[发明专利]一种超低浓度二氧化硫紫外差分特征提取算法

说明书

本发明公开了一种超低浓度二氧化硫紫外差分特征提取算法，包括以下步骤：通过紫外差分吸收光谱分析仪采集光谱数据并作为原始光谱S；对原始光谱S进行波段选择且截取数据，并进行n次多项式拟合，所得多项式L_n与所选波段原始光谱S做差分，实现低频噪声L的滤除，得到的SO₂差分吸收度C；(3)利用SO₂的差分吸收度曲线具有类周期特性的特点，通过快速傅里叶变换算法将差分吸收度C转换为频域信号P；(4)采集频域信号P上谱线的幅值，并记录相邻谱线的幅值；(5)多个数据组成一组多维数据，利用主成份分析算法将数据降维，从中提取出浓度相关特征值。本发明可以实现低浓度SO₂气体污染物的检测，效率高，成本低。

技术领域

本发明涉及基于朗伯-比尔定律与快速傅里叶变换的特征提取算法，具体涉及一种超低浓度二氧化硫紫外差分特征提取算法。

背景技术

当光穿过气体的过程中，气体分子会吸收光源的能量并发生跃迁，由此会产生相应的吸收光谱。不同的气体分子由于结构不同，在相应的波段具有不同的吸收特征。Lambert-Beer定律指出，光穿过气体前后的光强变化与待测气体的浓度，厚度以及种类有明确的关系，据此可以利用吸收光谱来测量气体污染物(SO₂、NO等)的浓度。

进行气体污染物浓度测量时，需要从吸收光谱中提取出有效的吸收特征。因此在对光谱仪所获得的吸收光谱进行处理时，需要滤除噪声并从处理后的信号中提取特征值。特别在测量超低浓度的气体污染物时，光谱上的有用信号几乎淹没在噪声中，必须有效的区分噪声与有用信号，才能保证测量结果的准确。

传统DOAS算法是一种常用算法。该方法利用高阶多项式拟合来获取吸收光谱的低频慢变部分，再由数学方法获得吸收光谱的快变部分，也可以使用滤波器达到同样效果。慢变部分主要由仪器光谱响应特性、光源的光谱曲线、瑞利散射、米氏散射以及气体的衰减作用而形成；吸收的快变部分则是由气体中各成分分子内部的各种电子能级跃迁所产生的吸收作用形成的光谱精细结构，也是计算气体成分和浓度的依据。之后根据Lambert-Beer定律，利用吸收截面与吸收峰值处数据计算污染物浓度。该方法的优点是原理简单，容易实现，且技术较为成熟。但是这种方法进行低浓度测量时，在原理上对光程长度依赖较大，而工程应用中由于各种限制，光程不可能无限的增大，因此在低浓度测量时，该方法的信噪比较差，几乎无法检测低浓度信号。同时该方法没有对高频噪声进行处理，完全依赖光谱仪的性能，也不利于降低成本。

DOAS技术经过进一步补充和完善，测量低浓度气体时，充分利用整个波段上的所有离散波长点上的光谱数据，采用最小二乘进行全局寻优，从而获得被测气体浓度。该方法提高了DOAS算法低浓度检测的表现，并且不需要再原有设备上进行任何改动。但是其精度依然难以得到保障，没有消除高频噪声的效果。

拟合面积残差最小化低浓度算法，这种算法充分利用整个波段上的吸收截面信息，从整个波段的离散数据中选择最符合吸收光谱与已知吸收截面的数据点来进行反算浓度。该算法具有良好的线性，具有良好的重复性，测量准确，一定程度上抑制了高频噪声的干扰。其缺点是测量性能依然有待提高，对于高频噪声的处理依然不好。依赖吸收截面数据的准确性，如果吸收截面不适用于当前光谱采集系统，则会引入系统误差，并且多种气体之间的互相干扰严重。

快速傅里叶变换阈值滤波，可以有效去除高频噪声，但进行低浓度测量时，低浓度信号与噪声无法区分，会导致低浓度信号无法检出，不适用于非周期吸收信号的检出。

发明内容

本发明的目的是为了克服现有技术中的不足，准确提取超低浓度气体污染物的吸收特征，有效区分有用信号和噪声，实现超低浓度气态污染物的检测；提供一种超低浓度二氧化硫紫外差分特征提取算法，相比于其他方法能够快速准确的提取到一种具有较高分辨力的吸收特征，重复性好。可以实现低浓度SO₂气体污染物的检测，效率高，成本低。

本发明的目的是通过以下技术方案实现的：