| 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 |
| |
| 引用本文： | 韩应哲,张延炘,常胜江,申金媛.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[J].光电子．激光,2005,16(6):718-721. |
| |
| 作者姓名： | 韩应哲 张延炘 常胜江 申金媛 |
| |
| 作者单位： | 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;郑州大学信息工程学院,河南省激光与光电信息技术重点实验室,河南,郑州,450052 |
| |
| 基金项目： | 国家自然科学基金资助项目(60277022,60477009)，天津市自然科学基金重点资助项目(023800811)，博士点基金资助项目(20030055022)，南开大学科技创新基金资助项目 |
| |
| 摘 要： | 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。
|
| 关 键 词： | 小波变换 神经网络 气体识别 非线性荧光光谱 |
| 文章编号： | 1005-0086(2005)06-0718-04 |
Recognition for the Nonlinear Fluorescence Spectra Based on Optimal Wavelet Transform and Artificial Neural Network |
| |
| HAN Ying-zhe.Recognition for the Nonlinear Fluorescence Spectra Based on Optimal Wavelet Transform and Artificial Neural Network[J].Journal of Optoelectronics·laser,2005,16(6):718-721. |
| |
| Authors: | HAN Ying-zhe |
| |
| Affiliation: | HAN Ying-zhe~ |
| |
| Abstract: | An combination of optimizing wavelet transform and neural network is applied to recognizing nonlinear fluorescence spectra.The optimization wavelet function and decomposition layers are proposed.A probabilistic neural network(PNN) model is employed in order to recognize the nonlinear fluorescence spectrum of 3 impurities in the air,and satisfied experiment results have been acquired.The operation rate of the network has been greatly enhanced because the optimal input data obtained after the wavelet transform are not only the features of original signals,but also consumedly compressed,so that the dimension of the data becomes much less than that of original signals. |
| |
| Keywords: | wavelet transform neural network gas component recognition nonlinear fluorescence spectrum |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《光电子．激光》浏览原始摘要信息 |
|
点击此处可从《光电子．激光》下载全文 |
