主权项 |
一种多组分气体傅立叶变换红外光谱分析的多模型信息融合方法,其特征在于,该方法为每种气体的提取多个特征变量,然后根据特征变量之间的不同组合建立多个分析模型,并估计各模型在不同气体浓度时的噪声水平,在实际的多组分气体光谱在线分析过程中,根据各模型的分析结果及噪声水平δ<sub>jk</sub>,对其分析结果进行加权平均,以获得更为准确的分析结果;各组分气体的每个模型的信噪比采用如下步骤估计:1)估计每条谱线的噪声水平;在气室中充满氮气,并连续扫描光谱8~15次,求每条谱线的均方根;对于以透射率为输出的光谱,按式(1)计算:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>Δ</mi><msub><mi>x</mi><mi>i</mi></msub><mo>=</mo><msqrt><mfrac><mrow><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>L</mi></munderover><msup><mrow><mo>(</mo><msub><mi>x</mi><mi>ij</mi></msub><mo>-</mo><msub><mover><mi>x</mi><mo>‾</mo></mover><mi>i</mi></msub><mo>)</mo></mrow><mn>2</mn></msup></mrow><mrow><mi>L</mi><mo>-</mo><mn>1</mn></mrow></mfrac></msqrt><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000505292740000011.GIF" wi="1167" he="223" /></maths>式中L表示扫描的次数,Δ<sub>xi</sub>表示第i条谱线的均方差,x<sub>ij</sub>表示第j次扫描第i条谱线的谱线值,<img file="FDA0000505292740000015.GIF" wi="48" he="71" />表示L次光谱扫描结果中第i条谱线的均值;而对于以吸光度为输出的光谱,对第j次扫描第i条谱线的谱线值v<sub>ij</sub>进行自然指数运算x<sub>ij</sub>=exp(‑v<sub>ij</sub>)后,再代入式(1)进行计算;2)估计特征变量f<sub>im</sub>的噪声水平,对于以透射率和吸光度为输出的光谱图,给定光谱数据X以后,特征变量的噪声分别由式(2a)和(2b)估计,或者分别由式(3a)和(3b)估计:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>Δ</mi><msub><mi>f</mi><mi>i</mi></msub><mo>=</mo><mn>2</mn><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>R</mi></munderover><mo>|</mo><mo>|</mo><msub><mi>b</mi><mi>j</mi></msub><mo>|</mo><mo>|</mo><mi>Δ</mi><msub><mi>x</mi><mi>j</mi></msub><mo>/</mo><msub><mi>x</mi><mi>j</mi></msub><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mi>a</mi><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000505292740000012.GIF" wi="1177" he="146" /></maths><maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><mi>Δ</mi><msub><mi>f</mi><mi>i</mi></msub><mo>=</mo><mn>2</mn><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>R</mi></munderover><mo>|</mo><mo>|</mo><msub><mi>b</mi><mi>j</mi></msub><mo>|</mo><mo>|</mo><mi>Δ</mi><msub><mi>x</mi><mi>j</mi></msub><mo>/</mo><mi>exp</mi><mrow><mo>(</mo><mo>-</mo><msub><mi>x</mi><mi>j</mi></msub><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mi>b</mi><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000505292740000013.GIF" wi="1263" he="146" /></maths><maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><mi>Δ</mi><msub><mi>f</mi><mi>i</mi></msub><mo>=</mo><mn>2</mn><msqrt><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>R</mi></munderover><msup><mrow><mo>(</mo><msub><mi>b</mi><mi>j</mi></msub><mi>Δ</mi><msub><mi>x</mi><mi>j</mi></msub><mo>/</mo><msub><mi>x</mi><mi>j</mi></msub><mo>)</mo></mrow><mn>2</mn></msup></msqrt><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mi>a</mi><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000505292740000014.GIF" wi="1235" he="166" /></maths><maths num="0005" id="cmaths0005"><math><![CDATA[<mrow><mi>Δ</mi><msub><mi>f</mi><mi>i</mi></msub><mo>=</mo><mn>2</mn><msqrt><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>R</mi></munderover><msup><mrow><mo>(</mo><msub><mi>b</mi><mi>j</mi></msub><mi>Δ</mi><msub><mi>x</mi><mi>j</mi></msub><mo>/</mo><mi>exp</mi><mrow><mo>(</mo><mo>-</mo><msub><mi>x</mi><mi>j</mi></msub><mo>)</mo></mrow><mo>)</mo></mrow><mn>2</mn></msup></msqrt><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mi>b</mi><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000505292740000016.GIF" wi="1314" he="177" /></maths>式中b<sub>j</sub>,j=1,2,…,R,是按照f<sub>im</sub>=XB<sub>im</sub>的形式,对吸光度光谱用TR特征变量提取算法确定的向量B<sub>im</sub>的第j个元素,这里R表示B<sub>im</sub>的长度,f<sub>im</sub>表示第i种气体的第m个特征变量,对于透射率光谱,X用‑ln(X)取代,式中ln(·)表示自然对数运算,exp(·)表示自然指数运算;3)估计每个分析模型的噪声水平;首先估计每组分气体分析模型对每个输入f<sub>i</sub>的微分:<maths num="0006" id="cmaths0006"><math><![CDATA[<mrow><mi>Δ</mi><msub><mi>g</mi><mi>jki</mi></msub><mo>=</mo><mfrac><mrow><msub><mi>g</mi><mi>jk</mi></msub><mrow><mo>(</mo><msub><mi>f</mi><mn>1</mn></msub><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msub><mi>f</mi><mi>i</mi></msub><mo>+</mo><mi>e</mi><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msub><mi>f</mi><mi>N</mi></msub><mo>)</mo></mrow><mo>-</mo><msub><mi>g</mi><mi>jk</mi></msub><mrow><mo>(</mo><msub><mi>f</mi><mn>1</mn></msub><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msub><mi>f</mi><mi>i</mi></msub><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msub><mi>f</mi><mi>N</mi></msub><mo>)</mo></mrow></mrow><mi>e</mi></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>4</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000505292740000021.GIF" wi="1504" he="136" /></maths>式中g<sub>jk</sub>(·)表示由前向神经网络或多项式偏最小二乘法确定的第j组分气体的第k个分析模型,e是一个很小的量,直接设定为0.0005~0.005之间的数;然后按式(5)进行该模型的噪声的估计:<maths num="0007" id="cmaths0007"><math><![CDATA[<mrow><msub><mi>δ</mi><mi>jk</mi></msub><mo>=</mo><msqrt><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msup><mrow><mo>(</mo><mi>Δ</mi><msub><mi>g</mi><mi>jki</mi></msub><mi>Δ</mi><msub><mi>f</mi><mi>i</mi></msub><mo>)</mo></mrow><mn>2</mn></msup></msqrt><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>5</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000505292740000022.GIF" wi="1184" he="159" /></maths>式中δ<sub>jk</sub>表示第j组分气体的第k个分析模型的噪声水平;各组分气体的最终分析结果的信息融合按式(6)进行:<maths num="0008" id="cmaths0008"><math><![CDATA[<mrow><msub><mover><mi>y</mi><mo>~</mo></mover><mi>j</mi></msub><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>K</mi></munderover><msub><mi>y</mi><mi>jk</mi></msub><mfrac><msub><mi>τ</mi><mi>k</mi></msub><msub><mi>κ</mi><mi>j</mi></msub></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>6</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000505292740000023.GIF" wi="1092" he="151" /></maths>式中y<sub>jk</sub>表示第j组分气体的第k个分析模型的分析结果,<img file="FDA0000505292740000025.GIF" wi="51" he="75" />表示第j组分气体的融合结果,K表示第j组分气体的分析模型个数,κ<sub>j</sub>和τ<sub>k</sub>是由分模型噪声水平估计的系数,由式(7)估计:<maths num="0009" id="cmaths0009"><math><![CDATA[<mrow><msub><mi>κ</mi><mi>j</mi></msub><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>K</mi></munderover><msub><mi>τ</mi><mi>k</mi></msub><mo>,</mo><msub><mi>τ</mi><mi>k</mi></msub><mo>=</mo><mfrac><mrow><munderover><mi>Σ</mi><mrow><mi>l</mi><mo>=</mo><mn>1</mn></mrow><mi>K</mi></munderover><msub><mi>δ</mi><mi>jl</mi></msub></mrow><msub><mi>δ</mi><mi>jk</mi></msub></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>7</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000505292740000024.GIF" wi="1267" he="217" /></maths>式中δ<sub>jl</sub>、δ<sub>jk</sub>由式(5)估计得到。 |