申请/专利权人：山东省科学院激光研究所;山东商业职业技术学院

申请日：2024-02-07

公开（公告）日：2024-05-03

公开（公告）号：CN117747008B

主分类号：G16C20/20

分类号：G16C20/20;G06N3/0464;G06N3/08;G06F30/20;G01N21/39

优先权：

专利状态码：有效-授权

法律状态：2024.05.03#授权;2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本申请涉及信号处理技术领域，提供一种气体激光吸收光谱的基线拟合及降噪方法、系统。方法包括：向待测气体中发送检测光信号；建立第一数据集和基线拟合神经网络；采用第一数据集训练及测试基线拟合神经网络，得到基线拟合信号；建立第二数据集和噪声抑制神经网络；采用第二数据集训练及测试所述噪声抑制神经网络，得到降噪信号。该基线拟合及降噪方法无需额外增加硬件设备，也不会引入额外的硬件噪声，另外对噪声没有频率限制，相较于现有的处理方法，改善了气体浓度检测中存在的基线信号漂移和噪声干扰的问题，该方法具有处理快、降噪效果好的优点。且该方法不受结构限制，适用于小型系统和短光程的设备，有效降低设备成本，应用范围较广。

主权项：1.一种气体激光吸收光谱的基线拟合及降噪方法，其特征在于，包括：向待测气体中发送检测光信号；建立第一数据集和基线拟合神经网络；采用所述第一数据集训练及测试所述基线拟合神经网络，得到基线拟合信号；其中，所述基线拟合神经网络的输入为透射光信号，所述基线拟合神经网络的输出为无吸收基线信号，所述透射光信号与所述无吸收基线信号均通过所述检测光信号处理得到；建立第二数据集和噪声抑制神经网络；其中，所述第二数据集包括吸光度信号，所述吸光度信号为所述无吸收基线信号与所述透射光信号的比值；采用所述第二数据集训练及测试所述噪声抑制神经网络，得到降噪信号；其中，所述噪声抑制神经网络的输入为所述吸光度信号，所述噪声抑制神经网络的输出为高信噪比吸光度信号或无噪声的仿真吸光度信号，所述高信噪比吸光度信号通过所述吸光度信号处理得到，无噪声的所述仿真吸光度信号通过仿真程序处理得到；所述建立第一数据集包括：获取多个基线训练数据和多个基线测试数据；其中，所述基线训练数据和所述基线测试数据均通过所述检测光信号得到，所述基线训练数据包括第一透射光信号和第一无吸收基线信号，所述基线测试数据包括第二透射光信号和第二无吸收基线信号；对所述基线训练数据和所述基线测试数据以第一特征选取原则进行选取，得到所述第一数据集；所述建立第二数据集包括：获取多个降噪训练数据和多个降噪测试数据；其中，所述降噪训练数据包括第一吸光度信号以及，第一高信噪比吸光度信号或无噪声的第一仿真吸光度信号，所述降噪测试数据包括第二吸光度信号以及，第二高信噪比吸光度信号或无噪声的第二仿真吸光度信号；对所述降噪训练数据和所述降噪测试数据以第二特征选取的原则进行选取，得到所述第二数据集；所述第一特征选取原则为将所述第一透射光信号和所述第二透射光信号的吸收峰对应的数值设置为零；所述第二特征选取原则为将所述第一吸光度信号和所述第二吸光度信号的吸收峰采用洛伦兹线型函数进行拟合。

全文数据：

权利要求：

百度查询： 山东省科学院激光研究所;山东商业职业技术学院 一种气体激光吸收光谱的基线拟合及降噪方法、系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD