Komprimieren von Leistungsspektren optoelektronischer Bauteile ist vorgesehen, dass wenigstens ein Leistungsspektrum eines optoelektronischen Bauteils be- reitgestellt und bei bestimmten Abtastwellenlängen zum Erzeugen eines diskreten Ausgangsspektrums abgetastet wird. Das diskrete Ausgangsspektrum wird anschließend zum Erzeugen ei ^¬ nes Ausgangsgraphen mit diskreten Ausgangswerten indiziert, wobei die Wellenlängen durch fortlaufende Indizes ersetzt werden. Anschließend wird durch Transformieren des Ausgangs ^¬ graphen von einem Ausgangsbereich in einem Bildbereich mit- hilfe einer diskreten Frequenz-Transformation ein Bildgraph mit diskreten Bildwerten erzeugt. Anschließend wird eine Kom ^¬ pression des Bildgraphen durchgeführt, wobei relevante und weniger relevante Komponenten des Bildgraphen identifiziert und die weniger relevanten Komponenten aus dem Bildgraphen eliminiert werden. Schließlich wird der komprimierte Bild ^¬ graph zum Erzeugen komprimierter Spektraldaten digitalisiert, wobei jedem Bildwert des komprimierten Bildgraphen eine ent- sprechende Digitalzahl mit einer bestimmten Bittiefe zugeord ^¬ net wird. Mithilfe dieses Kompressionsverfahrens lässt sich die zur Speicherung vorgesehene Datenmenge eines oder mehre ^¬ rer Leistungsspektren deutlich reduzieren. Somit können Leistungsspektren mit einem relativ hohen Informationsgehalt auch in Speicherbausteinen mit relativ kleinem Speichervolumen gespeichert werden. Die Verwendung kleiner Speicherbausteine ermöglicht kleine Baugrößen der zugehörigen optoelektronischen Bauteile. Durch die Verwendung von Speichereinrichtun- gen mit geringer Speicherkapazität können ferner die Herstel ^¬ lungskosten niedrig gehalten werden.

In einer vorteilhaften Ausführungsform ist vorgesehen, dass die Transformation des Ausgangsgraphen mithilfe einer diskreten Cosinus-Transformation erfolgt. Mithilfe der diskreten Cosinus-Transformation ist es relativ einfach möglich, wichtige von unwichtigen Signalanteilen zu trennen. Bei Verwendung reeller Zahlen kann mithilfe der diskreten Cosinus- Transformation gegenüber vergleichbaren Transformationen, wie z.B. der diskreten Fourier-Transformation, auf die aufwändige Berechnung mit komplexen Zahlen verzichtet werden. Hierdurch lässt sich Rechenaufwand bei der Kodierung und Dekodierung der Leistungsspektren einsparen.

In einer weiteren vorteilhaften Ausführungsform ist vorgesehen, dass eine Kaskadierung der diskreten Frequenz- Transformation erfolgt, indem Bildwerte mit niedrigen Indizes eines mittels der diskreten Frequenz-Transformation erzeugten Bildgraphen gespeichert und die restlichen Bildwerte des

Bildgraphen mithilfe der diskreten Frequenz-Transformation erneut transformiert werden. Eine solche Verkettung von

Transformationen erlaubt eine sukzessive Konzentration relevanter Signalanteile auf niedrige Indizes ohne wesentliche Einbussen der Gesamtinformation. Dies ist vor allem bei

Spektralwerten mit relevanten und insbesondere systematisch hohen Frequenzanteilen vorteilhaft.

Eine weitere Ausführungsform sieht vor, dass Bildwerte mit einem Index oberhalb eines Schwellwert-Index bei der Kompres ^¬ sion des Bildgraphen eliminiert werden, wobei der Schwell ^¬ wert-Index fest vorgegeben oder dynamisch bestimmt wird. Die Filterung mittels eines Schwellwert-Index stellt eine beson ^¬ ders einfache und zugleich sehr effektive Kompressionsmethode dar. Durch einfaches Verschieben des Schwellwert-Index auf der entsprechenden Indexskala lässt sich das Kompressionsverfahren sehr einfach im Hinblick auf Kompressionsgrad und Größe der komprimierten Spektraldaten optimieren. In einer weiteren Ausführungsform ist vorgesehen, dass Spektralwerte des Leistungsspektrums vor dem Abtasten mit einem ersten Skalierungsfaktor multipliziert werden. Dabei wird als erster Skalierungsfaktor ein über den gesamten Wellenlängenbereich konstanter Wert oder eine von der Wellenlänge abhängige Funktion verwendet, wobei der erste Skalierungsfaktor für mehrere Leistungsspektren festgelegt ist oder abhängig von dem jeweiligen Leistungsspektrum dynamisch bestimmt wird. Mithilfe dieses Skalierungsschrittes können Werte des Leis ^¬ tungsspektrums angepasst werden. Insbesondere können mithilfe der Skalierung mehrere Leistungsspektren auf der Leistungsskala einander angeglichen werden. Die Verwendung einer Funktion als Skalierungsfaktor ermöglicht eine optimierte Skalie- rung, während die Verwendung fester Werte als Skalierungsfaktor eine besonders einfache Skalierung ermöglicht. Die Ver ^¬ wendung von im Vorfeld festgelegter Skalierungsfaktoren bietet sich insbesondere dann an, wenn die Leistungsspektren verschiedener optoelektronischer Bauteile nur unwesentlich voneinander abweichen. Hierbei kann der Decoder anhand einer Tabelle arbeiten, so dass der Skalierungsfaktor bzw. die entsprechenden Parameter des Skalierungsfaktor nicht mit dem kodierten Spektraldaten an den Dekoder übermittelt werden müssen. Hingegen bietet die dynamische Bestimmung des Skalie- rungsfaktors eine Optimierung der Skalierung für jedes einzelne optoelektronische Bauteil.

In einer weiteren Ausführungsform ist vorgesehen, dass nach der Kompression des Bildgraphen die Bildwerte mithilfe eines zweiten Skalierungsfaktors skaliert werden, wobei als zweiter Skalierungsfaktor ein vorgegebener oder dynamisch bestimmter konstanter Wert oder eine vorgegebene oder dynamisch bestimmte Funktion verwendet wird. Mithilfe der Skalierung der transformierten und komprimierten Bildgraphen können die Bildwerte für die Digitalisierung optimiert werden. Somit lassen sich bei geschickter Wahl des Skalierungsfaktors sämt ^¬ liche Werte des komprimierten Bildgraphen beispielsweise in einen Bereich zwischen -1 und +1 bringen, was eine besonders einfache Digitalisierung ermöglicht.

Eine weitere Ausführungsform sieht vor, dass zur Skalierung eine Hüllkurve des komprimierten Bildgraphen bestimmt und die Bildwerte des komprimierten Bildgraphen durch entsprechende Werte der Hüllkurve dividiert werden. Durch die Bestimmung einer geeigneten Hüllkurve lässt sich eine Skalierung des komprimierten Bildgraphen auf Werte zwischen -1 und +1 beson- ders einfach erzielen.

In einer weiteren Ausführungsform ist vorgesehen, dass zur Skalierung ein Logarithmus der Absolutwerte der Bildwerte des komprimierten Bildgraphen gebildet wird, wobei für Bildwerte mit einem Index kleiner oder gleich dem Schwellwert-Index ei ^¬ ne Regressionsgerade mithilfe einer linearen Regression be ^¬ stimmt wird. Eine Hüllkurve des komprimierten Bildgraphen wird anschließend durch lineares Verschieben der Regressions ^¬ gerade ermittelt. Schließlich werden die Bildwerte des kom- primierten Bildgraphen durch entsprechende Werte der Hüllkurve dividiert. Mithilfe dieses Konzepts lässt sich auf eine besonders einfache Weise eine geeignete Hüllkurve ermitteln und somit eine optimale Skalierung des komprimierten Bildgra ^¬ phen erreichen.

In einer weiteren Ausführungsform ist vorgesehen, dass zur Abtastung fest vorgegebene oder dynamisch bestimmte Abtast ^¬ wellenlängen verwendet werden, wobei die Abtastung mithilfe einer konstanten oder einer vom Informationsgehalt der Ab- tastpunkte abhängigen Abtastwellenlängenauflösung erfolgt.

Dabei ermöglicht die Verwendung vorgegebener Abtastwellenlängen einen unmittelbaren Vergleich verschiedener Leistungsspektren. Hingegen kann durch eine dynamische Bestimmung der Abtastwellenlängen die Abtastung und damit der gesamte Ko- diervorgang optimiert werden. Ferner kann durch eine Variation der Abtastwellenlängenauflösung der Informationsgehalt der einzelnen Abtastpunkte der jeweiligen Anwendung optimiert werden . ^

In einer weiteren Ausführungsform ist vorgesehen, dass negative Werte des Leistungsspektrums vor dem Abtasten auf null gesetzt werden. Hiermit kann der dynamische Bereich des zu komprimierenden Leistungsspektrums ohne Informationsverlust verkleinert werden.

Eine weitere Ausführungsform sieht vor, dass zum Erzeugen des diskreten Ausgangsgraphs wenigstens zwei verschiedene Leis- tungsspektren des optoelektronischen Bauteils zu einem gemeinsamen Leistungsspektrum zusammengesetzt und gemeinsam indiziert werden. Dabei werden die einzelnen Leistungsspektren unmittelbar aneinandergefügt oder mittels vor, zwischen und/oder hinter den einzelnen Leistungsspektren eingefügten Füllwerten voneinander separiert. Schließlich werden die einzelnen Leistungsspektren einzeln oder gemeinsam skaliert. Durch die Kompression mehrerer einzelner Leistungsspektren eines optoelektronischen Bauteils lässt sich die Datenmenge im Vergleich zu der separaten Komprimierung der einzelnen Leistungsspektren deutlich verringern. Hierbei kann durch

Verwendung von Füllwerten einerseits eine Anpassung der verschiedenen Leistungsspektren erreicht werden. Gleichzeitig erlaubt das Einfügen von Füllwerten eine Minimierung der durch den Kompressionsprozess hervorgerufenen Verzerrung in den Außenbereichen der Einzelspektren reduzieren. Durch die separate Skalierung der Leistungsspektren lassen sich die einzelnen Spektren besonders optimal skalieren. Hingegen kann durch eine gemeinsame Skalierung die Datenmenge reduziert werden .

In einer weiteren Ausführungsform ist vorgesehen, dass die Digitalisierung des komprimierten Bildgraphen mit einer konstanten oder einer dynamisch bestimmten Bittiefe erfolgt. Dabei ermöglicht die konstante Bittiefe eine besonders einfache Digitalisierung. Hingegen lässt sich mithilfe der dynamisch bestimmten Bittiefe eine Gewichtung der verschiedenen Frequenzanteile im Hinblick auf den maximalen Quantisierungsfehler erreichen. So lassen sich beispielsweise Frequenzanteile mit niedrigen Indizes mit einer hohen Bittiefe möglichst ge ^¬ nau abbilden, während Frequenzanteile mit höheren Indizes mit einer geringeren Bittiefe und damit einem größeren Quantisierungsfehler abgebildet werden.

In einer weiteren Ausführungsform ist vorgesehen, dass eine Abschätzung der Datenmenge und/oder Kompressionsqualität der mit dem Komprimierungsverfahren erzeugten komprimierten

Spektraldaten erfolgt. Dabei werden bestimmte Parameter ein- zelner oder mehrerer Verfahrensschritte im Hinblick auf eine optimale Datenmenge und/oder Kompressionsqualität der kompri ^¬ mierten Spektraldaten angepasst und die entsprechenden Verfahrensschritte bzw. das Komprimierungsverfahren mit den an- gepassten Parametern erneut durchgeführt. Durch diese Ab- Schätzung, welche sowohl nach einzelnen Verfahrensschritten als auch nach einem vollständigen Durchlauf des Komprimierungsalgorithmus erfolgen kann, kann sichergestellt werden, dass die Datenmenge der komprimierten Spektraldaten die vorgegebene Speichergröße nicht überschreitet. Gleichzeitig kann damit sichergestellt werden, dass ein anhand der komprimier ^¬ ten Spektraldaten rekonstruiertes Leistungsspektrum möglichst gut mit dem Originalleistungsspektrum übereinstimmt.

Bei dem Dekodierverfahren zum Dekomprimieren eines mit einem erfindungsgemäßen Komprimierungsverfahren komprimierten Leistungsspektrums werden zunächst die komprimierten Spektralda ^¬ ten des Leistungsspektrums bereitgestellt und eine Umkehrung der Digitalisierung durchgeführt, wobei jeder Digitalzahl der komprimierten Spektraldaten jeweils ein der jeweiligen Bit- tiefe entsprechender Bildwert zugeordnet wird. Anschließend wird eine Rückskalierung durchgeführt, wobei die Bildwerte durch den zweiten Skalierungsfaktor dividiert werden. Ferner wird eine Indizierung der Bildwerte zum Erzeugen eines rekonstruierten Bildgraphen durchgeführt, wobei jedem Bildwert ein entsprechender Bildindex zugeordnet wird. Anschließend wird eine zu der vom Coder verwendeten diskreten Frequenz- Transformation inverse Transformation auf den rekonstruierten Bildgraphen angewendet, um einen rekonstruierten Ausgangsgra- phen zu erzeugen. Anschließend wird eine Umkehrung der Indi ^¬ zierung zum Erzeugen eines rekonstruierten Ausgangsspektrums durchgeführt, wobei den einzelnen Ausgangsindizes des rekon ^¬ struierten Ausgangsgraphen entsprechende Wellenlängen zuge- ordnet werden. Schließlich wird eine weitere Rückskalierung des rekonstruierten Ausgangsspektrums zum Erzeugen eines re ^¬ konstruierten Leistungsspektrums durchgeführt. Mithilfe des im Wesentlichen in umgekehrter Reihenfolge zu dem Komprimierungsverfahren erfolgenden Dekodierverfahrens ist es möglich, ein Erzeugen rekonstruiertes Leistungsspektrum mit relativ geringen Abweichungen zu dem das ursprünglichen Leistungsspektrum zu erzeugen. Hierzu verwendet die Dekodiereinrichtung jene Parameter, welche von der Kodiereinrichtung zum Kodieren der komprimierten Spektraldaten verwendet wurden.

In einer Ausführungsform ist vorgesehen, dass die Bildwerte des rekonstruierten Bildgraphen interpoliert werden, um zusätzliche Bildwerte zu erzeugen. Dabei werden mithilfe der zusätzlichen Bildwerte durch Anwenden der inversen Transfor- mation, Umkehren der Indizierung und Rückskalierung gewünschter Zwischenwerte im rekonstruierten Leistungsspektrum erzeugt. Hiermit ist es relativ einfach möglich, bestimmte Spektralwerte im rekonstruierten Leistungsspektrum zu erzeugen, welche im ursprünglichen diskreten Leistungsspektrum nicht vorhanden waren.

Die oben beschriebenen Eigenschaften, Merkmale und Vorteile dieser Erfindung sowie die Art und Weise, wie diese erreicht werden, werden klarer und deutlicher verständlich im Zusam- menhang mit der folgenden Beschreibung der Ausführungsbeispiele, die im Zusammenhang mit den Zeichnungen näher erläutert werden. Dabei zeigen in jeweils schematisierter Darstellung : Fig. 1 eine beispielhafte Anordnung zum Messen und Kodieren eines Leistungsspektrums eines optoelektronischen Bauteils mithilfe einer Mess- und Kodiereinrichtung; Fig. 2 eine schematische Darstellung einer Anordnung zum Betreiben eines optoelektronischen Bauteils mit einer Dekodiervorrichtung zum Dekodieren des komprimierten Leistungsspektrums des jeweiligen optoelektronischen Bauteils;

Fig. 3 beispielhaft ein Leistungsspektrum einer Leuchtdiode;

Fig. 4 drei verschiedene Leistungsspektren einer mehrfarbigen Leuchtdiode ;

Fig. 5 einen aus den drei Leistungsspektren zusammengesetzten und durch eine Skalierung sowie Indizierung erzeugter Ausgangsgraph; Fig. 6 ein durch diskrete Frequenztransformation des Ausgangsgraphen erzeugter Bildgraph;

Fig. 7 eine logarithmische Darstellung der Absolutwerte des Bildgraphen aus Fig. 6 mit entsprechenden Regressionsgeraden, Hüllkurven und dem Schwellwert-Index;

Fig. 8 der Bildgraph nach Umkehrung der logarithmischen Darstellung mit einer exponentiell abfallenden Hüllkurve; Fig. 9 der Bildgraph aus Fig. 8 nach einer Skalierung mit einem zweiten Skalierungsfaktor;

Fig. 10 beispielhaft einen Datensatz mit komprimierten Spektraldaten in Form einer Tabelle;

Fig. 11 eine schematische Darstellung eines Ablaufdiagramms des erfindungsgemäßen Kodierverfahrens; und

Fig. 12 eine schematische Darstellung eines Ablaufdiagramms des erfindungsgemäßen Dekodierverfahrens.

Die Speicherung von Leistungsspektren eines optoelektronischen Bauteils unterliegt aufgrund des hohen Datenvolumens solcher Leistungsspektren bestimmten Einschränkungen. Zur Speicherung eines Leistungsspektrums einer Leuchtdiode steht aufgrund der geringen Größe der Leuchtdiode nur ein sehr be ^¬ schränktes Speichervolumen zur Verfügung. Um eine möglichst genaue Rekonstruktion des Leistungsspektrums aus den in der Speichereinrichtung abgelegten Daten zu ermöglichen, soll eine geeignete Datenkompression zur Kompression des Leistungsspektrums verwendet werden. Das kodierte Leistungsspektrum wird dann vorzugsweise noch im Rahmen des Herstellungsverfah- rens der Leuchtdiode in die Speichereinrichtung der Leuchtdi ^¬ ode geschrieben.

Das weiter unten beschriebene Kodierverfahren verwendet ein verlustbehaftetes Kompressionsverfahren, bei dem Daten in ei- nen für den Anwendungsfall wichtigen Teil und einen unwichti ^¬ gen teil getrennt werden und nur der wichtige Teil gespei ^¬ chert wird. Ein typischer unwichtiger Teil ist z. B. das Rauschen. Die Grenze zwischen dem wichtigen und dem unwichtig Teil ist dabei in der Regel fließend. Daher ist es möglich, durch Anpassen dieser Grenze, was in dem oben beschriebenen Ausführungsbeispiel durch Verschieben des Schwellwert-Index entlang der Bildindexskala erfolgt, die Datengröße der kom ^¬ primierten Daten exakt zu kontrollieren. Daher eignet sich diese Kompressionsform besonders gut zur Optimierung der Da- tengröße im Hinblick auf ein begrenztes Speichervolumen, die Form des Eingangssignals, die Qualität des Coders und das zur Verfügung stehende Datenvolumen bestimmen dabei die Qualität der Kompression, d.h. inwieweit die dekodierte-kodierte mit den ursprünglichen Daten übereinstimmen.

Eine mögliche Anordnung zum Kodieren der Leistungsspektren zeigt die Figur 1. Hierbei wird ein von einem optoelektronischen Halbleiterbaustein 110 eines optoelektronischen Bauteils 100 ausgesendetes Licht 111 von einer Messeinrichtung 220 empfangen. Die typischerweise in Form eines Spektrometers ausgebildete Messeinrichtung 220 ermittelt das Leistungs ^¬ spektrum des auftreffenden Lichts und gibt dieses Leistungs ^¬ spektrum von Daten an eine Kodiereinrichtung 210 weiter. Die auch als Kodierer oder Coder bezeichnete Kodiereinrichtung 210 erzeugt mithilfe eines speziellen Algorithmus aus dem empfangenen Leistungsspektrum einen Satz kodierter Spektraldaten. Die komprimierten Spektraldaten werden anschließend über eine entsprechende Datenschnittstelle 130 an das elekt- rooptische Bauteil 100 übergeben und dort in einer internen Speichereinrichtung 120 abgelegt. Obwohl die Messeinrichtung 220 als auch die Kodiereinrichtung 210 in der schematischen Darstellung der Figur 1 zu einer gemeinsamen Mess- und Ko- diervorrichtung 200 zusammengefasst sind, können der Messvorgang und der Kodiervorgang sowohl zeitlich als auch räumlich unabhängig voneinander durchgeführt werden. Auch das Ablegen der kodierten Spektraldaten in die Speichereinrichtung 120 kann vor der Montage der Speichereinrichtung 120 auf dem optoelektronischen Bauteil 100 erfolgen. Das Rekonstruieren des Leistungsspektrums aus den komprimierten Spektraldaten erfolgt vorzugsweise mithilfe einer geeigneten Dekodierein ^¬ richtung, wie sie z.B. in der Figur 2 gezeigt ist. Die aus der Speichereinrichtung 120 des optoelektronischen Bauteils 100 ausgelesenen komprimierten Spektraldaten werden dabei in der auch als Decoder oder Dekodierer bezeichneten Dekodiereinrichtung 310 im Wesentlichen durch eine Umkehrung der durch die Kodiereinrichtung 210 vorgenommenen Verfahrensschritte in ein rekonstruiertes Leistungsspektrum überführt. Das rekonstruierte Leistungsspektrum kann je nach Anwendung direkt verwendet oder zur späteren Verwendung in einem Speicher abgelegt. Im vorliegenden Ausführungsbeispiel ist das rekonstruierte Leistungsspektrum einer Steuereinrichtung 320 zugeführt, welche anhand dieser Informationen eine Steuerung des optoelektronischen Halbleiterchips 110 des optoelektronischen Bauteils 100 vornimmt. Alternativ oder ergänzend hierzu kann die Steuereinrichtung 320 das rekonstruierte Leistungs ^¬ spektrum des optoelektronischen Halbleiterchips 110 zur Steuerung bzw. Auswertung eines optischen Sensors 330 verwendet werden, welcher das von einem Objekt 340 reflektierte Licht 111 des optoelektronischen Halbleiterchips 110 empfängt. Bei dieser Sensoreinrichtung 330 kann es sich beispielsweise um ein Kameramodul eines Mobiltelefons handeln, wobei der opto- elektronische Halbleiterchip 110 in diesem Fall in Form eines Blitz- bzw. Fotolichts ausgebildet ist. Die Steuereinrichtung 320 kann in einem solchen Fall mithilfe des aus der Speichereinrichtung 120 ausgelesenen und von der Dekodiereinrichtung 310 rekonstruierten Leistungsspektrum der Lichtquelle 110 eine Korrektur der vom Kameramodul 330 empfangenen Bilder durchführen. Obwohl die Figur 2 die Dekodiereinrichtung 310 und die Steuereinrichtung 320 in Form einer gemeinsamen Dekodier- und Steuervorrichtung 300 zeigt, kann die Dekodierung der kodierten Spektraldaten und die Anwendung der dekodierten Spektraldaten beispielsweise zur Verarbeitung eines Sensorsignals sowohl zeitlich als auch räumlich auseinanderfallen. So können die kodierten Spektraldaten bereits im Vorfeld dekodiert und in einem Speicher der jeweiligen Anwendung für spätere Verwendung abgelegt werden.

Die hier gezeigten Kodier- und Dekodiereinrichtungen 210, 310 können grundsätzlich in Form von Hardware, Software oder einer Kombination aus Hard- und Software realisiert werden.

Im Folgenden werden anhand eines beispielhaften Leistungsspektrums sowie verschiedener dazugehöriger Graphen sowohl der Kodier- als auch der Dekodiervorgang gemäß der Erfindung näher dargestellt. Hierzu zeigt die Figur 3 ein typisches Licht-Leistungsspektrum einer grünen LED, wie es nach einer entsprechenden Messung mittels eines Spektrometers der Kodie ^¬ reinrichtung 210 vorliegt. Genauer gesagt handelt es sich hierbei um ein Leistungsdichtespektrum, bei welchem typischerweise die Strahldichte L gegen die Wellenlänge λ aufge- tragen ist, wobei als Strahldichte L der Strahlungsfluss oder die Strahlungsleistung je Einheitsraumwinkel je Flächeneinheit ausgedrückt in Watt pro Quadratmeter pro Steradiant [W sr-1 m-2) gemeint ist. Das Leistungsspektrum 152 liegt dabei typischerweise mit einer relativ hohen Wellenlängenauflösung vor, sodass die unkomprimierten Spektraldaten ein großes Datenvolumen aufweisen. Bei mehrfarbigen LEDs erhöht sich dieses Datenvolumen deutlich, da zur Charakterisierung solcher LEDs die Leistungsspektren der einzelnen LED-Chips verwendet werden. Die Figur 4 zeigt beispielhaft drei Leistungsspektren 151, 152, 153 ei- ner mehrfarbigen Leuchtdiode. Die einzelnen Leistungsspektren 151, 152, 153 unterscheiden sich dabei voneinander deutlich in der Höhe, was einerseits herstellungsbedingt ist, anderer ^¬ seits jedoch mit der physiologischen Wahrnehmung von Licht durch das menschliche Auge zusammenhängt.

Eine Reduktion der zur Beschreibung dieser Leistungsspektren notwendigen Datenmenge kann jedoch durch eine geeignete Kompression der Leistungsspektren 151, 152, 153 erreicht werden. In einem ersten Schritt können dabei zunächst negative Werte der Leistungsspektren 151, 152, 153 eliminiert werden. Solche negativen Werte entstehen in der Regel durch Rauscheffekte sowie durch bestimmte Verarbeitungsprozesse im Spektrometer 220. Hierzu werden Spektralwerte, die kleiner null sind, gleich null gesetzt. Dieser Verfahrensschritt ist grundsätz- lieh optional.

In einem zweiten Verfahrensschritt, welcher ebenfalls optio ^¬ nal ist, kann eine Skalierung der einzelnen Leistungsspektren 151, 152, 153 erfolgen. Dies ist beispielsweise dann sinn- voll, wenn die Spektralwerte innerhalb der einzelnen Leis ^¬ tungsspektren über einen weiteren Bereich variieren oder wenn die Spektralwerte verschiedener Leistungsspektren unterschiedliche Größenordnungen aufweisen. Durch die Skalierung kann eine Normierung bzw. Anpassung der Leistungsspektren vorgenommen werden, sodass die Spektralwerte der einzelnen

Leistungsspektren für die nachfolgende Digitalisierung günstige Größenordnungen aufweisen. Je nach Anwendung kann der Skalierungsfaktor innerhalb eines Spektrums konstant sein. Ferner kann zur Skalierung eine Funktion verwendet werden, beispielsweise eine Funktion der Wellenlänge. Die Kodierein ^¬ richtung 210 kann mit einem festen Skalierungsfaktor ausgestattet sein, welcher für sämtliche Leistungsspektren zur Anwendung kommt, oder es kann jeweils ein dynamisch bestimmter Skalierungsfaktor verwendet werden, welcher in Abhängigkeit von dem jeweiligen Leistungsspektrum ausgewählt oder speziell erzeugt wird. Im letzten Fall muss der Skalierungsfaktor jedoch an die Dekodiereinrichtung übermittelt werden. Dies er- folgt typischerweise durch Einfügen entsprechender Parameter der Skalierungsfunktion in den fertig komprimierten Datensatz, was jedoch mit höherem Speicherbedarf einhergeht.

Die vom Spektrometer 220 bereitgestellten Leistungsspektren liegen typischerweise in einer relativ hohen Wellenlängenauf ^¬ lösung über einen breiten Wellenlängenbereich vor. Da für den Anwendungsfall meist nur ein eingeschränkter Wellenlängenbe ^¬ reich benötigt wird, und gegebenenfalls die von dem Spektro ^¬ meter bereitgestellten Wellenlängen nicht denen von der An- wendung geforderten Wellenlängen entsprechen, findet in der Kodiereinrichtung 210 eine Abtastung der Leistungsspektren 151, 152, 153 bei bestimmten Wellenlängen statt. Diese Abtast- oder Samplingwellenlängen können dabei konstant sein, d.h. durch eine Tabelle vorgegeben und für alle gleichwerti- gen Leistungsspektren gelten. Alternativ können die Samplingwellenlängen in der Kodiereinrichtung 210 auch dynamisch bestimmt werden, z.B. anhand einer bestimmten Funktion. In diesem Fall müssen die Samplingwellenlängen bzw. die Parameter der jeweiligen Funktion an die Dekodiereinrichtung 310 über- mittelt werden, was typischerweise mit einem höheren Datenvo ^¬ lumen einhergeht. Die Kodiereinrichtung 210 kann zum Abtasten eine konstante Wellenlängenauflösung verwenden, wobei die Samplingwellenlängen jeweils äquidistant zueinander sind. Alternativ hierzu die Samplingwellenlängen auch nichtlinear ge- wählt werden, sodass die einzelnen Abtastpunkte unterschied ^¬ liche Abstände zueinander aufweisen. Vorteilhafterweise kön ^¬ nen die Samplingwellenlängen dabei so gewählt werden, dass durch die Abtastung der Informationsgehalt jedes Abtastpunktes möglichst gleichwertig ist oder dass der Informationsge- halt entsprechend dem Anwendungsfall optimiert wird. Im letz ^¬ ten Fall können für den jeweiligen Anwendungsfall wichtige Wellenlängenbereiche mit einer hohen Abtastrate abgetastet werden, während weniger relevante Wellenlängenbereiche mit einer niedrigen Abtastrate abgetastet werden. Die Abtastwel ^¬ lenlängen können beispielsweise an die zu erwartenden LED- Spektren angepasst werden. So kann der Coder für erwartete Spektren optimiert werden mit der Gefahr, dass die Kodierqua- lität für nicht erwartete Spektren abnimmt. Durch eine sinn ^¬ volle Auswahl der Samplingwellenlängen kann der Coder auch relativ robust ausgelegt werden, sodass er für einen weiten Bereich an LED-Leistungsspektren gleich gut funktioniert. Sofern das Originalspektrum diskret vorliegt, was bei digita ^¬ len Spektrometern typischerweise der Fall ist, kann die Ab ^¬ tastung vorteilhafterweise mit einer Interpolationsroutine erfolgen. Hierzu kommen beispielsweise die Hebelregel, die lineare Regression, oder ein Polynomfit infrage.

Durch eine sinnvolle Wahl der Anzahl der Samplingwellenlängen kann das Verhältnis zwischen Rechenaufwand und Kodierqualität bestimmt und optimiert werden. Dabei steigt die Kodierquali ^¬ tät in der Regel mit einer höheren Sampling-Auflösung . Eine über die Auflösung des Originalspektrums liegende Sampling- Auflösung bringt jedoch keinen weiteren Performance-Vorteil.

Sofern ein vom Spektrometer bereitgestelltes diskretes Leis ^¬ tungsspektrum systematische nichtrelevante Signalanteile ent- hält, z.B. durch Spektrometersampling und Digitalisierung bedingte systematische vorwiegend hohe Anteile im Rauschsignal, können diese durch die erneute Abtastung derart gebrochen werden, dass sie durch den darauf folgenden Algorithmus ef ^¬ fektiv unterdrückt bzw. entfernt werden.

Zur Komprimierung der Leistungsspektren werden die Spektralwerte indiziert. Dabei werden die Spektralwerte in ihrer Rei ^¬ henfolge angeordnet und mit einem fortlaufenden Ausgangsindex I _A (0, 1, 2 ... max_index) versehen. Jeder Ausgangsindex I _A entspricht dabei einer bestimmten Samplingwellenlänge. Sofern ein optoelektronisches Bauteil mehrere Leuchtdioden aufweist, können die einzelnen LED-Spektren einzeln indiziert und anschließend separat kodiert werden. Es ist jedoch vorteilhaft, mehrere einzelne Leistungsspektren 151, 152, 153 zu einem er ^¬ weiterten Leistungsspektrum 154 zusammensetzen. Die einzelnen Leistungsspektren 151, 152, 153 können dann gemeinsam indiziert und anschließend kodiert werden. Um die Leistungsspek- tren 151, 152, 153 für die nachfolgende Transformation zu op ^¬ timieren, ist es sinnvoll, am Anfang und am Ende jedes Ein ^¬ zelspektrums 151, 152, 153, sowie im Übergangsbereich zwischen zwei Einzelspektren 151, 152, 153 bestimmte Füllwerte (Spacer) einzufügen. Hierdurch kann erreicht werden, dass sich Fehler, welche bedingt durch die nachfolgende Transfor ^¬ mation vorzugsweise in den Randbereichen der Spektren auftreten, sich lediglich auf die Füllwerte konzentrieren, während die eigentlichen Spektren von diesen Fehlern weitgehend verschont bleiben. Ferner kann mithilfe geeigneter Füllwerte ein besserer Übergang zwischen den beiden Spektren erzielt werden .

Die Figur 5 zeigt beispielhaft einen durch Skalieren, Sampeln, Zusammenfügen und Indizieren aus den drei in der Figur 4 gezeigten Leistungsspektren 151, 152, 153 gebildeten Ausgangsgraphen 160. Da die nachfolgenden mathematischen Algorithmen dimensionslose Zahlen verwenden, wurden im Ausgangsgraphen 160 die physikalischen Größen Wellenlänge λ in nm und Leistungsdichte L in (W/ (sr nm2) durch den dimensionslosen Ausgangsindex I _A und den ebenfalls dimensionslosen Ausgangs ^¬ wert A ersetzt.

Im nachfolgenden Verfahrensschritt wird eine Transformation des hier als diskretes räumliches Signal vorliegenden Aus- gangsgraphen 160 von einem Orts- bzw. Ausgangsbereich in einen Frequenz- bzw. Bildbereich durchgeführt. Dies kann grundsätzlich mit jeder geeigneten diskreten, linearen, orthogonalen Transformation erfolgen. Vorzugsweise wird jedoch hierfür die diskrete Cosinus-Transformation (DCT, Discrete Cosine Transformation) verwendet. Genauer gesagt wird eine der vier bekannten Varianten I, II, III, IV der diskreten Cosinus- Transformation verwendet. Die bei diskreten Transformationen typischerweise zur Leistungserhaltung notwendige Normierung kann auf unterschiedliche Weise erfolgen. So kann der Normie ^¬ rungsfaktor 1/ (max_index + 1) beim Kodieren nicht angewendet werden, sodass er dann vom Decoder angewendet werden muss. Der Normierungsfaktor kann vom Decoder ferner als Wurzel an- gewendet werden, wobei dann auch der Decoder den Normierungsfaktor als Wurzel anwenden muss. Schließlich kann der Normierungsfaktor vom Coder komplett angewendet werden, sodass er vom Decoder nicht angewendet werden muss. Die diskrete Cosinus-Transformation konzentriert wichtige

(niederfrequente) Signalanteile auf die niedrigen Indizes und unwichtige (hochfrequente) Signalanteile, wie z.B. das Rau ^¬ schen, auf die hohen Indizes. Da LED-Leistungsspektren keine Unstetigkeiten, wie z.B. Knicke oder Sprünge, aufweisen, sind ihre relevanten Signalanteile typischerweise niederfrequent. Die hochfrequenten Signalanteile sind hingegen eher vom Rauschen dominiert. Damit lässt sich mithilfe einer geeigneten diskreten Transformation und insbesondere mithilfe der dis ^¬ kreten Cosinus-Transformation eine gute Trennung zwischen re- levanten und nichtrelevanten Signalanteilen erzielen. Die Figur 6 zeigt in diesem Zusammenhang das Frequenzspektrum 170 der diskreten Fourier-Transformation des Ausgangsgraphen 160. Bei dem im Folgenden als Bildgraph 170 bezeichneten Frequenzspektrum entsprechen die die Abszissenachse bildenden Indizes I _B , welche im Folgenden als Bildindizes bezeichnet werden, einzelnen Funktionen der diskreten Cosinus-Transformation und die entlang der Ordinatenachse aufgetragenen Frequenzwerte, welche zur Unterscheidung von den Ausgangswerten A des Ausgangsgraphen 160 als Bildwerte B bezeichnet werden, den je- weiligen Koeffizienten der einzelnen Funktionen. Die Frequenzanteile des Bildgraphen 170 zeigen im niederfrequenten Bereich einen für Signale mit unkorrigierten Frequenzanteilen typischen exponentiellen Abfall mit hohen Werten im vorderen Bereich und kleinen Werten im hinteren Bereich des Frequenz- Spektrums. Es ist daher möglich, beim Durchführen der Transformation die Berechnung auf einen geeigneten vorderen Indexbereich zu beschränken. Hierdurch kann der Rechenaufwand reduziert werden. Da die diskrete Cosinus-Transformation im Unterschied zur diskreten Fourier-Transformation eine Berechnung mit reellen Zahlen ermöglicht, kann auf die aufwändige Berechnung mit komplexen Zahlen verzichtet werden. Es ist jedoch grundsätzlich möglich, alternativ zu der diskreten Cosinus- Transformation auch andere gleichwertige Transformationen, wie z.B. diskrete Sinus-Transformation, diskrete Fourier- Transformation oder Fast-Fourier-Transformation, anzuwenden.

Sofern notwendig oder sinnvoll, kann auch eine Kaskadierung der Transformation vorgenommen werden. Hierbei handelt es sich um eine Verkettung von Transformationen, wobei nach einer erfolgten Transformation Indexwerte 0 ... n gespeichert werden und die weiteren Indexwerte n+1 ... m < max_index er ^¬ neut mittels der diskreten Cosinus-Transformation transformiert werden. Dieser Schritt kann mehrmals wiederholt werden, wobei im Grenzfall jeweils nur der niedrigste Indexwert be ^¬ halten und alle anderen Indexwerte erneut transformiert wer- den. Durch dieses Verfahren ergibt sich ein deutlich erhöhter Rechenaufwand, da mit einem größeren Indexbereich gerechnet wird. Allerdings lässt sich mithilfe der Kaskadierung bei Spektralwerten mit relevanten und insbesondere systematischen hohen Frequenzanteilen eine sukzessive Konzentration dieser relevanten Signalanteile auf die niedrigen Indizes erreichen. Somit kann das Datenvolumen der kodierten Spektraldaten deutlich reduziert werden und zwar ohne dass sich gleichzeitig die Reproduzierbarkeit der Leistungsspektren wesentlich verschlechtert .

Um die Datenmenge des bzw. der kodierten Leistungsspektren deutlich zu reduzieren, ist es sinnvoll, relevante und weni ^¬ ger relevante Signalanteile zu identifizieren und die weniger relevanten Signalanteile aus dem Frequenzspektrum zu elimi- nieren. Dies erfolgt mittels eines nachfolgenden Kompressi ^¬ onsschrittes, wobei ein Schwellwert-Index S ermittelt und In ^¬ dexwerte oberhalb des Schwellwert-Index S aus dem Frequenz ^¬ spektrum entfernt werden. Durch eine geeignete Wahl des Schwellwert-Index S kann einerseits das Verhältnis von Daten ^¬ menge zu Kompressionsqualität optimiert werden. Insbesondere kann damit die Kompression auf eine besonders einfache Weise auf ein vorgegebenes Speichervolumen ausgelegt werden. Ande- rerseits lässt sich mit einer geeigneten Wahl des Schwell ^¬ wert-Index eine Glättung der Spektralkurve erzielen.

Bei typischen LED-Spektren kann als Schwellwert-Index S ein Index im Bereich von 1/4 bis 1/5 des maximalen Index gewählt werden. Es ist sinnvoll, den Schwellwert-Index S an der In ^¬ dexgrenze zwischen dem informativen Signal, welches typi ^¬ scherweise exponentiell abfällt, und Rauschen, welches typi ^¬ scherweise eher einen konstanten Verlauf aufweist, liegen. Je nach Anwendung kann der Schwellwert-Index S vorgegeben sein oder in der Kodiereinrichtung 210 dynamisch bestimmt werden. Im letzteren Fall muss der Schwellwert-Index S jedoch an den Decoder übermittelt werden und belegt damit zusätzlichen Speicherplatz . Die Figur 7 zeigt die Absolutwerte des Ausgangsgraphen 170 aufgetragen auf einer logarithmischen Ordinate. Aufgrund des exponentiellen Abfalls der relevanten Signalanteile ergibt sich in dieser Darstellung bis zu einem Bildindex I _B von etwa 65 ein im Wesentlichen gerader Kurvenverlauf, wobei sich für die Werte oberhalb dieses Grenzindex ein im Wesentlichen durch die breitbandig verteilten Rauschsignale bedingter ho ^¬ rizontaler Kurvenverlauf ergibt. Der Grenzindex 176 liegt da ^¬ bei im Schnittpunkt einer ersten Regressionsgerade 173 eines ersten Graphabschnittes 171 mit Bildindizes I _B kleiner als der Gesamtindex 176 und einer zweiten Regressionsgerade 174 eines zweiten Graphenabschnitts 172 mit Bildindizes I _B größer als der Grenzindex 176. Wie die Figur 7 zeigt, liegt der Schwellwertindex S vorzugsweise im Bereich des durch die Ge ^¬ rade 176 definierten Grenzwertindex, wobei die Position des Schwellwert-Index S je nach gewünschter Kompression und Sig ^¬ nalqualität entlang der Indexachse um den Grenzwertindex va ^¬ riieren kann. Um eine Digitalisierung der Bildwerte B zu optimieren, kann im Anschluss an den Kompressionsschritt eine Skalierung des komprimierten Bildgraphen 170 durchgeführt werden. Bei dieser Skalierung werden die Bildwerte B mit einem Skalierungsfaktor multipliziert. Dies kann beispielsweise mit einem fest vorge ^¬ gebenen Skalierungsfaktor erfolgen. Alternativ hierzu kann der Skalierungsfaktor vom Coder dynamisch bestimmt bzw. festgelegt werden, z.B. als Funktion des Bildindex I _B . In diesem Fall muss der Skalierungsfaktor jedoch an den Decoder über- mittelt werden, was die Datenmenge im kodierten Datensatz erhöht .

Die Skalierung erfolgt vorzugsweise mithilfe einer Hüllkurve (Envelope) , wobei sich aufgrund des exponentiellen Abfalls der Bildwerte B des komprimierten Bildgraphen 170 ein Envelo- pe-Verfahren eignet, bei welchem zunächst die Absolutwerte der Bildwerte B gebildet und anschließend ein Logarithmus aus den Absolutwerten gebildet wird. Hierzu eignet sich insbesondere der natürliche Logarithmus, da die Frequenzanteile un- korreliert sind und daher exponentiell abfallen. Im Bildin ^¬ dex-Bereich von 0 bis Schwellwert-Index S wird eine lineare Regression vorgenommen, welche die beiden Parameter X_scale (Indexachse) und Y_scale (Frequenzwertachse) liefert, mit de ^¬ ren Hilfe eine Regressionsgerade erzeugt werden kann, die Pa- rameter X_scale und Y_scale können dabei die Schnittpunkte der Regressionsgrade mit der Bildindexachse und der Bild ^¬ wertachse angeben. Alternativ hierzu kann X_scale auch eine Steigung der Regressionsgraden angeben. Durch eine Differenzbestimmung zwischen der Regressionsgerade und den Logarith- muswerten im Bildindex-Bereich 0 bis Schwellwert-Index S wird die Regressionsgerade durch eine Modifikation eines Parame ^¬ ters X_scale oder Y_scale derart verschoben, dass alle Loga ^¬ rithmuswerte stets unterhalb der verschobenen Regressionsge ^¬ rade liegen. Gegebenenfalls kann ein Sicherheitspuffer von beispielsweise 5% eingefügt werden. Die so verschobene Re ^¬ gressionsgerade bildet eine Hüllkurvengerade der modifizierte Parameter X_scale und der zugehörige Parameter Y_scale werden mit jeweils einer festgelegten Skalierungsfunktion mit fixen Parametern skaliert und auf eine Ganzzahl gerundet. Diese Werte werden ebenfalls dem komprimierten Datensatz hinzugefügt und so dem Decoder übergeben. Mit den modifizierten Parametern X_scale und Y_scale, wobei jeweils die abgerundeten Werte verwendet werden, wird eine Hüllkurve 175 erzeugt, welche alle Bildwerte B des Bildgra ^¬ phen 170 in seinem ersten Abschnitt 171 umfasst. Wie in der Figur 8 dargestellt ist, zeigt die Hüllkurve 175 einen expo- nentiellen Verlauf. Zur Verdeutlichung ist in der Figur 8 die Hüllkurve 175 auch im negativen Bereich eingezeichnet.

Zur Skalierung des Bildgraphen 170 werden nun die Bildwerte B des Bildgraphen 170 im Bildindexbereich 0 bis Schwellwert- Index S durch die entsprechenden Hüllkurvenwerte der Hüllkurve 175 geteilt. Wie in der Figur 9 dargestellt ist, ergeben sich somit skalierte Bildwerte C, welche zwischen -1 und +1 liegen. Damit kann die verfügbare Bittiefe des nachfolgenden Digitalisierungsschrittes optimal ausgenutzt werden. Ferner wird mit der Skalierung ein möglicher Overflow sicher vermieden .

Mithilfe des Parameters X_scale kann der Coder seine Perfor ^¬ mance abschätzen bzw. eine Warnung oder Fehlermeldung erzeu- gen, wenn die Abschätzung eine zu grenzwertige bzw. zu geringe Performance ergibt. Durch die logarithmische Skalierung des Parameters Y_scale kann ein großer Leistungsbereich der Spektralwerte abgedeckt werden. Bei dem darauf folgenden Digitalisierungsschritt wird jedem Bildwert B bzw. B' eine Digitalzahl mit einer definierten Bittiefe zugeordnet. Dabei kann eine beispielsweise anhand einer Tabelle vorgegebene Bittiefenzuordnung verwendet werden oder alternativ hierzu die Bittiefe vom Coder dynamisch an- hand einer Funktion zugeordnet werden. Diese Zuordnung kann beispielsweise in einer eigenen Bittiefen-Hüllkurvenfunktion gebildet und in Form von Funktionsparametern an den Decoder übermittelt werden. In diesem Fall wird zusätzlicher Speicherplatz für die Funktionsparameter benötigt.

Sofern die Bildwerte B bzw. B' zwischen -1 und 1 liegen, kann die folgende einfache Zuordnung verwendet werden:

Digitalwert: gleich Bildwert mal (2 ⁽ Bittiefe -n _ ]_ )

Die Definition des Schwellwert-Index S, welche die Anzahl der kodierten Frequenzwerte bestimmt, definiert gemeinsam mit der Bittiefe den benötigten Speicherplatz der komprimierten

Spektraldaten. Durch die Abstimmung dieser Faktoren kann im Falle eines Speicherplatzmangels die Größe des komprimierten Datensatzes relativ einfach reduziert werden. Auf der anderen Seite erzeugt die Kompression und die Digitalisierung einen Datenverlust, welcher zu einer Abweichung des dekodierten- kodierten Spektrums (also des rekonstruierten Spektrums) von dem Originalspektrum führt. Durch eine genaue Abstimmung zwischen Kompression und Digitalisierung kann bei vorgegebenem Speicherplatz die Coderqualität optimiert werden.

Die Figur 10 zeigt beispielhaft einen möglichen komprimierten Datensatz in einer tabellarischen Form. Dargestellt sind jeweils die Digitalzahlen (data string) mit der zugehörigen Bittiefe (bit depth) . Wie jeweils ersichtlich ist, setzt sich der komprimierte Datensatz aus einem ersten Teil I, in dem dynamisch vom Köder bestimmte Parameter übertragen werden, sowie aus einem zweiten Teil II, welcher im Wesentlichen die digitalisierten Bildwerte enthält. Die digitalisierten Bildwerte sind hierbei beispielhaft entsprechend ihrem Index an- geordnet. Je nach Anwendung kann die Anzahl als auch Reihenfolge der Parameter innerhalb des Datensatzes variieren. Wie aus der Tabelle der Figur 10 ersichtlich ist, kann die Bittiefe mit fortschreitendem Index stufenförmig abnehmen, wobei die ersten acht Digitalzahlen mit einer Bittiefe von 10 bit, die nächsten acht mit einer Bittiefe von 9 bit, die nächsten acht Digitalzahlen mit einer Bittiefe von 8 usw. vorliegen. Mit einer entsprechenden abfallenden Bittiefenfunktion wird sichergestellt, dass die ersten und damit der meisten rele- vanten Signalanteile möglichst genau rekonstruiert werden können .

Die Figur 11 zeigt ein schematisches Ablaufdiagramm 400 des vorliegenden Kodierverfahrens, wobei im ersten Schritt 410 zunächst negative Werte aus dem Originalspektrum entfernt werden. Im zweiten Verfahrensschritt 420 erfolgt eine Skalie ^¬ rung des Leistungsspektrums bzw. der Leistungsspektren. Im dritten Verfahrensschritt 430 erfolgt eine Abtastung des so erzeugten Ausgangsspektrums. Im vierten Verfahrensschritt 440 findet eine Indizierung des Ausgangsspektrums zum Erzeugen eines Ausgangsgraphen statt. Im fünften Verfahrensschritt 450 wird eine Transformation durchgeführt. Im sechsten Verfahrensschritt erfolgt optional eine Kaskadierung der Transfor- mationen. Im siebten Verfahrensschritt wird der so erzeugte Bildgraph komprimiert, wobei lediglich Bildwerte kleiner gleich einem definierten Schwellwert-Index S weiterverarbei ^¬ tet werden. Im achten Verfahrensschritt 480 findet optional eine Skalierung des so komprimierten Bildgraphen statt.

Schließlich erfolgt im neunten Verfahrensschritt 490 eine Di ^¬ gitalisierung des Bildgraphen. Die hier gezeigten Verfahrensschritte können je nach Anwendung in ihrer Reihenfolge variieren. Insbesondere kann der erste Verfahrensschritt und der zweite Verfahrensschritt miteinander vertauscht werden. Fer- ner kann der dritte und der vierte Verfahrensschritt mitei ^¬ nander vertauscht werden.

Zum Dekodieren des mithilfe der Kodiereinrichtung erfolgreich kodierten Leistungsspektrums führt der Decoder bzw. die Deko- diereinrichtung die Schritte des Coders bzw. der Kodiereinrichtung im Wesentlichen in umgekehrter Reihenfolge durch. Dabei verwendet der Decoder die bei der Kodierung verwendeten Parameter, wobei im Decoder Parameter, welche im Kodierverfahren fest vorgegeben sind, implementiert sind. Parameter, welche vom Coder dynamisch erzeugt wurden, werden an den Decoder vorzugsweise mit dem kodierten Datensatz mit übergeben. Die Figur 12 zeigt schematisch den Ablauf eines Dekodiervorgangs. Hierbei wird zunächst im ersten Verfahrensschritt 510 eine Umkehrung der Digitalisierung vorgenommen. Hierbei werden aus der kontinuierlichen Bitfolge zunächst die Bitzahlen entsprechend ihrer Bittiefen-Zuordnung ermittelt. Die derart ermittelten Digitalzahlen werden in Fliesskommazahlen umge- wandelt. Im Verfahrensschritt 520 wird eine Umkehrung der

Skalierung durchgeführt, bei der die vorzugsweise zwischen -1 und 1 liegenden skalierten Werte mit dem entsprechenden Hüllkurvenwert multipliziert. In dem nachfolgenden Verfahrensschritt 530 wird eine Indizie ^¬ rung vorgenommen, bei dem jedem rekonstruierten Bildwert ein entsprechender Bildindex I _B zugeordnet wird. Hierbei besteht grundsätzlich die Möglichkeit, Zwischenwerte des so rekon ^¬ struierten diskreten Bildgraphen mittels einer geeigneten In- terpolation zu erzeugen, welche nach der Rücktransformation bestimmte, im ursprünglichen Ausgangsspektrum nicht vorhandene Wellenlängen ergeben. Dabei wird die Interpolationseigenschaft der diskreten Cosinus-Transformation genutzt, um nicht die Spektralwerte der vom Coder benutzten Sampling-Wellen- längen zu erzeugen, sondern die Spektralwerte zu beliebigen Wellenlängen im kodierten Wellenlängenbereich. Hierzu können die Bildindizes des rekonstruierten Bildgraphen entsprechend der gewünschten Wellenlänge linear interpoliert werden, sodass sie unter Umständen nicht mehr ganzzahlig vorliegen. Durch die nachfolgende diskrete Cosinus-Transformation werden zu diesen Indizes die passenden interpolierten Spektralwerte erzeugt. So kann das dekodierte bzw. rekonstruierte Leis ^¬ tungsspektrum in beliebiger Auflösung erzeugt werden. Abweichungen zwischen Originalspektrum und rekonstruiertem Spekt- rum sind jedoch unabhängig von der gewählten Auflösung.

Im Anschluss an den Indizierungsschritt und die gegebenen ^¬ falls erfolgte Interpolation erfolgt im vierten Verfahrens ^¬ schritt 540 eine Rücktransformation des rekonstruierten Bild- graphen aus dem Bildbereich in den Ausgangsbereich. Dabei muss die Transformation im Decoder auf die Transformation im Coder abgestimmt sein. Insbesondere wird bei der Verwendung einer diskreten Cosinus-Transformation zum Kodieren der spektralen Daten eine hierzu inverse diskrete Cosinus- Transformation angewendet, wobei jeweils die Variante (I, II, III, IV der ursprünglichen diskreten Cosinus-Transformation beachtet werden muss. Auch die Anwendung des Normierungsfak- tors muss das Vorgehen bei der ursprünglichen Transformation beachtet werden. So ist bei der Verwendung eines Normierungs ^¬ faktors bei der ursprünglichen Transformation bei der Rück- transformation keine Anwendung des Normierungsfaktors notwendig. Sofern der Normierungsfaktor zuvor als Wurzel angewendet wurde, muss er auch bei der Rücktransformation als Wurzel angewendet werden. Schließlich muss der Normierungsfaktor bei der Rücktransformation angewendet werden, sofern er bei der Hintransformation nicht angewendet wurde. Sofern bei der Kodierung eine Kaskadierung der Transformation durchgeführt wurde, muss die Kaskadierung nunmehr in umge ^¬ kehrter Reihenfolge ausgeführt werden. Hierbei wird zunächst lediglich der Teil des Bildgraphen rücktransformiert, welcher zuletzt ebenfalls transformiert wurde. Anschließend werden weitere Werte hinzugenommen und gemeinsam mit dem Ergebnis der ersten Rücktransformation in einer erneuten Rücktransformation transformiert. Nach erfolgter Rücktransformation werden gegebenenfalls vorhandene Füllwerte weggelassen, und es erfolgt im fünften Verfahrensschritt 550 das Aufteilen des rekonstruierten Leistungsspektrums in einzelne Leistungsspektren. Dabei werden die Spektralwerte den einzelnen Spektren wieder zugeordnet. Dieser Verfahrensschritt ist lediglich in dem Fall notwendig, wenn ursprünglich mehrere Leistungsspektren zu einem erweiterten Leistungsspektrum zusammengeführt wurden.

In einem darauf folgenden sechsten Verfahrensschritt 560 erfolgt eine Umkehrung der Indizierung, wobei jedem Spektralwert gemäß der Indizierung die entsprechende Wellenlänge zu- geordnet wird.

In einem weiteren Verfahrensschritt 570 wird die erste Ska ^¬ lierung des oder der Leistungsspektren rückgängig gemacht. Dabei werden die Spektralwerte eines Leistungsspektrums je ^¬ weils durch den zugehörigen Skalierungswert geteilt. Nach der Rückskalierung liegt nunmehr das rekonstruierte Leistungs ^¬ spektrum bzw. die rekonstruierten Leistungsspektren vor. In einem optionalen achten Verfahrensschritt 580 können negative Werte entfernt werden, welche bedingt durch die Dekomprimie- rung im rekonstruierten Leistungsspektrum gegebenenfalls vorhanden sind. Hierbei werden die dekodierten Spektralwerte, welche kleiner als null sind, gleich null gesetzt.

Auch bei der Dekodierung können im Decoder die Reihenfolge der Schritte vertauscht bzw. umsortiert werden, sofern dies sinnvoll und zielführend ist. Insbesondere lassen sich die Verfahrensschritte 560, 570 und 580 miteinander vertauschen. Ferner können auch die Umkehrung der Skalierung 520 und die Indizierung bzw. Interpolation 530 miteinander vertauscht werden. Der hier beschriebene Decoder kann auch in die Coder- implementierung integriert werden. So kann bereits im Coder das Dekodierergebnis des Decoders direkt mit dem Origi- nalspektrum verglichen werden, wodurch der Coder eine Möglichkeit zur Beurteilung seiner eigenen Performance erhält.

Die Erfindung wurde anhand der bevorzugten Ausführungsbei ^¬ spiele näher illustriert und beschrieben. Dennoch ist die Er- findung nicht auf die offenbarten Beispiele eingeschränkt.

Vielmehr können hieraus andere Variationen vom Fachmann abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen . Das hier beschriebene Kodierverfahren verwendet ein verlust ^¬ behaftetes Kompressionsverfahren, bei dem Daten in einen für den Anwendungsfall wichtigen Teil und einen unwichtigen teil getrennt werden und nur der wichtige Teil gespeichert wird. Ein typischer unwichtiger Teil ist z. B. das Rauschen. Die Grenze zwischen dem wichtigen und dem unwichtig Teil ist da ^¬ bei in der Regel fließend. Daher ist es möglich, durch Anpas ^¬ sen dieser Grenze, was in dem oben beschriebenen Ausführungsbeispiel durch Verschieben des Schwellwert-Index entlang der Bildindexskala erfolgt, die Datengröße der komprimierten Da ^¬ ten exakt zu kontrollieren. Daher eignet sich diese Kompres ^¬ sionsform besonders gut zur Optimierung der Datengröße im Hinblick auf ein begrenztes Speichervolumen, die Form des Eingangssignals, die Qualität des Coders und das zur Verfü ^¬ gung stehende Datenvolumen bestimmen dabei die Qualität der Kompression, d.h. inwieweit die dekodierte-kodierte mit den ursprünglichen Daten übereinstimmen. Durch das hier vorgestellte Verfahren können verschiedene

Spektren eines optoelektronischen Bauteils kodiert werden. So können durch beispielsweise absolute Spektralwerte, z.B. in W/ (sr*nm) , kodiert werden. Bei der Kompression mehrerer Spektren, bleibt so insbesondere das Verhältnis zwischen den Spektren erhalten. Alternativ hierzu können auch normierte

Spektren kodiert werden, wobei in diesem Fall die Absolutwerte verloren gehen.

Obwohl sich der Begriff "Leistungsspektrum" in dem hier be- schriebenen Ausführungsbeispiel auf ein Lichtleistungsspekt ^¬ rum bezieht, bei dem die Strahlungsdichte L gegen die Wellen ^¬ länge λ aufgetragen ist, ist es jedoch abhängig von der jeweiligen Messmethode und Anwendung grundsätzlich auch möglich, Spektren zu verwenden, bei denen eine andere radiomet- rische oder photometrische Größe gegen die Wellenlänge λ auf ^¬ getragen ist, wie z.B. Gesamtleistung in W/nm, maximale

Strahlstärke (d.h. Lichtleistung pro Raumwinkel W/ (sr*nm) , Bestrahlungsstärke (d.h. Beleuchtung einer Fläche in

W/m ² *nm) , etc . Bezugs zeichenliste

100 optoelektronisches Bauelement

110 optoelektronischer Halbleiterchip

111 Lichtstrahlung

120 Speichereinrichtung

130 Datenschnittstelle

140 elektrische Schnittstelle

151-153 Leistungsspektren

154 Gesamtleistungsspektrum

155 Ausgangsspektrum

160 Ausgangsgraph

170 Bildgraph

171 erster Abschnitt des Bildgraphen

172 zweiter Abschnitt des Bildgraphen

173 Regressionsgrade im ersten Bildgraphenabschnitts

174 Regressionsgrade im zweiten Bildgraphenabschnitts

175 Hüllkurvengrade

176 Gerade durch Schnittpunkt der beiden

Regressionsgraden

177 Schwellwert-Gerade

180 skalierter Bildgraph

181 obere Hüllkurve

182 untere Hüllkurve

200 Mess- und Kodiervorrichtung

210 Kodiereinrichtung

220 Messeinrichtung

300 Dekodier- und Steuervorrichtung

310 Dekodiereinrichtung

320 Steuereinrichtung

330 Sensoreinrichtung

340 beleuchtetes Objekt

400 Ablaufdiagramm des Komprimierungsverfahrens

410-490 Verfahrensschritte des Komprimierungsverfahrens 500 Ablaufdiagramm des Dekomprimierungsverfahrens

510-580 Verfahrensschritte des Dekomprimierungsverfahrens

A diskrete Ausgangswerte des Ausgangsgraphen

B diskrete Bildwerte des Bildgraphen dskrete Bildwerte des skalierten Bildgraphen Index des Ausgangsgraphen

Index des Bildgraphen

Schwellwert-Index des Bildgraphen