用于光谱分类的光谱峰谷沿匹配算法

针对超短脉冲激光与气体相互作用产生的非线性荧光光谱的特点,提出了一种新的光谱去噪、特征提取、特征匹配的有效方法.通过对三种气体不同浓度的荧光光谱进行小波压缩去噪,得到5层664个小波系数,重构后获得除噪效果满意而特征信息保持不变的光谱.对重构后的光谱进行光谱峰/谷沿相似度的分析,构造了三种气体的特征谱.在此基础上,经对三种气体光谱进行特征峰/谷沿的匹配分析,提出一种利用同种物质不同浓度下的光谱总体相似度来构造标准特征谱新方法,通过与标准特征谱的匹配分析得到分类结果.实验结果表明,该算法的分类结果受浓度变化影响小,对低至0.05%浓度条件下的全部27条光谱均获得100%的分类识别结果.

基于光谱峰谷沿匹配的荧光光谱定量分析方法

超短激光脉冲与大气相互作用产生具有分子特征谱的荧光光谱,如能对该荧光光谱进行识别,则可获知气体的成分和浓度,目前该方法在环境监测中应用的主要困难是缺乏光谱分析的有效手段.针对这个问题,本文提出了一种新颖的基于光谱峰谷沿匹配的定量分析方法.首先采用小波分解对光谱数据进行压缩去噪,对重构后的光谱进行光谱峰/谷沿相似度的分析.在此基础上,选取由主要特征峰构成的六个特征峰团,并对峰团的强度进行主成分分析.通过对前2个主成分进行光强-浓度的最小二乘法拟合,实现了对空气中低浓度掺杂气体的高精度定量分析.