基于LIBS技术的水泥粉末在线成分分析

在工业现场生产水泥的过程中，各种成分的含量直接影响着水泥的质量，因此如何快速准确地监测水泥中各个成分的含量意义重大。采用的实验方式为，将不经过任何预处理的水泥粉末直接放入位于二维移动平台上的物料盒中，通过激光诱导击穿光谱(LIBS)直接对水泥粉末表面的不同位置进行激发检测，对得到的光谱数据首先进行归一化和主成分分析等预处理操作，然后针对水泥中Ca, Si, Al, Fe, Mg五种元素，分别建立偏最小二乘(PLS)和支持向量回归(SVR)两种定量分析模型进行方法比较。此外，对比了粉末状水泥与压片式水泥两种测量方式的结果。实验结果表明，采用粉末状水泥直接测量的方式下，针对水泥样品元素浓度与所得到的光谱中特征线强度的关系，SVR方法比PLS方法更具优势，粉末状水泥直接测量的精度接近压片式测量的精度，说明LIBS技术对水泥粉末状样品直接在线测量具有可行性。     

Intelligibility enhancement for noisy whispered speech using asymmetric cost function

We proposed two whispered speech enhancement methods based on asymmetric cost functions in this paper to deal with the amplification and attenuation distortions of whispered speech distinctively.The modified Itakura-Saito（MIS）distance function provides more penalties to speech amplification distortion,whereas the Kullback-Leibler（KL）divergence function gives more penalties to speech attenuation distortion.The experimental results show that the MIS function based method achieves significant improvement of intelligibility in contrast to the conventional speech enhancement algorithms when the signal-to-noise ratio（SNR）falls below-6 dB,whereas the KL function based one achieves the similar result as the minimum mean square error（MMSE）speech enhancement method.The results show that the effects of the amplification and attenuation distortions on the intelligibility of the enhanced whisper are different,where larger attenuation distortion may result in better intelligibility of speech with low SNR.However,the attenuation distortion has small effects on intelligibility of speech with high SNR.     

应用波段深度分析和偏最小二乘回归的冬小麦生物量高光谱估算

当作物生物量较大时,现有植被指数由于受饱和问题限制,不能较好的估算作物生物量。针对此问题,尝试将波段深度分析与偏最小二乘回归(partial least square regression,PLSR)结合,提高对大田冬小麦生物量的估算精度,并将两者结合建立的模型与应用代表性植被指数建立的模型进行生物量估算精度比较。波段深度分析主要对冬小麦冠层光谱550～750nm范围进行,采用波段深度、波段深度比(band depth ratio,BDR)、归一化波段深度指数和归一化面积波段深度对波段深度信息进行表征。在建立的模型中,波段深度分析和PLSR结合的估算精度比应用植被指数模型的精度高,其中BDR与PLSR结合的估算精度最高(R2=0.792,RMSE=0.164kg.m-2)。研究结果表明波段深度分析与PLSR结合能较好的克服生物量较大时存在的饱和问题,提高冬小麦生物量的估算精度。     

阻尼最小二乘法用于激光诱导击穿光谱重叠特征谱线分离提取

近年来,激光诱导击穿广谱技术发展迅速。作为一种用于物质成分探测的新技术,它具有简单、快速、无需复杂样品制备、多种元素同时检测等优点,可实现待测样品物质成分现场、在线的检测,在很多领域都极具应用前景。激光诱导击穿光谱特征谱线的分离拟合提取是光谱特征识别与后续元素浓度定量反演研究的基础。为实现激光诱导击穿光谱重叠特征谱线的有效分离拟合提取,采用阻尼最小二乘法,分析并确定了迭代前的初始拟合参数值,实现了在重叠特征谱线情况下对某火力发电厂粉煤灰中的铬元素特征谱线的分离提取。阻尼最小二乘法基于高斯-牛顿迭代,在迭代步长中引入阻尼因子,在迭代的过程中根据每一步迭代后所反馈的信息动态的调整迭代步长,从而有效防止了迭代的发散,保证了迭代的快速收敛,最终使得元素特征谱线拟合提取的效果更佳、所得到的特征谱线强度值更准确。分别采用阻尼最小二乘法和最小二乘法对不同浓度的样品中铬元素特征谱线进行分离拟合提取并给出特征谱线的强度值,作出特征谱线强度值关于元素浓度的定标曲线并对比两种方法所得结果的线性相关性。结果表明,阻尼最小二乘法所得结果的线性相关性更高,该方法稳定、可靠,适用于激光诱导击穿光谱重叠特征谱线的分离拟合提取。     

PLS-GRNN法近红外光谱多组分定量分析研究

研究了偏最小二乘(partial least squares ,PLS)与广义回归神经网络(generalized regression neural networks, GRNN)联用在近红外光谱多组分定量分析中的应用。以饲料样品为实验材料,采用PLS-GRNN法建立了饲料中水溶性氯化物、粗纤维、脂肪三项组分含量近红外光谱定量分析模型。马氏距离法剔除强影响点和奇异点,用PLS法将原始数据压缩为主成分,取8个主成分吸收峰与4个原始图谱特征峰值输入GRNN网络,网络光滑因子σ_i为0.1。PLS-GRNN模型对样品3个组分含量的预测决定系数(r2)分别为：0.984 0,0.987 0,0.983 0;样品平行扫描光谱预测值的标准偏差分别为：0.003 26,0.065 5,0.031 4。结果表明所建PLS-GRNN模型通过近红外光谱能够准确预测饲料中水溶性氯化物、粗纤维、脂肪三项组分含量,为近红外光谱进行多组分定量分析提供了新思路,同时为解决近红外快速检测技术在预测组分含量较低的样品时误差相对较大的问题提供了可靠的方法。     

多模复共轭虚偶相干态光场的等阶N次方Y压缩与等阶N次方H压缩

本文利用新近建立的多模压缩态理论,详细研究了一种新型的多模复共轭虚偶相干态光场|Ψ_i,e^*(2)>_q的广义非线性等阶N次方Y压缩与等阶N次方H压缩特性.结果发现:1)当压缩阶数N为奇数时,态Ψ_i,e^*(2)>_q在一定条件下总可呈现出周期性变化的、任意阶的等阶N次方Y压缩效应;当腔模总数q与压缩阶数N两者之乘积q·N为奇数时,则在一定条件下态|Ψ_i,e^*(2)>_q又可呈现出周期性变化的、任意阶的等阶N次方H压缩效应.2)态|Ψ_i,e^*(2)>_q与多模偶相干态光场|Ψ_i,e^*(2)>_q与多模虚偶相干态光场|Ψ_i,e⁽²⁾>_q的压缩幅度、压缩条件和压缩特征等完全相同.这一结果再次从理论上证实了多模压缩光中的确存在着“相反压缩”和“压缩简并”这两类新的物理现象.     

光梳多波长绝对测距的波长选择及非模糊度量程分析

飞秒光学频率梳作为精密光学频率标尺,可以用来产生频率稳定度极高的单波长连续激光,利用其多个梳模制备理想的多波长光源用于绝对距离测量具有测量速度快、实时性强、非模糊度量程大、精度高等优点。以多波长测距的基本理论和光梳高频率稳定度为基础,提出了二次合成波长的方法,不仅扩展了非模糊度量程,同时为干涉信号的多波长解调创造了足够的波长间隔条件。结合光梳的波长特点,分析了基于光梳的多波长选择与非模糊度量程的关系,并阐述了具体的选择步骤及波长组合结构。利用小数重合解调算法,在0.01的小数相位测量精度条件下,仿真验证了四波长干涉测距的非模糊度量程为35.636mm,五波长干涉系统可以达到几百毫米的非模糊度量程,后者相对分辨力的动态量程达到109量级。     

基于混沌离散PSO算法的乙烯生产过程模型变量的选择

管式炉裂解技术是当今乙烯生产的主要技术,乙烯生产过程中有多种影响质量指标的变量,将全部变量参与建模显然会增加建模难度和复杂性,并且大量的冗余信息会降低模型的精度;针对这一问题,提出了基于混沌思想的离散粒子群(PSO)算法进行模型变量的选择;首先,采用混沌离散PSO算法得到建模的最优输入变量集合,再通过偏最小二乘法(PLS)对所选变量进行建模;结果表明,该方法可更有效地克服传统粒子群算法容易陷入局部最优的问题并建立较高的模型精度。     

利用可见近红外光谱多指标综合预测生鲜牛肉储存期

建立了牛肉基于TVB-N、菌落总数、pH值和肉色参数L*多个指标的储存期预测模型,利用可见近红外光谱(Vis/NIR)技术结合区间偏最小二乘(iPLS)和遗传算法(GA)建立了各个指标的PLS预测模型,实现了多指标综合无损快速预测4 ℃下牛肉的储存期。用iPLS和iPLS-GA提取有效波长变量建立PLS预测模型,以预测相关系数和预测标准差作为模型评价标准,结果表明用iPLS-GA选择变量建立的各个指标的PLS预测模型均优于全波段和iPLS组合的PLS模型。由多个指标的预测值和储存期的预测模型,对校正集和预测集样品储存期进行预测,其预测相关系数和标准差分别是0.903, 0.897和1.88, 2.24。说明利用光谱技术结合得出的储存期预测模型可以实现多指标综合预测牛肉储存期,为无损快速检测牛肉储存期或货架期提供了一种新方法。      

基于iPLS的血清胆固醇、甘油三酯近红外定量分析

为了建立血清样品胆固醇、甘油三酯近红外分析最优模型,利用近红外透射光谱技术结合间隔偏最小二乘法（iPLS）建立预测模型。结果表明,胆固醇最优建模波段是1700—1798nm,最优预测模型的相关系数Rp、预测均方差RMSEP分别为0.984、0.198mmol/L;甘油三酯最优建模波段是1654-1746nm,最优预测模型的Rp、RMSEP分别为0.967、0.157mmol/L。采用iPLS建立血清胆固醇、甘油三酯定量分析模型,不仅可以提高模型的预测精度,而且模型更加简洁、数据运算量也更少,优选出的特征谱区还可为设计小型专用近红外分析仪器提供依据。