基于共振型高灵敏度光声光谱技术探测痕量乙炔气体浓度

乙炔气体作为判断变压器运行状态的一种故障气体,其浓度的高低反映了变压器的运行状况,因此对其浓度的探测在变压器的维护中具有重要意义。为了准确探测变压器运行过程中产生的乙炔气体浓度,为变压器的维护提供技术参数,针对基于DFB激光器的共振型光声光谱技术痕量乙炔气体检测技术开展研究,对传统的光声光谱探测系统进行改进。根据光声光谱技术的理论可知,光声信号的强度与入射激光的功率成正比,所以在光声池的出射窗口采用一个平面反射镜将红外光再次反射到光声池中以增加入射光功率,增强光声信号强度,进一步提高了光声系统的探测灵敏度。通过一定浓度的乙炔气体在不同调制频率和不同调制深度下光声信号强度的变化,确定光声探测系统的最佳调制频率和最佳调制深度为767 Hz和0.3 mV。利用不同浓度乙炔气体对系统进行标定,然后采用最小二乘法对光声信号与气体浓度进行拟合,二者具有很好的线性度。通过Allan方差计算可知,系统在平均时间达到200 s时,能够达到最低探测极限浓度。实验表明,在一个大气压下,积分时间为10 ms时,改进后的共振型光声光谱探测系统对乙炔气体的最低探测极限浓度达到了0.3 μL·L-1。还将小波去噪技术引入到低浓度下乙炔气体的光声信号处理中,有效消除了低浓度气体光声信号中的噪声,提高了信噪比。设计的共振型光声光谱探测系统操作简单,最低探测浓度符合国标中对变压器维护过程中对乙炔气体的探测需求,在变压器维护领域具有广阔的应用前景。     

时频域分形维数分析的光谱信号重叠峰解析算法

由于光谱谱线存在自然展宽、多普勒展宽、碰撞展宽等,使混合气体中多种成分的吸收光谱信号出现相邻谱峰重叠现象,给混合气体组成成分的定性或定量检测带来较大的困难。现有的方法在获取先验知识、处理精度、运算效率等方面存在不足。提出基于时频域分形维数分析的光谱信号重叠峰解析算法,结合小波的多尺度观测能力和分形的自相似度的度量能力,识别、定位和解析光谱信号中的重叠峰。首先利用小波对具有重叠谱峰的光谱信号进行光谱频率域和尺度域的分析,然后对该时频域的光谱信号在同一光谱频率下的多尺度数据进行自相似性度量和分形计算。逐频率计算后得到光谱信号在频率域的分形维数曲线。该曲线体现了光谱信号在不同尺度的自相似性,其极值位置与光谱信号的各独立峰的位置具有相关性。依据此特性,结合分形曲线的特征参数,最后利用神经网络解析出对应混合气体成分的混叠在一起的各个独立谱峰。该方法利用小波的多分辨率特性,对信号进行不同尺度的精细度量。分形模型则提高了系统解析复杂信号的能力,对重叠程度高的多谱峰重叠信号也有很强的处理能力。借助人工神经网络,实现了整个算法的自动测量。通过实验结果分析,验证了算法的有效性,并讨论影响算法效果的主要因素。     

End-point detection in potentiometric titration by continuous wavelet transform

The aim of this work was construction of the new wavelet function and verification that a continuous wavelet transform with a specially defined dedicated mother wavelet is a useful tool for precise detection of end-point in a potentiometric titration. The proposed algorithm does not require any initial information about the nature or the type of analyte and/or the shape of the titration curve. The signal imperfection, as well as random noise or spikes has no influence on the operation of the procedure.The optimization of the new algorithm was done using simulated curves and next experimental data were considered. In the case of well-shaped and noise-free titration data, the proposed method gives the same accuracy and precision as commonly used algorithms. But, in the case of noisy or badly shaped curves, the presented approach works good (relative error mainly below 2% and coefficients of variability below 5%) while traditional procedures fail. Therefore, the proposed algorithm may be useful in interpretation of the experimental data and also in automation of the typical titration analysis, specially in the case when random noise interfere with analytical signal.     

Tight wavelet frames for irregular multiresolution analysis

An important tool for the construction of tight wavelet frames is the Unitary Extension Principle first formulated in the Fourier-domain by Ron and Shen. We show that the time-domain analogue of this principle provides a unified approach to the construction of tight frames based on many variations of multiresolution analyses, e.g., regular refinements of bounded L-shaped domains, refinements of subdivision surfaces around irregular vertices, and nonstationary subdivision. We consider the case of nonnegative refinement coefficients and develop a fully local construction method for tight frames. Especially, in the shift-invariant setting, our construction produces the same tight frame generators as the Unitary Extension Principle.     

Multi-resolution analysis of wavelet transform on pressure fluctuations in an L-valve

A novel diagnostic method to characterize the flow patterns in an 80 mm-i.d. L-valve had been developed by using multi-resolution analysis (MRA) of wavelet transformation on the pressure fluctuation signals which were acquired from the standpipe and the horizontal part of L-valve. Parameters including the aeration rate, aeration positions, riser gas velocity and composition of binary particle mixture (194-μm and 937-μm sand particles) were used to investigate the relationship of performance of L-valve and its pressure fluctuations. By means of MRA, the original pressure fluctuations were divided into multi-scale signals. They were macro-scale, meso-scale and micro-scale successfully described the structures of gas–solid flow in the L-valve, such as the gas bubbles/slugs, dune-ripple flow, suspension particle flow, etc.     

烟草组分的近红外光谱和支持向量机分析

测定了120个产自福建、安徽和云南烟草样品的近红外光谱. 在利用支持向量机(SVM)技术建立其定量、定性分析模型之前, 用小波变换技术对光谱变量进行了有效的压缩, 然后采用径向基核函数建立了75个烟草样品的分类模型, 同时建立了总糖、还原糖、烟碱和总氮4个组分的定量分析模型, 并利用45个烟草样品对模型进行了检验. 仿真实验表明, 建立的SVM分类模型分类准确率达到100%, 而4个组分的定量分析模型的预测决定系数(R2)、预测均方差(RMSEP)和平均相对误差(RME)3个指标值显示其模型泛化能力非常强, 预测效果良好, 可见这是一种有效的近红外光谱的建模分析方法.     

基于BP神经网络的复杂彩色图像文本定位*

针对复杂彩色图像中文本的特征,提出了基于小波变换和BP神经网络甄别文本区域的算法.该算法首先利用文本块的边缘特征遴选出备选图像块,而后采用小波变换提取备选图像块的纹理特征,把这些纹理特征参量连同图像块的颜色特征和笔画特征参量输入训练好的BP神经网络,判断备选图像块是否包含文本.该方法运算简单,定位时间短.采用专用的文本定位比赛用图进行实验的结果表明,定位准确率可达到92％,召回率为87.4%.     

基于小波域三状态HMT模型的含噪图像增强

针对含噪图像增强问题,提出一种基于小波域三状态隐马尔可夫树模型的方法,采用三状态的高斯混合模型逼近小波系数的分布,不需要设定精确的阈值,依据期望最大算法训练得到的每个系数所属状态的后验概率,将系数区分为噪声系数、弱边缘系数和强边缘系数,然后通过抑制噪声系数,增强细节特征系数来达到对含噪图像增强的目的,并引入循环平移策略避免人工失真.通过对含噪的标准图像和人脑核磁共振图像进行仿真实验,并与几种经典的图像增强方法作视觉上的对比和定量分析.实验结果表明,本文所提出的方法具有很好的鲁棒性,在突出了图像中更多的细节信息的同时,可以有效抑制噪声.     

基于叶片光学属性的作物叶片水分含量反演模型研究

叶片含水量是反映作物生理特性的一个重要参数, 对生态环境的研究具有重要意义。采用小波分析方法, 分析叶片含水量对反射率的影响特征, 建立综合利用多波段信息的作物叶片水分含量反演模型。基于PROSPECT模型的辐射传输理论, 推导出由叶片反射率光谱的小波系数反演叶片水分含量CW的理论模型。利用六种常用的小波函数, 对叶片组分水、干物质和白化基本层的吸收光谱进行小波分解。选取对水分变化最敏感, 同时对其他组分不敏感的分解尺度和波段位置, 找到能稳定突出水的光谱特征的小波系数。结果表明: bior1.5小波函数在尺度为200 nm, 波段位置为1 405和1 488 nm的小波系数具有上述特征。建立由叶片反射率光谱的bior1.5小波系数反演叶片水分含量CW的反演模型, 模型有两个转换系数a和Δ都受叶片结构参数N的影响。利用PROSPECT模型生成模拟光谱数据集, 校正建立的叶片水分含量反演模型中的两个转换系数a和Δ, 并与LOPEX93实验光谱数据集结合验证反演模型。结果表明: 反演模型不仅比传统基于植被指数的统计模型在精度上有提高(反演值与实测值的R2最高达到0.987), 而且更加稳定, 普适性更高。研究表明, 小波分析方法在利用高光谱数据反演作物叶片水分含量方面具有独特的优势。