一种基于BLSTM-RNN的太赫兹光谱识别方法技术

本发明专利技术涉及一种基于BLSTM‑RNN的太赫兹光谱识别方法，属于光谱分析及物质种类检测技术领域。首先对太赫兹光谱数据集进行滤波去噪，然后对频谱曲线进行三次样条插值，截取可比的相同频率范围内数据进行重采样，以此完成数据归一化处理。通过构建BLSTM‑RNN模型对训练集样本进行全频谱信息的自动特征提取，并利用时间反向传播算法和Adam优化算法进行多次迭代训练模型，最终实现测试集的高精度识别分类。本发明专利技术能对高维的太赫兹频谱数据集进行自动提取特征并有效分类，避免了现有太赫兹光谱识别方法为提高分类精度，需先提取少量的关键频谱特征后再识别分类所带来的流程繁琐、技术要求高等问题。

【技术实现步骤摘要】
一种基于BLSTM-RNN的太赫兹光谱识别方法
本专利技术涉及一种基于BLSTM-RNN(bidirectionallongshorttermmemory-recurrentneuralnetwork，双向长短时记忆循环神经网络)的太赫兹光谱识别方法，属于光谱分析及物质种类检测

技术介绍
在物质识别领域，光谱学发挥着非常重要的作用。其中，近红外光谱、拉曼光谱等分子振动谱分析技术发展迅速，它们利用物质表现出来的特征光谱进行物质的定性鉴别和定量分析。处于远红外波段的太赫兹(THz)光谱亦具有“指纹”特性，而且太赫兹波段具有透视性、安全性和波谱分辨能力。这些特点使得Thz技术在物质识别及无损检测方面的应用具有重要意义。基于THz光谱分析的识别方法中，早期利用频谱的特征吸收峰对物质类型进行直接判定，但根据物质在太赫兹范围内的不同光谱特征来识别特定种类，容易造成人为分类的误差，特别是一些混合物在Thz波段无明显的特征吸收峰或频谱存在峰重叠效应。因此，研究快速有效的物质太赫兹频谱整体图形特征提取和识别方法，可为物质类型与频谱图形的对应关系研究起到良好的支撑作用。目前统计学与机器学习方法本文档来自技高网...

【技术保护点】
1.一种基于BLSTM‑RNN的太赫兹光谱识别方法，其特征在于，包括如下步骤：(1)通过太赫兹时域光谱系统采集参考信号和物质样本的太赫兹时域光谱数据，检测的物质种类不少于两类；将太赫兹时域光谱通过离散傅里叶变换转换成太赫兹时频域光谱；(2)从太赫兹频域光谱中提取透射率、折射率、吸收系数和消光系数4种光学参数光谱；(3)对4种光学参数光谱进行平滑处理，截取相同频段的太赫兹参数光谱并对其做统一分辨率处理，得到多组统一频段和分辨率的太赫兹频谱数据集；(4)将经过预处理后的太赫兹光谱数据集的任意一种光学参数作为光谱数据向量，对应的物质类别标签作为类别向量，形成训练集；(5)利用BLSTM‑RNN模型对...

【技术特征摘要】
1.一种基于BLSTM-RNN的太赫兹光谱识别方法，其特征在于，包括如下步骤：(1)通过太赫兹时域光谱系统采集参考信号和物质样本的太赫兹时域光谱数据，检测的物质种类不少于两类；将太赫兹时域光谱通过离散傅里叶变换转换成太赫兹时频域光谱；(2)从太赫兹频域光谱中提取透射率、折射率、吸收系数和消光系数4种光学参数光谱；(3)对4种光学参数光谱进行平滑处理，截取相同频段的太赫兹参数光谱并对其做统一分辨率处理，得到多组统一频段和分辨率的太赫兹频谱数据集；(4)将经过预处理后的太赫兹光谱数据集的任意一种光学参数作为光谱数据向量，对应的物质类别标签作为类别向量，形成训练集；(5)利用BLSTM-RNN模型对训练集进行监督训练，通过一定次数的训练数据迭代更新模型参数；(6)利用更新后的BLSTM-RNN模型对太赫兹光谱进行识别。2.根据权利要求1所述的基于BLSTM-RNN的太赫兹光谱识别方法，其特征在于，所述步骤(3)中平滑处理的方法为Savitzky-Golay平滑，统一分辨率处理的方法为三次样条插值。3.根据权利要求1所述的基于BLSTM-RNN的太赫兹光谱识别方法，其特征在于，所述步骤(5)中BLSTM-RNN模型的总体架构为一个输入层，一个隐藏层以及一个输出层，其中隐藏层为一个双向的LSTM神经单元，隐含层采用ReLU激活函数进行非线性处理，输出层为Softmax激励函数，输入层、隐藏层及...

【专利技术属性】
技术研发人员：沈韬，虞浩跃，朱艳，刘英莉，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南,53