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。     

基于凸组合核函数的化合物太赫兹透射光谱分类

物质的太赫兹光谱包含着非常丰富的物理和化学信息。它对化合物晶体具有高的灵敏度、 单光子能量低等特点。但受到检测人员知识背景、 背景噪声、 识别算法精度等因素的影响,光谱样本识别准确率和效率较低。为了提高对太赫兹光谱的检测能力,提出应用基于凸组合核函数的support vector machines(SVM)对化合物的THz脉冲透射谱进行分类。在使用小波变换对数据进行滤波预处理之后,提取了传统波峰、 波谷位置特征和term frequency-inverse document frequency (TF-IDF) 最大间隔特征。TF-IDF方法使用信息论的原理确定每个采样点的权重,选择权重较大的点作为特征。针对太赫兹透射谱特征相似、 维数较低带来的分类困难问题,构建基于凸组合核函数的SVM分类模型。并利用核评价的方法,通过高维非线性规划方程求解最优凸组合参数。当最优凸组合参数被确定时,构建分类模型进行分类和预测。相比较于单一核函数,凸组合核函数将透射谱特征与分类模型融合起来。对于不同的检测样本,数据经过凸组合核函数映射到高维空间后,特征具有更显著的区分度。使用不同的太赫兹透射谱样本进行分类实验,结果表明,分类准确率得到极大提高。     

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。     

基于三维荧光光谱结合二维线性判别分析的油类识别方法的研究

油类污染严重威胁到自然环境及人类健康。因此,识别和处理油类污染非常重要。由于三维荧光光谱能够表征石油的荧光特征,故一般利用三维荧光光谱法检测溶液中存在的油类污染物。但油类的三维荧光光谱数据维度较高且直接分析的难度较大,因此可以利用数据降维方法提取原始油类样本的光谱特征,并利用所得到的光谱特征对样本进行识别。基于此,利用二维线性判别分析（2D-LDA）对油类样本进行特征提取,研究提取的不同样本光谱特征的差别,将得到的光谱特征作为K最近邻（KNN）分类的输入,得到相应的分类结果。首先,分别配制四种不同的油类（柴油、汽油、航空煤油、润滑油）样本各20个,共计得到80个油类样本;然后,利用FS920光谱仪采集所有油类样本的三维荧光光谱数据;其次,对采集到的光谱数据进行预处理,去除光谱中散射的干扰并标准化;最后,利用2D-LDA算法对样本进行特征提取,利用KNN算法进行分类,并将其分类结果与经主成分分析(PCA)进行特征提取后的分类结果比较。研究结果表明,2D-LDA提取特征的分类效果优于PCA。利用2D-LDA分别提取发射和激发特征得到测试集识别的准确率相同且都为95%,而将发射和激发光谱特征的分类距离相结合并重新进行分类的准确率为100%。表明两类光谱相对于三维荧光光谱具有互补性,将发射和激发光谱特征相结合能够更好地对样本进行分类。而利用PCA对测试集识别的准确率仅为85%,表明2D-LDA对三维荧光光谱数据的特征提取效果更好。与PCA相比,2D-LDA通过类内散度和类间散度最大化投影向量来提取样本的特征,使得同类样本尽可能接近,不同样本尽可能分离。因此,2D-LDA具有使降维后的数据更容易被区分的特点,故其鲁棒性好。该研究为油类的降维识别提供了一种参考。     

基于支持向量机的中药太赫兹光谱鉴别

文章将支持向量机用于中药材太赫兹光谱识别.利用太赫兹光谱系统测得三组相似中药炙甘草和生甘草、南柴胡和北柴胡、山豆根和北豆根的太赫兹光谱,傅罩叶变换后得到它们的吸收系数作为分类鉴别的特征数据.用线内积函数、多项式内积函数和径向基内积函数分别构建三种小同的支持向量机,并建立误差反传神经网络(BP神经网络),分别用支持向量机和BP神经网络对中药的特征数据进行鉴别.识别结果比较表明,支持向量机在小样本情况下对中药两分类识别的效果明显超过BP神经网络.     

基于线性嵌入和张量流形的高光谱特征提取

为了使降维结果更好地体现高光谱数据的空间结构信息,并进一步提高分类精度,提出了一种基于线性嵌入和张量流形的高光谱特征提取算法。不同于其他流形结构的表达方法,所提算法采用协同表示理论求解全局线性嵌入的权重矩阵,更有利于保持高维数据的全局信息,提高了流形结构表达的准确性。同时,建立了基于多特征描述的张量流形降维框架,得到的显式映射具有较强的可靠性和全局适应性。实验结果表明:与主成分分析、局部线性嵌入、拉普拉斯特征映射和线性保留投影等算法相比,所提算法表现出了更优越的分类性能。     

基于t-SNE的恒星光谱降维与分类研究

随着天文学的发展以及天文望远镜观测能力的提升,国内外许多大型巡天望远镜将产生PB级的恒星光谱数据。恒星光谱是来自恒星的电磁辐射,通常由连续谱与吸收线叠加而成,其差异源于恒星的有效温度、表面重力加速度以及元素的化学丰度等。恒星光谱自动分类是天文数据处理的一项重要研究内容,是研究恒星演化和参数测量的基础。海量的恒星光谱对分类方法提出了高效、准确的要求。传统的人工分类方法存在速度慢、精度低等缺点,已经无法满足海量恒星光谱特别是低信噪比恒星光谱自动分类的实际需要,机器学习算法目前已经被广泛地应用于恒星光谱分类。恒星光谱的一个显著特征是数据维度较高,降维不但可以实现特征提取,而且可以降低计算量,是光谱分类的首要任务。传统的线性降维方法如主成分分析仅依据方差对光谱进行降维,不同类型的光谱在投影到低维特征空间后会出现交叉现象,而流形学习能够产生优良的分类边界,很好地避开重叠,有利于后续的分类。针对光谱数据维度较高的特点,研究了光谱数据在高维空间内的分布以及流形学习对高维线性数据降维的原理,比较了t-SNE和主成分分析两种降维方法对光谱数据降维的效果,并使用基于属性值相关距离的改进的K近邻算法进行光谱分类,最终对实验结果进行了分析并使用多种机器学习分类器进行比较和验证。采用Python语言及Scikit-learn第三方库实现了算法,对SDSS的12 000条低信噪比的恒星光谱进行实验,最终实现了光谱数据的高精度自动处理和分类。实验结果表明,对于光谱数据的降维处理,基于流形学习的t-SNE方法能够在高维光谱数据中恢复低维流形结构,即找出高维空间中的低维流形,并解出与之对应的嵌入映射,在降维过程中最大程度地保留不同类别光谱样本之间的差异从而产生明显的分类边界。特征提取后,使用机器学习分类器能够在测试数据集上达到满意的分类准确率。所使用的方法也可以应用于其他的巡天望远镜产生的海量光谱的自动分类以及稀少天体的数据挖掘。     

基于UMAP辅助的模糊C聚类方法进行太赫兹光谱识别

太赫兹(THz)具有低能性、瞬态性、波谱分析能力强的优点,在物质鉴别方面具有广阔的应用前景。现有的基于THz的物质鉴别方法,虽然取得了一定的效果,但是存在容易陷入局部最优的问题,从而导致识别精度不高。均匀流形逼近与投影(UMAP)作为一种非线性降维方法,其假设数据均匀分布在黎曼流形上,可以对具有模糊拓扑结构的流形进行建模。UMAP降维的过程是通过最小化两个拓扑表示之间的交叉熵,从而实现低维空间中数据表示的布局优化。传统的模糊C聚类方法（FCM）在聚类时,初始聚类中心往往随机给定,当初始聚类中心选择不恰当时,容易导致错误的聚类。为此,提出一种基于UMAP辅助的模糊C聚类算法,首先运用UMAP对输入的THz样本矩阵进行降维;再根据类与类之间距离最大化的原则,选择合适的初始聚类中心;最后利用模糊C均值聚类的方法进行聚类。所提出的方法不仅能够解决聚类过程中类与类之间过度拥挤的现象,而且能够反映出类别间的距离信息以便于给样本选择合适的初始聚类中心。为了验证提出的聚类方法的可靠性,运用太赫兹时域光谱技术对鲁棉研28、鲁棉研29、鲁棉研36、中棉28四种不同类型的转基因棉花种子进行了探测,利用基于UMAP辅助的模糊C聚类算法对转基因棉花种子的吸光度光谱数据进行聚类分析,成功地将四种不同类型的转基因棉花种子区分开,得到了总正确率为0.983 3的聚类效果,说明提出的基于UMAP辅助的模糊C聚类算法在物质太赫兹光谱识别方面具有良好的应用前景。     

氨基酸官能团的太赫兹振动模式研究

对比于氨基酸的红外分析法,太赫兹波的电子能量更低,可实现无损检测。氨基酸分子内原子振动、分子间氢键的作用、以及晶体中晶格的低频振动均处于太赫兹波段,使其在太赫兹波段具有吸收峰,且不同的氨基酸分子太赫兹吸收峰不同,故可用氨基酸在太赫兹波段的这种“指纹特性”实现氨基酸类物质的定性分析。量子化学分析方法可以应用量子力学的基本原理和方法,研究稳定和不稳定分子的结构、性能及其之间的关系,还可以针对分子与分子间的相互作用、相互碰撞及相互反应等问题进行研究。通过量子化学计算方法计算氨基酸分子的太赫兹吸收谱,可以为氨基酸分子的太赫兹吸收峰匹配分子振动模式,对氨基酸定性分析有一定参考性与指向性,并为实验获取的样品太赫兹时域光谱提供理论支撑,在实验获得太赫兹吸收谱的基础上进行量子化学计算,还能为实验结果进行验证。首先利用太赫兹时域光谱技术获取了谷氨酰胺、苏氨酸、组氨酸的太赫兹吸收谱,分别构建这三种氨基酸样品在实物中以两性离子形式存在的单分子构型,利用量子化学计算方法在完成结构优化后进行太赫兹吸收谱模拟计算。计算结果表明三种氨基酸单分子的太赫兹吸收谱计算结果与实验获取的太赫兹吸收谱差异较大,但在高频段吸收峰峰位基本吻合。通过GaussView分别查看了这三种氨基酸分子在太赫兹段内的吸收峰对应频率处的振转情况,发现在高频段内三种氨基酸分子官能团均只发生转动而未见振动,并且转动模式基本一致。通过对氨基酸官能团的太赫兹吸收谱进行量子化学计算,将官能团在高频段内吸收峰对应频率处的振转模式与三种氨基酸分子在该段内吸收峰对应频率处的振转模式做了对比。研究表明,在氨基酸单分子构型下由量子化学方法计算所得的太赫兹吸收谱中,高频段内计算得出的模拟吸收峰与实验获取的太赫兹吸收峰基本吻合;振转模式分析发现,谷氨酰胺、苏氨酸、组氨酸在太赫兹高频段内的氨基酸官能团振转模式相同,三种氨基酸分子在高频段内的吸收峰主要来源于氨基酸官能团。因此,结合量子化学计算与太赫兹吸收谱可以实现氨基酸类物质的定性分析。     

RNA碱基的太赫兹光谱和拉曼光谱特征研究

应用傅里叶红外光谱仪和激光拉曼光谱仪测试了RNA碱基在太赫兹波段(1～10 THz)的红外和拉曼光谱,同时结合Guassian09软件和周期性边界条件下基于能量的分块方法(PBC—GEBF),分析了RNA碱基晶体的红外和拉曼光谱特征,得到了所有特征峰位置及其对应的振动模式,且计算光谱与测试光谱一致吻合,表明碱基粉末样品为无定形晶体结构。通过对红外光谱的分析可知,在太赫兹波段,腺嘌呤和鸟嘌呤都有6个红外活性振动模式,胞嘧啶和尿嘧啶分别为6个和3个红外活性振动模式,与实验结果相比,除了鸟嘌呤6.35 THz处的弱吸收峰没能重现,4.83和5.39 THz处的吸收峰简并;胞嘧啶4.3和4.79 THz处吸收峰简并;尿嘧啶3.32和3.82 THz处的吸收峰简并外,其他吸收峰的位置和强度均被准确地模拟重现。通过对拉曼光谱的分析可知,理论和实验光谱基本一致,除了尿嘧啶3.52和4.48 THz处特征峰简并;鸟嘌呤7.26和8.03 THz,3.57,4.02,4.49,4.89和5.98 THz处特征峰简并外,其他特征峰的位置和强度均被准确的模拟重现。通过对特征峰的分析和辨认,可知在1～10 THz,RNA碱基的振动模式均来源于晶格内分子的集体振动,分子间的氢键和弱相互作用力对振动模式的贡献很大,进一步分析可知,在1～5.5 THz,其振动模式来自所有原子参与的集体振动,在5.5～10 THz,振动模式来自于部分原子参与的集体振动。此项研究对揭示RNA碱基在构成生物大分子结构、生物大分子鉴定以及太赫兹波段光谱的形成机制等方面,具有重要的理论和实际参考价值。     

NIRS feature extraction based on deep auto-encoder neural network

As a secondary analysis method, Near Infrared Spectroscopy (NIRS) needs an effective feature extraction method to improve the model performance. Deep auto-encoder (DAE) can build up an adaptive multilayer encoder network to transform the high-dimensional data into a low-dimensional code with both linear and nonlinear feature combinations. To evaluate its capability, we experimented on the spectra data obtained from different categories of cigarette with the method of DAE, and compared with the principal component analysis (PCA). The results showed that the DAE can extract more nonlinear features to characterize cigarette quality. In addition, the DAE also got the linear distribution of cigarette quality by its nonlinear transformation of features. Finally, we employed k-Nearest Neighbor (kNN) to classify different categories of cigarette with the features extracted by the linear transformation methods as PCA and wavelet transform-principal component analysis (WT-PCA), and the nonlinear transformation methods as DAE and isometric mapping (ISOMAP). The results showed that the pattern recognition mode built on features extracted by DAE was provided with more validity.     

基于太赫兹光谱技术的D-无水葡萄糖定性定量分析研究

葡萄糖是生命活动中重要的有机分子,研究葡萄糖在太赫兹波段的吸收特性并开展定性定量分析研究具有重要意义。太赫兹光谱对大分子物质具有特异性,当光谱穿透生物大分子时,由于分子间作用力和分子转动振动等因素影响,会产生太赫兹光谱下的特征指纹峰,不同大分子物质的指纹峰具有特异性,利用这一特征可以对不同大分子物质进行鉴别。本研究选取D-无水葡萄糖为研究对象,首先运用太赫兹时域光谱技术测量得到葡萄糖样品的时域光谱,测得的时域光谱经过傅里叶变换得到频域光谱,再采用Dorney和Duvillaret方法计算得到吸收系数,研究样品的吸收特性,然后开展了数学建模研究并建立了D-无水葡萄糖含量与太赫兹光谱的定量预测数学模型。研究结果表明,D-无水葡萄糖在太赫兹波段呈现明显的吸收特性,比较多元线性回归与偏最小二乘方法建立的回归模型,通过多元线性回归对样品的特征指纹峰建立的回归模型,得到的预测模型精度较高,稳定性较好,模型的校正集相关系数达0.977 2,均方根误差为0.061 6,预测集相关系数为0.992 7,预测均方根误差为0.055 2,从而太赫兹时域光谱技术可用于有效开展D-无水葡萄糖定性定量研究,该研究为运用太赫兹光谱技术手段开展果蔬、食品、药品中葡萄糖含量快速检测提供方法参考。     

基于时频谱特征的白酒品质分类方法研究

为了建立快速、准确的白酒品质鉴别方法,利用机器学习方法对不同品质的白酒建模。为了提取不同品质白酒的特征,使用离子迁移谱对不同品质白酒进行分析,构建了基于白酒离子迁移谱信号的特征向量,并对不同品质的白酒进行了识别与分类。白酒样本的离子迁移谱信号通过利用美国Excellims公司GA2100型电喷雾-离子迁移谱仪（ESI-IMS）采集获得,每一个离子迁移谱信号是强度随时间变化的时间序列信号;提取了原始数据离子迁移谱的时域特征谱峰。为了获得更全面的特征,对离子迁移谱数据进行了傅里叶变换并提取频域内的特征谱峰。同时为了表述信号变化的特征,计算了离子迁移谱的谱熵和过零率,构建N×9维的特征向量矩阵;使用主成分分析(PCA)和线性判别分析(LDA)分别对上述获得的特征进行了特征降维,其中使用PCA对特征向量矩阵降维后的前三维特征对整体特征的累计贡献率达到了95%,而使用LDA对特征向量矩阵降维后的前两维特征对整体特征的累计贡献率就达到了95%。因此,选择了LDA作为特征降维方法;最后,利用机器学习中的非线性分类器支持向量机(SVM)对白酒离子迁移谱数据进行分类研究。实验结果表明,在真酒和添加酒精的白酒二分类中,SVM方法正确分类率达到100%;而在真酒和分别添加10%,20%,30%,40%和50%酒精浓度的五种假酒的六分类中,SVM方法正确分类率达到99.7%。比较了逻辑回归(LRM)分类、模糊C均值分类(FCM)和K近邻分类(KNN)对白酒样本离子迁移谱分类实验结果。研究表明,对于离子迁移谱非常接近的真酒和添加酒精的白酒,基于频谱特征向量的SVM方法能够准确的区分开来,为白酒的品质鉴别提供了一种新的检测方法。     

基于迈克尔逊干涉仪的太赫兹光谱高速探测方法研究

太赫兹光谱技术作为获取物质在太赫兹频段信息的主要方法,已经被广泛应用于物质成分的测定,而其在成分分布成像方面则有着更广阔的应用前景,例如片剂药品的有效成分检测、行李安检的危险物品检测等。现有的太赫兹光谱探测方法时域光谱技术（THz-TDS）和频域光谱技术（THz-FDS）均不能很好地兼顾光谱分辨率与扫描时间;且获得物质光谱数据往往要花费数秒乃至数分钟时间（取决于光谱仪的结构）,这对多像素成像系统显得过于迟缓,更无法达到视频成像的速率需求,严重制约了太赫兹光谱成像的实际应用。目前的太赫兹波成像多为全频段波强度成像,只能反映样品的空间分布信息,并不能反映出样品的光谱即成分信息。因此,对太赫兹光谱探测速率的提升十分迫切,太赫兹光谱高速探测的实现不仅可以显著减少物质成谱的实验耗时,还为实现物质的太赫兹光谱成分分布成像提供了可能。提出了一种基于迈克尔逊干涉仪的太赫兹光谱高速探测方法,在设计了该方法装置结构的基础上,理论分析了其工作过程,同时进行了太赫兹光谱的计算。然后从数据采样、数据处理及参数选择这几个方面进行问题分析,计算得出该方法能够显著加快物质太赫兹光谱的扫描获取速率。最后,对该方法建模进行仿真研究,模拟实现其完整的探测过程。在仿真研究中,以太赫兹辐射源的频谱分布为例,将该方法的建模仿真结果与时域光谱技术（THz-TDS）测试结果进行了对比,结果表明时域光谱技术（THz-TDS）所测得的频谱曲线可以近似看作是该高速光谱探测法所得频谱曲线的包络线,两种不同方法所得频谱结果具有较强的一致性。总之,该方法能够进行样品的太赫兹光谱探测,且在保证分辨率相同的前提下,较时域光谱技术（THz-TDS）显著加快了成谱速率,为实用、高通量太赫兹光谱成像提供了一种可能。     

1,4-萘醌的太赫兹,远红外及低频拉曼光谱研究

本文对1,4-萘醌进行了太赫兹时域光谱,远红外吸收光谱及低频拉曼散射谱的测试研究。1,4-萘醌的太赫兹吸收光谱与远红外谱仪测得的光谱取得了在1.75 THz(58.3 cm-1)/1.63 THz(54.3 cm-1)等处吸收峰位基本相同、两者相互佐证和补充的结果。将太赫兹和远红外吸收谱与低频拉曼散射谱进行比较,表明两种选择机制不同的光谱在1.04,1.72和4.59 THz等处的峰位基本重合,结合群论的不可约表示理论分析,表明该样品在低频波段具有拉曼活性和红外活性的振动属性(A1、B1或B2)。采用Gaussi-an03软件的密度泛函理论B3LYP函数和6-311基组模拟单分子红外与拉曼光谱,结合实验分析,对部分分子基团或原子振转模式给与了指认。     

太赫兹时域光谱在邮件隐匿危险品检测中的应用

随着电子商务的快速发展,邮件数量剧增,在邮件中隐匿危险品已经成为犯罪分子重要的犯罪手段,威胁公共安全和社会稳定。邮件的安全检查变得尤为重要,而常规的检测技术不能准确识别危险品。太赫兹波是介于红外和微波之间的电磁波,邮件中隐匿的爆炸物、毒品和有害生物因子等在太赫兹波段存在特征吸收光谱,而邮件常用的非极性包装材料可以被太赫兹波穿透。太赫兹波还具有低能性、相干性等特性,这些特性使得太赫兹技术可以实现邮件隐匿危险品高灵敏度的无损检测。文章介绍了太赫兹技术的特性,太赫兹时域光谱系统的组成和获取光学常数的菲涅尔公式解析法。该方法通过样品透射或反射信号和参考信号来获取包括吸收光谱在内的材料参数。将样品的太赫兹特征吸收光谱和已建立的各种危险品的光谱特征数据库进行比对,可以判断是否为危险品以及危险品种类。对爆炸物、毒品在太赫兹波段的特征吸收光谱的研究成果,及在各种非极性材料遮挡下吸收光谱的特异性的研究进展进行了总结。获取吸收光谱的解析法适用于较厚样品,针对薄样品,还介绍了一种P-谱法。该方法不需要参考信号就能准确获取覆盖物下样品的吸收光谱。除直接利用吸收光谱做检测外,近些年还提出了很多其他识别危险品的方法,如光谱动力学分析法,化学计量学方法和基于太赫兹时域光谱的成像分析法等。其中,光谱动力学分析法可以很好的区分吸收频率有重叠的物质;化学计量学方法可以对混合物进行成分的定性和定量分析;光谱成像法可以完成较大面积的隐匿危险品识别。分析了太赫兹时域光谱技术识别有害生物因子的可行性,以及针对有害生物因子携带量小的特点,总结了太赫兹时域光谱技术在提高生物因子检测灵敏度方面的研究进展。探讨了太赫兹技术在邮件安检应用中一些有待解决的问题,如太赫兹功率有限、受环境因素影响较大、缺乏统一的标准等,展望了未来的发展趋势。