AOTF成像光谱仪声光晶体光谱传递函数的研究

基于AOTF的成像光谱仪是集图像、光谱及偏振信息为一体的新型探测仪器，仪器的光谱传递函数是衡量仪器性能的一项重要指标。介绍了单AOTF型和双AOTF型成像光谱仪的工作原理，利用光学域光谱透过函数，推导了以波数Δv表示的单、双型AOTF光谱传递函数，在工作波段为400 nm~900 nm内，计算对比了单、双AOTF型光谱传递函数，并对影响双AOTF型光谱传递函数的因素进行了仿真分析，最后对仪器参数的选取进行了分析和讨论。结果表明:在入射光极角30°, 声光互作用长度5 mm工作波段下，当双AOTF型成像光谱仪工作中心波长相等时，相比同一工作中心波长时的单AOTF型成像光谱仪，光谱传递函数提高了68%；当工作中心波长不相等时，双AOTF型光谱传递函数并不绝对优于单AOTF型，存在临界值。     

[Co(CO2)n]+团簇的红外解离光谱实验和理论研究

本文利用红外光解离光谱研究了一价钴阳离子与二氧化碳之间的相互作用. 通过密度泛函理论计算得到[Co(CO₂)_n]⁺团簇的几何结构，并且模拟了它们的振动光谱与实验数值进行比较. 研究结果表明，在[Co(CO₂)_n]⁺(n=2∽6)团簇中，钴阳离子通过电四极矩静电作用以端点结合的方式与二氧化碳中的氧原子结合在一起. 团簇的红外光谱都集中在二氧化碳反对称伸缩的波数附近，并且随着团簇尺寸的变化出现蓝移，最后把[Co(CO₂)_n]⁺的红外光解离光谱与稀有气体贴附的[Co(CO₂)_n]⁺-Ar的红外光解离光谱进行了比较.     

基于光谱技术的原料肉新鲜度指标在线检测系统开发及试验

为了实现原料肉新鲜度参数的无损在线实时评估，基于双波段可见/近红外反射光谱（350~1 100和1 000~2 500 nm）技术建立了原料肉新鲜度主要指标的在线检测系统。研究设计了装置的光源单元、光谱采集单元、控制单元和驱动单元，优化设计了光源固定支架和安放角度，编写了相应的控制程序，开发了实验室用和便于在不同生产线应用的两套在线检测系统。首先，对试验参数（传送带速度和样品到透镜入光口距离）进行了优化研究，通过光谱相似度比较和显著性分析，确定传送带速度是275 mm·s-1、距离是12 cm时能够获得更加稳定的光谱信号。然后，基于该试验参数，分别在静止和在线条件下采集了贮藏时间为1~13 d共50个猪肉样本的反射光谱，并利用抛物线拟合法对双波段光谱进行融合，以获取整条覆盖可见及近红外区域的完整光谱。为了使两个波段范围内的光谱数据点权重相同，在整个波段范围内均匀分布，借助三次样条插值法将所有光谱数据点以2 nm为间隔进行重新排布。采用窗口移动多项式最小二乘拟合法对光谱作平滑处理，采用标准正态变量变换对每条光谱进行标准化预处理，分别建立了静止和在线条件下新鲜度主要表征指标-颜色（L*，a*和b*）、pH和挥发性盐基氮的预测模型，以此验证所搭建系统的可靠性。经过对比分析，发现在线条件下的建模结果不如静止状态下的建模结果，这可能与在线采集时光谱存在漂移现象有关。进一步尝试利用一阶导数处理来消除基线漂移强化谱带特征，并对一阶导数和标准化处理顺序对建模结果的影响进行了探讨。结果发现先经过一阶导数再经过标准化处理，能更好地消除外部干扰造成的影响，建模结果更佳。在该处理方式下，基于第一波段光谱建立了颜色参数（L*，a*，b*）的预测模型，基于双波段光谱建立了pH和挥发性盐基氮的在线检测模型，预测相关系数分别为0.955 3，0.924 7，0.955 1，0.961 5和0.966 8。最后，为了验证模型的适用性，基于开发的便于在不同生产线应用的在线检测系统，利用独立的20个样本对在线模型进行外部验证，对颜色参数（L*，a*，b*），pH和挥发性盐基氮的预测相关系数分别为0.918 9，0.914 1，0.947 7，0.950 4和0.960 6。研究结果表明，该系统通过双波段光谱的实时采集和融合，可以获取更多反应样本内部信息的光学信号，具有更强的检测能力。结合设计的光路等其他硬件单元，可以同时获取样本表面更大区域的反射光谱信息，从而实现对原料肉新鲜度主要表征参数的无损、在线、实时评估。该系统便于组装和拆卸，可以适应不同企业生产线的实际需要，具有较强的实用价值和较好的市场前景。     

面向Li原子D1线频率测量应用的掺铒飞秒光纤光梳系统

报道了自主研制的面向Li原子D1线频率测量应用的掺铒飞秒光纤光学频率梳,包括飞秒激光源,频率探测及控制单元,光谱展宽及拍频单元.光纤光梳系统中飞秒激光光源是一套基于非线性偏振旋转锁模机制的掺铒飞秒光纤激光器,重复频率为196.5MHz,中心波长为1 572nm.利用f-2f法探测载波包络相移频率,获得信噪比约为40dB的信号(分辨率带宽300kHz).改变飞秒激光光源泵浦控制载波包络相移频率、频率稳定度是3.74×10-18/τ1/2;通过电光晶体和压电陶瓷改变飞秒激光光源腔长来控制重复频率frep、频率稳定度是1.75×10-13/τ1/2.利用高非线性光纤和倍频晶体将光纤光梳直接输出光谱由1 520～1 607nm扩展到671nm,获得了单模功率为208nW的光信号.与671nm单频激光拍频产生约为60dB(分辨率带宽1Hz)信号,满足Li原子D1线频率测量实验的需求.     

超光谱红外卫星资料同步反演不同地表类型的大气廓线、地表温度和地表发射率

大气温度、水汽、地表温度和地表发射率是大气和地表的本征信息量。利用卫星红外资料精确反演大气温湿廓线有利于准确预报天气和研究气候变化，同时地表温度和地表发射率光谱的反演为研究植物生长与作物产量、地表水分蒸发与循环、能量平衡、地表成分及物理性质、气候变迁与全球环境提供重要参数指标。把大气和地面作为一个整体系统来考虑，建立一种能同步反演大气温度廓线、大气水汽廓线、地表温度和地表发射率的反演方法，利用超光谱红外卫星资料(atmospheric infrared sounder, AIRS)，针对我国新疆地区沙漠和雪地两种典型发射率地表同步反演大气温度廓线、水汽廓线、地表温度和地表发射率。反演方法首先线性化地球-大气系统红外辐射传输方程, 提出通过经验正交函数构建大气廓线和地表发射率光谱，有效减少反演变量数，建立同步物理反演模式，然后以美国国家环境预报中心(National Centers for Environmental Prediction，NCEP)的预报结果(初始大气温度、水汽廓线以及地表参数)作为初始值，最后通过牛顿迭代得到最优化解。反演观测区域覆盖我国新疆塔克拉玛干沙漠和准噶尔盆地，分别选择位于塔克拉玛干沙漠腹地的塔中探测站(纬度38.98°, 经度83.64°)和准噶尔盆地的阜康荒漠生态系统国家野外科学观测研究站(纬度44.2°, 经度87.9° )为反演地面验证点。反演结果表明，塔克拉玛干沙漠地表温度明显高于准噶尔盆地地表温度，与实际情况相一致；根据反演的8.6和13.4 μm处的地表发射率分布情况，可以看出在8.6 μm处沙漠地表发射率明显低于雪地发射率，在6～15 μm范围内，反演的沙漠地区(塔中站)地表发射率和雪地地区(阜康站)地表发射率与美国喷气推进实验室测量的沙漠发射率光谱和雪地发射率光谱相一致。研究表明，把大气和地面作为一个整体系统来考虑，把地表发射率加入到反演中，通过比较和分析沙漠地区(塔中)和雪地地区(阜康)的大气廓线反演结果与当地气象探空值和传统反演方法反演值，改进了大气温度廓线和水汽廓线反演精度，特别是边界层温度和水汽改进尤为明显；同时分析表明在发射率光谱变化较大的沙漠地区, 大气廓线反演精度的改进比雪地要高，这是由于地表发射率光谱在沙漠、戈壁地区变化较大，而雪地的发射率光谱变化不大。用该方法针对地表发射率光谱变化较大的地区(沙漠)同步反演大气廓线、地表温度和地表发射率，可以更有效的提高大气温度廓线、水汽廓线的反演精度。该研究结果可以为数值天气预报和我国未来超光谱红外卫星应用提供服务和有力支持, 具有十分重要的意义。     

木材种类的近红外光谱和模式识别

木材的种类识别是木材加工和贸易的一个重要环节，传统的木材种类识别方法主要有显微检测法和木材纹理识别法，其操作繁琐，耗时长，成本高，不能满足当前需求。本研究利用木材的近红外光谱(NIRS)结合模式识别方法，以期实现木材种类的快速准确识别。采用近红外光谱结合主成分分析法(PCA)、偏最小二乘判别分析法(PLSDA)和簇类独立软模式法(SIMCA)三种模式识别对58种木材进行种类鉴别研究；5点平滑、标准正态变量变换(SNV)、多元散射校正(MSC)、Savitzky-Golay一阶导数(SG 1st-Der)和小波导数(WD)五种光谱预处理方法用于木材光谱的预处理；校正集和测试集样品的正确识别率(CRR)用于模型的评价。采用PCA方法，通过样品的前三个主成分空间分布图分辨木材种类的聚类情况。在建立PLSDA模型，原始光谱的正确识别率最高，分别为88.2%和88.2%；5点平滑处理的光谱校正集和测试集的CRR分别为88.1%和88.2%；SNV处理的光谱校正集和测试集的CRR分别为84.4%和84.5%；MSC处理的光谱校正集和测试集的CRR分别为83.1%和84.2%；SG 1st-Der处理的光谱校正集和测试集的CRR分别为81.8%和82.7%；WD(小波基为“Haar”，分解尺度为80)处理的光谱校正集和测试集的CRR分别为87.3%和87.2%。可知，在PLSDA模型中，木材光谱未经预处理种类识别效果最后好。在建立SIMCA模型过程中，原始光谱的校正集和测试集的CRR分别为99.7%和99.4%；5点平滑处理的光谱校正集和测试集的CRR分别为100%和100%；SNV处理的光谱校正集和测试集的CRR分别为99.5%和99.1%；MSC处理的光谱校正集和测试集的CRR分别为99.0%和98.4%；SG 1st-Der的光谱校正集和测试集的CRR分别为81.8%和82.7%；WD处理的光谱校正集和测试集的CRR分别为100%和100%。可知，在SIMCA模型中，木材光谱经平滑和小波导数处理后的识别效果最好，且光谱的校正集和测试集CRR都为100%。采用三种模式结合五种不同的预处理方法对木材近红外光谱进行定性建模识别时，由于木材样本属性复杂，主成分分布图相互交织，PCA无法识别出58种木材；原始光谱的PLSDA模型可以得到较好的判别模型，但校正集和测试集的CRR只有88.2%和88.2%；木材光谱经过5点平滑或WD预处理后的SIMCA模型可达到最好的识别效果，校正集和测试集的CRR均为100%，且WD-SIMCA模型因子数比5点平滑SIMCA模型小，模型更为简化，故WD-SIMCA为58种木材种类识别的最优模型。研究表明光谱预处理方法可以有效的提高木材种类识别精度，有监督模式识别方法SIMCA可以用来建立有效的木材识别模型，近红外光谱结合模式识别可以为木材种类的识别提供一种快速简便的分析方法。     

近红外光谱的古筝面板用木材等级识别研究

目前民族乐器古筝面板用板材的等级主要依靠乐器技师凭借个人经验进行判断，此方法受限于有丰富经验的技师且容易受其主观判断影响。针对此现状，以用于制作古筝面板的泡桐木材为实验样本，提出了一种利用近红外光谱结合改进的BP神经网络方法，实现快速识别古筝面板用板材的不同等级。近红外光谱可以表征丰富的物质结构与组成信息，并且测量仪器成本较低，附件形式多样化，所以针对泡桐板材的近红外光谱实验分析有实用意义首先进行光谱去噪，消除系统误差等以提高光谱分辨率，根据均方根误差与信号平方和作为多种预处理方法评价指标，选取一阶导数为本实验最终预处理方式，15为合适的滤波去噪窗口大小，然后通过主成分分析法压缩数据以及马氏距离法剔除建模集异常样本，从而建立更具代表性的建模集。然后通过聚类分析无监督学习方法进行板材等级分析，证明板材分级的可行性。由于H₂O在近红外光谱区域具有较大吸收，根据实验光谱分析结果，不考虑其基频振动波段5 396.0～4 978.0 cm-1区域和第一泛音振动波段6 800～7 000 cm-1区域，仅考虑剩余近红外光谱波段信息，将不同光谱信息波段组合，共七种组合波段区域作为神经网络模型的输入，进行面板板材等级识别模型实验。对传统的BP神经网络模型作改进。BP神经网络中学习率的设置采用自适应学习率优化策略，弥补传统神经网络训练速率慢等劣势。同时采用交叉熵函数作为代价函数，从而加快权重的更新速度。选取Relu函数作为输入层与隐藏层之间的传递函数，提高了模型训练速度，有效防止过拟合的发生。选取Softmax函数作为最后一层的传递函数，以此减少复杂计算，构成该研究最终BP神经网络模型。选取不同数量的主成分变量所能提取的光谱信息量不同，通过不断增加主成分个数和调整参与模型的光谱波段区间，调整BP神经网络模型的输入，当主成分个数为11和光谱区间为10 000～7 000和4 976～4 000 cm-1时，未知样本识别率达到99.7%，所选光谱区间涵盖C-H等基团全部特征信息。研究结果表明，近红外光谱结合神经网络可以对不同等级的泡桐木材进行有效的识别，降低人工检测误差，缩短板材分级时间，更好地满足乐器市场需求。     

不同含水量黑土土壤光谱反射率半经验模型构建

土壤含水量的变化情况与时空分布对热量平衡、农业墒情等具有显著的影响。利用反射率光谱信息反演土壤含水量的研究，可为实现土壤含水量速测、揭示土壤含水量时空变异规律提供科学依据。构建不同含水量黑土土壤反射率光谱半经验模型，深入探究土壤重量含水量与反射率光谱的关系。 制备了12种不同湿度的土壤样品。 采用ASD Field Spec Pro 3地物波谱仪对制备的不同湿度梯度的黑土土壤进行反射率光谱测量。 利用菲涅耳反射率建立土壤表面反射模型；在以往的研究中，Kubelka-Munk (KM)模型中的漫反射率R_∞通常被视为对于给定材料和照明波长的常数或需要反演的参数。通过研究发现，漫反射率R_∞不仅与材料和波长有关，还与土壤含水量相关。利用与土壤含水量相关的吸收系数及散射系数描述了土壤含水量与漫反射率R_∞的关系，并基于KM理论对体散射分量进行建模；进而构建不同含水量黑土土壤反射率光谱半经验模型。 根据实际测量数据选用最小二乘算法对模型参数进行反演，并通过分析反演参数简化模型。最后，将未参与建模的不同含水量梯度的数据代入模型中，验证模型的有效性。结果表明：对比不同含水量土壤反射率光谱的模拟值与实测值在400～2 400 nm波段范围内的模拟精度发现，含水量为200 g·kg-1的土壤反射率光谱的均方根误差最大，为0.008，含水量为40 g·kg-1的土壤反射率光谱的均方根误差最小，为0.000 6，不同含水量下土壤样品反射率光谱的均方根误差的均值是0.005 1。在400～2 400 nm波段范围内，不同波长下黑土土壤反射率光谱的预测均方根误差基本低于0.008，1 920 nm波长处的预测均方根误差最小，为0.002 062。采集长春地区的土壤检验模型的可靠性，配制15个不同含水量样品并对其进行反射率光谱测量。选取9个样品数据用于建模，6个样品数据用于验证。结果表明：在400～2 400 nm波段范围内，不同波长下的长春土壤反射率光谱的预测均方根误差基本低于0.015，525 nm波长处的预测均方根误差最小，为0.000 922 5。综上所述，所建立的模型具有很高的预测精度，可很好地适用于不同含水量黑土土壤反射率光谱的模拟。