超短脈沖激光光譜分析方法及其應(yīng)用研究.pdf

1、隨著工業(yè)的發(fā)展，大氣污染已經(jīng)成為人們關(guān)注的焦點(diǎn)問題。近幾年來，相關(guān)的空氣污染監(jiān)測(cè)技術(shù)的研究已經(jīng)取得了很大的進(jìn)展，有些技術(shù)已經(jīng)得到了實(shí)際應(yīng)用。但已有的大氣污染監(jiān)測(cè)技術(shù)大都無法滿足污染氣體實(shí)時(shí)監(jiān)測(cè)的要求。本文以超短脈沖激光與空氣相互作用產(chǎn)生的非線性熒光光譜為基礎(chǔ)，通過對(duì)該類光譜的分析研究，探討了超快激光技術(shù)在污染氣體實(shí)時(shí)監(jiān)測(cè)領(lǐng)域應(yīng)用的可行性。 本文主要在光譜數(shù)據(jù)壓縮，污染氣體定性識(shí)別以及污染物濃度定量分析三個(gè)方面作了深入的研究，具體

2、內(nèi)容如下： 第一方面，為了便于特征提取和提高數(shù)據(jù)分析速度，提出了自適應(yīng)小波算法，對(duì)原始光譜數(shù)據(jù)進(jìn)行壓縮。該算法具有壓縮比高，誤差小以及窗口白適應(yīng)調(diào)節(jié)三大特點(diǎn)，在高壓縮比的情況下仍能保留原始數(shù)據(jù)的特征信息，其壓縮比為32：1，而均方誤差只有4.2％。另外由于結(jié)合了小波濾波算法，因此濾波窗口可以隨著特征峰的寬度自適應(yīng)調(diào)節(jié)，進(jìn)而使最終的壓縮誤差減小0.1％。 第二方面，采用支持向量機(jī)神經(jīng)網(wǎng)絡(luò)對(duì)污染氣體的成份進(jìn)行了識(shí)別。支持向量

3、機(jī)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)是基于統(tǒng)計(jì)學(xué)的風(fēng)險(xiǎn)最小原理，因此它除了具有普通神經(jīng)網(wǎng)絡(luò)的容錯(cuò)性以外，還擁有更強(qiáng)大的推廣能力。實(shí)驗(yàn)中對(duì)全部27個(gè)樣本進(jìn)行訓(xùn)練和識(shí)別的正確率為100％。 第三方面，提出了分段二項(xiàng)式擬合的光譜定量分析方法。針對(duì)實(shí)際光譜數(shù)據(jù)曲線的特點(diǎn)，采用變換坐標(biāo)空間，對(duì)光譜數(shù)據(jù)進(jìn)行了分段二項(xiàng)式擬合。原始數(shù)據(jù)的函數(shù)關(guān)系非常復(fù)雜，只能用很高階數(shù)的二項(xiàng)式擬合，但是高階二項(xiàng)式擬合容易出現(xiàn)過擬合現(xiàn)象。本文首先將原始數(shù)據(jù)進(jìn)行對(duì)數(shù)變換，然后對(duì)數(shù)據(jù)進(jìn)