改进的SVM在矿井气体定量分析中的应用

自行搭建了气体采集系统,根据井下的气体情况,采集了包括甲烷、乙烷、丙烷、正丁烷和二氧化碳五种气体的中红外光谱数据共236组,其中校正集186组,验证集50组。在对光谱数据进行预处理之后,利用主成分分析技术将得到的主吸收峰区域的红外光谱数据进行降维处理,通过特征提取得到3个特征值作为矿井气体光谱数据的输入量。该方法有效减少了模型的计算量,加快了模型的收敛速度。然后,利用改进支持向量机分别对这五种气体建立了定量分析模型。为提高该算法的预测精度,利用遗传算法和粒子群优化算法分别对SVM参数进行参数寻优。最后,选择优化效果更好的粒子群算法,并通过验证集对这五种气体进行了浓度预测分析。实验结果表明:五种气体浓度预测结果的平均误差均小于1.78%,最大误差均小于4.98%,且对于50组的气体预测耗时均小于103 s。表明所提出的改进的SVM算法能够准确、快速地预测矿井气体浓度,对实现矿井气体检测有着积极的意义。     

基于Tchebichef图像矩的氧化锌太赫兹光谱定量研究

为了提高多组分混合物太赫兹光谱定量分析的准确性和稳定性, 将Tchebichef图像矩结合偏最小二乘回归(PLS)的建模方法引入到太赫兹光谱定量分析中, 以橡胶添加剂氧化锌、白炭黑与丁腈橡胶的混合物为实验样本, 对混合物中的氧化锌进行定量分析。获取样本太赫兹吸光度数据后, 用3维光谱自构建方法构建样本的3维光谱, 利用Tchebichef图像矩提取样本3维光谱灰度图的特征信息, 然后用PLS建立定量模型对氧化锌进行定量分析。结果表明, 由本方法得到的样本预测集相关系数和均方根误差分别为0.9993和0.0351, 与用PLS和支持向量回归直接对吸光度数据进行建模的方法相比, 结果更加准确和稳定。本方法能够对混合物中氧化锌进行准确、稳定的定量分析, 为多组分混合物太赫兹光谱定量分析提供了新思路。     

基于siPLS的强化生物除磷污泥胞内糖原近红外分析

为了快速、准确地测定强化生物除磷(EBPR)过程中污泥胞内糖原的含量,采用4种预处理方法分别对污泥近红外光谱进行预处理,并结合联合区间偏最小二乘(si PLS)进行变量优选,建立光谱吸光度数据与糖原含量的定量分析模型。结果表明,将一阶S-G(Savitzky-Golay)平滑处理后的光谱等分为20个子区间,联合子区间[10 13 16 19]建立的si PLS模型预测效果最优,预测集的均方根误差(RMSEP)和相关系数(rp)分别达到0.0048、0.9105,且该模型的交互验证和外部验证相对分析误差(RPD)均大于3.0。一阶平滑处理后的光谱si PLS模型预测精度高、建模变量少,可实现糖原含量的快速测定。     

基于DSP傅里叶变换红外光谱基线漂移快速校正实现

傅里叶变换红外光谱仪（FTIR）在长时间开放光程条件下进行测量时,FTIR光谱基线会发生漂移,影响光谱信息,改变光谱形状进而影响气体分析的准确度。因此对测量到的光谱信息进行基线校正是非常重要的预处理步骤,为下一步的气体定性定量分析提供良好的数据基础。本文针对基线漂移采用多项式迭代拟合逼近的方法,针对三种不同类型的基线漂移光谱进行校正,分别在MATLAB环境下及DSP中实现,校正后的的光谱数据采用均方根误差R作为评价标准,分别达到了4.21?0-6和5.38?0-6,校正时间分别消耗0.9350s和0.7783s, 结果表明该方法自动化程度高,校正效果好,速度快,可以为基于DSP实现系统小型化集成化的光谱处理系统提供理论基础。     

光纤光谱结合模式识别无损检测苹果表面疤痕

为了实现基于光纤光谱技术结合模式识别无损检测苹果表面疤痕, 利用光纤光谱采集系统采集了完好无损和表面有疤痕苹果的光谱数据, 采用标准正态变换(SNV)和1阶导数对原始光谱数据进行预处理; 利用主成分分析方法对预处理后的光谱数据进行降维, 以提取能反映苹果表面疤痕的特征光谱; 利用k最近邻(KNN)模式识别方法和偏最小二乘判别分析方法, 建立了苹果表面疤痕的识别模型。结果表明, 采用主成分分析法选择了累计贡献率超过99%的前8个主成分作为样本集特征光谱数据, 很好地实现了光谱数据的降维; 利用1阶导数+KNN识别模型对校正集以及SNV+KNN识别模型对预测集中正常果和疤痕果的正确率识别均高达96.0%。验证了基于光纤光谱技术结合模式识别方法无损检测苹果表面疤痕的可行性。     

基于太赫兹辐射的黄芩苷光谱分析及定量检测

采用太赫兹时域光谱系统测试黄芩苷混合物的光谱,发现黄芩苷混合物在0.3～1.5 THz波段具有明显的吸收特征;采用二维相关光谱(2DCOS)算法进行分析后发现,混合物光谱对外扰变量(黄芩苷的浓度)变化敏感。在光谱分析的基础上分别建立了基于支持向量机(SVM)和偏最小二乘法(PLS)的定量分析模型,采用Kenard-Stone(KS)法选择模型的校准集和验证集,引入相关系数和均方根误差评价建模效果。结果表明:基于支持向量机和偏最小二乘法的定量分析模型的预测数据与实际数据均表现出良好的相关性,并且均方根误差较小,能够实现对黄芩苷的定量检测;SVM模型的预测结果优于PLS模型。研究结果为药物质量检测提供了一种新方法,对药物的质量检测具有重要意义。     

基于3维荧光光谱技术的含乳饮料分类研究

为了证明3维荧光光谱法对市面上的牛奶饮料进行快速分类的有效性, 采集了市面上购买的12个不同品牌的牛奶饮料的3维荧光光谱, 对光谱数据进行了预处理。采用主成分分析、因子分析结合聚类分析的方法对预处理后的光谱数据进行分类, 通过因子分析提取出8个因子代表 3维荧光光谱数据, 对降维后的数据进行了聚类分析。结果表明, 主成分分析保留前两个主成分的累积贡献率达到95.15%, 能较好地降低光谱数据的维数, 但是分类阈值不易确定; 选择2.5作为阈值距离, 可将含乳饮料分为配制型含乳饮料、发酵型含乳饮料和乳酸菌饮料, 分类准确率达到83%以上。该研究验证了3维荧光光谱结合因子分析对含乳饮料进行分类的可行性。     

基于独立成分分析的高光谱图像数据降维及压缩

该文提出了一种以高光谱图像分析为目标的基于独立成分分析的高光谱图像降维和压缩方法。该方法首先通过独立成分分析提取高光谱数据的光谱特征实现高光谱图像降维,再对降维后的图像采用预测和自适应算术编码的方法进行压缩。对220波段和64波段高光谱数据的实验结果表明,该方法与基于主成分分析的降维相比,压缩比有所提高,特别是更有利于后续的分析处理,但峰值信噪比有所降低。     

高光谱成像结合BP网络无损检测李子的硬度

以“红”李子和“青”李子为研究对象,提出了基于高光谱成像技术结合误差反向传播(error Back Propagation,BP)网络无损检测李子硬度的方法。采用高光谱图像采集系统获取了李子样本的高光谱图像,并提取了感兴趣区域的平均光谱反射率;综合比较了不同光谱预处理方法(一阶导数(derivative)、标准正态变换(SNV)和多元散射校正(MSC))对BP网络模型检测效果的影响;并利用主成分分析方法对预处理后的光谱数据进行降维,以提取能反映李子硬度的特征光谱。研究结果表明:derivative预处理后的光谱具有较好的李子硬度校正能力(RC=0.939,RMSEC=0.153),而SNV预处理后的光谱具有较好的李子硬度预测能力(RP=0.723,RMSEP=0.580);采用主成分分析法选择了累计贡献率超过99.99 %的主成分作为样本集特征光谱数据,很好地实现了光谱数据的降维,提升了BP网络模型的运行效率。这表明高光谱成像技术结合BP网络可实现李子硬度的无损检测。     

LIBS检测污染马铃薯中的Pb及偏最小二乘定量分析模型

为了提高农产品中重金属的光学快速检测的精度, 运用偏最小二乘(PLS)法结合激光诱导击穿光谱(LIBS) 对马铃薯中的Pb含量进行了定量分析,探讨了数据预处理方法对模型精度的影响。针对 96个污染马铃薯样 品的LIBS数据,分别进行3点到17点平滑处理,然后将平滑后的数据分别进行标准正态 变量变换(SNV)、 多元散射校正(MSC)、均值中心化(MC)、一阶导数(FD)和二阶导数(SD)求导去噪预处理。采 用湿法消解结合原子吸收分光光度 计(AAS)获取样品中Pb元素的真实浓度,选择包含Pb特征谱线的401~417nm波段进行PLS建模,对比分 析模型的相关系数r、交互验证均方根误差(RMSECV)和预测均方根误 差(RMSEP)。结果表明,采用13点平滑、 均值中心化预处理的PLS模型的校准质量和预测效果最好,模型的r、RMSECV和RMSEP分别达到了0.9963、16.4 和11.5,说明选择合适的数据预处理方法能有效提高LI BS检测果蔬产品定量模型的质量。     

Machine learning-based regression models for predicting signal quality of dense wavelength division multiplexing (DWDM) optical communication network

Over the years, optical communication systems have been a significant source of fast and secure communication. However, factors like noise and mitigation error can degrade the bit error rate (BER) and quality factor (Q factor) of optical communication systems. Predicting the optimal threshold, Q factor, and BER is usually a difficult task. Therefore, in this paper, machine learning-based linear regression, least absolute shrinkage and selection operator (LASSO) regression, and Ridge regression have been used for a dense wavelength division multiplexing (DWDM)-based optical communication network to predict the signal quality. These techniques have been used to predict the desired BER, Q factor, threshold, and eye height of the system. To demonstrate this research concept, a DWDM-based optical communication network of 50 km length is designed and simulated using Optisystem-14.0. After data preparation, regression models have been developed and validated through diagnostic plots. Results show that mean square error (MSE) has a significant decline with an increase in the number of epochs for all four models. LASSO and Ridge regression have effectively resolved the issue of overfitting, which occurred in the linear regression case. Furthermore, the mean MSE plot proved the significant reduction of mean MSE in the case of LASSO regression. Results show that min BER for LASSO regression came out to be −173,627.14, providing a robust and cost-efficient process.     

Steady-state analysis of a complex adaptive notch filter using modified gradient algorithm

Based on power spectral density (PSD) analytical technique, mean square error (MSE) (or variance) of the frequency estimate of a first-order complex adaptive IIR notch filter (ANF) using modified complex plain gradient (MCPG) algorithm is investigated in this paper. The steady-state expression for MSE is derived in closed form. A quantitative analysis for the estimation MSE has been carried out. It has been revealed that the MSE of frequency estimate is independent of an input frequency of a complex sinusoid. In addition, computer simulations are treated to corroborate the theoretical analysis and the relationships between MSE and system parameters are shown.     

独立成分分析在化学战剂混叠峰识别中的应用

在战场等复杂环境得到的混合气体的红外光谱主次吸收峰交错重叠,因此对其定性识别的特征提取方法就显得尤为重要。采集到的各种化学战剂和有机气体的红外光谱数据都是高维度数据,首先采用中心化后降维进行特征提取来尽可能多地捕获到它所包含的本质信息,由于混合气体的红外光谱是非线性、非高斯性信号,把非高斯性作为独立性度量将各成分作为独立分量分离出来,为了满足实时需求,在传统快速独立成分分析(FastICA)算法的基础上对其迭代过程进行优化,并应用极限学习机(ELM)建立模型进行定量分析。实验结果表明:改进算法的迭代次数较传统算法减少,定量分析均方差E=2.392 610-4,回归系数R=0.999,说明该方法在不影响分离精度的前提下提高了混合物质中纯物质光谱分离出来的效率。     

一种自动选择特征的激光诱导击穿光谱定量分析方法

本文针对激光诱导击穿光谱技术(laser-induced breakdown spectroscopy,LIBS)定量分析中的特征选择问题,提出一种基 于Pearson相关系数的排序、主成分分析和L1正则项相结合的自动选择特征的定量分析方 法,建立了土壤中Co元素的定量分析模型。该模型训练集和测试集的R²(决 定系数)分 别为0.995和0.991, 均方根误差(root mean square error, RMSE) 分别 为4.634mg/kg和6.078 mg/kg, 平均绝对误差(mean absolute error, MAE) 分别为6.100%和6.441%,特征个数由原始数据的42870个降至5个 ,耗时仅 0.97 s。结果表明:采用该方法可降低特征子集维度并提高模型的泛 化性和精确度,为LIBS技术定量分析的特征选择提供一种高效的方法。     

核偏最小二乘特征提取在混合气体FTIR光谱定量分析中的应用

为进一步提高FTIR光谱法实现特征吸收光谱严重重叠的甲烷、乙烷、丙烷、异丁烷、正丁烷、异戊烷以及正戊烷七组分混合气体定量分析的精度和速度,提出一种核偏最小二乘(Kernel Partial Least square,KPLS)特征提取耦合支持向量回归机(Support Vector Regression Machine,SVR)的红外光谱定量分析新方法.首先采用KPLS方法对上述七组分混合气体的FTIR光谱进行特征提取,然后将特征提取得到的特征组分作为SVR的输入建立混合气体的定量分析模型.对标准混合气体进行定量分析的结果显示:KPLS-SVR模型的预测精度高于未进行特征提取SVR模型预测的精度,同时预测时间也减少了一半.研究表明,KPLS法可以很好地提取隐含在混合气体FTIR光谱数据与其组分浓度之间的非线性特征并有效地消除光谱数据噪声,大幅度降低数据维数,与SVR耦合可以提高红外光谱分析的精度和速度,是一种有效的红外光谱定量分析方法.     

结合特征选择和大尺度谱聚类的极化SAR图像非监督分类

非监督分类是极化SAR图像解译的重要手段,但其分类结果易受到高维特征的影响。针对此问题,本文提出一种结合特征选择和大尺度谱聚类的极化SAR图像非监督分类方法。该方法首先深入分析并提取了极化SAR图像分类中常用的特征参数,包括基于测量数据及其简单线性变换的特征和极化目标分解的特征。然后通过聚类森林特征选择算法进行特征降维处理,去除冗余信息。最后利用过分割产生代表点并构建原始数据与代表点间的二分图,通过大尺度谱聚类算法完成图像的非监督分类。实验结果表明,该方法能够选取有效的特征组合,并得到较为满意的分类效果。      

基于短波红外波段吸收的CO2垂直柱浓度地基遥测反演方法研究

温室气体引起的全球变暖、气候变化等问题已成为国际关注的热点,其中CO2是重要的温室气体之一,CO2的监测与控制已经成为各国关注的重点。结合CO2在1.6 μm处的光谱吸收结构,利用加权函数修正的差分吸收光谱技术（weighted function modified difference absorption spectroscopy, WFM-DOAS）研究大气中CO2垂直柱浓度的反演方法。利用大气辐射传输模型仿真研究了不同参数对加权函数（weighted function, WF）计算灵敏度的影响,分别对观测高度、太阳天顶角、太阳方位角、地表反照率、光谱分辨率等参数对CO2 WF系数的影响进行了详细的计算分析。并以一整天测量的太阳光为例,对仪器的性能、CO2的垂直柱浓度及干扰气体CH4及H2O的垂直柱浓度进行了分析,初步分析得到的反演误差优于1%。     

In_2O_3基NO_2气体传感器的研究

利用化学沉淀法制备了In2O3粉体,采用X射线衍射(XRD)的方法得到了粉体的晶体结构,颗粒尺寸为纳米量级。以In2O3为基体材料,制作了烧结型旁热式气敏元件,通过固相掺杂的办法改善元件的气敏特性。在低于100℃的工作温度下,通过对SO2,CO,CH4,Cl2,NO2五种气体的检测,发现分别以质量分数为2%PdCl2和5%CeO2为掺杂剂的元件对NO2气体均表现出较好的敏感性,对SO2,CO,CH4,Cl2四种干扰气体的灵敏度较低,表明元件具有良好的选择性。     

红外高光谱探测CO_2柱总量的敏感性分析

利用辐射传输模型MODTRAN5模拟计算了红外高光谱仪在光谱分辨率、光谱定标精度、地面反射率、大气廓线以及辐射分辨率对CO_2气体含量探测敏感性的影响,同时定义探测辐亮度随气体含量改变的变化量指标S值,并对探测灵敏度、光谱分辨率和信噪比SNR的关系进行了综合分析。为我国红外高光谱大气探测仪的设计以及高光谱大气成分反演研究的开展提供重要的科学依据。对CO_2柱总量反演通道的选择和实现CO_2气体探测敏感参数分析具有重要的参考价值。