導航：安全管理網(wǎng)>> 安全論文>> 環(huán)境保護論文>>正文

基于亮溫光譜和主成分分析的大氣污染氣體探測

文檔作者：崔方曉1 方勇華1 蘭天鴿2 熊偉1 袁越明1 文檔來源： 1．中國科學皖安徽光學精密機械研究所，通用光學與定標與表征技術重點實驗室 2．華東電子工程研究所		點擊數(shù)：	更新時間： 2025年05月10日
下載地址：點擊這里	文件大小： 389.90 KB 共4頁	文檔格式： PDF	下載點數(shù)： 1 點（VIP免費）

全屏查看

內容預覽 [文件共4頁]

本文件共4頁，如需編輯使用，請下載。

注：預覽效果可能會出現(xiàn)部分文字亂碼（如口口口）、內容顯示不全等問題，下載是正常的。

	文件大小：389.90 KB 共4頁文件格式：PDF 下載點數(shù)：1 點（VIP會員免費）

上一篇：鈣鹽和氨基酸對味精等電母液模擬料雙極膜…

文本預覽

僅提取頁面文字內容，供快速閱讀使用。

第3l卷：筻l(xiāng)o甥 光譜學與光譜分析 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崔方曉1，方勇華1，蘭天鴿2，熊 偉1，袁越明11．中國科學皖安徽光學精密機械研究所，通用光學與定標與表征技術重點實驗室，安徽合肥2300312．華東電子工程研究所，安徽合肥230088摘要在移動平臺條件下，污染氣體紅外遙測系統(tǒng)無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，提取目標光譜特征，是污染氣體紅外遙測系統(tǒng)在移動平臺上應用的關鍵環(huán)節(jié)。提出基于亮溫光譜和主成分分析的迭代擬合算法。相對于傳統(tǒng)的亮溫光譜法，該算法降低了亮溫光譜法對儀器響應函數(shù)的精度要求，同時結合主成分分析和迭代擬合技術，可有效提取目標光譜特征。關鍵詞污染氣體I紅外遙測；亮溫；主成分分析中圖分類號：TP722．5 文獻標識碼：A DOI：10．3964／j．issn．1000-0593(2011)10-2794-04引言在移動平臺條件下利用紅外光譜技術遙測污染氣體，無法獲取純凈的背景光譜。基于數(shù)字信號處理技術，研究各種算法來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，從而進行有效的識別、分類和量化分析，是污染氣體紅外遙測技術進一步應用的關鍵環(huán)節(jié)。國內外對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)計方法‘s1等。基于干涉圖可以直接提取污染氣體的特征信息，但需要針對每一類氣體，分別設計濾波器和相應的參數(shù)‘“，應用起來比較麻煩。亮溫光譜法需要精確的儀器響應函數(shù)，并假設背景輻射的亮溫譜是近似平直的；實際上，紅外光譜儀器的響應函數(shù)隨儀器工作狀態(tài)和外部環(huán)境而變化，目前國內的儀器研制水平無法保證儀器響應函數(shù)的準確性。另外，國外還利用儀器工作區(qū)域背景光譜的統(tǒng)計信息來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)域內沒有出現(xiàn)污染氣體“]。本研究提出了一種新的算法，用于移動平臺條件下，抑制紅外光譜中的背景信息，提取氣體紅外光譜特征。該算法結合了亮溫光譜法和背景光譜信息統(tǒng)計技術的優(yōu)勢。首先，該算法降低了亮溫光譜法對儀器響應函數(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，從而有效提取目標亮溫光譜特征，用于識別分類。1理論基礎1．1被動紅外遙測輻射傳輸模型當利用紅外遙測光譜儀對視場中的污染氣體云團進行探測時(如圖1所示)，可以用一個三層模型來測量過程叭“；第一層是大氣，第二層是污染氣體云團，第三層是視場背景。在這一模型中，認為各層都是均勻的而且充滿了儀器視場。基于以上假設，系統(tǒng)接收到的輻射亮度[w-(m2·Sr·廿n-1)1]可以表示為L一(1一n)Bl+n((1一n)B2+nL3) (1)其中：n為第i層的透過率；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)視場中沒有朽染氣體云團出現(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的關系為收稿日期：2011一01—15。修訂19期：2011-05·26基金珥目：國家自然科學基金項目(41071232)資助作者簡介：崔方蹺，1985年生t中國科學院安徽光學精密機械研究所碩士研究生 e_mail；cuifangxiao@126．com萬方數(shù)據(jù)第10期 光譜學與光譜分析 2795L—Lo+n(1一f2)(易一L3) (3)由于污染氣體云團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，等號右邊第二項(1一r2)(B1一k)包含了污染氣體云團的光譜特征。同背景紅外輻射k相比，目標光譜輻射量非常微弱，需要從測鼉數(shù)據(jù)中扣除背景輻射信息厶，提取目標光譜輻射特征△L為△L=(1一f2)(Bl—Lo) (5)被動紅外遙測系統(tǒng)在靜止狀態(tài)下工作時，可實際測量有效的背景輻射譜Lo來扣除背景輻射信息，提取目標光譜特征進行分類和識別。若系統(tǒng)在移動平臺上工作，則無法獲取有效的背景光譜，需要設計新的算法來扣除背景輻射信息。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，光譜儀視場中出現(xiàn)污染氣體云團時，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是污染氣體云團的亮溫光譜特征，與污染氣體吸收系數(shù)口、云團濃度程長積CL以及云團與背景的溫差△T相關【1]△2T≈aCL×△T (8)假設吸光度aCL為0．1，云團與背景的溫度差△T為3K，則亮溫光譜特征△2T一0．3 K，儀器的噪聲量級為0．08K，因而污染氣體亮溫光譜特征完全能夠被提取出來。一般來說，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)可以認為污染氣體云團的亮溫光譜特征△2 T，疊加在一條平直的譜線上。也就是說，通過計算亮溫光譜，在理想情況下，可以用來直接提取目標云團光譜特征。然而，亮溫光譜法對儀器響應函數(shù)的精度要求很高。在實際應用中，儀器隨外部環(huán)境、儀器狀態(tài)『Ijj變化，加之其他不可預知因素的影響，往往不能得到理想的背景亮溫譜，需要進一步設計信號處理算法，用于目標特征提取。2算法描述多項式擬合趨勢項的算法核心就是要牛成一組正交多項式[乳9。。利用施密特(Sehmidt)正交化過程生成一組正交多項式；也可以初始牛成一組多項式，通過主成分分析[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，通過式(6)來計算系統(tǒng)接收到的光譜輻射的亮溫光譜，利用主成分向鼉來迭代擬合儀器視場背景的亮溫光譜信息，提取目標光譜特征。算法描述如圖2所示，流程如下：(1)在開始工作之前對儀器進行定標，獲取儀器響應函數(shù)。(2)開始測量，利用儀器響應甬數(shù)對測量得到的儀器讀數(shù)譜進行定標，得到輻射亮度譜，根據(jù)式(6)，計算得到亮溫光譜。(3)生成m行行列的矩陣(m為光譜維數(shù)；竹為多項式階數(shù))，對其進行主成分分析，得到主成分向阜。利用主成分向量，對亮溫光譜進行擬合，把擬合的趨勢項作為背景亮溫譜。測量值與擬合值之差作為目標光譜特征。(4)利用事先訓練好的分類器，對提取的目標光譜特征進行分類。(5)如果分類器判斷日標光譜包含目標云團特征，則回到第二步，開始下一輪測量；如果分類器判斷目標光譜不包含日標云團特征，且判斷峰值大于噪聲，則對該亮溫光譜進行歸一化處理，并更新主成分向量，然后回到第二步，開始下一輪測量。／至磊薌＼—‘．項式，，' ’～……，№2朋鄯lrimm dl咖r[3試驗和結果為了對算法進行驗證，本文以氨氣為監(jiān)測目標，在室內進行近距離測量。使用德國Bruker公司的oPAG33型遙感 傅里葉變換紅外(勰)光譜儀進行測最，測量光譜范圍為700～1 300 cm-1，光譜分辨率約為4 crn～。3．1對輻射亮度數(shù)據(jù)定標并轉換成亮溫在測量前對光譜儀進行定標，由得到的晌應和偏置，計算光譜輻射亮度。然后，根據(jù)式(6)把測量的輻射亮度轉換成亮溫。圖3(a)為測量的一條背景光譜定標后的輻射亮度，圖3(b)為輻射亮度轉換成的亮溫。‘由于黑體本身的不準確性、儀器狀態(tài)的變化等各種因素的影響，定標并不是很精確，因而計算的亮溫光譜也不是一條平直的譜線[如圖3(b)所示]。3．2對背景亮溫特征的迭代擬合儀器開始工作后，程序就對實時得到亮溫譜進行迭代擬合，提取日標特征。圖4為儀器開始工作后測量的譜：(a)為萬方數(shù)據(jù)2796 光譜學與光譜分析 第31卷初始測鼉的亮溫譜和擬合曲線，(b)為實測值和擬合值之差，(c)為下一條亮溫譜和擬合曲線，(d)為實測值和擬合值之差。由圖4(b)看出，初始提取的亮溫特征不包含氨氣特征，而是定標的不準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，然后對下一條亮溫譜進行擬合。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，而儀器噪聲等效亮溫大約為0．08 K，這說明該算法可以準確的擬合背景亮溫，提取目標特征。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)當紅外遙測系統(tǒng)工作在移動平臺對某一區(qū)域進行監(jiān)測，該算法通過迭代，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。當儀器視場監(jiān)測該Ⅸ域的某一部分時，可以在背景未知的情況下，擬合測量的背景亮溫，提取目標特征。如圖5所示，當監(jiān)測區(qū)域內出現(xiàn)氨氣的時候，氨氣的亮溫特征可以有效的提取出來。4結論利用移動平臺對某一區(qū)域進行連續(xù)監(jiān)測，背景特征變化較大，主成分分析方法不能有效分離}fj目標特征，亮溫法雖然可以顯示目標特征，但是定標精度要求高。結合這兩種方法，通過對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∞萬方數(shù)據(jù)第10期 光譜學與光譜分析 2797合背景亮溫，消除定標的不準確性，提取F1標特征。這種方法適用于移動平臺對某一區(qū)域污染氣體的連續(xù)監(jiān)測，并且可291．5《29I．0譽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污染程度。實驗結果表明，這種方法可以有效的提取目標特征。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．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，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)友評論 more

環(huán)境保護論文最新內容

05-10