欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019103826406
申请人: 安徽大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于BP神经网络与方差补偿的光谱降噪方法,其特征在于:包括以下步骤,S1:采用可调谐激光光源的气体激光吸收光谱实验装置采集吸收光谱数据,获取不同滤波参数下检测气体的吸收光谱数据作为BP神经网络训练样本;

S2:根据光谱数据训练样本建立BP神经网络拓扑模型,选取最优滤波参数组合;

S3:采用卡尔曼滤波算法按照优化后的滤波参数进行自适应滤波;

S3:利用方差补偿原理对滤波方差进行动态调整,同时构建的BP神经网络对滤波值进行动态校正;

S5:根据双重优化后的自适应卡尔曼算法进行光谱数据的降噪处理。

2.如权利要求1所述基于BP神经网络与方差补偿的光谱降噪方法,其特征在于:所述步骤S2包括以下步骤,S21:将所述训练样本分为平稳无吸收趋势数据集合、弱吸收趋势数据集合、强吸收(吸收峰附近)趋势数据集合;

S22:根据所述平稳无吸收趋势数据集合,对不同卡尔曼滤波参数下检测气体的吸收光谱数据训练样本进行所述BP神经网络拓扑模型的学习;或者,S23:根据所述弱吸收趋势数据集合,对不同卡尔曼滤波参数下检测气体的吸收光谱数据训练样本进行所述BP神经网络拓扑模型的学习;或者,S24:根据所述强吸收(吸收峰附近)趋势数据集合,对不同卡尔曼滤波参数下检测气体的吸收光谱数据训练样本进行所述BP神经网络拓扑模型的学习。

3.如权利要求1所述基于BP神经网络与方差补偿的光谱降噪方法,其特征在于:设k时刻气体吸收光谱状态向量为X(k),该时刻光谱系统控制向量为U(k),则该时刻光谱滤波状态系统可表示为:X(k)=AX(k-1)+BU(k)+W(k)其中,A、B为光谱状态转移矩阵,W(k)和表示过程噪声,其协方差由Q(k)表示。

通过实验装置测量得到的气体吸收光谱向量为Z(k),则有Z(k)=HX(k)+V(k)

其中,H为光谱测量参数,V(k)表示测量噪声,其协方差R(k)表示。

利用光谱系统过程模型,得到卡尔曼滤波器时间更新方程。

时间递推状态变量:

根据光谱系统模型,由k-1时刻的光谱状态向量递推得到k时刻预测的光谱状态向量:X(k|k-1)=AX(k-1|k-1)+BU(k)其中,X(k|k-1)是预测的光谱状态向量,X(k-1|k-1)是之前的光谱状态向量。

向前递推误差协方差:

根据光谱系统模型,由k-1时刻的光谱协方差矩阵递推得到k时刻预测的协方差矩阵:P(k|k-1)=AP(k-1|k-1)AT+Q(k-1)其中,(·)T为转置运算,P(k|k-1)是X(k|k-1)对应的光谱协方差矩阵,P(k-1|k-1)是X(k-1|k-1)对应的预测光谱协方差矩阵。

结合预测值和测量值,得到卡尔曼滤波器的光谱数据更新方程。

更新卡尔曼增益:

Kg(k)=P(k|k-1)HT(HP(k|k-1)HT+R)-1更新光谱滤波向量:

X(k|k)=X(k|k-1)+Kg(k)(Z(k)-HX(k|k-1))更新误差协方差矩阵:

P(k|k)=(I-Kg(k)H)P(k|k-1)其中,Kg为卡尔曼增益,用来衡量光谱预测值与测量值的可信程度。针对每次滤波后得到的光谱滤波残差,基于方差补偿原理,定义预测残差为:其中,L(k)为光谱实测向量, 为光谱最佳预测向量。针对每次滤波后得到的光谱滤波值,构建BP神经网络,对于神经网络输入层选取影响卡尔曼滤波误差的参数:光谱状态向量与预测状态向量的差距:

X(k)-X(k|k-1);

光谱测量向量与测量预测向量的差距:

Z(k)-HX(k|k-1);

卡尔曼滤波增益:

Kg

对每次最终得到BP神经网络优化后的滤波补偿向量ΔX(k):ΔX(k)=D-X(k)

其中,D为光谱数据滤波光谱理论向量。

4.基于BP神经网络与方差补偿的光谱降噪装置,其特征在于:包括QCL量子级联激光光源、聚焦准直系统、氟化钙镜片、长程吸收池、光电探测器、数据采集单元和终端计算机;

所述QCL量子级联激光器电连接有QCL控制器,所述QCL量子级联激光光源发出的激光依次经过所述聚焦准直系统和所述氟化钙镜片进入所述长程吸收池;

所述氟化钙镜片连接有用于发出可见光的可见光激光器,所述氟化钙镜片控制激光与可见光耦合成为耦合光束;

在所述长程吸收池进气端连接有净化干燥装置和流量控制器,在所述长程吸收池出气端连接有压强控制器与真空泵,所述长程吸收池还设有用于测量压强的压力计;

耦合光束经过所述长程吸收池进入光电探测器,所述光电探测器连接有探测驱动器,所述光电探测器将采集到的激光光谱数据传输到数据采集单元;

所述终端计算机和所述压力计、所述数据采集单元、所述探测驱动器以及所述QCL激光控制器通讯连接以进行数据交互。

5.如权利要求4所述基于BP神经网络与方差补偿的光谱降噪装置,其特征在于:还包括激光气体吸收光谱采集模块,用于获取检测气体的吸收光谱数据作为滤波初始数据和训练样本;

BP神经网络构建和训练模块,用于根据训练样本构建和训练BP神经网络拓扑模型,调整BP神经网络拓扑模型中各个神经元权值;

BP神经网络和方差补偿优化模块,用于优化经典卡尔曼滤波模型;

BP神经网络和方差补偿双重优化自适应卡尔曼滤波模块,用于根据BP神经网络和方差补偿双重优化后的自适应卡尔曼滤波模型进行检测气体吸收光谱的降噪处理。