導(dǎo)航：安全管理網(wǎng)>> 安全論文>> 環(huán)境保護(hù)論文>>正文

基于亮溫光譜和主成分分析的大氣污染氣體探測(cè)

文檔作者：崔方曉1 方勇華1 蘭天鴿2 熊偉1 袁越明1 文檔來(lái)源： 1．中國(guó)科學(xué)皖安徽光學(xué)精密機(jī)械研究所，通用光學(xué)與定標(biāo)與表征技術(shù)重點(diǎn)實(shí)驗(yàn)室 2．華東電子工程研究所		點(diǎn) 擊數(shù)：	更新時(shí)間： 2025年05月10日
下載地址：點(diǎn)擊這里	文件大?。?389.90 KB 共4頁(yè)	文檔格式： PDF	下載點(diǎn)數(shù)： 1 點(diǎn)（VIP免費(fèi)）

全屏查看

內(nèi)容預(yù)覽 [文件共4頁(yè)]

本文件共4頁(yè)，如需編輯使用，請(qǐng)下載。

注：預(yù)覽效果可能會(huì)出現(xiàn)部分文字亂碼（如口口口）、內(nèi)容顯示不全等問(wèn)題，下載是正常的。

	文件大?。?89.90 KB 共4頁(yè) 文件格式：PDF 下載點(diǎn)數(shù)：1 點(diǎn)（VIP會(huì)員免費(fèi)）

上一篇：鈣鹽和氨基酸對(duì)味精等電母液模擬料雙極膜…

文本預(yù)覽

僅提取頁(yè)面文字內(nèi)容，供快速閱讀使用。

第3l卷：筻l(xiāng)o甥 光譜學(xué)與光譜分析 V01．31，No．10,PP2794．27972 0 1 1年1 0月 Spectroscopy and Spectral A∞lysis october．2011基于亮溫光譜和主成分分析的大氣污染氣體探測(cè)崔方曉1，方勇華1，蘭天鴿2，熊 偉1，袁越明11．中國(guó)科學(xué)皖安徽光學(xué)精密機(jī)械研究所，通用光學(xué)與定標(biāo)與表征技術(shù)重點(diǎn)實(shí)驗(yàn)室，安徽合肥2300312．華東電子工程研究所，安徽合肥230088摘要在移動(dòng)平臺(tái)條件下，污染氣體紅外遙測(cè)系統(tǒng)無(wú)法獲取有效的背景光譜。利用算法扣除紅外光譜中的背景信息，提取目標(biāo)光譜特征，是污染氣體紅外遙測(cè)系統(tǒng)在移動(dòng)平臺(tái)上應(yīng)用的關(guān)鍵環(huán)節(jié)。提出基于亮溫光譜和主成分分析的迭代擬合算法。相對(duì)于傳統(tǒng)的亮溫光譜法，該算法降低了亮溫光譜法對(duì)儀器響應(yīng)函數(shù)的精度要求，同時(shí)結(jié)合主成分分析和迭代擬合技術(shù)，可有效提取目標(biāo)光譜特征。關(guān)鍵詞污染氣體I紅外遙測(cè)；亮溫；主成分分析中圖分類號(hào)：TP722．5 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10．3964／j．issn．1000-0593(2011)10-2794-04引言在移動(dòng)平臺(tái)條件下利用紅外光譜技術(shù)遙測(cè)污染氣體，無(wú)法獲取純凈的背景光譜。基于數(shù)字信號(hào)處理技術(shù)，研究各種算法來(lái)抑制所獲取紅外光譜中的背景信息，以提取污染氣體的光譜特征，從而進(jìn)行有效的識(shí)別、分類和量化分析，是污染氣體紅外遙測(cè)技術(shù)進(jìn)一步應(yīng)用的關(guān)鍵環(huán)節(jié)。國(guó)內(nèi)外對(duì)于污染氣體紅外光譜背景信息抑制算法開展多種探索研究，如：亮溫光譜法[1-3]、干涉圖加窗法H’”、背景信息統(tǒng)計(jì)方法‘s1等?；诟缮鎴D可以直接提取污染氣體的特征信息，但需要針對(duì)每一類氣體，分別設(shè)計(jì)濾波器和相應(yīng)的參數(shù)‘“，應(yīng)用起來(lái)比較麻煩。亮溫光譜法需要精確的儀器響應(yīng)函數(shù)，并假設(shè)背景輻射的亮溫譜是近似平直的；實(shí)際上，紅外光譜儀器的響應(yīng)函數(shù)隨儀器工作狀態(tài)和外部環(huán)境而變化，目前國(guó)內(nèi)的儀器研制水平無(wú)法保證儀器響應(yīng)函數(shù)的準(zhǔn)確性。另外，國(guó)外還利用儀器工作區(qū)域背景光譜的統(tǒng)計(jì)信息來(lái)提取污染氣體紅外光譜特征}這種方法的前提是．在儀器開始工作之前，區(qū)域內(nèi)沒(méi)有出現(xiàn)污染氣體“]。本研究提出了一種新的算法，用于移動(dòng)平臺(tái)條件下，抑制紅外光譜中的背景信息，提取氣體紅外光譜特征。該算法結(jié)合了亮溫光譜法和背景光譜信息統(tǒng)計(jì)技術(shù)的優(yōu)勢(shì)。首先，該算法降低了亮溫光譜法對(duì)儀器響應(yīng)函數(shù)的精度要求；其次，即使儀器開始工作之初就有氣體出現(xiàn)在視場(chǎng)中．也可抑制背景。提取光譜特征；另外。利用亮溫主成分向量可精確擬合背景亮溫信息，從而有效提取目標(biāo)亮溫光譜特征，用于識(shí)別分類。1理論基礎(chǔ)1．1被動(dòng)紅外遙測(cè)輻射傳輸模型當(dāng)利用紅外遙測(cè)光譜儀對(duì)視場(chǎng)中的污染氣體云團(tuán)進(jìn)行探測(cè)時(shí)(如圖1所示)，可以用一個(gè)三層模型來(lái)測(cè)量過(guò)程叭“；第一層是大氣，第二層是污染氣體云團(tuán)，第三層是視場(chǎng)背景。在這一模型中，認(rèn)為各層都是均勻的而且充滿了儀器視場(chǎng)?；谝陨霞僭O(shè)，系統(tǒng)接收到的輻射亮度[w-(m2·Sr·廿n-1)1]可以表示為L(zhǎng)一(1一n)Bl+n((1一n)B2+nL3) (1)其中：n為第i層的透過(guò)率；B。為第i(盧1，2)層溫度下的黑體輻射亮度；L為在樗染氣體云團(tuán)前面的光譜輻射亮度。幕I‘卜寶2，掣 ’‰。j二!鬈如果系統(tǒng)視場(chǎng)中沒(méi)有朽染氣體云團(tuán)出現(xiàn)．即恐一1，入射到系統(tǒng)的背景輻射亮度b為k=(1一n)Bl十nL (2)綜合式(1)和(2)得到L和Lo的關(guān)系為收稿日期：2011一01—15。修訂19期：2011-05·26基金珥目：國(guó)家自然科學(xué)基金項(xiàng)目(41071232)資助作者簡(jiǎn)介：崔方蹺，1985年生t中國(guó)科學(xué)院安徽光學(xué)精密機(jī)械研究所碩士研究生 e_mail；cuifangxiao@126．com萬(wàn)方數(shù)據(jù)第10期 光譜學(xué)與光譜分析 2795L—Lo+n(1一f2)(易一L3) (3)由于污染氣體云團(tuán)與周圍大氣的熱交換，其溫度迅速地接近于大氣溫度，可以近似認(rèn)為二者是相等的，那么L—k十1"1(1一r2)(Bl一厶)=Lo+(1一r2)(Bl一厶) (4)上式中，等號(hào)右邊第二項(xiàng)(1一r2)(B1一k)包含了污染氣體云團(tuán)的光譜特征。同背景紅外輻射k相比，目標(biāo)光譜輻射量非常微弱，需要從測(cè)鼉數(shù)據(jù)中扣除背景輻射信息厶，提取目標(biāo)光譜輻射特征△L為△L=(1一f2)(Bl—Lo) (5)被動(dòng)紅外遙測(cè)系統(tǒng)在靜止?fàn)顟B(tài)下工作時(shí)，可實(shí)際測(cè)量有效的背景輻射譜Lo來(lái)扣除背景輻射信息，提取目標(biāo)光譜特征進(jìn)行分類和識(shí)別。若系統(tǒng)在移動(dòng)平臺(tái)上工作，則無(wú)法獲取有效的背景光譜，需要設(shè)計(jì)新的算法來(lái)扣除背景輻射信息。1．2亮溫光譜根據(jù)普朗克輻射定律，通過(guò)普朗克公式變換可以得到輻射亮度譜L(v)的等效亮溫丁(v)(v為頻率，單位為波數(shù)) m卜i面芳贏Zhc (6) 削nL—1礦J ，1廠LL¨十 ‘曠1其中：h為普朗克常數(shù)；c為光速；憊為玻爾茲曼常數(shù)。把式(4)代入式(6)可得，光譜儀視場(chǎng)中出現(xiàn)污染氣體云團(tuán)時(shí)，接收到的光譜輻射等效亮溫為T(v)=To(v)+△2T (7)其中，To(v)是背景輻射的等效亮溫；△2 T是污染氣體云團(tuán)的亮溫光譜特征，與污染氣體吸收系數(shù)口、云團(tuán)濃度程長(zhǎng)積CL以及云團(tuán)與背景的溫差△T相關(guān)【1]△2T≈aCL×△T (8)假設(shè)吸光度aCL為0．1，云團(tuán)與背景的溫度差△T為3K，則亮溫光譜特征△2T一0．3 K，儀器的噪聲量級(jí)為0．08K，因而污染氣體亮溫光譜特征完全能夠被提取出來(lái)。一般來(lái)說(shuō)，常見背景具有很高且近似為常最的表面發(fā)射率￡，背景輻射亮溫光譜To(v)較為平直，根據(jù)式(7)可以認(rèn)為污染氣體云團(tuán)的亮溫光譜特征△2 T，疊加在一條平直的譜線上。也就是說(shuō)，通過(guò)計(jì)算亮溫光譜，在理想情況下，可以用來(lái)直接提取目標(biāo)云團(tuán)光譜特征。然而，亮溫光譜法對(duì)儀器響應(yīng)函數(shù)的精度要求很高。在實(shí)際應(yīng)用中，儀器隨外部環(huán)境、儀器狀態(tài)『Ijj變化，加之其他不可預(yù)知因素的影響，往往不能得到理想的背景亮溫譜，需要進(jìn)一步設(shè)計(jì)信號(hào)處理算法，用于目標(biāo)特征提取。2算法描述多項(xiàng)式擬合趨勢(shì)項(xiàng)的算法核心就是要牛成一組正交多項(xiàng)式[乳9。。利用施密特(Sehmidt)正交化過(guò)程生成一組正交多項(xiàng)式；也可以初始牛成一組多項(xiàng)式，通過(guò)主成分分析[tO-12]使其正交化。本文用的是后一種方法。本算法以亮溫光譜為基礎(chǔ)，通過(guò)式(6)來(lái)計(jì)算系統(tǒng)接收到的光譜輻射的亮溫光譜，利用主成分向鼉來(lái)迭代擬合儀器視場(chǎng)背景的亮溫光譜信息，提取目標(biāo)光譜特征。算法描述如圖2所示，流程如下：(1)在開始工作之前對(duì)儀器進(jìn)行定標(biāo)，獲取儀器響應(yīng)函數(shù)。(2)開始測(cè)量，利用儀器響應(yīng)甬?dāng)?shù)對(duì)測(cè)量得到的儀器讀數(shù)譜進(jìn)行定標(biāo)，得到輻射亮度譜，根據(jù)式(6)，計(jì)算得到亮溫光譜。(3)生成m行行列的矩陣(m為光譜維數(shù)；竹為多項(xiàng)式階數(shù))，對(duì)其進(jìn)行主成分分析，得到主成分向阜。利用主成分向量，對(duì)亮溫光譜進(jìn)行擬合，把擬合的趨勢(shì)項(xiàng)作為背景亮溫譜。測(cè)量值與擬合值之差作為目標(biāo)光譜特征。(4)利用事先訓(xùn)練好的分類器，對(duì)提取的目標(biāo)光譜特征進(jìn)行分類。(5)如果分類器判斷日標(biāo)光譜包含目標(biāo)云團(tuán)特征，則回到第二步，開始下一輪測(cè)量；如果分類器判斷目標(biāo)光譜不包含日標(biāo)云團(tuán)特征，且判斷峰值大于噪聲，則對(duì)該亮溫光譜進(jìn)行歸一化處理，并更新主成分向量，然后回到第二步，開始下一輪測(cè)量。／至磊薌＼—‘．項(xiàng)式，，' ’～……，№2朋鄯lrimm dl咖r[3試驗(yàn)和結(jié)果為了對(duì)算法進(jìn)行驗(yàn)證，本文以氨氣為監(jiān)測(cè)目標(biāo)，在室內(nèi)進(jìn)行近距離測(cè)量。使用德國(guó)Bruker公司的oPAG33型遙感 傅里葉變換紅外(勰)光譜儀進(jìn)行測(cè)最，測(cè)量光譜范圍為700～1 300 cm-1，光譜分辨率約為4 crn～。3．1對(duì)輻射亮度數(shù)據(jù)定標(biāo)并轉(zhuǎn)換成亮溫在測(cè)量前對(duì)光譜儀進(jìn)行定標(biāo)，由得到的晌應(yīng)和偏置，計(jì)算光譜輻射亮度。然后，根據(jù)式(6)把測(cè)量的輻射亮度轉(zhuǎn)換成亮溫。圖3(a)為測(cè)量的一條背景光譜定標(biāo)后的輻射亮度，圖3(b)為輻射亮度轉(zhuǎn)換成的亮溫?！捎诤隗w本身的不準(zhǔn)確性、儀器狀態(tài)的變化等各種因素的影響，定標(biāo)并不是很精確，因而計(jì)算的亮溫光譜也不是一條平直的譜線[如圖3(b)所示]。3．2對(duì)背景亮溫特征的迭代擬合儀器開始工作后，程序就對(duì)實(shí)時(shí)得到亮溫譜進(jìn)行迭代擬合，提取日標(biāo)特征。圖4為儀器開始工作后測(cè)量的譜：(a)為萬(wàn)方數(shù)據(jù)2796 光譜學(xué)與光譜分析 第31卷初始測(cè)鼉的亮溫譜和擬合曲線，(b)為實(shí)測(cè)值和擬合值之差，(c)為下一條亮溫譜和擬合曲線，(d)為實(shí)測(cè)值和擬合值之差。由圖4(b)看出，初始提取的亮溫特征不包含氨氣特征，而是定標(biāo)的不準(zhǔn)確性和背景亮溫特征。根據(jù)算法流程的第五步，把不包含目標(biāo)的亮溫特征歸一化，更新到主成分向量1 300 1 200 1 100 1 000 900 800 700Wave number／cm一‘中，然后對(duì)下一條亮溫譜進(jìn)行擬合。由圖4(d)可以看出，下一條譜提取的亮溫特征在0．10 K以內(nèi)，而儀器噪聲等效亮溫大約為0．08 K，這說(shuō)明該算法可以準(zhǔn)確的擬合背景亮溫，提取目標(biāo)特征。Wave number／era一1Fig．3 Radiance(a)and brightness temperature(b)of background spectrllmi!after calibration290．51 300 1 200 1 100 1 000 900 8∞ 700Wave number／cm-l1 300 i 200 l 100 l 000 900 800 700Wave number／era‘’筆o·5托囂l o黽．o．1∞-0．2l300 1 200 1 100 l 000 900 800 7∞Wave number／era-1300 1 200 1 100 1 000 900 800 7∞Wave number／era一‘№4 The measuren艙nt and fitting curve of the first brightness temperature spectrlnn(a)and their difference(b)；The measurement and fitting curve of the next brightness temperature spectrum(c)and their difference(d)當(dāng)紅外遙測(cè)系統(tǒng)工作在移動(dòng)平臺(tái)對(duì)某一區(qū)域進(jìn)行監(jiān)測(cè)，該算法通過(guò)迭代，把所有分類器判別為背景的特征保存在新的主成分向量中。當(dāng)儀器視場(chǎng)監(jiān)測(cè)該Ⅸ域的某一部分時(shí)，可以在背景未知的情況下，擬合測(cè)量的背景亮溫，提取目標(biāo)特征。如圖5所示，當(dāng)監(jiān)測(cè)區(qū)域內(nèi)出現(xiàn)氨氣的時(shí)候，氨氣的亮溫特征可以有效的提取出來(lái)。4結(jié)論利用移動(dòng)平臺(tái)對(duì)某一區(qū)域進(jìn)行連續(xù)監(jiān)測(cè)，背景特征變化較大，主成分分析方法不能有效分離}fj目標(biāo)特征，亮溫法雖然可以顯示目標(biāo)特征，但是定標(biāo)精度要求高。結(jié)合這兩種方法，通過(guò)對(duì)背景亮溫譜的迭代擬合，把背景特征保存在主成分向量中。在迭代擬合過(guò)程中可以精確擬髦簍暑_ad囂孽∞§禹宦∞42O864lllOOOOOOOnn—b5白．■參S54321)t2lOOOBnOO囡／a2_譬諾!p2暑墨＆—口歪曲器日直∞譬∞O5O5O5O5O9988r‘Z69888888822222222髦謄薈葛昱露嘗蜀℃∞O5O5O5O5O5O們∞如盼黔船鋁盯盯％％跖 5222222222222冒，。鼉#暑譬Ⅱ騫3竹置蛋薯∞萬(wàn)方數(shù)據(jù)第10期 光譜學(xué)與光譜分析 2797合背景亮溫，消除定標(biāo)的不準(zhǔn)確性，提取F1標(biāo)特征。這種方法適用于移動(dòng)平臺(tái)對(duì)某一區(qū)域污染氣體的連續(xù)監(jiān)測(cè)，并且可291．5《29I．0譽(yù)290．5謄290．0蘭289．5墓289．0=288．5熏288．0善287．5∞-t-鬈87．： 286．0285．51 300 1 200 I 100 l 000 900 800 700Wave number／era一1以利用亮溫定量估計(jì)污染程度。實(shí)驗(yàn)結(jié)果表明，這種方法可以有效的提取目標(biāo)特征。1 300 l 2∞l 100 l 000 900 800 700Wave numbcr／cm一1晦5 Tile brightncm temperature洲2trllln containing target and the fitting clllrVe(a)and their difference(b)[1]E 2][3][4]E 5][6 3[7][8 J[9]DoJ[11]E123Andreas Beil，Rainer Daum，Roland Hafig．et aL Proc．of SPIE，l 998，3493：32．Roland Harig，Gerhard Matt．Field Analytical Chemistry And Technology，2001，5(1—2)：75．Joshua R Broadwater，Thomas&amp;amp;Spisz．Alison K Cart．Proe．of SPIE，2008，6954：69540R．Robert Kroutil，Paul E．Ixmris。David P．Miller，et a1．Proe．of SPIE，2008，7086：708607．LAN Tian-ge，F(xiàn)ANG Yong-hua，XIONG wei(蘭天鴿t方勇華，熊偉)．Infrared and La駝r Engineering(紅外與激光工程)，2007，36(6)：945．Chein-I Chang吼Transactions On Geoscience And Remote Sensing，2005，43(3)：502．Manolakis D，Jairam L G，Zhang D，et a1．Proc．of SPlE，2007，6565：656525．I．a(chǎn)n Tian-ge。Fang Yonghua，Xiong Wei，et a1．Chinese Optics[．etters，2007，5(10)：613．Vincent Mazet·Cedric Carteret，David Brie，et a1．Chemometrics and Intelligent Laboratory Systems，2005，6(2)：121．Takeshi Hasegawa．Trends in Anal”ical Chemistry，2001，20(2)：53．Takeshi Hasegawa．Jujiro NishOo，Junzo Umemur&amp;amp;Chem／eaJ Physics Letters，2000，317(6)：642．Alok Sharma，Kuldip l(．PaliwaL Pattern Recognition Letters，2007，28(10)：1 151．Remote Sensing of Pollutant Gases Using Brightness Temperature andPrincipal Component AnalysisCUI Fang-xia01，F(xiàn)ANG Yong-hual，LAN Tiamgez，XIONG Weil，YUAN Yue-mingI1．Key Laboratory of Optical Calibration and Characterization，Anhui Institute of Optics and Fine Mechanics，Chinese Academyof Scienees，Herei 230031，China2．East China Research Institute of Electronic Engineering，Hefei 230088，ChinaAbstract On the mobile platform，the remote sensing system for pollutant gases can not effectively obtain background spectraIt is the key step to remove baekground information and extract target spectral characteristics utilizing specific algorithm．Thepresent paper addressed an algorithm based on principal component iterative fitting and brightness temperature spectrum．The al—gofithm didn’t require strict measurement of instrumental response function．Combining the temperature spectrum，principalcomponent analysis and iterative fitting algorithm，the target spectral feature could be effectively extracted．Keywords Pollutant gases；Infrared remote sensing；Brightness temperature；Principal component analysis(Received JarL 15，2011；accepted May 26，2011)

網(wǎng)友評(píng)論 more

環(huán)境保護(hù)論文最新內(nèi)容

05-10