基于支持向量机的非线性荧光光谱的识别

提出将支持向量机网络应用于含不同浓度杂质气体的非线性荧光光谱的识别。由于原始光谱数据的光谱通道数目很大,首先用小波变换去噪压缩,然后采用主成分分析方法对光谱信息进行连续两次的特征提取。在保持原光谱数据主要信息基本不变的情况下,将数据维数由3979压缩到514(小波变换)并提取9个主成分。这样,不仅减少了网络的输入维数,而且加快了网络的训练速度。实验结果表明,无论对训练样本还是未学习过的测试样本,其正确识别率均可达到100%。网络的训练和测试速度较快,可以更有效地应用于大气杂质气体的实时监测。

非线性荧光光谱的神经网络分析及其应用

大功率超快脉冲激光和气体相互作用可产生非线性荧光光谱 ,不同的气体分子具有不同的非线性荧光光谱 ,因而这种光谱可以作为物质的指纹模式加以识别分类 ,进而获知气体的成分。由于不同气体分子的光谱在同一波段上有很大的交叉重叠 ,用传统的光谱分析方法分析存在困难 ,采用神经网络方法分析上述非线性荧光光谱 ,利用经过预处理的荧光光谱数据作为模式样本 ,其中一部分样本作为学习样本对级联神经网络进行训练 ,用训练好的网络对所有样本进行实时识别 ,学习样本和测试样本的的正确识别率均可达 10 0 % 。

基于最佳小波变换和神经网络的气体非线性荧光光谱的识别

将小波变换和神经网络相结合用于非线性荧光光谱的识别,针对非线性荧光光谱的特点,提出了选择最佳小波函数和分解层数的方法,处理后的光谱在保留光谱特征的基础上,大大压缩了数据维数;采用概率神经网络(PNN),对3种污染气体的非线性荧光光谱进行识别,获得了满意的实验结果。由于神经网络的输入是小波压缩后的数据,不仅提取了原始数据中的特征,而且数据的维数也下降7倍多,大大提高了气体识别的速度。

光谱学 光谱分析、光谱测量

O433．1 2005064051 测量太阳辐射连续谱的方法研究=High resolution solar radiometer[刊,中]/张运杰(中科院安徽光机所遥感研究 室．安徽,合肥(230031)),李正强…∥光电子技术与信 息．-2005,18(2)．-98-100 介绍一种测量太阳辐射准连续谱的方法,它能提供光 谱范围从360-1 060 nm连续的太阳辐射光谱数据,为应 用研究提供更多的光谱信息。图5表1参4(严寒)

光谱学 光谱分析、光谱测量

O433.4 2004053299 127I2在532nm波段谱线的理论计算=Theoretical calculation of spectra for 127I2 near 532 nm[刊,中]/彭月祥（北京交通大学理学院,北京（100044））,李文博…∥光电子·激光。—2003,14（11）,—1215-1218 报道了计算127I2

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.

光学环境科学应用

X831 2004032400 一种用于大气中杂质气体识别的新方法=New method forgas component analysis in air[刊,中]/申金媛(南开大学现代光学研究所,光电信息技术科学教育部重点实验室.天津(300071)),苏晓星…//光电子·激光.—2003。

基于主成分分析的复杂光谱定量分析方法的研究

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,提出了光谱分析的预处理、特征提取以及定量分析的有效方法。采用小波算法对光谱数据进行压缩和降噪处理,使光谱数据山3979点压缩降噪至664点。对处理后的光谱特征峰团的强度进行主成分分析,结果表明2个主成分即可包含98%的光谱信息。采用第一主成分对不同浓度下的谱线强度进行拟合与误差计算,有效地提取了与气体浓度有关的特征参量,实现了气体的定量分析。同已有的定量分析方法相比,定量分析的精度有较大提高,特别在所关心的低浓度情况下,定量分析的精度改善更为明显。3种气体的拟合与计算显示同以往方法相比误差由0.2694降为0.02。

用于复杂光谱数据压缩的自适应小波算法

对于超短脉冲激光与气体相互作用产生的复杂光谱,提出了基于递归最小方差方法的自适应小波算法,实现了对该类光谱数据的高效压缩.在对三种气体,共计27组光谱数据进行压缩后,数据由最初的3968个点被压缩成124个点,压缩比为32∶1.选择其中13组作为样本送入支持向量机神经网络进行训练,用剩下的14组进行检验,正确率为100%.

基于独立成分分析的复杂光谱的定量分析

基于独立成分分析(ICA)算法,对超短脉冲激光与气体相互作用所产生的复杂的非线性荧光光谱数据进行了有效的特征提取,进而对空气中含有的3种杂质气体在不同浓度下的光谱进行了预测,得到的结果与实测值相比较误差很小。对这3种气体共计27组光谱数据进行浓度值的定量预测,达到了满意的实验结果。

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.

一种用于大气中杂质气体识别的新方法

提出利用物质的荧光光谱联合人工神经网络识别大气中杂质气体成分的新方法。物质的非线性荧光光谱与其分子原子结构有关,所以当大气中含有不同的杂质(有害)气体时,混合气体具有不同的非线性荧光光谱,通过对气体非线性荧光光谱的分析,可以确定大气中所含杂质气体的成分。掺杂气体的非线性荧光光谱是通过大功率超短激光脉冲与气体的非线性作用得到的;对非线性荧光光谱的识别则采用人工神经网络的方法。实验及计算机仿真模拟结果表明,这是一个确实可行的识别大气中杂质气体成分的新方法。