基于集合经验模态分解和奇异值分解的激光雷达信号去噪

为了提高差分光柱像运动激光雷达(DCIM雷达)探测信噪比,提出了一种基于集合经验模态分解(EEMD)和奇异值分解(SVD)的混合降噪法.由EEMD获得含噪信号多层模态分量,根据各模态分量之间互相关系数的差分量确定主要噪声并予以滤除,利用奇异值分解识别模态分量中的残余噪声并提取有用信号.利用混合降噪法EEMD-SVD和EEMD方法分别对模拟仿真信号和实测激光雷达信号进行降噪处理.结果表明,当模拟噪声标准差在0.05~0.2之间时,相比与未降噪直接反演的湍流廓线,EEMD-SVD方法降噪后反演的湍流廓线信噪比提高了2.718 7dB~6.921 5dB,相应的EEMD方法提高了1.446 1dB~3.366 1dB;两个不同时段DCIM雷达降噪前后反演廓线与探空廓线的对比发现,EEMD-SVD和EEMD两种方法降噪后反演廓线较之于未降噪的反演廓线,信噪比最大提高了2.526 5dB和2.155 6dB.EEMD-SVD的降噪效果优于EEMD,能够更有效地识别和滤除噪声,较大地提高了原始信号的信噪比,获得更准确的大气湍流廓线反演结果.     

高光谱结合主成分分析的苎麻品种识别

苎麻（Boehmeiria nivea L）是我国的特产,作为一种传统的纤维作物,一直有着较高的经济地位。开发一种基于高光谱的、新型高效的苎麻品种识别方法,有利于苎麻栽种、种质资源开发利用,为实现苎麻高产优质及麻田精准管理提供关键技术支撑,对提高苎麻产量和品质有重要意义。为了将高光谱技术应用于苎麻品种识别,采集了9个不同基因型苎麻品种,利用地物光谱仪测定苎麻叶片高光谱反射率,共1 458个叶片高光谱数据,利用主成分分析(PCA)对高光谱数据进行降维,探讨PCA最佳主因子个数的确定方法,比较不同主因子个数与不同判别分析(DA)方法--即线性判别分析(LDA)、二次判别分析(QDA)和马氏距离判别分析(MD-DA)组合,在建立基于叶片高光谱的苎麻品种识别模型中效果。对全波段的数据样本进行主成分分析之后,以2～20个主成分作为特征变量,分别建立LDA,QDA和MD-DA三种品种判别模型进行预测,以预测集正确率为评价标准,比较各种组合的效果。结果表明,若以累积贡献率≥85%为标准,选择2个主成分时,LDA,QDA和MD-DA三种判别模型预测集正确率分别为32.92%,38.48%和33.54%;以特征值≥1为标准,选择11个主成分时,三种判别模型预测集正确率分别为68.72%,87.04%和83.54%;若以预测集正确率为优先考虑标准,将主成分个数增加至20个时,三种判别模型正确率有较大提高,分别为84.98%,95.68%和95.27%。由此,得到如下结论：①利用PCA组合DA方法建立基于苎麻叶片高光谱的品种识别模型是可行的,但因子数不同、DA判别标准不同、组合方法不同效果差异非常大;②主因子个数对识别结果的影响较为明显,适当增加主成分个数可以显著提高模型判别正确率,因此不应局限于PCA特征值和方差累积贡献率的选择方法;③主因子个数相同时,三种判别标准中,QDA效果最好,LDA效果最差;④最佳组合是20个主成分+QDA方法,其数据维度大大降低（由全波段的2 031维降低20维）,而预测集正确率为95.68%。     

高光谱成像的水稻螟虫蛀入检测方法

为了控制水稻螟虫预警和喷洒农药用量,实现对水稻螟虫虫害的无损检测,提出了基于主成分分析特征波段检测方法和基于迭代阈值的最优波段检测方法,确定了水稻茎秆螟虫检测的特征波段和最优波段,提取出单波段和组合波段的图像来分割虫孔,从而实现水稻螟虫的精准的无损检测。首先通过高光谱得到的120个样品反射率信息分析确定了光谱区域为450～1 000 nm。基于主成分分析特征波段检测方法,对高光谱图像进行主成分分析,通过前五个主成分图像比较确定第三主成分图像为最佳,然后根据第三主成分图像中各个波段的贡献率来选取特征波长（668.8和750 nm）,最后结合全局阈值分割和图像掩膜等图像处理方法实现对虫孔区域的判别。而利用基于迭代阈值的最优波段检测方法,在可见光波段450～750 nm范围和近红外波段750～1 000 nm范围内应用混合距离挑选最佳的单波段,通过单波段来确定组合波段,对单波段和组合波段进行迭代阈值分割,其中753.5 nm波长分割效果最好,故确定753.5 nm为最优波长,然后提取该波长的图像采用一种基于迭代阈值虫孔提取方法和形态学处理,最后能对水稻茎秆虫孔区域进行判别来实现水稻茎秆虫害是否存在。对60个虫害水稻茎秆和60个正常水稻茎秆进行检测,应用基于主成分分析特征波段检测方法在668.8和750 nm波长处检测率分别为95.8%和93.3%,而应用基于迭代阈值的最优波长检测方法在753.5 nm波长处检测率高达96.7%。说明利用基于迭代阈值的最优波长检测方法对水稻螟虫的检测更加精确,也说明所获取的特征波段和最优波段为以后水稻螟虫虫害的多光谱成像技术提供了理论参考。     

小波阈值降噪模型在红外光谱信号处理中的应用研究

针对近红外光谱经常受到噪声干扰的特点,提出了利用小波阈值降噪方法进行光谱数据的降噪处理,以山羊绒表面油脂的近红外光谱检测为例,对比分析了三种小波阈值降噪模型(Penalty阈值降噪模型、Brige-Massart阈值降噪模型、缺省阈值降噪模型)的降噪性能。对降噪后的光谱数据采用偏最小二乘和支持向量机回归相结合建立了校正和预测模型,通过对比校验参数R2,RMSEC,RMSEP,分析评价了三种小波阈值降噪模型的降噪效果。结果表明: 三种降噪模型都能在一定程度上降低光谱信号的噪声,提高信噪比,改善光谱预测模型的精度,其中,Brige-Massart阈值降噪模型和缺省阈值降噪模型的降噪效果明显优于Penalty阈值降噪模型,与原始光谱信号建模的预测精度(R2=0.793,RMSEC=0.233,RMSEP=0.225)相比较,经过Brige-Massart阈值降噪模型降噪后的光谱信号建模的预测精度(R2=0.882,RMSEC=0.144,RMSEP=0.136)和经过缺省阈值降噪模型降噪后的光谱信号建模的预测精度(R2=0.876,RMSEC=0.151,RMSEP=0.142)均有较大程度的改善和提高,说明提出的小波阈值降噪方法能有效地降低原始光谱噪声作用,使光谱数据多变量分析模型更具有代表性和稳健性, 从而可以提高模型的预测精度。     

应用可见-近红外光谱技术进行白醋品牌和pH值的快速检测

提出了一种基于可见-近红外透射光谱技术快速判别白醋品牌和测定pH值的方法。应用可见-近红外透射光谱获取不同品牌白醋的透射光谱曲线,并对获得的原始光谱数据进行平滑、变量标准化以及一阶导数等预处理,然后利用主成分分析对原始光谱数据进行聚类分析,根据主成分的累计贡献率选取主成分数,并将所选取的主成分作为三层BP神经网络的输入。通过定标集样本对BP神经网络进行训练,得到三层优化神经网络结构：5输入层节点,6隐含层节点和2输出层节点,各层传递函数均采用Sigmoid函数。利用该模型对预测集样本进行预测。实验结果表明在阈值设定为±0.1的情况下该模型对预测集样本品牌鉴别准确率达到了100%,pH预测值与实际测量值偏差小于5%,得到了理想的结果。所以利用可见-近红外光谱技术结合主成分分析和神经网络算法能够快速准确的判定白醋品牌和pH值。     

基于叶绿素荧光光谱分析的黄瓜霜霉病害预测模型

为了实现对黄瓜病害的快速无损准确预测,基于激光诱导叶绿素荧光光谱分析技术,建立了温室黄瓜霜霉病害的预测模型.通过测定健康叶片、病菌接种3d叶片和接种6d叶片的光谱曲线,采用一阶导数光谱预处理方法,结合主成分分析数据降维方法对三组光谱数据进行特征信息提取后,建立主成分得分散点图,依据累积贡献率选取10个主成分代替导数光谱...     

基于主成分分析和BP神经网络的柑橘黄龙病诊断技术

柑橘黄龙病的传统诊断方法主要依赖于人眼经验及生化技术,前者凭经验,诊断快,但准确性低;后者准确性高,但效率低和成本高.本文采用高光谱成像技术,获取5种症状柑橘叶片的高光谱图像,采用基于主成分分析和BP神经网络相结合的方法,对370~988nm波段范围内的柑橘叶片高光谱图像进行了病状的无损检测.研究结果表明,柑橘叶片的高光谱图像存在很大冗余,前四个主成分累积方差贡献率达到97.42%.数据建模分类得表明:BP神经网络的分类准确率达85%以上,经主成分后再利用BP神经网络的分类准确率绝大部分达到90%以上.因此,利用高光谱成像技术进行柑橘黄龙病的早期诊断具有较高的可行性.     

PCA-BP模型在判别基于LIF技术煤矿突水水源的应用

防治煤矿突水时需迅速精准地判别突水水源,激光诱导荧光(LIF)光谱技术具有灵敏度高、快速准确监测特点,为检测突水水源提供了一种新的方法。该研究引入该技术以获取突水荧光光谱数据。采用卷积(SG)平滑和多元散射校正(MSC)方法对光谱图进行预处理,以消除光谱采集过程中噪声干扰。采用主成分分析(PCA)方法提取特征信息,针对SG预处理后的数据,当主成分个数为3时,累积贡献率可达到99.76%,已基本保留原数据的全信息。选择3层结构BP神经网络建立分类判别模型,通过不同方式构造训练集和测试集,SG预处理数据构建的分类模型可以达到精准判别,而对于MSC预处理和原始数据出现很少的误判。实验结果表明SG预处理结果要优于MSC预处理。研究结果表明,将PCA和BP神经网络结合建立分类模型,能有效判别煤矿突水水源,且具有较强的自组织、自学习能力。     

低温真空红外傅里叶光谱仪噪声等效辐亮度定标系统

红外傅里叶光谱的等效噪声辐亮度(NESR)是反映其对红外目标信号的极限探测能力,也是仪器的主要技术指标。受限于我国当前的技术条件,尚无相关能力的测试定标系统和检定规范。通过借鉴当前国内外的红外辐射计量装置的标准传递思路,提出了一种NESR高精度测试装置方案。给出了该装置的溯源链路,描述了其整体和光路结构,并设计了低温真空背景抑制模块。着重介绍了宽动态范围红外积分球辐射源设计、等效光路设计和真空低温环境模块等设计方案。提出的设计方案为NESR高精度测量提供基本的参考依据,为我国傅里叶光谱的NESR的量值溯源提供支撑条件。     

PCA-BP模型在判别基于LIF技术煤矿突水水源的应用（英文）

防治煤矿突水时需迅速精准地判别突水水源,激光诱导荧光(LIF)光谱技术具有灵敏度高、快速准确监测特点,为检测突水水源提供了一种新的方法。该研究引入该技术以获取突水荧光光谱数据。采用卷积(SG)平滑和多元散射校正(MSC)方法对光谱图进行预处理,以消除光谱采集过程中噪声干扰。采用主成分分析(PCA)方法提取特征信息,针对SG预处理后的数据,当主成分个数为3时,累积贡献率可达到99.76%,已基本保留原数据的全信息。选择3层结构BP神经网络建立分类判别模型,通过不同方式构造训练集和测试集,SG预处理数据构建的分类模型可以达到精准判别,而对于MSC预处理和原始数据出现很少的误判。实验结果表明SG预处理结果要优于MSC预处理。研究结果表明,将PCA和BP神经网络结合建立分类模型,能有效判别煤矿突水水源,且具有较强的自组织、自学习能力。     

L曲线方法在地基红外高光谱反演温度廓线中的应用

利用地基红外高光谱辐射数据可以反演得到高时间分辨率的边界层大气温度廓线。目前的AERIoe最优化反演算法相比于传统的“剥洋葱”算法有较大的改进,且对初值的依赖程度较低。但AERIoe算法中正则化算子的选择对反演结果的稳定性和反演时间有重要影响。目前主要采用经验的方法选择正则化算子,迭代步数较多,耗费大量的计算时间。提出了利用L曲线方法代替经验法选取正则化算子的改进方案,以提高AERIoe方法的反演速度。改进后的算法通过绘制解范数和残余范数的二维曲线图,取其拐点作为最优的正则化参数,相比于传统的经验法有着更好的理论基础。采用2011年美国大气辐射测量计划中SGP站点的晴空大气红外辐射数据进行反演实验。结果表明,利用该方法得到的反演结果具有很好的稳定性、收敛性和精度。相比于经验的方法,利用L曲线方法获得的正则化算子反演温度廓线时的收敛速度更快,迭代步数较少,可以节约大量的计算时间;在反演精度方面,L曲线方法在边界层中上层的反演精度更高,1～3 km高度上温度廓线的RMSE值提高了大约0.2 K。     

The impact of Martian aerosols on the retrieval of temperature profiles from PFS measurements

Our purpose was a qualitative assessment of the impact of dust and water ice aerosols on the retrieved temperature profiles and the retrieval process itself in the Martian atmosphere. It aims to quantify the related uncertainties in the atmospheric temperature profiles derived from radiance measurements of the Planetary Fourier Spectrometer (PFS), currently operating on the Mars Express orbiter. In this study the effects of aerosol opacities on simulated data and retrieved temperature profiles were also investigated.From the analysis of the model atmosphere including dust and water ice with different size distributions it results that the dust component affects weighting functions and brightness temperatures less than water ice. A similar situation is also observed when different vertical distributions are considered. Unlike dust, water ice with different sizes of crystals evidently influences weighting functions and brightness temperatures. The impact of the considered water ice vertical distributions on brightness temperatures is noticeable only near 840 cm⁻¹.Considering different dust opacities, the largest differences—5 K maximum—between retrieved temperature profiles were observed close to the surface, regardless assumptions on a size distribution or the refractive indices. Contrary to dust, the different sizes of water ice particles assumed during retrieval stronger affected the retrieved temperature profiles than water ice opacities. Moreover, the differences in the retrieved temperature profiles were amplified while wrong optical properties for dust as well as for water ice aerosol were assumed instead of the nominal case. This means that the wrong assumption can induce an additional source of the retrieval error and lead to unreasonable temperature profiles. In the cases of expected heavily loads water ice crystals, their size distribution in the Martian atmosphere should be known from other observations before the retrieval of the temperature profile is attempted.For the analyzed examples of real PFS measurements the impact of different dust vertical distributions on the retrieval of temperature profile is prominent only in layers close to the surface. However, these differences remain comparable with retrieval errors. All influences of dust on weighting functions, brightness temperatures and during retrieval can be neglected if the noise equivalent radiance (NER) of PFS is taken into account.     

Neural networks for the dimensionality reduction of GOME measurement vector in the estimation of ozone profiles

Dimensionality reduction can be of crucial importance in the application of inversion schemes to atmospheric remote sensing data. In this study the problem of dimensionality reduction in the retrieval of ozone concentration profiles from the radiance measurements provided by the instrument Global Ozone Monitoring Experiment (GOME) on board of ESA satellite ERS-2 is considered. By means of radiative transfer modelling, neural networks and pruning algorithms, a complete procedure has been designed to extract the GOME spectral ranges most crucial for the inversion. The quality of the resulting retrieval algorithm has been evaluated by comparing its performance to that yielded by other schemes and co-located profiles obtained with lidar measurements.     

基于MODTRAN的双查找表法反演高光谱数据的水汽含量

基于MODTRAN辐射传输模型,假设近红外波段地物反射率随波长线性变化,考虑程辐射的影响,发展了一种通过双查找表反演高光谱遥感数据水汽含量的方法。建立查找表过程中,使用三次样条插值方法对查找表水汽含量值加密以减少MODTRAN运行时间。使用两个查找表,通过逐步搜索法对高光谱遥感数据进行水汽反演,得到水汽含量分布图。结果显示,使用三次样条插值方法得到的辐亮度值与MODTRAN计算结果只有0.1%的误差。对两景机载可见光/红外成像光谱仪(AVIRIS)高光谱数据进行水汽反演,得到水汽含量分布图,并用其对辐亮度数据进行大气校正,得到反射率数据。水汽含量分布图变化平缓,无亮/暗点出现,反射率数据在水汽吸收波段的光谱曲线没有过/欠校正现象,这表明水汽反演方法有效。     

An improved quantum principal component analysis algorithm based on the quantum singular threshold method

Quantum principal component analysis (qPCA) is a dimensionality reduction algorithm for getting the eigenvectors corresponding to top several eigenvalues of the data matrix and then reconstructing. However, qPCA can only construct the quantum state contains all the eigenvectors and eigenvalues. In this paper, we present an improved quantum principal component analysis (Improved qPCA) algorithm with a fixed threshold. We can reduce the singular value less than the threshold to 0 and obtain a target quantum state which can be used to get an output similar to qPCA after phase estimation. Compared with qPCA, our algorithm has only the target eigenvalues and the probability that we get each target eigenvalue is greater. Furthermore, our algorithm can serve as an additional regularization method and a subroutine for subsequent data processing.     

气溶胶对大气CO_2短波红外遥感探测影响的模拟分析

气溶胶引起的光学路径长度改变是影响高分辨率近红外光谱反演大气CO_2浓度的重要误差源.本文利用高精度大气辐射传输模式模拟中国碳卫星观测,结合CALIPSO(Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations)卫星的气溶胶廓线产品研究了不同特性的气溶胶对卫星观测光谱的影响.模拟结果显示:气溶胶散射引起的光学路径长度改变与气溶胶类型、模态以及垂直分布密切相关;城市型和海洋型气溶胶对观测光谱影响很大;多层分布的积聚模态大陆型和海洋型气溶胶在光学厚度小于0.3时,会引起5%以内的负辐射变化,随光学厚度不断增加会引起正的辐射变化;主要以粗粒子模态存在的气溶胶在不同的垂直分布情况下均会引起辐射的负变化,从而造成CO_2浓度的高估;另外,随气溶胶分布高度变高,负的辐射变化程度会逐渐减小.     

稀疏低秩噪声模型下无监督实时单通道语音增强算法

针对现有基于字典学习的增强算法需要先验信息、不易实时处理的问题,提出一种便于实时处理的无监督的单通道语音增强算法。首先,该算法将无监督条件下背景噪声的建模问题转化为带噪语音幅度谱的稀疏低秩噪声分解;然后,采用增量非负子空间方法对背景噪声进行在线字典学习,获得能够体现背景噪声时变特性的自适应噪声字典;最后,利用所得的噪声字典,采用易于实时处理的逐帧迭代方式,对带噪语音进行处理。实验结果表明:相较于多带谱减法和基于低秩稀疏矩阵分解的增强算法,所提算法在噪声抑制方面的性能尤为显著,在多项性能评价指标上,均表现出更好的结果。      

一种改进的光谱图像反演地表目标遥感反射率的方法

提出一种改进的反演地表目标遥感反射率的方法.利用光谱图像中的太阳耀光估计当时气象条件下的大气透过率,分析了天空辐射和色散现象对反演的影响,据此构建遥感反演模型,计算出地表目标的遥感反射率.由于消除了天空漫射辐射带来的额外影响使得可见光波段的反演准确度大为提高,此外将菲涅尔反射率表示为波长的函数进行计算使反演光谱在整个波段范围内能更好地匹配实验室光谱.实验结果表明,改进算法计算的反射率能更好地匹配实验室光谱,具有更高的反演准确度.     

温度对CrIS热红外卫星资料反演臭氧廓线的影响分析

臭氧是地球大气中一种重要的痕量气体,在光化学反应和气候变化中都扮演着非常重要的角色。高光谱红外卫星可以观测到较高垂直分辨率的大气臭氧信息,但是由于热红外受大气温度影响较大,臭氧反演精度会有所下降。为此详细讨论和分析了温度对臭氧吸收光谱和权重函数的敏感性,以及对臭氧反演精度的影响。首先利用逐线积分辐射传输模型LBLRTM,分别模拟计算了六种不同标准大气模式下,1K的随机温度误差对大气透过率和辐射值的影响,发现1 K温度随机误差和臭氧浓度5%～6%的变化引起的辐射值变化量一致。接着利用CRTM辐射传输模型,针对搭载于美国对地观测卫星Suomi NPP(National Polar-orbiting Partnership)平台上的CrIS(Cross-track Infrared Sounder)红外高光谱观测数据,计算了1K的随机温度误差对大气臭氧权重函数的影响,并计算了由1K温度误差所导致的热红外高光谱资料大气臭氧廓线反演误差,结果显示CrIS对于臭氧的敏感区位于10～100 hPa之间,且1 K的温度误差和6%的臭氧浓度变化引起的权重函数变化量相当。最后以CrIS作为实验数据,在最优估计法框架下,通过特征向量统计法获取臭氧廓线的先验知识,并将大气温度廓线和大气臭氧廓线都作为未知量,进行同步迭代反演。将反演结果和配对的世界臭氧紫外数据中心WOUDC的站点数据进行比较,发现在反演中加入大气温度廓线进行同步迭代后,反演结果有显著提高,尤其在平流层与真值几乎一致,最大相对误差不超过20%,在对流层反演结果相对较差,最大相对误差不超过50%,优于欧洲中期天气预报中心ECMWF(European Center for Medium-range Weather Forecasting)臭氧模式数据集ERA-Interim。