分析提取近红外小分子痕量气体特征含量的方法和分析仪技术

本发明专利技术提供了一种分析提取近红外小分子痕量气体特征含量的方法和分析仪，该方法包括：(1)、在中心波长所在的谱线半高全宽内选取长度大于2N的超完备基样本，并从该超完备基样本中选出1组样本长度为2N的样本；(2)、根据所述欲确定的完备基样本的长度计算得到权重截断长度LWT；(3)、在长度为2N的样本数据中搜索得到最大值，并定义其为兴趣样本A的最大值样本数据A(LWT)；(4)、完成样本空间中由一个长度为2N的超完备基样本到2个长度为N的完备基样本的基变换。本发明专利技术处理一次性采样的盲源超完备基数据样本，将盲源超完备基数据样本变为盲源完备基数据样本。

【技术实现步骤摘要】

本专利技术涉及气体检测
，具体的说是一种分析提取近红外小分子痕量气体特征含量的方法和分析仪。
技术介绍
相对于单一成分光谱分析，多组分近红外小分子气体的光谱检测，不仅要以吸收系数尽量大、吸收频带无重叠为原则选择被检测谱线，还必须综合考量其它各组分气体的吸收光谱特性对被选择的检测谱线的影响。近红外波段气体，通常需要在常温常压下检测。那么，多组分气体的测量，谱线加宽和密集的分布，使得难以做到选线与无频带叠加两方面的兼顾。很多时候，被检测的多组分气体中，多种成份具有相同的分子基团，这些相同分子基团的分子结构非常接近，因而其特征吸收光谱会产生部分重叠。目前，在多成份气体光谱检测中，几乎都是通过选择吸收系数尽量大、吸收频带无重叠的检测谱线，来简化对多成份光谱样本数据的分析处理难度。与其检测技术发展相比，对多组分光谱数据的分析处理技术的研究，还是很滞后的，突出表现：(1)首先要检测的组分必须是确定已知的；(2)不论是采用线性方程组还是最小二乘回归法，或者是其它类似的方法，都需对应要检测的每个成份中心波长附近，测得一组谱数据，比如有4种要分析气体成份，就要在4种气体对应的中心波长附近，进行4次光谱数据样本的采样，以获得4组数据构造线性方程组或矩阵，再用相应的算法求解；(3)而且，(2)线性求解，直接将所选个样本数据中的最大值当做检测气体的真正特征吸收值，由于有背景噪声和离群歧点存在，这种认定很不符合科学性；(4)到目前为止，在近红外小分子气体光谱检测领域，采用盲源超完备基光谱数据样本，进行多组分气体光谱分析研究方面，还是个空白。近红外光谱区的严重重叠性和不连续性，从物质近红外光谱中，很难直接提取出与成份含量相关的信息来，也很难给予合理的光谱解析。本专利技术找到一种关于采用近红外小分子光谱盲源超完备基数据样本，提取光谱中与成份含量相关的信息的方法。
技术实现思路
为了解决上述技术问题，本专利技术提供了一种分析提取近红外小分子痕量气体特征含量的方法和分析仪，其基于超完备基样本，实现分析提取出光谱数据样本中与成份含量相关的信息。为达到上述目的，本专利技术通过以下技术方案来具体实现：分析提取近红外小分子痕量气体特征含量的方法，该方法包括：(1)、在中心波长所在的谱线半高全宽(Full half-high width)内选取长度大于2N的超完备基样本，并从该超完备基样本中选出1组样本长度为2N的样本，其中N为欲确定的完备基样本的长度；(2)、根据所述欲确定的完备基样本的长度计算得到权重截断长度LWT；(3)、在长度为2N的样本数据中的搜索得到最大值，并定义其为兴趣样本A的最大值样本数据，该数据表示为A(LWT)；(4)、完成样本空间中由一个长度为2N的超完备基样本到2个长度为N的完备基样本的基变换，并计算得到其中A(1)、A(LWT)、A(N)、B(N)和B(1)样本数据，其中：A(1)、A(N)是兴趣样本A的端值，A(LWT)是兴趣样本A的最大值，B(N)和B(1)是映射样本B的端值；优选地，步骤(4)中，当要提取的痕量气体特征成分(例如H2O、CH4、CO2等气体含量)位于所选待测中心波长左侧时，超完备基样本选在左半样本空间，以A(LWT)为原点，向波长的递减(优选地，递减的步长为检测光谱仪的物理分辨率或者说其数据采样步长，本专利技术物理分辨率可达到0.03nm，以下递增或递减的步长按照此例)方向延伸搜索并逐一计算得到兴趣样本A中的数据A(LWT-1),……,A(1)，再向波长递增的方向延伸搜索并逐一计算得到兴趣样本A中的数据A(LWT+1),……,A(N)，这样获取兴趣样本A＝{A(1),……,A(LWT),……,A(N)本文档来自技高网...

【技术保护点】
分析提取近红外小分子痕量气体特征含量的方法，其特征在于,该方法包括：(1)、在中心波长所在的谱线半高全宽(Full half‑high width)内选取长度大于2N的超完备基样本，并从该超完备基样本中选出1组样本长度为2N的样本，其中N为欲确定的完备基样本的长度；(2)、根据所述欲确定的完备基样本的长度计算得到权重截断长度LWT；(3)、在长度为2N的样本数据中搜索得到最大值，并定义其为兴趣样本A的最大值样本数据，该数据表示为A(LWT)；(4)、完成样本空间中由一个长度为2N的超完备基样本到2个长度为N的完备基样本的基变换，并计算得到其中A(1)、A(LWT)、A(N)、B(N)和B(1)样本数据，其中：A(1)、A(N)是兴趣样本A的端值，A(LWT)是兴趣样本A的最大值，B(N)和B(1)是映射样本B的端值；优选地，步骤(4)中，当要提取的痕量气体特征成分(例如H2O、CH4、CO2等的气体含量)位于所选待测中心波长左侧时，超完备基样本选在左半样本空间，以A(LWT)为原点，向波长递减(优选地，递减步长为检测光谱仪的物理分辨率或者说其数据采样步长，本专利技术物理分辨率可达到0.03nm，以下递增或递减的步长按照此例)方向延伸搜索并逐一计算得到兴趣样本A中的数据A(LWT‑1),……,A(1)，再向波长递增的方向延伸搜索并逐一计算得到兴趣样本A中的数据A(LWT+1),……,A(N)，这样获取兴趣样本A＝{A(1),……,A(LWT),……,A(N)}，接着，以样本数据A(1)相邻，向波长递减方向选取N个样本数据，获取映射样本B，B＝{B(N),……,B(1)}，因被分析谱线在最大峰值左右两侧分别是按照波长递增或递减的，所以此时，B(N)是B样本中最大值样本数据，B(1)是B样本中最小值样本数据；同理，当要提取痕量气体特征成分(例如C2H2、CO2等气体含量)位于所选待测中心波长右侧时，样本选在右半样本空间，以A(LWT)为原点，向波长的递减方向延伸搜索并逐一计算得到兴趣样本A中的数据A(LWT+1),……,A(N)，再向波长递增的方向延伸搜索并逐一计算得到兴趣样本A中的数据A(LWT‑1),……,A(1)，这样获取兴趣样本A＝{A(1),……,A(LWT),……,A(N)}，接着，以样本数据A(1)相邻，向波长递增方向选取N个样本数据(B(N)与A(1)为相邻数据项)，获取映射样本B，B＝{B(N),……,B(1)}，同理，B(N)也是是B样本中最大值样本数据，B(1)是B样本中最小值样本数据；以上完成了左半样本空间或右半样本空间一个长度为2N的超完备基样本到2个长度为N的完备基样本的基变换，其中A(1)、A(LWT)、A(N)、B(N)和B(1)是样本空间基变换的5个关键样本数据。...

【技术特征摘要】
1.分析提取近红外小分子痕量气体特征含量的方法，其特征在于,该方法包括：(1)、在中心波长所在的谱线半高全宽(Full half-high width)内选取长度大于2N的超完备基样本，并从该超完备基样本中选出1组样本长度为2N的样本，其中N为欲确定的完备基样本的长度；(2)、根据所述欲确定的完备基样本的长度计算得到权重截断长度LWT；(3)、在长度为2N的样本数据中搜索得到最大值，并定义其为兴趣样本A的最大值样本数据，该数据表示为A(LWT)；(4)、完成样本空间中由一个长度为2N的超完备基样本到2个长度为N的完备基样本的基变换，并计算得到其中A(1)、A(LWT)、A(N)、B(N)和B(1)样本数据，其中：A(1)、A(N)...

【专利技术属性】
技术研发人员：武智瑛，于清旭，
申请(专利权)人：武智瑛，
类型：发明
国别省市：河北;13