布里渊散射谱拟合的混合优化算法

基于布里渊光时域分析仪的全分布式光纤传感系统中,光纤沿途的探测信号含有噪声导致被测量的温度或应变信息难以识别,光谱拟合的精确度对传感信息的识别非常重要。在传感系统低信噪比的情况下,提出了一种提取高精度布里渊散射谱特征的拟合方法,利用小波去噪结合莱文伯-马奈特(LM)算法调节权值后向传输(BP)网络对布里渊散射谱进行特征提取。克服了传统BP神经网络易陷入局部极值的缺点,保证求解的精度。数值仿真表明,该方法适合不同权重比、不同线宽和低信噪比以及大测量范围的情况进行光谱拟合,并且在信噪比为10dB的情况下得到拟合度均超过0.96。实验结果表明,该方法适用于多种泵浦功率情况下的布里渊散射谱的特征提取,优于传统BP神经网络算法且具有较高的拟合精度。     

布里渊散射谱参数提取问题的混合优化算法研究与应用

提出了一种将Particle Swarm Optimization(PSO)算法和Levenberg-Marquardt(LM)算法按概率混合优化的新算法,将其用于Pseudo-Voigt型布里渊散射谱以提高其拟合度和频移提取精度。新算法以PSO算法为主框架,首先用PSO算法进行全局搜索,在优化一定次数后每次优化随机产生一个概率rand(0,1),若rand(0,1)小于或等于事先设定的概率P,则把PSO算法得到的最优解作为LM算法的初值进行局部深度搜索,将LM算法得到的最优解替换先前PSO算法的最优解,继续使用PSO算法进行全局搜索;若rand(0,1)大于P则仍然用PSO算法搜索,等待下一次优化产生随机概率rand(0,1)进行判断,交替使用两种算法直至获得理想的全局最优解。仿真分析和实验表明,新算法克服了单一算法的缺点,提高了布里渊散射谱的拟合度和频移提取的精度,充分证明了新算法的实用性和可行性。     

基于自适应粒子群算法的多峰谱线分离方法研究

电感耦合等离子体原子发射光谱分析法（ICP-AES）已成为一种常规的元素分析方法,但在ICP-AES分析过程中,大多元素的分析谱线会受到背景或其他谱线的重叠干扰,形成的光谱干扰严重影响了谱线分析的准确性,所以在元素的分析过程中,需要通过适当的光谱干扰校正方法才能得到合适的元素分析线。根据光谱强度具有叠加性的特征,利用谱图将谱线形状表示为Voigt线型函数加和的多峰谱线叠加模型,以多峰谱线叠加模型与目标谱线的均方根误差构建多元函数作为评价函数的数学模型,设计自适应粒子群优化（APSO）算法寻找分离谱线特征参数的最优解,APSO算法在标准PSO算法的基础上,引入压缩因子同时使得种群参数惯性权重根据粒子个体适应度值自适应变化以及学习因子线性变化,在算法迭代过程中协调粒子种群内全局搜索能力和局部开发能力,保证算法有效且迅速收敛,实现多峰谱线分离,减少干扰谱线的影响从而得到更精准的元素分析线。以ICP-AES检测器返回的含Pr元素溶液特征波长为390.844 nm和汞灯特征波长为313.183 nm两条谱线的光强AD采样值作为两组实测数据,以两个Voigt线型近似函数构成的三种不同重叠程度的叠加合成曲线作为三组模拟数据,在数据曲线上分别选取50个能够包含曲线全部特征参数信息的点作为数据点,通过对上述五组目标数据点进行APSO算法处理,结果表明APSO算法得到的多峰谱线叠加模型相关参数能够较准确地拟合出相应的目标数据曲线,目标数据点与拟合曲线函数值相对误差较低,算法表明能够有效扣除谱线重叠干扰,同组目标数据经过多次算法处理,选择最小的最优适应度值相应的特征参数向量作为Voigt线型函数相关参数,以此拟合出的多峰谱线叠加模型曲线精准度越高、相对误差越小。这种算法具有良好的收敛性和适应性,可应用于ICP-AES在元素定性、定量方面的分析研究。     

基于TTDF和CNS算法的多路BOTDR散射谱信息高精度分析研究

传统的BOTDR光纤传感系统采用单路传感光纤实现对信息特征的测量,交叉敏感等不可控因素会使散射谱拟合精度较低,信息分析偏差较大。设计了一种同时对多路传感信息进行检测的BOTDR系统。针对基于布里渊光时域反射(BOTDR) 的多路传感散射谱高精度特征提取的要求,提出了一种三次数据融合(TTDF)与布谷鸟牛顿搜索(CNS)相结合的散射谱信息分析方法。该方法利用TTDF对信息数据的融合能力,根据狄克逊准则和格拉布斯准则,剔除了异常值的影响,减小了传感信号的误差;采用布谷鸟牛顿搜索算法进行频谱拟合,不仅通过布谷鸟的智能搜索能力得到全局最优解,而且以该最优解作为牛顿算法的初值进行局部寻优,保证了频谱拟合的精度,提高了布里渊散射谱信息分析的准确度。在温度信息散射谱线性权重比为1∶9的情况下,分析了不同线宽散射谱信息的提取。采用该方法进行多路数据融合的方差约为0.003 0,散射谱的中心频率约为11.213 GHz,温度误差小于0.15 K。理论分析和仿真结果表明,将此方法用于基于布里渊光时域反射的多路分布式光纤传感系统,可有效提高多路传感信号的准确度和布里渊散射谱信息分析的精确度。     

布里渊背向散射光谱数据拟合算法设计与实现

针对光纤某些点处布里渊背向散射光谱的测量数据出现多峰的情况,提出采用区间划分和基于最小二乘的非线性回归方法对采集到的布里渊背散光谱进行处理.该方法不仅可以拟合单峰布里渊背散光功率数据,而且可以自动识别多峰数据并分别对几个峰进行拟合,使得计算结果能更准确反应光纤沿线的应变情况.实验结果证实了算法的有效性和可行性.     

基于自适应变异果蝇优化算法和广义回归神经网络的布里渊散射谱特征提取

针对布里渊光时域反射光纤传感系统散射谱的高精度特征提取的要求,提出了一种基于自适应变异果蝇优化算法和广义回归神经网络的布里渊散射谱特征提取算法。不仅利用了广义回归神经网络在逼近能力、学习速度、模型的泛化等方面具有的优势,而且采用搜索能力较强的自适应变异果蝇优化算法进一步增强了神经网络的学习能力,从而提高了布里渊散射谱的拟合度和频移提取的准确度。在布里渊散射谱中心频率为11.213 GHz,线宽为40～50,30～60和20～70 MHz的散射谱白噪声实验模型中,将新算法分别与基于有限元分析的Levenberg-Marquardt拟合法、粒子群优化和拉凡格式混合拟合法、最小二乘法进行预测比较,新算法获得的最大拟合频移误差为0.4 MHz,平均拟合度为0.991 2,均方根误差为0.024 1。仿真结果表明所提出的算法拟合度较好,绝对误差小。因此,将此算法用于基于布里渊光时域反射的分布式光纤传感系统,可有效提高布里渊散射谱的拟合度和频移提取的准确度。     

吸收峰混叠的太赫兹光谱区间组合特征提取算法

太赫兹光谱是物质识别的前沿方法之一。由于不同物质的分子组成或结构各异,许多物质的太赫兹吸收谱会在特定频率上出现吸收峰,可以作为混合物成分检测的重要特征。有效准确地提取这些吸收峰的参数,是提高识别率的关键。多峰拟合算法将光谱曲线拟合成若干个标准峰函数之和,能够同时提取到吸收峰的频率、峰高、峰宽等信息。但是该算法以寻峰算法结果为基础确定吸收峰的大致位置和数量,寻峰结果不一定是最优的拟合结果,而且很难准确识别定位混叠状态的吸收峰。为了提高混叠光谱中吸收峰的识别定位精度,提出以大幅度平滑后的曲线波谷为分界点,将预处理后的光谱分成若干个子区间。然后将子区间组合起来进行多峰拟合,通过遗传算法得到最优的拟合子区间组合和吸收峰频率近似值,拟合时每个子区间中通过峰数递增最优化方法确定拟合的吸收峰数,最后微调优化得到最优的吸收峰频率、峰高值。为了实现物质的识别,通过密度聚类算法得到同一类纯净物在多次测量中的共同吸收峰,以此作为标准数据,通过提出的基于吸收峰特征的光谱匹配算法实现了纯净物和不同含量混合物的快速识别。对10类纯净物的实际光谱数据进行拟合聚类,得到其吸收峰参数,结果与太赫兹光谱数据库一致。通过识别算法对纯净物测试集进行识别的识别率为100%,证明了特征提取和物质识别算法的有效性。对于含有混叠峰的混合物光谱,二阶导数法对葡萄糖-乳糖混合物光谱中被掩盖吸收峰(1.280 THz)的识别率仅为70%,提取到的频率平均值为1.316 THz;而该算法提高识别率至95%,频率平均值为1.281 THz,该算法提高了对混叠峰的分辨能力,能够精确定位混叠峰。对10类纯净物构成的6类不同程度混叠的二元混合物前二、三识别率分别达到90.8%和98.3%,提取到的特征能够有效应用于混合物的成分检测。该算法能够以纯净物数据为标准数据实现成分各异的混合物成分检测,对于太赫兹光谱混合物成分检测有重要意义。     

InP/InGaAsP多量子阱自发辐射谱的解析函数

利用洛伦兹线型函数、高斯线型函数和Sech线型函数对InP/InGaAsP多量子阱自发辐射谱进行拟合,采用莱文贝格-马夸特算法,得到上述三种函数的解析表达式.研究结果表明:高斯线型光谱拟合函数的中心波长为1548.651nm,谱线半极大全宽度为61.42 nm,功率补偿为0.00212 mW,拟合优度为0.99191,残差平方和为2.26505×10~(-6).高斯线型拟合的拟合优度最大,残差平方和最小,且各数据点的残差值分布在±0.0001之间,分布比较均匀.高斯线型函数具有较高拟合度.     

一种用多色光作为激发源产生拉曼光谱的新算法

探讨用多色光代替激光作为拉曼光源的新型拉曼光谱仪的可能性。根据拉曼光谱原理, 并通过数学分析, 发现当用多色光照射在样品上时, 所得到的散射光经散射频率校正后在不同频率上的强度分布可以写成样品的Raman-Rayleigh联合散射谱和激发光光源的功率谱的卷积。利用傅里叶变换算法,有可能从多色光照射样品所得到的散射光谱中导出样品的拉曼光谱。基于上述原理,可能发展出不用激光的新一代拉曼光谱仪。     

粉末衍射谱图分解的模拟退火法

将模拟退火法应用于中子和x射线粉末衍射谱图分解研究中. 该方法有两个主要优点：一是 解谱结果不依赖于峰参数初始值的选取，可以任意给定峰参数初始值而不影响收敛性，因而 能克服传统最小二乘拟合法在拟合多峰严重重叠的复杂谱图时遇到的初始解的选取困难；二 是具有寻找全局最优解的能力，可有效解决谱图分解在数学上的多解性问题，这对于因多峰 重叠而可能存在多个局部最优解的谱图分解很有益处. 详细描述了方法的计算步骤，讨论了 有关参数设置，并通过模拟谱和实际谱例子对模拟退火法与传统最小二乘拟合法进行了比较 ，阐明了前者在处理复杂谱图时的独特优越性. 原则上该方法也可应用到与粉末衍射谱类似 能用峰形函数描述的其他实验谱的拟合研究中. 关键词： 谱图分解 模拟退火法 粉末衍射 分峰     

Distributed Brillouin fiber sensing based on spectrum line fitting and wavelet packet denoising

A novel signal processing method is proposed to improve the spatial resolution, frequency resolution and dynamic characteristics of BOTDR. For the BOTDR system with 50 ns pump pulse, by using spectrum line fitting technology based on Levenberg-Marquardt (LM) algorithm, the spatial resolution is improved from 5 m to 5 cm. Combination of LM fitting algorithm, a large frequency scanning interval is adopted without sacrificing measurement accuracy of the BOTDR system. It reduces the number of sampling points of Brillouin spectrum significantly. So, the fitting speed is improved greatly. This is the first time using a large scan interval to increase the spectrum line fitting speed. To improve the fitting speed, the difference between the reference and measured spectrum is used to estimate the variation of Brillouin frequency shift. The measured amplitude of Brillouin spectrum is used to estimate the width of region strain occurred. Finally, by using wavelet packet denoising technology, the spectra containing noise are fitted successfully.     

基于径向基函数神经网络的传感布里渊散射谱特征提取

基于布里渊效应的分布式光纤传感器以其可在沿光纤中同时获得被测量场时间和空间上的连续分布信息,成为当前国际的研究热点。根据光纤中布里渊散射谱的传输特点和高精度特征提取的要求,提出了利用莱文伯-马夸特(L-M)算法调节权值的径向基函数神经网络(RBFN)对布里渊散射谱进行特征提取。通过与反向传播(BP)神经网络、五次多项式曲线拟合法和三次样条插值法进行预测比较,在中心频率为11.213GHz,权重比为4∶1的仿真散射谱模型中,本方法相对误差最小,仅0.0015179%,温度相对误差仅为0.152℃,且拟合度较好。在不同脉宽和不同温度下的同一检测系统中,前者的综合评价指标优于其他三种拟合方法。数值分析和实验研究均表明径向基函数神经网络适用于对布里渊散射谱进行拟合,有效提高了预测精度。     

基于自适应加窗spline曲线拟合的拉曼光谱去基线方法

拉曼光谱是一种无损快速检测技术,可以提供材料的定性和定量信息,因而在医药、化工等诸多领域得到了广泛的应用。但是,由于样品荧光背景噪声的影响,造成拉曼光谱信号出现基线漂移现象,这给拉曼光谱的特征峰识别和拉曼成像带来十分严重的影响。目前,改进实验方法和数值处理是解决该问题的两种重要手段。改进实验方法上,有偏振调制法和高频调制法等,但存在实验设备复杂,检测技术难度大等缺点;数值处理上,有多项式拟合和小波变换等,但容易出现欠拟合和过拟合等现象。本文在不改换高精密设备的前提下,针对传统基线校正的方法进行了改进,提出一种基于自适应加窗spline曲线拟合的拉曼光谱去基线方法。首先,基于谱峰识别算法和初始搜索步长求得谷值的最优搜索间距,并利用谱谷识别算法完成谷值曲线的拟合;其次,利用最优搜索间距和谱峰识别算法,求得谷值曲线峰值位置,并在该位置处对称添加自适应矩形窗函数去除峰值,重新划分整个区间,拟合谷值曲线;再次,逐点比较拟合曲线与原拉曼光谱信号,取较小值,拟合曲线;最后,重复加窗去除峰值操作,直至自适应窗函数宽度低于阈值,完成拉曼光谱信号的基线拟合。在实验中,选用乙酸丁酯、聚甲基丙烯酸甲酯(polymethyl methacrylate, PMMA)作为实验样品,利用该方法对其拉曼光谱信号进行了基线校正,观察并比较该方法和传统方法的校正结果。实验结果表明,该方法能够有效地消除拉曼光谱信号的基线漂移,较好的保留一些较弱的拉曼特征峰,且不易出现欠拟合和过拟合的现象,获得了良好的基线校正效果,为进一步分析光谱数据和实现拉曼成像提供准确可靠的信息。     

基于Voigt函数拟合的离子激发发光光谱分峰方法

离子激发发光(IBIL)分析作为一种实时原位的光谱分析技术,由于其对样品内部结构的敏感性,给我们分析样品光谱谱峰信息带来了一定的困难。为了准确地对离子激发发光能谱进行分峰以便更加清晰地判断材料内部不同缺陷的发光中心,提出了一种利用Voigt函数,通过L-M（levenberg-marquardt）非线性最小二乘算法对100和200 K温度时ZnO的IBIL能谱中深能级发射（DBE）峰进行分峰的方法。通过对比Gauss函数和Voigt函数对能谱拟合后峰位随注量的波动情况,发现使用Voigt函数拟合得到的峰位更加稳定,并且收敛速度更快。同时通过对使用Voigt函数拟合后得到的峰中心位于1.75, 1.95和2.10 eV三个子峰的高斯函数半高宽与洛伦兹函数半高宽比较,发现洛伦兹函数半高宽约为高斯函数半高宽的1/10,而且100 K时的1.95 eV峰,200 K时1.75和1.95 eV峰,其洛伦兹峰半高宽数值为10-10量级以下,说明其中非均匀展宽（高斯展宽）仍然是谱峰展宽的主要机制;而电子与声子散射作用是洛伦兹展宽的主要机制。对于涉及导带中大量电子的2.10 eV子峰,其在200 K时洛伦兹函数半高宽明显大于100 K时,由于在温度较高时,由于晶格热振动加剧,且电子热运动加强,增大了散射概率,导致电子与声子的散射作用加强,从而对洛伦兹谱线进一步展宽。而峰中心位于1.75 eV的红光,其主要与V_Zn相关,在100 K时其子峰的洛伦兹半高宽为0.02 eV, 但在200 K时变得极小,这可能是由于100 K时V_Zn束缚的电子或激子在200 K获得足够的热动能摆脱了V_Zn束缚,减弱了与周围的晶格的散射作用,从而使得洛伦兹展宽变得极弱。实验结果表明Voigt函数更加适用于IBIL能谱拟合分峰,这也为以后IBIL技术应用于其他材料内部结构能谱分析提供了可借鉴的依据。     

粒子群和GMM-SDR模型在重叠谱峰解析中的应用

针对X光谱分析研究中经常遇到的谱峰重叠问题,提出了一种基于标准差关联的高斯混合模型(GMM-SDR)和粒子群算法的重叠谱峰解析方法。首先,介绍了重叠峰的GMM-SDR模型,并以GMM-SDR参数构成粒子位置,给出了粒子目标函数及适应度值的快速算法;然后,利用粒子群算法的群体搜索能力,以搜索最优GMM-SDR模型,进而实现重叠峰的分解。初始值采用随机设定,将测量的所有随机数据作为一个整体,以其对模型的概率匹配程度作为适应度值,故该方法避免了初值设定不当带来的局部收敛问题,克服了传统曲线拟合方法对原始有用数据的破坏,所搜索到的模型是一个全局最优解。通过对四个及以下重叠谱峰的分解表明,该方法分解精度较高,其中,两峰重叠谱分解后的峰位、峰面积及标准差最大相对误差分别为0.4%,0.05%和2.07%,三峰重叠谱分解后的峰位、峰面积及标准差最大相对误差分别为1.2%,0.04%和0.74%,可适用于各种严重重叠谱峰的分解。