不同采收期滇龙胆的红外光谱鉴别研究

采收是中药生产的重要环节,采收时间直接影响中药质量和产量,是中医临床安全有效用药的前提,开展中药适时采收期的研究具有重要意义和应用价值。采用傅里叶变换红外光谱法对72份不同采收期的滇龙胆进行鉴别研究,用TQ8.0软件对原始光谱进行一阶导数(first derivative,FD)、二阶导数(second derivative,SD)、标准正态变量(standard normal variate,SNV)、多元散射校正(multiplicative scatter correction,MSC)和平滑(savitaky-golay filter,SG)预处理,样品按3∶1分为校正集和预测集,同时建立主成分分析(principal component analysis,PCA)和偏最小二乘判别分析(partial least square discriminant analysis,PLS-DA)模型。结果显示,选取1 800~600cm~(-1)波段范围的光谱,去除光谱噪音;SNV结合二阶导数光谱和SG(15,3)平滑,预处理结果满意。主成分分析表明,前三个主成分方差贡献率为92.47%,5月、9月和10月份采收的样品差异较小。偏最小二乘判别分析建立判别模型,决定系数R2和校正均方根误差(RMSEE)分别为0.967 8和0.086 0,可对18个预测集样品进行准确分类。红外光谱法结合主成分分析、偏最小二乘判别分析对不同采收期滇龙胆的分类和判别效果较好,为不同采收期的中药鉴别提供理论依据。     

基于量子粒子群优化的正交小波加权多模盲均衡算法

针对常数模盲均衡算法(CMA)均衡高阶正交振幅调制信号(QAM)存在收敛速度慢、稳态误差大的缺点, 提出了基于量子粒子群优化的正交小波加权多模盲均衡算法(QPSO-WTWMMA). 该算法根据高阶QAM信号星座图分布特点, 将量子粒子群优化算法(QPSO) 和正交小波变换融入于加权多模盲均衡算法(WMMA)中. 因而, 利用QPSO对均衡器权向量进行了优化, 利用正交小波变换降低了输入信号的自相关性, 利用WMMA选择了合适的误差模型匹配QAM星座图. 理论分析及水声信道仿真结果表明, QPSO-WTWMMA算法可以获得更快的收敛速度和更低的稳态误差, 在水声通信中具有重要的参考价值.     

基于快速傅里叶变换和汉克耳变换的逆阿贝尔变换

激光等离子体实验中的轴对称的Ｘ光的体发射强度及光学全息干涉的测量,需要采用逆阿贝尔（Ａｂｅｌ）变换。用快速傅里叶变换（ＦＦＴ）和汉克耳（Ｈａｎｋｅｌ）变换的算法数值求解逆阿贝尔变换,具有精度高、可在频域内滤波的特点。     

傅里叶变换红外光谱对水溶性气溶胶复折射率的测量分析方法研究

当前大气气溶胶的成分比较复杂,其水溶性离子成分影响着大气质量,并且对人类健康不利。因此,对水溶性离子成分进行快速可靠的检测是环境科学领域中的一项重要研究工作。以SO24-为例,研究采用傅里叶变换红外光谱(FTIR)技术,对水溶性气溶胶离子的消光系数进行测量,并通过理论分析计算得到其复折射率N的过程。通过测量大气气溶胶水溶性SO24-离子的质量消光截面k和消光系数α,再根据消光系数α来计算复折射率N的虚部ni,使用KK(Kramers-Kronig)关系,来计算复折射率N的实部nr,并对实验结果进行了分析和讨论。     

臭氧修饰(001)晶面TiO2纳米片及其光催化降解甲苯研究

本文系统研究了臭氧修饰对(001)主导晶面锐钛矿型TiO₂光催化剂降解甲苯性能的影响. 利用自行搭建的光催化VOCs降解装置对催化剂光降解甲苯的性能进行了测试. 通过多种表征手段,结合原位DRIFTS和DFT计算研究了臭氧表面修饰及甲苯吸附和降解机理. 结果表明,用臭氧进行表面修饰可以显著提高(001)主导晶面TiO₂光催化降解甲苯的性能. (001)晶面上丰富的5c-Ti不饱和配位是臭氧分子的吸附位点,其解离后形成的Ti-O键与H₂O分子结合,在表面生成大量孤立的Ti_5c-OH. Ti_5c-OH 是甲苯分子的吸附位,它的形成显著提高了对甲苯分子的吸附能力. 在光照下Ti_5c-OH与光生空穴结合能形成·OH自由基. 通过臭氧解离产生的O₂也可以与光生电子结合形成超氧自由基. 这些具有强氧化性活性自由基的形成促进了对气相甲苯的光催化降解速率.     

基于小波包变换和数学形态学结合的光谱去噪方法研究

对反射光谱数据进行去噪是提高光谱信息准确度的前提。传统时域平滑和频域去噪方法存在诸多缺点,本文首次将广义形态滤波方法用于可见近红外光谱的去噪处理,并提出基于小波包变换和数学形态学结合的光谱去噪方法。使用USGS光谱库中的植被光谱进行实验,采用信噪比(SNR)、均方误差根(RMSE)、波形相似度(NCC)和平滑度(SR)四个指标来评估去噪效果。结果表明,小波包最佳基阈值法和广义形态滤波法都能较好地保持波形和平滑度,广义形态滤波法能较好地消除幅值较大的随机噪声,但其对连续随机噪声中幅值较小的噪声成分不能有效消除; 而小波包最佳基阈值法不能有效消除幅值较大的噪声成分; 二者结合的方法组合了这两者的优点,使得幅值较大、较小的噪声成分都能较好地消除,同时还提高了相似度和平滑度指标,充分表明小波包最佳基阈值与广义形态滤波结合的方法是一种更好的可见光近红外光谱去噪方法。     

时频分析在旋转机械状态监测及故障诊断中的应用

本文简要介绍了时频分析方法的发展及其在旋转机械状态监测、故障诊断领域中的应用。并以一个实际监测系统为例，对其检测信号应用时频分析的方法进行了数据处理，对用传统傅立叶变换处理的结果与采用时频分析方法处理的结果进行了对比分析．     

基于小波变换的混沌信号相空间重构研究

应用小波变换和非线性动力学方法研究了混沌信号在相空间中的行为，指出混沌时间序 列的小波变换实质上是在重构的相空间中，混沌吸引子向小波滤波器向量所张的空间中的投 影，与Packard等人提出的相空间重构方法本质上是一致的.实验结果表明，混沌信号经过 小波变换后，吸引子轨迹与原有轨迹具有相似的结构，同时，系统的关联维数、Kolmogorov 熵等非线性不变量仍然得到保留.这些结果表明，利用小波变换研究混沌信号是有效的. 关键词： 小波变换 相空间重构 混沌信号 脑电信号     

基于同伦技术的Burgers方程的小波精细积分算法

以Burgers方程为例,结合区间小波精细积分方法,将同伦摄动方法的应用范围推广到多维非线性问题,给出一种求解非线性偏微分方程的新的小波精细积分方法,得到一种近似解析解的数值结果,对时间步长不敏感,更适合于求解非线性问题.     

Learnable three-dimensional Gabor convolutional network with global affinity attention for hyperspectral image classification

Benefiting from the development of hyperspectral imaging technology, hyperspectral image (HSI) classification has become a valuable direction in remote sensing image processing. Recently, researchers have found a connection between convolutional neural networks (CNNs) and Gabor filters. Therefore, some Gabor-based CNN methods have been proposed for HSI classification. However, most Gabor-based CNN methods still manually generate Gabor filters whose parameters are empirically set and remain unchanged during the CNN learning process. Moreover, these methods require patch cubes as network inputs. Such patch cubes may contain interference pixels, which will negatively affect the classification results. To address these problems, in this paper, we propose a learnable three-dimensional (3D) Gabor convolutional network with global affinity attention for HSI classification. More precisely, the learnable 3D Gabor convolution kernel is constructed by the 3D Gabor filter, which can be learned and updated during the training process. Furthermore, spatial and spectral global affinity attention modules are introduced to capture more discriminative features between spatial locations and spectral bands in the patch cube, thus alleviating the interfering pixels problem. Experimental results on three well-known HSI datasets (including two natural crop scenarios and one urban scenario) have demonstrated that the proposed network can achieve powerful classification performance and outperforms widely used machine-learning-based and deep-learning-based methods.