导航：安全管理网>> 安全论文>> 环境保护论文>>正文

基于亮温光谱和主成分分析的大气污染气体探测

文档作者：崔方晓1 方勇华1 兰天鸽2 熊伟1 袁越明1 文档来源： 1．中国科学皖安徽光学精密机械研究所，通用光学与定标与表征技术重点实验室 2．华东电子工程研究所		点击数：	更新时间： 2025年05月10日
下载地址：点击这里	文件大小： 389.90 KB 共4页	文档格式： PDF	下载点数： 1 点（VIP免费）

全屏查看

内容预览 [文件共4页]

本文件共4页，如需编辑使用，请下载。

注：预览效果可能会出现部分文字乱码（如口口口）、内容显示不全等问题，下载是正常的。

	文件大小：389.90 KB 共4页文件格式：PDF 下载点数：1 点（VIP会员免费）

上一篇：钙盐和氨基酸对味精等电母液模拟料双极膜…

文本预览

仅提取页面文字内容，供快速阅读使用。

第3l卷：筻lo甥 光谱学与光谱分析 V01．31，No．10,PP2794．27972 0 1 1年1 0月 Spectroscopy and Spectral A∞lysis october．2011基于亮温光谱和主成分分析的大气污染气体探测崔方晓1，方勇华1，兰天鸽2，熊 伟1，袁越明11．中国科学皖安徽光学精密机械研究所，通用光学与定标与表征技术重点实验室，安徽合肥2300312．华东电子工程研究所，安徽合肥230088摘要在移动平台条件下，污染气体红外遥测系统无法获取有效的背景光谱。利用算法扣除红外光谱中的背景信息，提取目标光谱特征，是污染气体红外遥测系统在移动平台上应用的关键环节。提出基于亮温光谱和主成分分析的迭代拟合算法。相对于传统的亮温光谱法，该算法降低了亮温光谱法对仪器响应函数的精度要求，同时结合主成分分析和迭代拟合技术，可有效提取目标光谱特征。关键词污染气体I红外遥测；亮温；主成分分析中图分类号：TP722．5 文献标识码：A DOI：10．3964／j．issn．1000-0593(2011)10-2794-04引言在移动平台条件下利用红外光谱技术遥测污染气体，无法获取纯净的背景光谱。基于数字信号处理技术，研究各种算法来抑制所获取红外光谱中的背景信息，以提取污染气体的光谱特征，从而进行有效的识别、分类和量化分析，是污染气体红外遥测技术进一步应用的关键环节。国内外对于污染气体红外光谱背景信息抑制算法开展多种探索研究，如：亮温光谱法[1-3]、干涉图加窗法H’”、背景信息统计方法‘s1等。基于干涉图可以直接提取污染气体的特征信息，但需要针对每一类气体，分别设计滤波器和相应的参数‘“，应用起来比较麻烦。亮温光谱法需要精确的仪器响应函数，并假设背景辐射的亮温谱是近似平直的；实际上，红外光谱仪器的响应函数随仪器工作状态和外部环境而变化，目前国内的仪器研制水平无法保证仪器响应函数的准确性。另外，国外还利用仪器工作区域背景光谱的统计信息来提取污染气体红外光谱特征}这种方法的前提是．在仪器开始工作之前，区域内没有出现污染气体“]。本研究提出了一种新的算法，用于移动平台条件下，抑制红外光谱中的背景信息，提取气体红外光谱特征。该算法结合了亮温光谱法和背景光谱信息统计技术的优势。首先，该算法降低了亮温光谱法对仪器响应函数的精度要求；其次，即使仪器开始工作之初就有气体出现在视场中．也可抑制背景。提取光谱特征；另外。利用亮温主成分向量可精确拟合背景亮温信息，从而有效提取目标亮温光谱特征，用于识别分类。1理论基础1．1被动红外遥测辐射传输模型当利用红外遥测光谱仪对视场中的污染气体云团进行探测时(如图1所示)，可以用一个三层模型来测量过程叭“；第一层是大气，第二层是污染气体云团，第三层是视场背景。在这一模型中，认为各层都是均匀的而且充满了仪器视场。基于以上假设，系统接收到的辐射亮度[w-(m2·Sr·廿n-1)1]可以表示为L一(1一n)Bl+n((1一n)B2+nL3) (1)其中：n为第i层的透过率；B。为第i(卢1，2)层温度下的黑体辐射亮度；L为在樗染气体云团前面的光谱辐射亮度。幕I‘卜宝2，掣 ’‰。j二!鬈如果系统视场中没有朽染气体云团出现．即恐一1，入射到系统的背景辐射亮度b为k=(1一n)Bl十nL (2)综合式(1)和(2)得到L和Lo的关系为收稿日期：2011一01—15。修订19期：2011-05·26基金珥目：国家自然科学基金项目(41071232)资助作者简介：崔方跷，1985年生t中国科学院安徽光学精密机械研究所硕士研究生 e_mail；cuifangxiao@126．com万方数据第10期 光谱学与光谱分析 2795L—Lo+n(1一f2)(易一L3) (3)由于污染气体云团与周围大气的热交换，其温度迅速地接近于大气温度，可以近似认为二者是相等的，那么L—k十1"1(1一r2)(Bl一厶)=Lo+(1一r2)(Bl一厶) (4)上式中，等号右边第二项(1一r2)(B1一k)包含了污染气体云团的光谱特征。同背景红外辐射k相比，目标光谱辐射量非常微弱，需要从测鼍数据中扣除背景辐射信息厶，提取目标光谱辐射特征△L为△L=(1一f2)(Bl—Lo) (5)被动红外遥测系统在静止状态下工作时，可实际测量有效的背景辐射谱Lo来扣除背景辐射信息，提取目标光谱特征进行分类和识别。若系统在移动平台上工作，则无法获取有效的背景光谱，需要设计新的算法来扣除背景辐射信息。1．2亮温光谱根据普朗克辐射定律，通过普朗克公式变换可以得到辐射亮度谱L(v)的等效亮温丁(v)(v为频率，单位为波数) m卜i面芳赢Zhc (6) 削nL—1矿J ，1厂LL¨十 ‘旷1其中：h为普朗克常数；c为光速；惫为玻尔兹曼常数。把式(4)代入式(6)可得，光谱仪视场中出现污染气体云团时，接收到的光谱辐射等效亮温为T(v)=To(v)+△2T (7)其中，To(v)是背景辐射的等效亮温；△2 T是污染气体云团的亮温光谱特征，与污染气体吸收系数口、云团浓度程长积CL以及云团与背景的温差△T相关【1]△2T≈aCL×△T (8)假设吸光度aCL为0．1，云团与背景的温度差△T为3K，则亮温光谱特征△2T一0．3 K，仪器的噪声量级为0．08K，因而污染气体亮温光谱特征完全能够被提取出来。一般来说，常见背景具有很高且近似为常最的表面发射率￡，背景辐射亮温光谱To(v)较为平直，根据式(7)可以认为污染气体云团的亮温光谱特征△2 T，叠加在一条平直的谱线上。也就是说，通过计算亮温光谱，在理想情况下，可以用来直接提取目标云团光谱特征。然而，亮温光谱法对仪器响应函数的精度要求很高。在实际应用中，仪器随外部环境、仪器状态『Ijj变化，加之其他不可预知因素的影响，往往不能得到理想的背景亮温谱，需要进一步设计信号处理算法，用于目标特征提取。2算法描述多项式拟合趋势项的算法核心就是要牛成一组正交多项式[乳9。。利用施密特(Sehmidt)正交化过程生成一组正交多项式；也可以初始牛成一组多项式，通过主成分分析[tO-12]使其正交化。本文用的是后一种方法。本算法以亮温光谱为基础，通过式(6)来计算系统接收到的光谱辐射的亮温光谱，利用主成分向鼍来迭代拟合仪器视场背景的亮温光谱信息，提取目标光谱特征。算法描述如图2所示，流程如下：(1)在开始工作之前对仪器进行定标，获取仪器响应函数。(2)开始测量，利用仪器响应甬数对测量得到的仪器读数谱进行定标，得到辐射亮度谱，根据式(6)，计算得到亮温光谱。(3)生成m行行列的矩阵(m为光谱维数；竹为多项式阶数)，对其进行主成分分析，得到主成分向阜。利用主成分向量，对亮温光谱进行拟合，把拟合的趋势项作为背景亮温谱。测量值与拟合值之差作为目标光谱特征。(4)利用事先训练好的分类器，对提取的目标光谱特征进行分类。(5)如果分类器判断日标光谱包含目标云团特征，则回到第二步，开始下一轮测量；如果分类器判断目标光谱不包含日标云团特征，且判断峰值大于噪声，则对该亮温光谱进行归一化处理，并更新主成分向量，然后回到第二步，开始下一轮测量。／至磊芗＼—‘．项式，，' ’～……，№2朋鄯lrimm dl咖r[3试验和结果为了对算法进行验证，本文以氨气为监测目标，在室内进行近距离测量。使用德国Bruker公司的oPAG33型遥感 傅里叶变换红外(勰)光谱仪进行测最，测量光谱范围为700～1 300 cm-1，光谱分辨率约为4 crn～。3．1对辐射亮度数据定标并转换成亮温在测量前对光谱仪进行定标，由得到的晌应和偏置，计算光谱辐射亮度。然后，根据式(6)把测量的辐射亮度转换成亮温。图3(a)为测量的一条背景光谱定标后的辐射亮度，图3(b)为辐射亮度转换成的亮温。‘由于黑体本身的不准确性、仪器状态的变化等各种因素的影响，定标并不是很精确，因而计算的亮温光谱也不是一条平直的谱线[如图3(b)所示]。3．2对背景亮温特征的迭代拟合仪器开始工作后，程序就对实时得到亮温谱进行迭代拟合，提取日标特征。图4为仪器开始工作后测量的谱：(a)为万方数据2796 光谱学与光谱分析 第31卷初始测鼍的亮温谱和拟合曲线，(b)为实测值和拟合值之差，(c)为下一条亮温谱和拟合曲线，(d)为实测值和拟合值之差。由图4(b)看出，初始提取的亮温特征不包含氨气特征，而是定标的不准确性和背景亮温特征。根据算法流程的第五步，把不包含目标的亮温特征归一化，更新到主成分向量1 300 1 200 1 100 1 000 900 800 700Wave number／cm一‘中，然后对下一条亮温谱进行拟合。由图4(d)可以看出，下一条谱提取的亮温特征在0．10 K以内，而仪器噪声等效亮温大约为0．08 K，这说明该算法可以准确的拟合背景亮温，提取目标特征。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‘’笔o·5托嚣l o黾．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舱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)当红外遥测系统工作在移动平台对某一区域进行监测，该算法通过迭代，把所有分类器判别为背景的特征保存在新的主成分向量中。当仪器视场监测该Ⅸ域的某一部分时，可以在背景未知的情况下，拟合测量的背景亮温，提取目标特征。如图5所示，当监测区域内出现氨气的时候，氨气的亮温特征可以有效的提取出来。4结论利用移动平台对某一区域进行连续监测，背景特征变化较大，主成分分析方法不能有效分离}fj目标特征，亮温法虽然可以显示目标特征，但是定标精度要求高。结合这两种方法，通过对背景亮温谱的迭代拟合，把背景特征保存在主成分向量中。在迭代拟合过程中可以精确拟髦篓暑_ad嚣孽∞§禹宦∞42O864lllOOOOOOOnn—b5白．■参S54321)t2lOOOBnOO囡／a2_譬诺!p2暑墨＆—口歪曲器日直∞譬∞O5O5O5O5O9988r‘Z69888888822222222髦誊荟葛昱露尝蜀℃∞O5O5O5O5O5O们∞如盼黔船铝盯盯％％跖 5222222222222冒，。鼍#暑譬Ⅱ骞3竹置蛋薯∞万方数据第10期 光谱学与光谱分析 2797合背景亮温，消除定标的不准确性，提取F1标特征。这种方法适用于移动平台对某一区域污染气体的连续监测，并且可291．5《29I．0誉290．5誊290．0兰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以利用亮温定量估计污染程度。实验结果表明，这种方法可以有效的提取目标特征。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，FANG Yong-hua，XIONG wei(兰天鸽t方勇华，熊伟)．Infrared and La驼r Engineering(红外与激光工程)，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．an 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，FANG 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)

网友评论 more

环境保护论文最新内容

05-10