一种光腔衰荡信息提取方法技术

本申请公开了一种光腔衰荡信息提取方法

【技术实现步骤摘要】
一种光腔衰荡信息提取方法、装置及存储介质


[0001]本申请涉及光谱探测
，尤其涉及一种光腔衰荡信息提取方法
、
装置及存储介质
。

技术介绍

[0002]腔衰荡光谱（
cavity ring
‑
down spectroscopy, CRDS
）技术是一种基于高精细度光学谐振腔的高精度
、
高灵敏度光学检测技术
。
由于
CRDS
技术具有测量结果不受入射光强起伏影响及有效吸收光程长等优点，自上世纪
70
年代以来，经过多年发展，该技术逐渐成为现代光学
、
化工
、
医学等研究领域体的新宠，尤其是对于高反射率测量而言，是目前唯一能精密测量反射率的方法，目前广泛应用于微量气体监测
、
燃烧诊断
、
光谱测量
、
化学反应动力学过程研究等方面
。
同时由于光学系统与电子电路的噪声干扰，通常只能获得低信噪比的腔衰荡信号，严重限制衰本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种光腔衰荡信息提取方法，其特征在于，所述方法包括：按照预设的生成规则，生成第一预设数量的衰荡时间常数数据；将所述衰荡时间常数数据全部输入至衰荡信号数学模型中，利用所述衰荡信号数学模型生成对应的模拟腔衰荡信号；向每一组模拟腔衰荡信号叠加随机噪声，得到第二预设数量的一维模拟腔衰荡信号，所述第二预设数量大于所述第一预设数量；将所述一维模拟腔衰荡信号划分为两个集合，分别为训练集和测试集；搭建初始的卷积神经网络
CNN
架构；利用所述训练集对所述初始的卷积神经网络
CNN
架构进行训练，得到收敛的神经网络模型；将所述测试集输入收敛的神经网络模型中进行测试，并根据测试结果对神经网络模型进行调整优化；利用调整后的神经网络模型对实测的腔衰荡信号进行处理，并输出对应的衰荡时间常数
。2.
根据权利要求1中所述的光腔衰荡信息提取方法，其特征在于，所述利用所述训练集对所述初始的卷积神经网络
CNN
架构进行训练，得到收敛的神经网络模型包括：以对应模拟衰荡时间作为标签，生成标签集，将所述训练集中的各组模拟腔衰荡信号制备成训练数据集；将所述训练数据集以及所述标签集打包成
npy
格式文件；读取所述
npy
文件，并对搭建好的所述初始的卷积神经网络
CNN
架构进行训练；所述训练过程包括：不断调整卷积层与全连接层的层数
、
随机失活率
、
学习率和
epoch
层数，直至得到收敛的神经网络模型
。3.
根据权利要求1中所述的光腔衰荡信息提取方法，其特征在于，所述将所述测试集输入收敛的神经网络模型中进行测试，并根据测试结果对神经网络模型进行调整优化包括：将测试集中的每一组模拟腔衰荡信号输入至收敛的神经网络模型中进行测试，使得输出对应的测试衰荡时间常数；将所述测试衰荡时间常数与测试集中每一组模拟腔衰荡信号对应的模拟时间常数进行比对，得到时间常数比对结果；根据所述时间常数比对结果调整收敛的神经网络模型的参数
。4.
根据权利要求1中所述的光腔衰荡信息提取方法，其特征在于，划分所述训练集合所述测试集时，所述训练集占比
70%
，所述测试集占比
30%。5.
根据权利要...

【专利技术属性】
技术研发人员：周胜，宋宇硕，谢荣锦，
申请(专利权)人：安徽大学，
类型：发明
国别省市：