基于扩散映射的太赫兹光谱识别

特征提取对于太赫兹光谱识别来说至关重要。传统方法是通过人工选取太赫兹光谱中差异性较大的吸收峰作为特征进行光谱识别,但当部分物质在太赫兹波段没有明显波峰、波谷等光谱图形特征时,这种方式便不再适用。为此,研究人员利用统计学习与机器学习方法对高维太赫兹光谱数据进行降维和特征提取。由于物质的太赫兹光谱数据各维度呈现非线性,尤其是当不同物质的太赫兹光谱曲线整体非常相似时,线性处理方法易产生较大误差。针对这一问题,提出了一种基于扩散映射(DM)的太赫兹光谱识别方法。扩散映射能在保持数据内在几何结构的同时对其进行非线性降维,提取的流形特征区分度较高,对数据还有聚类效果。首先用S-G滤波器对Alloxazine等10种物质的太赫兹光谱样本进行滤波,并用三次样条插值法对截取相同频段后的光谱样本进行统一分辨率处理;然后利用DM将高维太赫兹光谱数据映射到低维特征空间并提取太赫兹光谱的流形特征;最后用多分类支持向量机(M-SVM)对十种物质的太赫兹透射光谱进行分类。实验结果表明,相比于主成分分析(PCA)和等距映射(ISOMAP),使用DM提取的太赫兹光谱流形特征具有更高的区分度,而且DM可以直接得到太赫兹光谱数据本征维数的估计值,这为相似太赫兹光谱的快速精准识别提供了一条新的途径。     

结合径向基函数和KPCA的食用油太赫兹光谱特征提取方法

针对太赫兹光谱线性不可分的情况,提出结合径向基函数和核主成分分析(KPCA)的方法进行食用油太赫兹光谱特征提取。该方法所提取到的特征类内距离小,类间距离大,在大多数支持向量机(SVM)分类器可以建立准确的分类模型。太赫兹光谱是检测食用油种类和品质的一种重要手段,研究针对食用油太赫兹光谱的特征提取技术对于食用油种类和品质快速检测具有重要意义。虽然利用太赫兹光谱检测食用油种类和品质已经具备理论基础,但是如何准确提取食用油太赫兹光谱的特征,从而建立更加准确的分类模型依然是一个难点。目前研究人员常常采用化学计量学中的主成分分析法(PCA)提取特征,结合机器学习的方法建立物质分类模型。然而,食用油的太赫兹光谱的线性可分情况在不同频段有不同的特性。当食用油的太赫兹光谱线性可分时,使用PCA提取特征是可行的,容易建立准确的分类模型。但是,当食用油的太赫兹光谱线性不可分时,使用PCA提取到的特征往往不够准确,需要选择合适的分类器去建立准确的分类模型。结合径向基函数和KPCA的特征提取方法通过径向基函数将线性空间不可分的太赫兹光谱数据映射到径向基空间,然后使用KPCA提取特征,最终实现特征线性可分,从而可以建立更加准确的分类模型。实验首先使用滑动窗口平均滤波算法对3种食用油太赫兹光谱数据进行滤波处理,接着使用径向基函数对太赫兹光谱进行非线性映射,然后采用KPCA进行数据降维,最后用支持向量机对食用油建立分类模型,验证特征提取效果。类间可分性计算结果表明,该方法所提取的特征类内距离更小,类间距离更大,整体上特征提取效果优于PCA和KPCA。基于不同内核的SVM模型上进行分类验证的实验结果表明,在PCA和KPCA提取的特征在一些分类模型上无法准确区分食用油种类的情况下,该工作特征提取方法在各种内核的SVM模型上均能准确区分食用油种类。所提出的方法用于食用油太赫兹光谱特征提取有更好的效果,在食用油品质检测与分析方面具有良好的应用价值。     

基于双向长短期记忆网络的太赫兹光谱识别

特征提取是太赫兹光谱识别的关键处理步骤,通常利用降维方法作为特征提取手段。然而,当一些化合物的太赫兹光谱曲线整体差异度较小时,降维方法往往会缺失样本差异的重要特征信息,从而导致分类错误。如果不采用降维方法提取特征,传统机器学习分类算法对维数较高的原始太赫兹光谱数据又不能很好的分类。针对此问题,提出了一种基于双向长短期记忆网络（BLSTM-RNN）自动提取太赫兹光谱特征的识别方法。BLSTM-RNN作为一种特殊的循环神经网络,利用其LSTM单元可以有效解决原始太赫兹光谱数据维数较高使得模型难以训练问题。再结合模型的双向频谱信息利用架构模式,可以增强模型对复杂光谱数据自动提取有效特征信息的能力。采用三类、15种化合物太赫兹透射光谱作为测试对象,首先利用S-G滤波和三次样条插值对Anthraquinone,Benomyl和Carbazole等十五种化合物在0.9～6 THz内的太赫兹透射光谱数据进行归一化处理,然后通过构建一个具有双向长短期记忆的循环神经网络对太赫兹光谱的全频谱信息进行自动特征提取并利用Softmax分类器进行分类。通过试验优化网络结构和各项参数,最终获得了针对复杂太赫兹透射光谱数据的预测模型,并与传统机器学习算法SVM,KNN及神经网络算法MLP,CNN进行对比实验。结果表明,dataset-1和dataset-2分别作为差异度较大和无明显峰值特征的五种化合物太赫兹透射光谱数据集,其平均识别率分别为100%和98.51%,与其他方法相比识别率有所提高;最重要的是,dataset-3作为5种化合物谱线极为相似的太赫兹透射光谱数据集,其平均识别率为96.56%,与其他方法相比识别率提高显著;dataset-4作为dataset-1,dataset-2和dataset-3的透射光谱数据集集合,其平均识别率为98.87%。从而验证了BLSTM-RNN模型能自动提取有效的太赫兹光谱特征,同时又能保证复杂太赫兹光谱的预测精度。在选择模型训练优化算法方面,使用Adam优化算法要好于RMSProp,SGD和AdaGrad,其模型的目标函数损失值收敛速度最快。同时随着模型训练迭代次数增加,相似太赫兹透射光谱数据集的预测准确率也不断提升。可为复杂太赫兹光谱数据库的光谱识别检索提供一种新的识别方法。     

基于小波系数图和卷积神经网络的太赫兹光谱物质识别

许多太赫兹光谱物质识别方法依靠寻找该物质在太赫兹波段范围内不同光谱表现出的不同特征来识别特定物质。吸收峰提取法是常用的光谱特征提取算法,但当光谱无明显特征吸收峰或峰位、峰值相近或难以识别时,难以利用吸收峰特征辨别物质。将机器学习和统计学习技术用于太赫兹光谱的识别中虽减少了吸收峰的干扰,但常常需要人为定义特征而导致分类误差。深度学习法能自动提取特征,但在识别前往往需要进行复杂的预处理操作,并且在特征提取的过程中容易丢失部分特征从而导致分类误差。针对以上问题,提出了一种基于小波系数图和卷积神经网络的太赫兹光谱识别方法。利用太赫兹光谱信号进行小波变换时,由于小波系数矩阵的每一行系数与原始光谱信号存在着对应关系,因此将太赫兹光谱的吸收系数通过小波变换在频率域上展开,能得到不同的二维的频率-尺度分布图,又称小波系数图。然后构造一个卷积神经网络(CNN)对小波系数图进行分类,可得到太赫兹光谱物质的分类结果。为了验证所提出算法的有效性,将三组小波系数图数据与原始光谱数据分别输入CNN、Support Vector Machin (SVM)、Multilayer Perceptron (MLP)三种不同的分类器作对比,从实验结果可以发现本文算法在三组数据中的识别率均达到了100%,说明相比于传统方法,本文方法能准确分类没有明显特征吸收峰的光谱,证明了使用卷积神经网络识别小波系数图的有效性。为了体现本文算法的优势,与小波脊线寻峰识别算法作对比,实验结果表明本文算法几乎不受峰频、峰位、峰值的影响,无论是识别不存在吸收峰的淀粉,还是识别相似度高的蔗糖和葡萄糖,都具有较高的识别率,分类准确率达97.62%,证明了所提算法的优越性。该算法为太赫兹光谱数据识别提供了一种新思路,同时也可以推广运用到其他谱图物质的识别中。     

基于深层信念网络的太赫兹光谱识别

特征提取和分类是太赫兹光谱识别的关键。部分物质在太赫兹波段内没有明显的吸收峰,难以人工定义、提取特征及分类识别,为此,结合深度信念网络(deep belief network,DBN)和K-Nearest Neighbors (KNN)分类器的优点,提出了一种基于DBN的太赫兹光谱识别方法。首先利用S-G滤波和三次样条插值对ATP,acetylcholine_bromide,bifenthrin,buprofezin,carbazole,bleomycin,buckminster和cylotriphosphazene在0.9～6 THz内的太赫兹透射光谱进行归一化处理;然后由两层受限波尔兹曼机(restricted Boltzmann machine, RBM)构建DBN模型,并采用逐层无监督的方法训练模型,以自动提取太赫兹光谱特征;最后用KNN分类器对8种物质的太赫兹透射光谱进行分类。结果表明,使用DBN自动提取的光谱特征,KNN分类器、BP神经网络、SOM神经网络和RBF神经网络的分类准确率达到了90%以上,且KNN分类器的识别率优于其他三种分类器;采用DBN自动提取物质的太赫兹光谱特征大大减少了工作量,在海量光谱数据识别中具有广阔的应用前景。     

基于太赫兹光谱的植物生长调节剂检测技术研究

应用太赫兹时域光谱技术获取了赤霉素、氯吡脲和噻苯隆的太赫兹时域谱图和参考信号的时域谱图,并计算获得了折射率谱和吸收谱。实验结果显示,这三种植物生长调节剂在太赫兹波段内有着明显的特征吸收峰。而后基于最小二乘支持向量机对十九种不同物质的太赫兹时域吸收光谱进行了分类检测,并采用遗传算法和粒子群寻优算法对其进行了优化,最后通过添加噪声测试了模型的鲁棒性。该研究验证了太赫兹时域光谱技术用于药物成分检测的可行性,为植物生长调节剂的检测和鉴别提供了新的实验方法。     

太赫兹波段豆油光谱的优化测量

太赫兹时域光谱技术是基于飞秒超快激光技术的有效的光谱检测技术,太赫兹波独特的优势使其成为一种有效的无损检测手段,并被广泛地应用到各个领域。然而在样品检测尤其是液体样品检测过程中,由于Fabry-Perot效应的存在,太赫兹波在样品、样品容器、以及光学元件之间的多次反射,使时域信号产生回波,样品的吸收光谱在频域内产生振荡,有可能会隐藏一些重要的吸收特征。为了解决这一问题,对解卷积算法进行改进,在传统计算模型的基础上,考虑系统中液体池窗片和光学元件对太赫兹波的非线性吸收,将包含回波的太赫兹时域信号描述为太赫兹主脉冲与一系列冲击信号和非线性传递函数的卷积。通过分析,有效去除回波引起的频谱振荡,进一步提高太赫兹波段豆油光学参数的测定精度。实验对比了改进前后0.2～2 THz波段豆油的频谱及吸收谱,实验结果证明,与传统的主脉冲截取法相比,本算法不仅能有效去除回波引起的频谱振荡,且在相同检测条件下,可将太赫兹波段豆油样品的频率分辨率由50 GHz有效提高至10 GHz。该算法不受被测对象参数的影响,同样适用于其他液体的太赫兹时域光谱测量。最后对吸收谱中残余的频谱振荡进行了深入分析。     

基于液晶空间光调制器的太赫兹波频谱调制

频谱可调制的太赫兹波具有广泛的应用价值。利用一台纯相位式的液晶空间光调制器对飞秒激光脉冲进行空间整形,通过改变飞秒激光脉冲的横向空间分布,实现太赫兹波频谱的调制。在实验中,利用光泵浦整流方式产生太赫兹波,并利用太赫兹时域光谱系统对太赫兹信号进行探测。通过GS算法在液晶空间光调制器上加载不同的相位图,获得了不同的飞秒激光脉冲横向空间分布。通过改变探测距离和飞秒脉冲的空间分布参数,实现了太赫兹波频谱的调制。还利用菲涅尔衍射算法对这一过程进行了理论模拟,理论模拟结果与实验结果吻合的较好,这充分说明了基于飞秒脉冲空间整形的太赫兹光谱调制技术的可行性。     

表面粗糙样品的太赫兹光谱参数提取方法研究

很多物质在太赫兹波段内的光谱参数具有指纹特征,这是太赫兹技术在安检等众多领域有所应用的基础。但是,目前常用的太赫兹时域光谱(THz-TDS)技术提取物质光学参数的Duvillaret算法,要求样品上下表面平行且充分光滑。然而在很多有潜力的实际应用场合中,尤其是对于固体样品,表面粗糙度不可避免,并且不能使用模具压片等实验室制样手段来保证其表面的平行光滑特性,由此需要一种不受样品表面粗糙度影响且更具有普适性的光学参数提取算法来增加太赫兹时域光谱技术在实际场合下的应用能力。分析了太赫兹波透射表面粗糙样品的光程,建立了包含有样品粗糙度、折射率和消光系数的表面粗糙样品太赫兹透射模型,在已知粗糙度及平均厚度的条件下,提取出在太赫兹波段有特征吸收的表面粗糙样品的折射率和吸收系数,验证了此透射模型的适用性。首先,选择在太赫兹波段有特征吸收的α-乳糖和L-组氨酸作为实验材料,制作了质量分数和密度相同的表面粗糙样品和光滑样品,并在太赫兹时域光谱系统中获取它们的太赫兹透射实验数据;然后,利用建立的透射模型从实验数据中提取出了表面粗糙α-乳糖和L-组氨酸样品的折射率和吸收系数;最后,为衡量透射模型提取结果的优劣性,把Duvillaret算法作为另一种光学参数提取的参照方法,将本模型算法、Duvillaret算法对表面粗糙样品的提取结果分别与从平行光滑样品中提取的标准结果进行比较,计算两种提取方式与标准值之间的均方根误差(RMSE)。比较结果表明,相比于Duvillaret算法,本透射模型方法所提取出的表面粗糙样品的折射率和吸收系数与标准值之间偏差更小,在一定程度上减少了粗糙度对提取结果的影响,具有更高的精确度。因此,在已知表面粗糙样品的粗糙度以及平均厚度的条件下,利用此模型可较为精确地在太赫兹时域光谱系统中提取出物质的光学参数。此研究结果将有力推进太赫兹波光学参数提取技术的实际应用。     

基于THz时域混沌特征的煤粉细度检测方法的研究

煤粉气力输送的细度检测对磨煤机工作状态的最优控制具有重要的意义。传统的检测方法多采用抽检取样法,通过分样筛等设备检测样品的细度,耗时长且操作复杂。国内外对细度地快速检测也有部分研究成果,但所测粉体浓度须较低,且设备稳定性还有待提高。太赫兹时域光谱技术（THz-TDS）是一种新型的无损检测技术,其低能性、选择透过性、相干性等特点使它具备其他光谱测量方法没有的优势。国内外对太赫兹辐射与颗粒介质相互作用的研究表明,太赫兹波对颗粒介质的细度具有显著敏感性,因此通过太赫兹波检测煤粉细度具有可行性。太赫兹波在高浓度颗粒介质的传播可以被看成是一个非线性动力过程,这个过程包含了复杂的非线性动力学效应,导致光谱测量结果具有混沌特征。将非线性动力系统的概念应用到太赫兹时域光谱信号的分析中,将太赫兹时域光谱信号视为由复杂非线性动力系统产生的时间序列进行特征分析。实验中将煤样研磨并筛分为<38.5,55~74,74~88,88~105和105~200 μm六种细度,并将煤粉与HDPE混合后压制成样品片。分别提取了的煤粉样品太赫兹时域光谱信号的功率谱熵、小波能量熵、盒维数、关联维数、偏度和峭度作为太赫兹时域光谱的混沌特征,通过比较发现这些混沌特征与细度变化具有一定的相关性,从视觉上可以大致区分出细度范围,但无法进行定量分析。支持向量机常用来解决小样本和非线性的分类问题,但是需要选择合适的参数才能建立较为准确的预测模型。文中引入粒子群算法来优化支持向量机建模参数选择。将上述提取的混沌特征向量作为粒子群算法优化的支持向量机的输入变量,以分样筛筛孔作为回归目标,对所测量煤粉细度建立回归模型。实验结果表明利用混沌特征建立的回归模型对<38.5和38.5~55 μm样品的预测结果要逊色于消光谱建模的回归结果,认为这是因为煤粉细度小,太赫兹波在样品中传播时与煤粉颗粒相互作用也比较弱,时域信号的混沌特征表现不明显所导致。对55~74,74~88,88~105和105~200 μm煤粉样品细度的预测结果要明显优于频域消光谱建立的模型,特别是74~88和105~200 μm样品,校正集均方根误差相对于消光谱分别下降了29.48%和26.14%,预测集误差分别下降了88.62%和56.86%。从预测结果整体上来看,采用混沌特征建模的预测结果与目标细度的相关系数为0.9618,消光谱建模的预测结果相关系数仅为0.78。混沌特征建模的均方根预测误差仅为9.52,消光谱建模的均方根预测误差为24.48。同时采用混沌特征的建模时间相对于消光谱的建模时间下降了43.19%。研究结果为太赫兹时域光谱技术在高浓度煤粉气力输送细度检测上的应用提供了科学依据和参考。     

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。     

某型指挥信息系统有线远传接口自动识别方法

为提高对指挥信息系统有线远距离传输接口测试的自动化水平,提出一种基于信号特征提取的信号类型自动识别方法。在对各类接口信号时域和频域特性分析的基础上,采用限幅滤波法实现对信号峰峰值的准确判断,通过基于Burg算法AR模型的谱估计方法实现信号频谱准确估计。依据提取到的信号峰峰值和频带宽度,采用双阀值判决方法对接口类别进行自动识别。实验结果表明,基于信号时频域特征差异的自动识别方法,能够有效区分3种类型15个接口,识别准确度达到87%以上。     

Self-referenced method for terahertz wave time-domain spectroscopy

The method allows retrieval of the absorbance of a sample without the need for a reference measurement. The method measures the dynamic variation of frequency resolution as the waveform is being acquired. In terahertz wave time-domain spectroscopy, the frequency resolution increases as the temporal window increases. Therefore, narrow absorption peaks will appear in the spectrum when the temporal window is long enough to resolve the peak. By measuring the dynamic values of each frequency component at specific points in time, a reference value and a peak value are extracted and, hence, the self-referenced is achieved. In addition, the method provides a mechanism to remove the effects of echoes, which enables arbitrary temporal window length and, thus, achieves high-resolution frequency. Examples of extraction of the water vapor lines and resonant features in gas and semiconductors are demonstrated in transmission and reflection geometries.     

多源光谱特征组合的COD光学检测方法研究

水样的化学需氧量大小直接决定水质的污染程度,传统的检测方法都是源于氧化还原反应,对水样会造成二次污染。为此,提出一种基于多源光谱特征组合的水质化学需氧量光学检测方法,以不同地点实际水样为被测对象,分别采集其紫外和近红外光谱曲线,进行预处理后,通过非负矩阵分解算法进行光谱数据的特征提取、数据特征归一化,然后将组合特征输入训练集样本,通过粒子群最小二乘支持向量机算法对验证集水样的化学需氧量进行定量预测。讨论了非负矩阵分解算法中基光谱数目对预测模型的影响。实验结果显示,紫外光谱的最佳基光谱数目为5,近红外光谱的最佳基光谱数目为2;预测模型的验证集平方相关系数为0.999 8,预测均方根误差为3.26 mg·L-1;分别与不同特征提取方法(主成分分析, 独立成分分析)、不同光谱法(紫外光谱法, 近红外光谱法)以及不同的组合方式(数据直接组合, 先组合数据再提取特征)加以比较,表明非负矩阵分解算法更适合光谱数据的特征提取,粒子群最小二乘支持向量机算法作为实际水样的定量模型校正方法可以得到良好的预测精度。     

The admittance feature representation and impact sound feature extraction in the material identification of ribbed plates

The admittance features representing the physical attributes are used as the intermediates to extract the material-attributes-related impact sound features of ribbed plates.Firstly, the admittance feature representations of metal ribbed plates attributes are obtained and the relationship between the admittance features and the impact sound features are established via correlation analysis method. Then, material-attributes-related impact sound features are obtained indirectly. Finally, the performances of different sound features for the material recognition of ribbed-metal plates are verified through the Support Vector Machine classifier.The results indicate that the obtained four sets of features can effectively identify the materials of the metal ribbed plates, while the accuracy of a single feature depends on the separable degree of the corresponding material attribute. And the features extracted based on admittance functions have higher average accuracy than that of timbre features. Therefore, the proposed sound feature extraction method based on admittance features is valid, and the extracted sound features can effectively reflect the physical attributes.     

舰船螺旋桨轴频估计中线谱要素提取算法

舰船辐射噪声DEMON谱(调制解调谱)线谱要素提取是舰船螺旋桨轴频估计中的关键步骤。现有的线谱提取技术主要用于功率谱线谱检测,侧重于线谱频率的确定,不能满足舰船螺旋桨轴频估计需求。本文根据DEMON谱线谱的特点及人工提取线谱的过程,设计了一种新的线谱要素提取算法,改进了谱峰筛选技术,将多时刻的DEMON线谱基于最大似然估计和谱峰序列相似度加以融合决策,最终确定了线谱频率和幅值(峰值)及边界。通过实际数据验证,此线谱要素提取算法更适用于螺旋桨轴频估计,可提高轴频估计的准确率。     

用于特征提取的Gabor滤波器参数设计

Gabor滤波器的参数设计是Gabor特征提取过程中的一个重要环节。根据坦克的外形特,最及对方向的敏感性对其进行了针对性的参数设置,实验结果证明得到了很好的滤波效果。根据Gabor核函数的窗口特性,提出了一种自适应的基于Gabor滤波器的特征提取算法。该算法应用Gabor滤波器的多尺度特性与样本图像进行卷积,对Gabor域响应进行局部极大值提取,经过该方法得到的特征点有效地减少了数据冗余,并且具有较好的图像表征能力。     

一种基于多准则决策和PSO-LM混合优化算法的多峰Brillouin散射谱的特征提取方法

采用传统方法对多峰Brillouin散射谱进行拟合的过程中,通常是以谱线最大功率点为基准的,却忽略了其他比该点小但却是极值的功率点。这样获得的拟合曲线通常只有一个峰值,相当于把除最高峰之外还有多个小峰的多峰Brillouin散射谱进行了简化,导致大量有用信息的丢失。为了提高Brillouin散射谱的特征提取精度,提出了一种基于MCDM和PSO-LM混合优化算法的多峰Brillouin散射谱特征提取方法(MCDM-PSO-LM)。MCDM可以识别和准确定位多峰Brillouin散射谱的各个波峰和波谷;PSO-LM混合优化算法可以实现分别对各个波峰和波谷的曲线进行拟合并找到每一个波峰的中心频率,该算法既克服了PSO算法过早收敛于局部极值和LM算法依赖初值的问题,又可以将PSO算法的全局搜索能力和LM算法的局部收敛能力结合在一起。较传统算法而言,MCDM-PSO-LM算法保证了对最优值求解的速度和精度,提高了运算能力,使解析解最大限度地接近最优值。分别在不同信噪比和不同线宽条件下进行仿真验证,频移和温度误差分析结果表明,MCDM-PSO-LM方法可以对多峰Brillouin散射谱的各个波峰与波谷进行准确定位,可用于多峰Brillouin散射谱的特征提取,识别效果明显强于传统算法,提高了信息分析的准确性。