[发明专利]多组分气体傅立叶变换光谱分析的多分析模型信息融合方法

权利要求书

1.一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，对其分析结果进行加权平均，以获得更为准确的分析结果。

2.根据权利要求1所述的多模型信息融合方法，其特征在于，特征变量提取的方法是Tikhonov正则化方法或者是前向选择法；

对于以吸光度为输出的光谱图，Tikhonov正则化法是基于式(1)的线性模型的：

Y_i＝XB_i+E    (1a)

式中X包含m个标定样本在w条谱线上的光谱；Y_i是m×1的向量，它包含了第i种被分析气体的浓度信息；B_i是w×1的回归向量，表示第i种气体的特征变量系数；E也是m×1的向量，表示随机误差；对于以透射率为输出的光谱图，模型修改为：

Y_i＝-ln(X)B_i+E    (1b)

式中ln(·)是表示自然对数运算。是将(1)式转化为式(2)最优化问题求解：

min(||XB-y||aa+λ||LB||bb)---(2)]]>

式中‖·‖_p表示回归向量的p-模，p＝2时就是欧几里模；1≤a，b＜∞，L表示一个正则化算子，它迫使B的估计值属于相应的特性良好的函数的子空间；λ表示控制第2项相对于第1项的权值；min(·)表示最小值求取算子；式(3)中的第一项是最小化式(2)中的随机误差E，而第2项则是为了最小化回归向量B，以获得灵敏度高、信噪比高的特征谱线，以提高标定模型分析结果的准确性；

对于前向选择法，其方法是观察并比对相同浓度的各组分气体的吸收光谱，估计各组分气体吸收光谱的交叠程度，并按照交叠程度将这些光谱图进行排序，首先为交叠度最低的气体选择特征变量，然后依次为每种气体提取特征变量；其步骤如下：

(1)为第一种气体寻找两条或多条谱线的组合，使得其对该种气体的灵敏度最高，而对其它气体的灵敏度尽可能得低；

(2)为第二种气体的寻找两条或多条谱线的组合，使得它对该种气体的灵敏度大于第三种及以后的气体的灵敏度；

(3)为第三种气体的寻找两条或多条谱线的组合，使得它对该种气体的灵敏度大于第四种及以后的气体的灵敏度；

第四种及以后的气体，以此类推。