论文部分内容阅读
快速准确获取大气污染气体的种类及浓度信息有助于研究大气污染的形成机理以及制定污染防治的政策法规。傅里叶变换红外光谱技术(Fourier Transform In frared Spectroscopy,FTIR)是一种高效的环境大气监测技术,能够对空气中存在的痕量污染气体进行实时在线测量。实测气体光谱中的光谱混叠和数据多重共线性等问题严重制约了大气光谱的定性识别准确度以及定量分析精度。针对这一问题,论文围绕气体FTIR光谱的特征提取以及混叠光谱定性识别展开深入研究,提出了气体FTIR光谱处理新算法,论文主要研究工作如下:1)提出了一种改进阈值的提升小波结合自适应滤波器的光谱去噪算法。针对实测大气光谱的噪声统计特性未知,以及部分吸收峰与噪声的频域特性相似等特点,算法利用改进阈值提升小波变换对光谱进行不完全去噪,将分解得到的高频信号作为自适应滤波器的噪声参考信号对光谱进行二次去噪。该算法充分利用了提升小波的快速分解以及自适应滤波器对未知噪声的跟踪反馈能力,能够对光谱进行快速去噪的同时保留更多吸收峰细节信息。实验结果验证了该算法的有效性。2)提出了一种将间隔偏最小二乘(interval Partial Least Squares,iPLS)与蒙特卡洛采样(Monte Carlo sampling,MC)相结合的iPLS-MC特征波长选取算法。针对光谱数据中的冗余信息以及多重共线性对定量校正模型预测精度的影响,算法利用iPLS方法预选出光谱特征波段,蒙特卡洛采样能够利用波长之间相互联系以及组合建模对于模型预测精度的影响,从光谱特征波段中筛选出最佳特征波长组合。利用选取出的特征波长进行建模,能够有效提高模型的预测精准度以及降低模型复杂度。实验结果验证了该算法的有效性。3)提出了基于改进的独立分量分析(Independent Component Analysis,ICA)的混叠光谱快速定性识别方法。针对传统光谱定性识别方法无法对混叠宽峰光谱进行有效识别的问题,该方法利用混合气体吸光度光谱与瞬时混合系统模型的相似性,将信号盲源分离中的ICA方法应用于混叠光谱的组分分离中,通过对比分离结果与标准光谱数据库信息从而获取混叠光谱定性识别结果。改进的ICA算法利用五阶牛顿迭代加速了光谱分离的过程,有利于在线测量系统的快速定性识别。实验结果验证了该方法的有效性。4)研究了自动基线校正与非线性最小二乘(Non-linear Least Squares,NLLS)相结合的光谱定量分析方法。针对实测光谱基线漂移对定量分析的影响,该方法利用四阶多项式拟合背景光谱对基线进行自动校正,并使用NLLS浓度反演方法对基线校正后的光谱进行定量分析。该方法能够对光谱基线漂移进行有效抑制的同时完好保留光谱中宽峰形态,NLLS浓度反演方法利用分子光谱吸收数据结合仪器参数对实测光谱进行拟合计算,能够快速准确获取光谱中混合气体的浓度信息。实验结果验证了该方法的有效性。