基于最小二乘法的动态光谱补偿拟合提取

高信噪比的动态光谱(dynamic spectrum,DS)提取是实现高精度动态光谱血液成分无创检测的一个关键。为了进一步提高提取的精度和速度,从原理上分析了各单波长光电容积脉搏波(photoelectric plethysmography,PPG)的线性相似性,并基于此性质提出了补偿拟合法:首先按照PPG单周期采样点数进行滑动平均得到漂移基线进行补偿,除去基线漂移;其次用各波长对数PPG与全波长叠加平均模板PPG进行最小二乘拟合,提取一次项系数构成DS。利用拟合提取法对近红外和可见光波段各25组PPG数据样本进行DS提取实验验证,并将结果与单沿提取法进行平滑性指标的对比,结果表明:近红外和可见光波段补偿拟合法获取DS的平均方差分别为单沿提取法的77.9%和59.5%,稳定提高了DS的平滑性;近红外和可见光波段补偿拟合法处理时间分别可以达到单沿提取法的10%和20%,处理速度得到显著改善。补偿拟合法在单沿提取法的基础上稳定提高了DS的信噪比,改善了DS提取质量,缩减了提取时间,并简化了处理步骤,有望推动DS无创血液成分检测的发展。     

茶叶中咖啡因提取条件优化及方法对比

对索氏、超声波及微波提取咖啡因的条件进行优化与对比.利用正交试验优化提取条件,对结果进行比较,索氏法提取率最高.最佳条件为:95％乙醇、提取60min、低温升华80min,平均提取率为79.8mg/5g.该方法简单,易于操作,具有一定的实际意义.     

太阳电池单二极管模型中的参数提取方法

近年来,太阳电池参数提取方法获得了广泛关注.原因在于匹配的电池参数,可以有效减少内外因素对光伏阵列发电效率的影响.本文以太阳电池单二极管模型为讨论对象,对其五个参数的提取方法进行了详细介绍;对目前典型的四类太阳电池参数提取方法 (即解析提取参数方法,借助朗伯W函数函数提取参数方法,构建或利用特殊函数提取参数方法,利用智能算法提取参数方法)进行归纳与总结.阐述了这些方法的主要理论与实现途径,更重要的是对它们的优缺点进行了探讨.最后,对参数提取未来的研究动态进行了展望,以期对参数提取方法提供一些思路,为国内同行开展相关研究提供一些帮助.     

基于表面等离子激元的双金属光栅结构提高LED光提取效率的研究

为了提高GaN基LED的光提取效率,构建了一种在金属银膜上下表面分别刻蚀光栅结构的双光栅LED模型。利用时域有限差分法（FDTD）进行数值模拟,比较了无银膜、无光栅、单光栅、双光栅模型下LED的光提取效率。结果表明：在光栅周期为300 nm,占空比为0.23,银膜厚度为30 nm,光源深度为150 nm时,光提取效率较单光栅结构提高了6倍,较无光栅结构提高了16倍。     

响应面分析法优化玉竹多糖提取工艺

在提取时间、料液比、提取温度3个单因素实验的基础上,通过响应面法优选玉竹中多糖的提取条件.利用Box-Benhnken设计模型,研究3个变量对玉竹多糖提取率的影响.结果表明：最佳提取工艺为：提取时间72min,料液比1∶7.5g·mL^-1,提取温度81.6℃,在此条件下,玉竹中多糖的提取率可达10.82％,理论预测值为10.89％,相对误差为-0.64％.说明采用响应面分析法优化玉竹多糖的工艺条件准确、可靠.     

基于高光谱图像的玉米种子特征提取与识别

玉米种子的形态特征是玉米品种识别的重要因素之一.采用高光谱成像系统获取9个品种共432粒玉米种子的高光谱反射图像,对图像进行校正和预处理,提取每个样本在563.6～911.4nm共55个波段范围内的形状特征.分别利用单波段、多波段和全波段下的玉米种子形状特征结合偏最小二乘判别法进行模型分类.结果显示,全波段范围内训练集和测试集的平均正确识别率达到98.31%和93.98%,均优于多波段和单波段的正确识别率.研究表明,该方法能充分利用高光谱图像中可见光和近红外区域的有效特征信息,较准确地鉴别玉米品种,为玉米品种的自动识别领域提供了一种新方法.     

基于高光谱图像的玉米种子特征提取与识别

玉米种子的形态特征是玉米品种识别的重要因素之一.采用高光谱成像系统获取9个品种共432粒玉米种子的高光谱反射图像,对图像进行校正和预处理,提取每个样本在563.6~911.4 nm共55个波段范围内的形状特征.分别利用单波段、多波段和全波段下的玉米种子形状特征结合偏最小二乘判别法进行模型分类.结果显示,全波段范围内训练集和测试集的平均正确识别率达到98.31%和93.98%,均优于多波段和单波段的正确识别率.研究表明,该方法能充分利用高光谱图像中可见光和近红外区域的有效特征信息,较准确地鉴别玉米品种,为玉米品种的自动识别领域提供了一种新方法.     

基于离散余弦变换和支持向量机的多光谱纹理图像的茶叶分类研究

提出一种利用多光谱图像纹理特征进行茶叶分类的新方法.图像由Ms3100-3CCD光谱成像仪获得,光谱成像仪提供近红外(NIR)、红色(R)和绿色(G)的3个波段的图像.首先对原图像的NIR波段图像提取均方值,然后应用离散余弦变换算法,构造出8个带通和高通滤波器对NIR通道的图像进行滤波并提取均方差值,最后应用支持向量机技术,分别对原图像的NIR提取的均方差值和用8个滤波器滤过的图像提取的均方差值进行建模.茶叶样本总共为240个,训练和预测各为120个,每种训练样本和预测样本各为20个.结果表明经过8个滤波器处理图像的识别率为100%,而没有经过滤波处理的纹理图像识别率只有73.33%,说明离散余弦变换算法设计的滤波器是一种非常有效的纹理识别技术,此实验同时也为茶叶的分类提供一种快速和无损的新方法.     

基于多小波变换的红外目标探测与识别

针对光电联合变换相关器目标识别的实际应用,对待测红外目标图片进行多小波变换,并利用模极大值法提取其边缘.通过获取更多的轮廓信息,从而提高对目标的识别能力.计算机模拟了常用于红外目标处理的多小波GHM和SA4,实验结果表明:基于GHM多小波提取的边缘能获取大量的图像轮廓信息,其识别结果明显优于SA4多小波.将目标原图的光学相关探测结果与基于GHM多小波提取的边缘图像光学相关探测结果进行比较发现,经多小波预处理后的边缘图像能有效增强相关峰强度.     

基于高斯拟合的条纹管成像激光雷达目标重构

为得到更为精细的三维重构,提出一种基于信赖域法高斯拟合的峰值探测法,对每帧图像单时间通道的回波进行高斯建模,建模结果可有效减小噪声干扰,具有唯一峰值,该结果作为新的回波波形,再对其进行峰值探测,并基于空中目标实验数据对本文方法进行验证.实验结果表明,基于高斯拟合的峰值探测法可将特征数据的提取误差降至10%以内;利用该方法提取特征数据进行目标三维重构,可实现探测深度方向上最小30cm的空间分辨力,提高了条纹管激光雷达的三维成像精度.