一种超低浓度二氧化硫紫外差分特征提取算法制造技术

本发明专利技术公开了一种超低浓度二氧化硫紫外差分特征提取算法，包括以下步骤：通过紫外差分吸收光谱分析仪采集光谱数据并作为原始光谱S；对原始光谱S进行波段选择且截取数据，并进行n次多项式拟合，所得多项式Ln与所选波段原始光谱S做差分，实现低频噪声L的滤除，得到的SO2差分吸收度C；(3)利用SO2的差分吸收度曲线具有类周期特性的特点，通过快速傅里叶变换算法将差分吸收度C转换为频域信号P；(4)采集频域信号P上谱线的幅值，并记录相邻谱线的幅值；(5)多个数据组成一组多维数据，利用主成份分析算法将数据降维，从中提取出浓度相关特征值。本发明专利技术可以实现低浓度SO2气体污染物的检测，效率高，成本低。

An Ultraviolet Differential Feature Extraction Method for Ultra-Low Concentration Sulfur Dioxide

The invention discloses an ultralow concentration sulfur dioxide ultraviolet differential feature extraction algorithm, which comprises the following steps: collecting spectral data by ultraviolet differential absorption spectrometer and acting as the original spectral S; selecting and intercepting the band of the original spectral S, and fitting the data with n-th polynomial, and obtaining the polynomial Ln and the selected band. The original spectrum S is differentiated to filter the low frequency noise L, and the SO2 differential absorptivity C is obtained; (3) The differential absorptivity curve of SO2 has periodic characteristics, and the differential absorptivity C is converted to the frequency domain signal P by the fast Fourier transform algorithm; (4) The amplitude of the spectral line on the frequency domain signal P is collected and the adjacent spectral lines are recorded. (5) Multiple data form a set of multidimensional data, which are dimensionally reduced by using principal component analysis (PCA) algorithm to extract concentration-related eigenvalues. The invention can realize the detection of low concentration SO2 gas pollutants with high efficiency and low cost.

【技术实现步骤摘要】
一种超低浓度二氧化硫紫外差分特征提取算法
本专利技术涉及基于朗伯-比尔定律与快速傅里叶变换的特征提取算法，具体涉及一种超低浓度二氧化硫紫外差分特征提取算法。
技术介绍
当光穿过气体的过程中，气体分子会吸收光源的能量并发生跃迁，由此会产生相应的吸收光谱。不同的气体分子由于结构不同，在相应的波段具有不同的吸收特征。Lambert-Beer定律指出，光穿过气体前后的光强变化与待测气体的浓度，厚度以及种类有明确的关系，据此可以利用吸收光谱来测量气体污染物(SO2、NO等)的浓度。进行气体污染物浓度测量时，需要从吸收光谱中提取出有效的吸收特征。因此在对光谱仪所获得的吸收光谱进行处理时，需要滤除噪声并从处理后的信号中提取特征值。特别在测量超低浓度的气体污染物时，光谱上的有用信号几乎淹没在噪声中，必须有效的区分噪声与有用信号，才能保证测量结果的准确。传统DOAS算法是一种常用算法。该方法利用高阶多项式拟合来获取吸收光谱的低频慢变部分，再由数学方法获得吸收光谱的快变部分，也可以使用滤波器达到同样效果。慢变部分主要由仪器光谱响应特性、光源的光谱曲线、瑞利散射、米氏散射以及气体的衰减作用而形成；吸收的快变部分则是由气体中各成分分子内部的各种电子能级跃迁所产生的吸收作用形成的光谱精细结构，也是计算气体成分和浓度的依据。之后根据Lambert-Beer定律，利用吸收截面与吸收峰值处数据计算污染物浓度。该方法的优点是原理简单，容易实现，且技术较为成熟。但是这种方法进行低浓度测量时，在原理上对光程长度依赖较大，而工程应用中由于各种限制，光程不可能无限的增大，因此在低浓度测量时，该方法的信噪比较差，几乎无法检测低浓度信号。同时该方法没有对高频噪声进行处理，完全依赖光谱仪的性能，也不利于降低成本。DOAS技术经过进一步补充和完善，测量低浓度气体时，充分利用整个波段上的所有离散波长点上的光谱数据，采用最小二乘进行全局寻优，从而获得被测气体浓度。该方法提高了DOAS算法低浓度检测的表现，并且不需要再原有设备上进行任何改动。但是其精度依然难以得到保障，没有消除高频噪声的效果。拟合面积残差最小化低浓度算法，这种算法充分利用整个波段上的吸收截面信息，从整个波段的离散数据中选择最符合吸收光谱与已知吸收截面的数据点来进行反算浓度。该算法具有良好的线性，具有良好的重复性，测量准确，一定程度上抑制了高频噪声的干扰。其缺点是测量性能依然有待提高，对于高频噪声的处理依然不好。依赖吸收截面数据的准确性，如果吸收截面不适用于当前光谱采集系统，则会引入系统误差，并且多种气体之间的互相干扰严重。快速傅里叶变换阈值滤波，可以有效去除高频噪声，但进行低浓度测量时，低浓度信号与噪声无法区分，会导致低浓度信号无法检出，不适用于非周期吸收信号的检出。
技术实现思路
本专利技术的目的是为了克服现有技术中的不足，准确提取超低浓度气体污染物的吸收特征，有效区分有用信号和噪声，实现超低浓度气态污染物的检测；提供一种超低浓度二氧化硫紫外差分特征提取算法，相比于其他方法能够快速准确的提取到一种具有较高分辨力的吸收特征，重复性好。可以实现低浓度SO2气体污染物的检测，效率高，成本低。本专利技术的目的是通过以下技术方案实现的：一种超低浓度二氧化硫紫外差分特征提取算法，包括以下步骤：(1)通过紫外差分吸收光谱分析仪采集由氘灯光源所发出的经过充满均一浓度待测二氧化硫SO2气体的气体池后的光谱数据，该光谱数据为原始光谱S；(2)对原始光谱S进行波段选择且截取数据，并进行n次多项式拟合，所得多项式Ln与所选波段原始光谱S做差分，实现低频噪声L的滤除，得到的SO2差分吸收度C；(3)利用SO2的差分吸收度曲线具有类周期特性的特点，通过快速傅里叶变换算法将差分吸收度C转换为频域信号P；(4)采集频域信号P上谱线的幅值，并记录相邻谱线的幅值；(5)多个数据组成一组多维数据，利用主成份分析(PrincipalComponentAnalysis)算法将数据降维，从中提取出浓度相关特征值。进一步的，步骤(2)中n取3。步骤(2)中波段选择包括以下步骤：(1)通过查找HITRAN数据库获得SO2的吸收截面，选定180～230nm波段上的数据作为计算所使用数据；(2)通过紫外差分吸收光谱分析仪采集由氘灯光源所发出的经过充满均一浓度待测二氧化硫SO2气体的气体池后的光谱数据，该光谱数据为原始光谱S；(3)对原始光谱S，截取其180～230nm波段上的数据，并进行n次多项式拟合，所得多项式Ln与该波段原始光谱S做差分，实现低频噪声L的滤除，得到的SO2差分吸收度C；(4)对180～230nm波段进行进一步筛选，从180nm处开始，截取差分吸收度C上10nm长度内的数据用于计算，并利用快速傅里叶变换算法计算出该部分数据所对应的频谱；(5)对比相同浓度、不同浓度的多组SO2数据，确认SO2吸收特征所对应频域上频率为1/6的谱线；仅将该条谱线还原为时域信号X，并在时域上按其周期性将其分割成6段；(6)每一段时域信号X与对应位置的差分吸收度C进行拟合，获取系数ki使得第i段内残差和Δδi取最小值；Δδ＝Δδmin时，计算得n为单个周期数据点个数，f为SO2吸收特征对应频率，f＝1/6；xj＝sin(2π*j/n+b)为上述时域信号X当前波段上第j个点，Cj+n*i为差分吸收度在当前波段上第j+n*i个数据点；时域信号X在一个选定的10nm波段上对应一组ki，数组大小为计算σ，σ为ki的相对标准差；(7)当波段从开始位置向230nm方向移动n/2个数据点，重新截取长度为10nm的波段并重复步骤(6)，选出σ最小的波段作为计算所用波段。与现有技术相比，本专利技术的技术方案所带来的有益效果是：本专利技术算法根据SO2吸收特点，利用快速傅里叶算法来提取SO2气体吸收光谱中的特征值，设置了一个能反应波段性能的参量，以选择最佳的波段，从而减少结果受到边缘数据的影响，提高结果的稳定性，减少了运算量，大大优化了频谱数据的能量分布；实现了低浓度气体的有效检测。附图说明图1-1是SO2紫外差分特征提取算法流程框图；图1-2是波段选择的流程框图。图2-1是SO2在190nm-230nm差分光谱，图2-2是三浓度SO2吸收特征对应频谱图。图3-1为参数σ较低波段差分吸收度；图3-2为参数σ较高波段差分吸收度；图3-3为参数σ较低波段三浓度SO2吸收特征对应频域特征；图3-4为参数σ较低波段三浓度SO2吸收特征对应频域特征图4为设置参数σ与检测结果稳定性之间的关系图。具体实施方式下面结合附图对本专利技术作进一步的描述。根据Lambert-Beer定律计算得到的差分吸收度中，不同的气体在各自的吸收波段有着不同的吸收特征。根据SO2的吸收特征，在其吸收波段提取特征值。图1-1和图1-2分别为SO2紫外差分特征提取算法流程框图及波段选择流程框图。基于快速傅里叶变换(FastFourierTransformation，FFT)的SO2检测算法，总体思路是利用SO2差分吸收曲线的类周期特点，将时域信号转换到频域进行处理，用频域峰值反应气体浓度，从而解决上述方法在气体浓度低，吸收不明显，高频干扰严重时测量不准的问题，在此基础上提出了一种波段选择算法，利用其类周期的特点，通过本文档来自技高网...

【技术保护点】
1.一种超低浓度二氧化硫紫外差分特征提取算法，其特征在于，包括以下步骤：(1)通过紫外差分吸收光谱分析仪采集由氘灯光源所发出的经过充满均一浓度待测二氧化硫SO2气体的气体池后的光谱数据，该光谱数据为原始光谱S；(2)对原始光谱S进行波段选择且截取数据，并进行n次多项式拟合，所得多项式Ln与所选波段原始光谱S做差分，实现低频噪声L的滤除，得到的SO2差分吸收度C；

【技术特征摘要】
1.一种超低浓度二氧化硫紫外差分特征提取算法，其特征在于，包括以下步骤：(1)通过紫外差分吸收光谱分析仪采集由氘灯光源所发出的经过充满均一浓度待测二氧化硫SO2气体的气体池后的光谱数据，该光谱数据为原始光谱S；(2)对原始光谱S进行波段选择且截取数据，并进行n次多项式拟合，所得多项式Ln与所选波段原始光谱S做差分，实现低频噪声L的滤除，得到的SO2差分吸收度C；(3)利用SO2的差分吸收度曲线具有类周期特性的特点，通过快速傅里叶变换算法将差分吸收度C转换为频域信号P；(4)采集频域信号P上谱线的幅值，并记录相邻谱线的幅值；(5)多个数据组成一组多维数据，利用主成份分析(PrincipalComponentAnalysis)算法将数据降维，从中提取出浓度相关特征值。2.根据权利要求1所述一种超低浓度二氧化硫紫外差分特征提取算法，其特征在于，步骤(2)中n取3。3.根据权利要求1所述一种超低浓度二氧化硫紫外差分特征提取算法，其特征在于，步骤(2)中波段选择包括以下步骤：(1)通过查找HITRAN数据库获得SO2的吸收截面，选定180～230nm波段上的数据作为计算所使用数据；(2)通过紫外差分吸收光谱分析仪采集由氘灯光源所发出的经过充满均一浓度待测二氧化硫SO2气体的气体...

【专利技术属性】
技术研发人员：王鹏，李游，孙长库，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12