专利名称：用于远程化学鉴定的处理系统的制作方法
技术领域：
本发明涉及用于在现场条件下鉴别未知化学化合物的设备和方法。特别地，本发明涉及使用远程无源红外光谱分析结合光谱数据来鉴别化学化合物的设备和方法。
常常存在这样的情况，即应急反应人员(“第一反应人员”)或者军事人员被呼叫至某些类型的化学泄漏的事故现场或者突发事件，并且这些人员要面对气态的云状物或者烟状物，而其化学成分是未知的。在运载化学物质的铁路油罐车或者高速公路油罐拖车遭遇交通事故时，或者在化学物质制造工厂发生意外的化学泄漏时，可能会出现这种情况。显然，了解烟雾的成分对于决定如何处理紧急情况、需要什么样的防护服、以及是否需要疏散当地居民是十分重要的。使用远程无源红外(IR)光谱仪来试图鉴别气态烟雾中的化学化合物的方法在现有技术领域中是已知的。如此处所使用的，术语“无源”意指光谱仪不使用专用的红外光子源(与“有源”系统相对，其使用来自光学优化的高温源的光子)。术语“远程”表示所关注的样本气体在光谱仪外部，诸如事故现场的烟雾。闭合回路光谱分析可以包括抽取系统，其在吸收池中检查样本，或者使用公知的光子源和公知的路径长度。
在图1中说明了该情况中的IR光谱分析的一般概念。无源光谱仪101将被定位，使得气态烟雾103位于光谱仪和某些背景物体105之间，其提供了IR能量源。在背景105明显比烟雾103暖的情况中，发射自背景105的IR能量将通过烟雾103并且由光谱仪101记录下来。由于不同的化学化合物趋向于吸收不同波长的IR能量，因此对在光谱仪处接收的IR能量的不同频率的相对强度进行测量将提供信息，用于鉴别烟雾103中的化合物。在某些情况中，烟雾比其周围环境要暖，烟雾中的化合物可以在这些IR频率上自己进行发射(而不是吸收)。通过Beer-Lambert关系，或者“Beer定律”，吸光度是与气体浓度线性相关的。当红外辐射线性地通过距离为L的气体样本时，通过气体吸收，其初始强度(I0)下降至在光谱仪处测得的水平(I)。Beer定律所陈述的是，在每个红外频率处，吸光度由下列关系定义A≡-log10(II0)]]>方程(0)在参考文献中解释了传统光谱仪的详细的功能，诸如美国专利No.5,982,486，其在此处并入列为参考，且不需要在此处详细描述。通过图2进行理解是足够的，即光谱仪将在最初创建“干涉图”(步骤107)，表示其探测器对入射到探测器上的红外辐射的空间域响应。对干涉图应用快速傅立叶变换将形成样本单光束(步骤109)，表示作为红外线频率的函数入射在红外探测器上的总的功率，前者通常以“波数”或者以厘米的倒数(cm-1)为单位来表示。在图3的下描记线中可以看到样本单光束光谱的图示。
由于无源IR光谱分析使用具有IR能量的背景源，所以，真实关注的信号，即位于光谱仪和背景之间的气体的相对窄的吸收带和/或发射带，叠加在背景IR源的平滑的、宽的发射光谱上。因此，有必要显现出某些类型的背景光谱。虽然下文描述了本发明的形成背景光谱的方法，但是图3的中间的描记线以图形的形式说明了背景单光束光谱，其有助于在概念上理解本发明的背景。
一旦确定了样本单光束光谱(步骤111)和背景单光束光谱(步骤112)，则可以计算样本吸收光谱。在下文采用的符号中，样本吸收光谱(步骤117)依据单光束样本光谱SBiS和单光束背景光谱SBiB定义为A≡-log10(SBiSSBiB)]]>方程(1)图3的上描记线示出了样本吸收光谱。
一旦创建了关于样本的吸收光谱(“样本吸收光谱”)，则可以将其同已知的关于不同化学化合物的吸收光谱(“参考光谱”)进行比较，这些化学化合物以样本吸收光谱的形式表示。化合物的参考光谱可被认为是化学化合物在这些吸收IR辐射的频率上的吸收程度的图形表示。形象地说，参考光谱是化学化合物的“图形印章”。存在多种方法用于确定部分样本吸收光谱与参考光谱有多么匹配，以及由此确定具有多大的把握可以确认参考化学物质(即由参考光谱表示的化合物)存在于样本气体中。将样本吸收光谱同一种或多种参考光谱进行比较的方法是使用传统的最小二乘分析。
传统的最小二乘(CLS)分析的使用在本领域是已知的，并且由出版文献证明用于光谱分析，诸如D.M.Haaland和R.G.Esterling的“Improved Sensitivity of Infrared Spectroscopy by the Application ofLeast Squares Methods，”Appl.Spectrosc.34(5)539-548(1980)；D.M.Haaland和R.G.Esterling的“Application of New Least-SquaresMethods for Quantitative Infrared Analysis of Multicomponent Samples，”Appl.Spectrosc.36(6)665-673(1982)；D.M.Haaland、R.G.Esterling和D.A.Vopicka的“Multivariate Least-Squares Methods Applied to theQuantitative Spectral Analysis of Multicomponent Samples，”Appl.Spectrosc.39(1)73-84(1985)；W.C.Hamilton的Statistics in PhysicalScience，Ronald Press Co.，New York，1964，第四章及其中参考；和美国专利No.5,982,486，所有上述文献在此处并入列为参考。尽管在上述参考文献中公开了CLS的完整的数学描述，但是，简单的描述，特别是关于矩阵运算的，将提供有用的背景。
CLS分析通常用于推测具有线性方程的超定系统的解；该系统的方程通常表示为具有如下形式的矩阵方程A＝DX+E 方程(2)其中
由于其涉及将样本光谱同一种或者多种参考光谱进行比较，因此矩阵
将表示样本光谱，A的每个元素AiS表示在频率范围[v1，v2，...vN]上的波数vi下的强度值。在设计矩阵中D=A11RA12R.A1MR1v1A21RA22R..1v2......AN1RAN2R.ANMR1vN]]>方程(3)每列将表示参考光谱，而列Ai1R(使用第一列作为示例)表示在相同频率范围上的作为吸收光谱的参考光谱的强度值。
在N＞M的情况中(即，当测量数据的数目超过待估值的参数的数目时)，方程2中描述的方程系统被称作“超定的”。在该情况中，其对于此处描述的所有的CLS应用适用，对于方程2，不存在唯一的解。然而，在该情况中，有可能形成参数X的估值，并且有可能描述这些估值的精确性。该估值和特征描述可以基于任何选出的数学判据和约束的集合。广泛使用的判据目的在于形成参数X的估值，其使关于方程2的模型的“残差平方的加权和”最小；可能(或者可能不)以这样的方式定义该和，即其说明了测量数据Ai的质量变化。该估值被广泛地称作“最小二乘”技术的结果，并且在这里的工作中仅描述了该种估值。术语“传统的最小二乘”指完全基于方程2所述的线性模型的最小二乘技术；其他的最小二乘技术，例如那些被称作“偏最小二乘”分析的技术，通常使用额外的数据处理，并且导致了用于对所需参数X进行估值的更加复杂的方法。
在形式上，“传统的最小二乘”估值基于这样的假设，即误差向量E拥有联合分布，其具有零均值和秩为N的方差-协方差矩阵Mf。许多CLS估值还包括进一步的假设，即已知矩阵Mf在(非负的)比例因子σ2内，即Mf=σ2N11N21.NN1N12N22......N1N..NNN=σ2N]]>方程(4)事实上，方程2包含了这样的假设，即测量数据Ai的相对质量是已知的。数据的相对质量可以通过为每个Ai指定非负的“权重”Pii来量化，其中对角线的权重矩阵P(通常)是N的逆矩阵，即P＝N-1方程(5)并且因此，根据方程5，有Pii=1Nii]]>方程(6)现有技术中普遍使用的CLS分析的类型将被指定为“未加权CLS”，以便于同下面的发明详述中所描述的“加权CLS”分析相区别。两种类型的CLS分析均结合方程4、5和6，使用上文指出的假设。
在未加权CLS分析中，假设所有的测量数据具有相同的质量；即在未加权的情况中，矩阵P和N都与单位矩阵I相同。对于任何估测的参数集合X，残差V定义为V≡A-DX 方程(7)并且“残差平方的加权和”定义为V2≡VtPV＝(A-DX)tP(A-DX)方程(8)其中上标“t”表示矩阵的转置。
下列的参数X的估值存在，是唯一的，并且使V2最小(“残差平方的加权和”)X＝(DtPD)-1DtPA方程(9)方程9描述了基本的CLS参数估值，其是有用的并且在许多应用中是精确的。然而，应当指出，所有的CLS分析还提供了参数估值中的不确定性的有用的统计测量。
特别地，CLS分析提供了关于每个参数估值的“边际标准偏差”(MSD)。其中方差-协方差矩阵的CLS估值是M＝V2(DtPD)-1方程(10)与每个参数估值Xj相关的边际标准偏差(MSD)是Δ‾j=M‾jj]]>方程(11)MSD在相关参数中有时被称作“1σ不确定性”。Xj和Δj的相对大小通常用作CLS分析的参数估值Xj的质量。
加权CLS分析，其形成了下文所讨论的本发明的一部分，其中至少一个Pii与矩阵P中的其他值不同，即假设至少一个数据Ai具有优于或者劣于其他Ai的质量。
除了本发明的光谱分析方面，本发明还涉及用于处理光谱数据的新方法，以及基于化学泄漏的位置和在化学物质泄漏现场观察的条件(例如，颜色、气味等等)来鉴别化学化合物的新方法。这一鉴别可能的化学化合物的非光谱方法可以同光谱方法组合使用或者独立使用。当同光谱方法组合使用时，非光谱方法将用于鉴别或者帮助鉴别化学化合物的初始列表，其参考光谱将被选出用于同未确定的样本光谱进行比较。
背景技术：
本发明的一个实施例提供了用于远程鉴别化学化合物的系统。该系统包括无源红外光谱仪、定位器、测距仪和用户接口。该系统进一步包括数据库，其具有表示化学物质的参考光谱的数据、将可观察属性与某些化学化合物相关联的数据、将位置与某些化学化合物相关联的数据。计算机处理器同光谱仪、定位器、测距仪、用户接口和数据库进行通信。该系统还包括软件，用于将来自光谱仪、定位器和测距仪的数据同数据库中的数据进行比较，以便于鉴别一种或者多种化学化合物的可能存在和浓度。
本发明的第二实施例是确定背景物体的温度的方法，其中相对于该背景物体记录了样本光谱。该方法包括步骤a.提供抛物线形中心频率和背景温度之间的预定关系，其中抛物线中心频率是在已知温度下的参考背景的单光束光谱的频率；b.提供相对于未知温度的背景而记录的样本光谱；c.确定同样本光谱最配合的抛物线曲线；d.确定最配合的抛物线曲线的样本抛物线的中心频率；e.将样本抛物线中心频率同中心频率和背景温度的预定关系进行比较；和f.基于比较结果估测背景的温度。
本发明的第三实施例是产生用于光谱分析的背景光谱的方法。该方法包括步骤a.提供样本光谱和背景物体的估测温度；b.从关于已知的背景温度的已知的温度光谱集合中，选择至少两个已知的温度光谱，其表示高于和低于估测温度的背景温度；和c.将样本光谱同已知的温度光谱进行比较，以便于确定样本背景光谱。
本发明的第四实施例是产生经过温度补偿的吸收光谱的方法。该方法包括步骤a.提供样本光谱和背景物体的估测温度；b.从关于已知的背景温度的已知的温度光谱集合中，选择至少两个已知的温度光谱，其表示高于和低于估测温度的背景温度；c.将样本光谱同已知的温度光谱进行比较，以便于确定样本背景光谱；和d.从样本光谱和背景光谱中计算吸收光谱。
本发明的第五实施例是鉴别吸收光谱中所表示的化学物质。该方法包括步骤a.提供样本吸收光谱；和b.将吸收光谱同CO2和H2O的光谱进行比较，并且同至少一种化学物质参考光谱进行比较，以便于鉴别所述吸收光谱中表示的化学物质。
本发明的第六实施例是使用可观察的特征来鉴别化学物质的计算机系统。该系统包括化学物质数据库，其将预先定义的特征和属性与多种化学化合物相关，还包括用户接口，其接收可观察特征的输入。该系统进一步包括运行软件的处理器，该软件引导处理器确认数据库中的、同可观察特征相对应的化学化合物。
本发明的第七实施例是基于化合物所观察到的位置来鉴别化学化合物的计算机系统。该系统包括将至少一种化学化合物与分配的化合物位置地图相关的化学物质/位置数据库，还包括位置输入，用于将系统位置输入到系统中。运行软件的处理器，该软件引导处理器确认数据库中的、同系统位置相对应的化学化合物。
图1是光谱仪、化学化合物云雾和背景温度源的概念性示图。
图2形象地说明了现有技术的、用于获得干涉图和将其转化为吸收光谱的信号处理步骤。
图3表示涉及本发明的三个不同的光谱曲线。
图4是关于本发明的系统的概念性硬件框图。
图5是关于本发明的“化学属性向导程序”(Chemical PropertiesWizard)的流程图。
图6是本发明的化学物质属性数据库的示意图。
图7是关于本发明的“机构向导程序”(Facility Wizard)的流程图。
图8是本发明中所使用的容器轮廓的示例。
图9是本发明中所使用的NFPA报单选择子程序的屏幕截图。
图10是本发明的“铁路车向导程序”(Railcar Wizard)的流程图。
图11是本发明中所使用的DOT报单选择子程序的屏幕截图。
图12是本发明中所使用的油罐拖车轮廓选择子程序的屏幕截图。
图13是说明获取光谱读数的步骤的流程图。
图14是说明校准光谱仪的步骤的流程图。
图15是说明估测初始背景温度的步骤的流程图。
图16是说明权重迭代CLS的步骤的流程图。
图17是说明估测最终背景温度的步骤的流程图。
图18是说明产生背景和吸收光谱的步骤的流程图。
图19示出了一系列的黑体温度曲线。
图20示出了与两条黑体曲线相配合的抛物线。
图21示出了抛物线峰值位置相对于黑体温度的曲线。
图22是说明本发明的CLS搜索的步骤的流程图。
图23a和23b是分析范围示图。
图24示出了用于分析区域选择和级别的底图。
图25是说明galactic光谱搜索的步骤的流程图。
图26是说明另一化学物质鉴别光谱搜索的步骤的流程图。
图27是说明调节CLS进程的步骤的流程图。
图28是说明了对比分度因子相对温度对比度的曲线。
图29是说明了本发明使用的样本获取子程序的步骤的流程图。
具体实施例方式
1.化合物的非光谱鉴别如上文所述，本发明不仅涉及用于处理光谱数据的新设备和方法，还涉及基于“非光谱”特征鉴别化学化合物的新方法，这些特征诸如化学泄漏的位置或者在化学泄漏的现场观察到的条件(例如，颜色、气味等等)。
为了执行本发明的光谱鉴别方法和非光谱鉴别方法，本发明使用独特的硬件组合以形成用于远程鉴别出现在化学泄漏中存在的化合物的系统。图4是说明本发明的远程鉴别系统中所使用的硬件的框图。一般说来，远程化学物质鉴别系统1将包括光谱仪3、定位器7、测距仪5、用户接口10、计算机处理器4、气象站12、摄影机9和化学物质参考光谱的数据库13。尽管在图4中没有示出，但是应当理解，光谱搜索引擎将在处理器4上运行。参考图15～27，在下文中描述了该光谱搜索引擎的一个示例。在优选实施例中，光谱仪2将包括无源红外光谱仪，诸如由MIDAC Corporation of Costa Mesa，CA以商标“Illuminator”出售的光谱仪。定位器7将是传统的全球定位系统(GPS)，诸如由Trimble corporation of Sunnyvale，CA以商标“Svee8Plus”出售的设备。测距仪5将典型地是基于激光的测距仪，诸如由Laser Technology of Englewood，CA以商标“ImpluseXL”出售的激光测距仪。摄影机可以具有任何传统类型，优选实施例中使用的是Hitachi corporation出售的“VK-C77U”。罗盘14可以是任何类型的提供电子信号输出的罗盘，诸如由Honeywell corporation出售的HMR3000。气象站是能够测量气候条件，诸如风速、环境温度和湿度的设备，一个适合的示例是由Texas Weather Instruments of Dallas，TX出售的“1-Wire Weather Station”。在一个优选实施例中，用户接口10包括传统的触摸屏11和字母数字键盘。处理器4应是至少1GHz的处理器，并且安装有至少512MB的RAM和大容量的存储器，诸如硬盘驱动器。在一个优选实施例中，光谱仪3、定位器7、测距仪5、用户接口10、计算机处理器4、气象站12和摄影机9被组织起来安装到一个壳体(未示出)中，而该壳体通常适于安装在车辆上来取代安装在固定位置，或者安装在支撑结构(例如三角架)上用于单独的应用。数据库11可以存在于硬盘驱动器上或者可以通过例如，无线数据链路或者光纤链路来远程安置并访问。
除了其它信息，数据库13还将包括化学参考光谱的库。如上文所述，化学化合物的参考光谱提供了在特定波长下该化合物的吸光度，该化合物在此特定波长下吸收或者发射IR辐射。参考光谱的数据库在本技术领域是公知的，并且可以从诸如Thermo Galactic of Salem，NH的公司获得。然而，基于光谱数据的化学化合物鉴别仅形成了本发明的一个方面。在一个优选实施例中，数据库将不仅包括化学光谱数据，还包括将可观察属性同具体的化学化合物相关联的数据和/或将位置同具体化学化合物相关联的数据。术语“数据库”并不限于单独存储设备上的数据。例如，数据库可以包括本地存储设备(例如，硬盘)上的信息部分和远程安置(例如，远程服务器)的信息部分。可替换地，数据库可以完整地存在于距离系统其他部件遥远的存储设备上。
本公开内容首先详细描述基于某些在化学泄漏现场观察到的属性、条件或者特征鉴别化学化合物的方法。通常在计算机系统中实现本方法，该计算机系统包括处理器、可执行软件程序的用户接口和将可观察属性与具体化学化合物相关联的数据库。参考图4，处理器和用户接口可以具有上文所述的类型。数据库将包括多个化学化合物，并且对于每种化合物，使一系列可观察的属性或者特征与之相关。这些属性通常关于气状下的化合物，但是在某些情况下，关于固态或者液态下的化合物。在此处描述的具体实施例中，这些属性可以包括，化合物是否产生可见的蒸汽、蒸汽是下沉还是上升、蒸汽的颜色、任何与化合物相关的气味、以及在化合物暴露在水中(水解)时的任何颜色和气味的改变。数据中可以包括的另外的属性是，所怀疑的化合物的不完全燃烧带来了什么二级化合物(“不完全燃烧产物”或者PIC)。不同的化合物呈现出哪些属性在本技术领域是公知的，并且可以在参考文献中找到，诸如美国国家职业安全与健康研究所(NationalInstitute for Occupational Safety and Health，NIOSH)出版的“化学品安全使用微型指南”(Pocket Guide to Chemical Hazards)、通常由化学产品制造商出版的“化学品安全数据卡”(Material Safety Data Sheet，MSDS)和由美国海岸警卫队(United States Coast Guard)出版的“化学危害反应信息系统”(Chemical Hazards Response Information System，CHRIS)，这三种参考文献的整体内容在此处并入列为参考。数据库还可以包括，涉及由不同的化合物造成的健康危害的信息，和关于如何治疗暴露在化合物中的伤情或者如何最安全地盛放并处理化合物的信息，还包括在化学泄漏事故后的一般的和特殊的处理过程。后一种信息可以在这样的资源中找到，诸如美国运输部(U.S.Department ofTransportation)和美国联邦消防署(U.S.Fire Administration，USFA)出版的“突发事件应急指南2000”(Emergency Response Guide 2000，ERG 2000)、由美国联邦政府突发事件管理处(U.S.Federal EmergencyManagement Administration，FEMA)出版的“用于第一反应人员的危险物质指南”(Hazardous Material Guide for First responders)，这两种参考文献的整体内容在此处并入列为参考。作为示例，图6示出了化学属性数据库的概念性示图。如所示出的，不同的化合物(表示为化合物A、B、C等)将同其各自的化学属性相关，诸如化合物是否产生可见蒸汽(在大气压下)、该蒸汽相对空气的密度、蒸汽的颜色(如果存在)、化合物的气味(如果存在)、分子量(MW)和化合物的水解状态(即暴露在水中)的颜色、气味和密度(如果可获得)。为了说明性的目的，图6被构建为假设化合物“A”是氨，而化合物“B”是过氯酸，每种化合物的可获得的属性均被列出。在最简单的实例中，化学属性数据库可以采用计算机读取查找表格的形式。然而，本领域的技术人员将认识到，还存在许多更加成熟的数据库结构。例如，在一个优选实施例中，计算机将在软件基础环境(诸如Microsoft Visio)中搭建数据库表格结构，然后在SQL相关数据库中创建数据库，诸如Microsoft SQL Server，其允许所有指南中包含的唯一关系、参照、询问和信息的显示。
图5是基于化学泄漏现场的可观察条件，用于指出化学化合物或者化学化合物集合的存在可能的方法的流程图。当在计算机上实现本方法时，典型地采用“向导(Wizard)”或者程序的形式，其在一系列的询问中寻找来自用户的信息，并且基于输入的信息提供解信息或者反馈信息。图5中示出的本发明的实施例在此处可被称为“化学属性向导程序”。
程序开始于步骤20，将首先由用户确认将执行什么向导子程序。在步骤21中，程序首先询问是否已经(例如，通过灭火水龙带)在化学泄漏中使用水。如果响应是肯定的，则可能存在水解条件，并且所采取的步骤在下文的步骤30～37中得到描述。假设目前在化学泄漏中还没有使用水，则在步骤22中询问用户，在用户观察化学泄漏时蒸汽是否可见。如果是，则步骤23询问在蒸汽中是否存在可观察的颜色。在图5的实施例中，然后步骤24在触摸屏11上向用户提供颜色栏的选择。如上文所述，数据库将使某些化合物同某些颜色相关。程序典型地向用户提供10～20个颜色栏，其中色彩的名称打印在栏下面。应当理解，用相同的颜色将可能鉴别出不止一种化合物。然而，颜色的鉴别可用于缩小可能出现在化学泄漏中的化合物的可能数目。一旦选择了颜色，程序移至步骤24，并且询问用户蒸汽是否在上升。如果蒸汽在上升，则在步骤25中假定蒸汽密度大于1mg/m3(环境空气的密度)。如果蒸汽在下降，则假定蒸汽密度小于1mg/m3。此外，具有与空气相同的密度(1.0)的化学物质趋向于均匀地散布在周围包含该物质的空气中，并且当泄露到开放的空气中时，比空气轻的化学物质将上升并离开地面。下一步步骤28询问是否存在同化学泄漏相关的气味。与所述关于颜色的方式相似，在步骤29中，在触摸屏11上向用户提供数据库中列举的所有化学气味的描述。例如，描述了不同化合物的气味的USFA HazMat Guide中将氨描述为具有“刺鼻的气味”，或者将过氯酸描述为具有“似漂白粉”的气味。在用户指出了泄露的化学物质的气味是否与触摸屏11上列出的某种气味匹配之后，程序将前进至步骤38。步骤38询问用户现在化学泄漏中是否使用了水。如果是，则发生的水解反应可能为化学泄漏提供了不同的颜色和不同的气味。化合物在水解时改变颜色、气味或者密度的事实可能提供了关于化合物身份的进一步的证据。可以看到，通过回答“是”，步骤32可以到达步骤38或者步骤21中的询问。步骤21中肯定的回答预料到了这样的情况，即系统用户首先观察到已经使用水的化学泄漏。步骤38中肯定的回答预料到了另外的情况，即首先在没有水出现时观察了泄露，并且随后使用了水。步骤31询问是否出现了作为水解结果的新的蒸汽颜色。如果是，则在移至步骤33之前，步骤32再一次在触摸屏11上向用户显示颜色选择，并且允许用户选择一种颜色。随后(或者在水解时没有出现颜色改变时)，步骤33询问蒸汽是否在上升，并且步骤34或35如上文所讨论的基于蒸汽是否在上升，作出关于蒸汽密度的决定。步骤36和37将进行关于水解状态下泄露化合物的气味的新的询问。然后步骤39将询问是否存在同化学泄漏相关的火，以及是否存在伴随的烟(步骤40)。如果存在伴随的烟(用户必须区分来自火的烟和来自蒸发的水的水汽之间的不同)，则步骤41将确定燃烧物质的分子量大于丙烷的分子量(即44)。该结论基于这样的前提，即比丙烷分子量大的物质在燃烧时产生可见的烟。
一旦所有的询问均得到回答，则程序返回所有化学化合物的列表，其中数据库具有关于该化学化合物的用户输入的属性。在本发明的一个优选实施例中，仅在所有的输入属性与某化合物匹配时，才指出出现了该化合物。应当理解，程序并不总是返回可疑的化合物，而是常常可能返回几种满足所观察的属性的化合物。
本发明的另一实施例涉及将位置同具体化学化合物相关联的数据库。所讨论的物理位置将典型地是工业工厂或者其他将贮藏化学物质作为其商业运作一部分的机构。关于什么化学物质存在于什么机构中的信息可以获得自地方应急预案委员会(Local Emergency PlanningCommission，LEPC)和州政府突发事件反应委员会(State EmergencyResponse Commissions，SERC)，或者通过其他输入到数据库中的方法获得，例如消防队预案数据。美国紧急计划和社区知情权法(EPCRA)已经规定了，存贮、生产或者使用有潜在危险的化学物质的机构必须每年向LEPC、SERC和诸如消防队的地方第一反应人员提交应急和有害化学物质的详细目录。机构在“Tier I”或者“Tier II”的表格中提供这些信息。许多州需要Tier II表格，并且这提供了基础的机构识别信息、关于紧急事件和非紧急事件的雇员联系信息、以及关于该机构存贮或使用的化学物质的信息。该信息是可公开获得的，并且可以以电子数据库格式组织起来。Tier I & II信息通常通过街区地址来确认机构的位置，并且机构的地址可以被称作机构中存贮的化学化合物的“给定地图位置”。
图7说明了使用户输入的位置信息同具有Tier I或者Tier II数据的数据库相关联的方法的流程图。通常该方法通过计算机软件的形式实现，并且此处有时将其称作“机构向导”程序。步骤50a表示机构向导程序的初始化。在步骤50b中，该程序将接收表示所关注的物理位置的输入。当机构向导程序在诸如图4所示的硬件配置中运行时，位置输入将自动地由全球定位系统(GPS)单元7提供，因此“系统位置”是GPS设备的位置。GPS位置数据可以是标准的美国工程师和机械师协会(National Engineers and Mechanics Association，NEMA)GPS格式的数据，该格式包括纬度和经度的度和分，其中分的测量精确到小数点后6位。然而，还存在实现相同目的的其他公知的GPS消息格式。由于Tier I和Tier II数据通常通过街区地址提供机构位置，因此机构向导程序使用传统的绘图程序，诸如具有地址地理编码特征的Microsoft Map-point，用以使经度/纬度数据同最接近的对应街区地址数据相关。
机构向导程序下一步给出使Tier II数据与选择的位置相关的机构的名称，并且在步骤51中询问用户该机构是否是用户确信发生化学泄漏的位置或者是散发泄露物质的位置。如果用户的响应是否定的，则步骤56将自动地返回在输入位置的给定半径范围内的机构所报告的所有化学物质的列表。在一个实施例中，该半径具有0.5英里的默认值，但是该半径可以通过用户输入而增大或减小。可替换地，如果步骤51中的询问得到了肯定的响应，则如步骤52所述，仅列出已确认的机构报告的化学物质。下一步，步骤53将询问用户泄露是否来自已知的存贮容器。如果用户可以确认散发泄露物质的容器，则机构向导程序的步骤54将在触摸屏11上向用户提供容器轮廓的选择。图8示出了可以提供给用户的四个容器轮廓的示例61a-64d。事实是，从具体的容器类型中散发的泄露物质并不能鉴别正在泄露的化合物，但是能够限定可能存贮在该容器中的化合物的类型或类别。从某些资源可以公开地获得关于存贮容器和与容器相关的产品类型的所有信息，诸如美国联邦消防署(USFA)的Hazmat指南。
不论机构向导程序分支执行到步骤56还是步骤54，下一步程序都将在步骤55中询问用户是否存在信息报单，诸如图9的屏幕截图所示的美国国家防火协会(NFPA)的报单。如本技术领域所公知的，NFPA报单63分为四个菱形区域，表示为64a～64d。区域64a是蓝色的(健康危险)，区域64b是红色的(可燃)，区域64c是黄色的(反应性)，区域64d是白色的(特别关注)。区域64a～64d在区域中还包括0～4的数字，其中数字表示每个类别，健康危险，易燃或者易反应的增长程度。区域64d将具有包含于其中的专用的字母码，用以指出特别关注，诸如水解。步骤57提示用户选择具体的NFPA报单，在图9所示的实施例中，这将需要用户在触摸屏11重新生成他或她正在观察的报单。通过触摸区域64a～64d邻近的数字或者字母来重新生成在化学泄漏现场观察到的报单值，完成了上述功能。由于使用了容器轮廓，因此NFPA报单没有必要提供确切的化合物，但是典型地存在一组化合物，其对应于具有具体数集合的报单。
在步骤58中，机构向导程序将初始化通过参考图5所讨论的化学属性向导程序，并且该化学属性向导程序将向用户提出询问集合，并且返回基于其确认过程而指出的可能的化学化合物。在步骤59中，机构向导程序的步骤50～57的结果和化学属性向导程序的结果将进行比较，并且两者共有的化学化合物将作为机构向导程序的最终结果而被提供。
本发明的另一实施例涉及基于所观察的关于高速公路油罐拖车或者铁路货柜车的信息来鉴别可能的化学化合物的方法(典型地基于计算机)。图10说明了在从铁路车中散发化学泄漏时，所使用的被称为“铁路车向导程序”(Railcar Wizard)的流程图。应当理解，尽管通过铁路货柜车进行描述，但是本进程同样适用于高速公路油罐拖车，并且本发明已经清楚地考虑到了这一点。步骤70在触摸屏11(参见图4)上初始化本程序。在步骤71中，将提示用户观察在铁路车上是否存在与化学泄漏相关的美国运输部(DOT)的报单。图11说明了几种典型的可能显示在触摸屏11上的DOT报单，如步骤72所述。在某些情况中，报单将清楚地指出货柜车中的化学物质(例如，参见关于氧气和汽油的报单)。但是，在多数情况中，DOT报单将仅提供某些一般的属性(例如可燃、易燃、有毒等等)，其可以用于上文所述的NFPA报单的情况中的几种化学化合物。程序将记下所有与所选报单相关的化合物，作为铁路车向导程序的可能结果。
不论可利用的DOT报单是否是已确认的，下一步铁路车向导程序都将询问用户是否存在联合国(UN)编号。该UN编码通常作为环中的四个数字出现，并且可能出现在DOT报单上或者单独的报单上。UN编码是分配给每中化学化合物的唯一的编码，并且典型地可以在任何出版的危险物质指南中找到。在本发明的一个实施例中，用户将使用触摸屏选择在泄露现场观察的组成UN编码的数字序列。
在关于UN编码的询问之后，下一步铁路车向导程序将在步骤75询问用户在数据库中是否存在同泄露的铁路车相匹配的铁路车轮廓。USFA的“用于第一反应人员的危险物质指南”包括典型用于铁路行业的铁路油罐车轮廓。USFA的“危险物质指南”指出了，某些类型的油罐车被指定用于某些化合物。例如，DOT 105J100W油罐车被指定用于乙撑氧、液化石油气和液化碳氢化合物气体，DOT 105J200W油罐车被指定用于二氧化硫、氯乙烯和液化石油气。图12示出了屏幕截图，说明铁路车向导程序如何引导用户选择在事故现场观察的正确的铁路车。使用上/下选择箭头81，用户将翻看数据库中不同的轮廓，并且将轮廓80同所观察的铁路车比较。用户将简便地触摸适当的铁路车来指出这就是在现场观察到的铁路车。
在步骤76中选择轮廓后，铁路车向导程序将在步骤77中调出上文讨论的化学属性向导程序，并且该化学属性向导程序将向用户提出询问集合，并且返回基于其确认过程而指出的任何可能的化学化合物。在步骤78中，步骤70～76的结果和化学属性向导程序的结果将进行比较，并且两者共有的化学化合物将作为铁路车向导程序的最终结果而被提供。尽管在正确地更新货柜上的UN编码时，UN编码是化合物的最准确的标识，但是不能确保该UN编码事实上已被更新。因此，当由UN编码确认的化合物也对应于化学物质或者由其他标识(轮廓、DOT/NFPA报单、化学属性行动向导程序)确认的化学物质时，才可以由程序确认该化合物。
2.化合物的光谱鉴别本发明的另一主要方面是使用光谱分析来远程鉴别化学泄漏中的未知的化合物。如上文所讨论的，执行可靠的光谱分析中的一个关键的参数是精确的背景光谱。本发明提供了产生精确的背景光谱的新的且有利的方法。然而，作为确定背景光谱的预备处理，图13说明了在获取最初的光谱读数时本发明是如何执行几种初始化步骤的。最初步骤122涉及“对准模式”进程，其通过光谱仪中的现存软件来执行。通过参考图14，简单地讨论这些步骤。在该模式中，光谱仪将获取一个干涉图扫描并且将该扫描(通过具有三角形变迹功能的FFT)转换为在v＝650cm-1～4200cm-1频率范围上的样本单光束光谱(SBiS)。(步骤141)。
下一步，系统通过测量干涉图的最小值和最大值之间的差(峰峰值)来估测信号中的总的入射红外光的功率(步骤142)。IR信号功率的量值可以通过任何传统的数字或者图形用户界面来表示。如果信号功率大于光谱仪推荐的功率范围，则用户将在光谱仪的透镜对面安置IR滤光片，并且获取另一信号功率的读数。如果信号功率小于推荐的范围，则用户将在不同的位置获取另外的读数，而在该位置将可能导致更多的IR能量发射到光谱仪中。如果没有观察角能够提供足够的信号能量，则在现有条件下可能不存在光谱读数。
一旦系统确认有足够的信号能量，则系统执行几个进一步的步骤用以提供另外的数据。如图13所示，对于每个光谱读数，系统将为读数分配具体的识别号码(步骤125)，获取罗盘方向(步骤126)，获取关于背景物体的距离测量结果(步骤127)，获取温度和湿度读数(步骤128)，获取GPS读数(步骤132)，获取摄影机对焦位置(步骤131)，存储来自视频捕获的元数据(步骤130)，开始视频捕获(其可以以传统的JPEG格式存储)(步骤129)，开始视频时间标记(步骤133)，在预选的波间隔中执行预定数目的扫描用以构建干涉图(步骤134)，结束时间标记(步骤135)，停止视频捕获(步骤136)，并且随即处理干涉图(步骤137)。在优选实施例中，以0.5的波数间隔执行关于干涉图的32次扫描，以便于创建复合干涉图。干涉图的操作和干涉图的处理在本技术领域是公知的，因此此处不需要进一步的描述。
图14(步骤143)所示的一个步骤是执行图15所示的背景温度的初始估值。在研究图15中的步骤之前，有必要理解，为了执行该估值，系统将使用具有已知气体和背景温度的不同气体混合物的已知样本单光束光谱的数据库。
在优选实施例中，在估测样本背景光谱中使用了24个单光束背景光谱。这24个光谱表示在0.0和142℃之间的背景光谱，并且在图19中得到了说明；通过使用Model340黑体辐射源记录了这些光谱，其由Mikron Infrared，Inc.of Oakland，NJ制造。
用于产生吸收光谱的另一试实验进程包括加热的单向气体样本槽(具有10厘米的吸收路径长度)和固体的、灰色的直径25cm的“电热盘”。K型热电偶附着到电热盘的表面，并且吸收槽提供了样本气体(TS)的温度和背景温度(TB)的测量结果。通过使电热盘充满光谱仪的视野，并且将气体槽安置在光谱仪和背景之间，记录了形成集合的光谱。这些吸收光谱被用于产生下文方程18～20中讨论的温度对比度ΔT＝TA-T0B。
在产生初始吸收光谱之后，通过在多个(～200)小的频率范围(主要对应H2O和CO2)上去除气相吸收要素，并且使用三次样条插值近似来替换这些吸收要素，将这些光谱修改为相对平滑的基础背景发射光谱。还可以按比例缩放光谱，用以将其最大值设置得相一致。图19和20说明了在波数区域650～1400cm-1上的最终背景参考集合。尽管图19说明了背景光谱的完整的集合，但是为了清除起见，图20仅示出了表示参考背景光谱集合的最小和最大温度(0℃和142℃)的光谱。
如图20所示，所示的抛物线曲线与这些光谱(0℃和142℃)的每一条相配合，并且这些抛物线的最大高度或者抛物线中心由Vc1和Vc2表示。当在给出的温度范围(例如0℃～142℃)上产生数条单光束光谱时(参见图19)，可以对这些单光束光谱的抛物线中心进行估值，并且表示背景温度相对抛物线中心的关系可被绘出，如图21所示。使用这一关系，可以了解样本光谱的估测的抛物线中心是如何给出的，通过在温度轴上读取对应于抛物线中心的点，可以获得估测的温度。
现在返回图15，为了实现如该图所示的处理，系统首先从光谱仪获取分析范围(步骤146)。数据库包括vA和vB之间的参数，其在一个共同的实施例中可以被定义为vA＝650cm-1和vB＝1100cm-1。用于所述实施例的所有光谱信息存在于标准的磁盘文件中，其具有由Thermo Galactic，Inc.of Salem，NH发展的格式，并且该格式被称作“SPC”格式。磁盘文件包括几个具有头信息的块，在头信息后跟随着光谱y值的有序列表，光谱y值依赖于光谱数据类型表示吸光度或者红外光强。除了数据，头信息还包含最初y数据点的频率(FFP)、最末y数据点的频率(FLP)和文件中点的数目(NPTS)。与y数据相关的x轴的值不存储在该文件中，但是在需要时可以通过列表中的数据位置、FFP、FLP和NPTS来计算该值。例如，与文件中第13个y值相关的频率等于FFP+(13-1)(FFP-FLPNPTS-1)]]>所述实施例使用的所有光谱文件具有相同的FFP、FLP和NPTS的值，因此SPC文件格式使其自身易于构成设计矩阵D中的列。通过所需分析范围的上限频率和头信息，能够计算在磁盘文件列表中相应的y值的位置。该值自磁盘文件读出，并且被放置在设计矩阵列的第一行。随后的y值(一直到对应于分析范围下限频率的数据)可以简便地从磁盘文件中顺序读出，并且被顺序放置在D的同一列的下面的行位置上。
然后系统将定义所需用于实现由方程2表示的矩阵的元素。例如，在上文确定的分析范围中通过SBSi定义向量A(图15的步骤147)。向量元素是分析范围Ai＝(SB)Si其中vi＝vA～vB上的样本单光束值。然后系统将构造设计矩阵D，如图15的步骤148所述。D的列包括常数、值vi和值(vi)2，用以提供矩阵D=1v1(v1)21v2(v2)2...1vN(vN)2]]>方程(12)具有方程12的设计矩阵表示在频率范围v1～vN上的样本单光束光谱；在当前应用中，v1＝650(cm-1)而vN＝1100(cm-1)。当行向量A的元素被设置为等于在该频率范围上的样本单光束光谱的元素，并且初始(k＝0)P矩阵被设置为单位矩阵I时，方程9产生参数XLk(L＝0，1，2，...N)的估值，其中估测抛物线由下式给出yi=X‾0k+X‾1kvi+X‾2kvi2]]>方程(13)并且k表示“权重迭代”CLS(“WICLS”)的迭代次数。
WICLS(图15的步骤149)是本发明执行的新的CLS分析方法，以便于获得比现有技术领域的CLS方法更加精确的估测抛物线(步骤150)。该WICLS技术基于残差V(方程7)在权重矩阵P(方程5)中使用迭代调节。在许多情况中，在连续迭代中，残差平方的加权和V2(方程8)中的变化最终将低于预定的正值，通知迭代过程结束。该技术导致了对某些CLS分析的有效抑制，该CLS分析中，测量数据A(方程2)的子集不能由设计矩阵D(方程3)中表达的线性模型较好地表述。如本发明所使用的，WICLS估值Xj和其相关的MSD值Δj(方程9和11)优于由标准CLS分析所提供的相应值。
图16说明了实现WICLS技术所执行的步骤。在步骤156中对矩阵A和D进行采样。在WICLS分析的第一步迭代之前，权重矩阵P被设置为等于单位矩阵I(步骤157)，即分析中所涉及的所有数据被赋予相同的权重。下一步在步骤158中，如上文所述计算初始(k＝0)参数估值Xj、残差V、方差和V2和边际标准偏差Δj(参见方程8～11)。在步骤159中，计算权重P，并且增加迭代计数值k。基于前一步迭代的残差，根据下式重新定义权重ξik=(1/Vi)2]]>方程(14)并且其平均值为ξ‾k=1NΣiξik]]>方程(15)其中上标k＞0表示迭代次数。关于接下来第(k+1)步迭代的权重Pijk+1由非线性关系确定Piik+1=ξ‾kifξik>αξ‾korξikifξik≤αξ‾k]]>方程(16)并且Pijk+1=0,]]>对于i≠j其中α≥0是关于每个WICLS应用的通过实验确定的可调节参数。在本发明的优选实施例中，值α＝1。使用最终的权重矩阵P，在步骤160中，再一次使用方程8～11，重新计算参数估值Xj、残差V、方差和V2和边际标准偏差Δj。在许多情况中，使用方程12～16的重复迭代使值(Xj)k、(Δj)k和(V2)k收敛，其中上标k＞0仍然表示迭代次数。在该情况中，关于下一个k值的(V2)k的值满足
abs{(V2)k+1-(V2)k(V2)k+1}<L]]>方程(17)当满足方程17中表达的关系时(步骤161)，值(Xj)k+1和(Δj)k+1(以及所有其他相关的估值)作为WICLS分析的值而被采用。在优选实施例中，值L＝0.01。
方程12～17描述的WICLS进程的应用将通过方程13描述的抛物线提供关于X0k、X1k、X2k的值。最终估测的所关注的抛物线的中心频率vC(步骤151)可以如下计算vC=-X‾1k2X‾2k]]>方程(18)如上文所讨论的，图21中示出的WICLS估值vC相对于已知背景温度的曲线将提供用于估测背景温度的基础。对图21表示的实验数据的多项式回归导致了具有如下形式的函数估值y=a0+a1vC+a2vC2+a3vC3+a4vC4]]>方程(19)当方程16～19所述的进程应用到未知背景温度的样本单光束光谱中时，它们产生了该光谱中心频率的估值vCS。该光谱的初始估测背景温度TB0由下式给出TB0=a0+a1(vCS)+a2(vCS)2+a3(vCS)3+a4(vCS)4]]>方程(20)系统显示背景温度的数字或者图象表示。这允许系统迅速地提供已更新的IR能量图形输出和温度对比度ΔT＝TA-T0B(参见方程18～20和图28)。
一旦系统确定了背景温度的初始估值(图18中的步骤176)，则其将继续构建背景光谱。背景温度TB0的初始估值被用于选择“参考背景单光束(SB)对”，其是两条背景光谱，一个表示在TB0上面的最接近的光谱，而另一个表示在TB0下面的最接近的光谱(步骤178)。为了说明的目的，采用图19中最底部的光谱(0℃)，并且采用相邻的光谱(6.8℃)。如果TB0在0℃和6.8℃之间，则这两条光谱将是参考背景SB对。
通过使样本SB光谱同参考背景SB对相配合，借助于上文描述的WICLS方法，将产生估测的背景SB光谱(步骤179)。将在频率vi处的参考背景SB对的强度值表示为Si1和Si2，设计矩阵在v1～vN的频率范围上用公式表述为D=S11S12S21S22..SN1SN2]]>方程(21)同时在v1～vN的频率范围上的样本单光束光谱的相应的值被用作输入的行向量A(参见方程2)。如上文所提示的，当前应用使用的值为v1＝650cm-1和vN＝1100cm-1。方程12～17所描述的WICLS进程的应用导致了两个估值X1和X2；估测的背景SB光谱SBiB如下给出SBiB=X‾1Si1+X‾2Si2]]>方程(22)图17，步骤171提出了，最终由系统进行背景温度(TB)的最终估测。使用上文描述的确定初始背景温度TB0的方法(方程12～20)，除了行向量A被设置为等于估测的背景SB光谱SBiB(方程22)，而不是如图19所示的样本SB光谱。由方程23给出了背景温度TB的最终估值(步骤180，图18)，其与方程20相似TB=a0+a1(vCS)+a2(vCS)2+a3(vCS)3+a4(vCS)4]]>方程(23)一旦确定了估测的背景SB光谱SBiB，则可以使用方程1计算样本SB吸收光谱SBiS(图18，步骤181)，如本技术领域所公知的。
一旦获得了该样本吸收光谱，则本发明将开始鉴别过程，其鉴别哪些独立化合物的光谱出现在吸收光谱中。系统首先使用多种方法来初始鉴别在样本光谱中表示出来的化合物集合。然后系统使用具有增加的确定性的第二方法来确定在第一搜索中鉴别的化合物是否确实在参考光谱中表示出来。
化合物的初始鉴别在执行化合物(其是在样本光谱中表示出来的化合物)的初始鉴别中，本发明使用的一种方法是将样本光谱同已知的不同化合物的吸收光谱进行比较。许多化合物的吸收光谱是已知的，并且可以从上文提及的诸如Thermo Galactic of Salem，NH的资源获得。如上文所述，由Thermo Galactic提供的光谱信息以Thermo Galactic所发展的格式编辑在标准磁盘文件中，该格式被称为“SPC”格式。设计矩阵D的构建与上文描述的相同。
借助于将化合物与一个已知光谱或者多个已知光谱(在下文中被称作参考光谱)相关联的数据库，本发明的系统可以将参考光谱同样本吸收光谱进行CLS比较，并且确定该参考化合物在样本吸收光谱中表示的可能性。图22说明了本发明进行该比较的一种方法。在步骤196中，系统将定义搜索化合物，其可以是数据库中的第一化合物。一旦搜索化合物被确认，则与该化合物相关的分析范围将随后被确认。基于化合物被证明进行吸收的IR频率，定义该分析范围。例如，图23a示出了假想化合物B的分析范围，其占有的分析范围包括两个不相邻的红外频率组。化合物B的分析范围包括频率部分B1(810～850cm-1)和B2(880～900cm-1)。由于所考虑的化合物只有一种，因此包括在设计矩阵(R1和R2)中的分析范围将包括这两个不相邻的频率组。然而，如果H2O和CO2中的任何一个与R1或者R2重叠，则设计矩阵还将包括关于H2O和CO2的列。例如，如果H2O的分析范围是1300～850cm-1，则D中的一列将包括关于H2O的频率范围R1和R2的参考光谱值。同样地，如果CO2的分析范围是650～750cm-1，则上文所述的化合物B的设计矩阵将不包含对应于CO2的列。应当指出，分析中的H2O或CO2的结论不影响分析中使用的分析范围(即设计矩阵的行)，而是仅影响设计矩阵列的数目。
某些分析范围与数据库中所包括的占有至少一条参考光谱的每种化合物相关，并且这些分析范围也存储在数据库中。这些分析范围将涉及受到相邻IR频率子集限制的较多部分，在该IR频率处证明了化合物的吸收，同时也证明了背景光谱在该IR频率处具有有利的红外光强。此外，适当的频率子集的选择涉及数据库中包括的其他化合物被证明吸收的频率组；在这些其他的化合物中，由于环境空气中的H2O和CO2是普遍存在的，因此其最为重要。然而，某些其它类型的化合物也可能得到特殊的关注，这些是可能出现在所关注的样本中的化合物，或者是具有特别强烈的吸收特征的化合物，或者是具有特别宽的吸收范围的化合物。适当的分析范围的选取还将涉及每种化合物的光谱吸收范围的强度和唯一性。而且，对于那些同两个或者更多的分析范围相关的化合物，将为分析范围分配“级别”，其将这些分析范围同其他的与该化合物相关的范围区分开来，并且这些级别也将存储在数据库中。调节光谱搜索和CLS分析，使之包括所有级别低于可调最高级别的分析范围。在需要时，该技术允许在光谱搜索和CLS分析中使用关于化合物的额外的光谱数据；在实验室测试和现场应用中，响应光谱搜索结果和/或CLS分析结果的质量来执行该调整。
图24说明了关于化合物乙醇的可能的选择和分级处理。如下面的描记线所示，其表示乙醇的吸收范围，存在三个不同的吸收带，标注为区域1～区域3，在800～1300cm-1之间。在这些限制之间，虽然背景强度有变化，但其是相对恒定的。相反，可以看到强烈的H2O吸收特征在光谱的较高波数部分中变得更加强烈。这些因素的组合说明了，在有水出现的情况下，区域2将产生关于乙醇的最佳的分析结果，而区域1将产生最差的结果。这导致区域2被指定为“级别1”，区域3被指定为“级别2”，而区域1被指定为“级别3”。在优选实施例中，子程序被设置为仅在设计矩阵中使用具有级别1的区域。然而，还可以调整分析子程序使之包括具有级别1和2的区域；或者，甚至可以调整分析子程序使之包括所有关于该化合物的级别(1、2和3)。而且，本领域的技术人员将认识到，每种化合物都将可能具有任何数目的范围，并且这些范围可能被分配任何级别。因此，本发明不限于上文所说明的三级别示例和每个级别有一个区域的示例。
由于系统再一次使用CLS比较，因此用于CLS进程的设计矩阵D必须是如图22的步骤197中定义的设计矩阵。设计矩阵中的至少一列表示所选化合物的参考光谱(并且如果选择了多个参考光谱，则由多个列表示)。设计矩阵的行仅包括处于搜索化合物的分析范围中的红外频率。由于该CLS分析不是WICLS分析，因此在步骤198中将权重矩阵设置为等于单位矩阵(P＝I)。通过上文所述的方程8～11计算关于搜索化合物的参数估值X、残差V、方差和V2和边际标准偏差Δ(步骤199)。寻找这些值的目的在于，它们可以提供“质量指标”Qj，其是表示CLS确定参数Xj的质量的指标。使用来自步骤200的样本吸收向量A，Qj可被定义为Qj=100×(1-Rj)=100×(1-Δ‾jX‾j)=100×(1-U‾jSΘ‾jS)]]>方程(24)U和Θ是在下文中定义的，并且目前仅需要理解其用于本发明，具有降至具体值下面的相关质量指标Qj的CLS值Xj被称为“未定的”。在Qj值下面的使化合物被认为使是未定的该Qj值根据不同的CLS应用而变化。本发明的优选实施例认为小于90的Qj是未定的Xj值。该决定在图22的步骤201中表述，其中大于90的Qj被认为是肯定(“已定的”)结果(步骤202)，而较低的Qj被认为是否定(“未定的”)结果(步骤203)。最后，在步骤204中报告这个搜索的结果。这样，上文描述的该方法，在此处被称为“CLS搜索”，提供了用于搜索和鉴别可能由样本吸收光谱表示的化合物的一个进程的示例。
本发明在执行化合物的初始鉴别时使用的另一种方法是由Thermo Galactic of Salem，NH发展的。尽管在本发明中使用了该方法(“Galactic搜索”)，但是Galactic搜索本身并非从属于本发明。Galactic搜索方法(参见图25)首先(步骤226)确定与样本光谱进行比较的化学物质的分析范围(步骤227)。如图22中的方法，Galactic搜索使用数据库，其涉及在给出的范围上的不同的化学化合物的吸收特征。系统将使吸收特征与化合物吸收IR能量的频率范围相关联。该“分析范围”将对应于正在搜索的化合物。一旦确定了分析范围，则Galactic搜索在进行搜索确认时将使用多种不同的算法。该搜索和上文通过图22描述的搜索之间的重要区别在于Galactic搜索并不包括任何表示CO2或者H2O的数据。如图25的步骤29中所述，Galactic搜索的搜索类型包括基于关联、一阶导数、Eucleadian距离和Eucleadian距离的一阶导数。
最初设置Galactic搜索，使之开始通过上文列出的具体搜索类型中的一种来进行搜索(步骤228)。该搜索将产生数据库中所有参考光谱的列表，这些参考光谱是按照同样本光谱的关联程度的顺序而排列的(步骤230)。如果所选化合物的参考光谱是级别队列中的第一个，则在第一和第二级别之间的分离度百分数是N(步骤231)，然后所选化合物被认为具有可靠的结果，并且与该化合物相关的可靠性指数加1(步骤232)。对于不同的实施例，分离度N可以改变。作为示例，在一个实施例中分离度N可以是0百分点，另一个中是25百分点，或者可以是其他所找到的给出精确结果的任何百分比。然后，对于上文所述的五种搜索类型的每一种，重复该方法，并且在满足步骤5的条件时增加可靠性指数(达到最大可能值4)。然后，对于Galactic数据库中的每一化合物重复该方法(步骤233)。Galactic搜索的最终输出将是化合物和化合物可靠性指数值的列表(步骤234)，表中的化合物具有至少为1的可靠性指数。
通过使用CLS搜索、Galactic搜索和向导程序搜索，本发明将创建样本吸收光谱所表示的化学化合物的初始列表或者暂定列表。“向导程序搜索”涉及上文所述的化学属性向导程序、机构向导程序或者铁路车向导程序指出的可能出现的化合物。然后，本发明将以新的方式处理此化合物初始列表，以便于具有较大确定性地确定初始列表中的哪些化合物最有可能由样本吸收光谱表示。图26说明了，该处理中的第一步骤(241)是如何基于在这三个搜索列表(242a～242c)之间交叉的化学物质的一致性来创建主要列表和次要列表的，在下文中，用标志{C}表示CLS搜索列表，用标志{G}表示Galactic搜索列表，用标志{W}表示向导程序搜索列表。
主要列表{P}包括所有在列表{C}中鉴别的化合物和那些在列表{W}和{G}中均能找到的化合物。用集合符号表示，{P}等于{C}∪{{W}∩{G}}。集合{S}是{P}关于整个并集{C}∪{W}∪{G}的补集。换言之，{S}表示任何在列表{C}、{W}或{G}中找到的，并且未在{P}中列出的化合物。列表{P}表示那些最有可能由样本吸收光谱表示的化合物，同时{S}中的化合物列表被认为不太可能出现在样本中，但是也需要某些光谱分析的关注。下一步，在步骤243中，系统将定义CLS来自{P}的分析范围R，设计矩阵D和样本输入向量A。分析范围R是关于{P}中所有化合物的分析范围的并集，并且如图23b所示，通过与上文参考图23a所描述的相似的方式来确定。作为示例，如果列表{P}仅具有两个化合物A和B(包括其各自的频率范围A1、A2和B1、B2)，则分析范围R将是那些任何声明了化合物吸收的IR频率。与前文相似，如果化合物H2O和CO2的分析范围达到与{P}定义的IR频率重叠的程度，则它们也包括在分析中，但是它们的频率范围不能另外用于定义R。向量A的元素是在分析范围R上的样本吸光度值。D的列包括参考光谱AijR的值，以及在同一频率范围上的波数vi和vi2。因此设计矩阵D可表示为D=A11RA12R.A1MR1v1A21RA22R..1v2......AN1RAN2R.ANMR1vN]]>方程(25)应当理解，矩阵D中的每一列(除了最右边的两列)均表示在分析范围v1～vN上的列表{P}中的化合物的参考光谱AR。
图26中的下一个步骤(步骤244)是在化合物列表{P}上执行“调整CLS”分析。图27说明了执行调整CLS分析中所采用的步骤。样本向量A和设计矩阵D是如上文所直接定义的(步骤276)。在步骤277中，权重矩阵P(参见方程5和6)被设置为单位矩阵I(这样使得此CLS分析的形式是“无权重的”形式)。步骤278下一步需要计算参数估值Xj、残差V、方差和V2和边际标准偏差Δj(参见方程7～11)。
系统还将使用下述关系计算光深ΘjS和不确定性UjSΘ‾jS=X‾jΘjRPjRPSTSTjR]]>方程(26)其中ΘjR＝(纯净的)第j个化合物的单参考光谱的光深(ppm-m值)；TjR＝记录AijR时的绝对温度；PjR＝记录AijR时的绝对压强；TS＝记录AiS时的绝对温度；PS＝记录AiS时的绝对压强。相似地，ΘjS中的MSD(1σ不确定性)用UjS表示，其由下式给出U‾jS=Δ‾jΘjRPjRPSTSTjR]]>方程(27)然后步骤279将算得的样本光谱的光深ΘjS与对应参考光谱的给出的光深ΘjR进行比较。光深是重要的参数，这是因为其值结合通过采样气体的光学路径长度，将提供化合物浓度的估值。对于许多化合物，红外光谱数据库包括以不同光深记录(即不同浓度)的多个参考光谱。对于该化合物，最准确的可利用CLS结果基于化合物的具体参考光谱具有与样本气体中所找到的光深最接近的光深，并且该具体参考光谱不必是选出用于初始设计矩阵D计算的同一参考光谱。
为了说明该潜在误差的来源，步骤280执行下述分析。应当理解，对于每种化合物，当前的CLS结果ΘjS必然落入三个区间中的一个a)低于具有最低光深的该化合物的参考光谱的光深的ΘjS，或者b)在其两个参考光谱的光深之间的ΘjS，或者c)高于具有最高光深的该化合物的参考光谱的光深的ΘjS。下文描述了这三种情况。如果结果是情况(a)，则所讨论的化合物的当前CLS结果是相符的并且不再需要进一步的操作。如果结果是情况(b)，则对于具体的化合物(j)，可能需要在将设计矩阵的相应的列替换为来自该化合物不同光深的不同参考光谱的值之后，重复CLS分析。其中ΘiLOWR<Θ‾jS≤ΘjHIGHR,]]>下列参数可以被定义为
β=Θ‾jSΘjLOWR]]>和γ=Θ‾jSΘjHIGHR]]>方程(28)通常，可以根据β值和γ值的任何适当的数学比较来定义CLS的结果是相符的；该定义可以是同具体化合物相关的，并且可能需要额外的迭代约束。例如，β值和γ值的某些允许范围可以是预先确定的(例如0.5≤β≤5和0.5≤γ≤5)，并且这可被用于判别CLS结果是否是相符的。
在可替换的实施例中，如果当前参考光谱不维持在光深ΘjHIGHR，则该结果被定义是不相符的，并且对于任何化合物，仅允许参考光谱的一次变化，而不考虑整体进程中需要的迭代次数。图27的进程使用了本实施例，通过示例可以更好的理解该实施例。假设可以利用(分别)具有光深D1＝100ppm-m、D2＝250ppm-m和D3＝500ppm-m的三个参考光谱S1、S2和S3，用于具体化合物的分析。然后假设当前的CLS分析使用光谱S3并且返回结果Θ‾jS=200ppm-m.]]>该结果落在D1和D2之间，因此ΘjLOWR=D1=100ppm-m,]]>而ΘjHIGHR=D2=250ppm-m.]]>使用上文给出的标准，由于该结果落在D1和D2之间，因此这是不相符的结果，所以在使用参考光谱(具有D3＝500ppm-m的S3)的当前CLS分析中，与这些光深(S1或S2)相关的参考光谱中的一个将可能提供更加可靠的结果。图27中的步骤4执行该功能，并且还检查是否调整了先前的结果。如果没有，则修改设计矩阵以包括来自S2(而不是S3)的值，并且重复分析(步骤281)。然而，如果由于该化合物的不相符的结果，在先前的CLS分析中已经调整了设计矩阵，则进行进一步的修改，尽管该不相符的结果是由当前CLS分析产生的。需要该技术以避免允许计算机程序进入无限的逻辑循环中。
如果结果是情况(c)，则当强的CLS结果是相符的，但是该结果被标记为实际样本光深的可能低估的值。最后，步骤282通过确定精确的质量指标Qj(方程26)来执行进一步的计算。
返回图26，在完成了步骤3中的调整CLS分析时，最关注的结果是ppm-m估值ΘjS及其相关的(新的)质量指标Qj。Qj低于某些选出值(在优选实施例中通常接近90)的所有化合物被认为是“未定的”。如果存在未定的结果，则步骤248将从列表{P}中去除具有未定结果的化学物质并且在列表{S}的顶端加入这些化合物。使用新的缩短的列表{P}，步骤245使用同步骤243相似的方式重新定义CLS分析范围R、设计矩阵D和样本输入向量A。然后继续进行步骤244和247的迭代处理，直到{P}中所有化合物的结果是已定的。
在不存在进一步的未定结果时，步骤246将把列表{S}顶端的最初化合物{S}0添加到最末的列表{P}中，并且从{S}中去除{S}0。通过使用新的列表{P}，在步骤249中重新定义CLS分析范围R、设计矩阵D和样本输入向量A，并且在步骤250中对新列表{P}执行另一调整CLS分析。如果最近添加的{S}0化合物在步骤252中是已定的，则步骤251将把下一个{S}0添加到{P}中(并且从{S}中去除{S}0)，并且重复步骤249。如果在步骤252中{S}0化合物是未定的，则步骤254将确定{S}是否为空。如果不是，则步骤253将从列表{P}和{S}中去除{S}0，并且将列表{S}的下一个顶端化合物{S}0添加到列表{P}中。该处理持续进行，直到在步骤254中发现{S}为空。
在执行最终的确认之前，即确认由系统鉴别的哪些化合物是由样本光谱表示的，将确认是否存在是IR辐射源的化合物。步骤269询问是否存在估值Xj＜0。如果所有的CLS结果(以及相关的ppm-m估值ΘjS)是零或者正的，则分析的最后一步将如下文所述计算浓度估值Cj和Γj。如果存在负的估值Xj，则执行步骤255～265以确定这些可疑的辐射源是否是假性结果，或者确定在样本中是否存在确实的证据证明化合物发射IR辐射。步骤255将定义{P}的子集{R}，其X＞0，并且将定义{P}的子集{N}，其X＜0。集合{R}包括在样本中由{P}的最终CLS分析而指明是红外光吸收者的化合物，并且{N}包含那些指明是红外光辐射者的化合物。步骤256将从{R}中定义新的设计矩阵D而不重新定义范围(即使用在步骤249的最终迭代中找出的范围)。由此矩阵D的列仅对应于那些在样本中指明是红外光吸收者的化合物，但是光谱范围应对于所有的在步骤241～254中找出的具有良好的已定CLS结果的化合物。步骤257将使用同上文相同的方式，针对{R}执行调整CLS。如果存在未定结果，则步骤258去除未定的化合物，并且重复步骤256～259，直到不存在未定结果。随后，步骤260将在集合{N}中搜索关于化学物质的残差V。如果指明是红外光辐射者的化合物(见步骤269)确实同样存在于样本中，则残差矩阵V应包含关于它们的证据，因此使残差经历光谱搜索操作，即前面的步骤1(即Galactic和CLS搜索)。
步骤261确定是否找出了集合{N}中的化合物。如果是，则残差光谱包括具有至少一种化合物的可辨认的范本，该化合物包括在数据库中，并且由用于产生残差的CLS分析排除。该可辨认的范本的出现表明，至少一种分析中未包括的吸收或辐射化合物可能存在于样本中。在该情况中，使用集合{P}的步骤241～254的结果是最可利用的，并且步骤266返回到步骤254附近确认的集合{P}的结果。如果步骤261中的搜索并未指出存在任何来自集合{N}的化合物，则认为步骤241～254中的所有的负结果是假性的。认为当前的化合物集合{R}是精确的，除了需要减小当前的分析范围，因此本方法进行至步骤262～265。在步骤262中，使用{R}中的化合物和关于{R}中的化合物的范围来重新定义设计矩阵D。然后使用此重新定义的范围执行调整CLS。如果在步骤265中存在未定结果，则在步骤263中去除具有未定结果的化合物，并且该处理返回到步骤262。如果不存在未定结果，则认为当前结果是最终结果并且将其传递给步骤267。
作为鉴别化学化合物的处理的最终步骤，本发明将确定每种化合物的浓度Cj和与该浓度测量结果相关的不确定性Γj。这些值可以通过下式计算Cj=Θ‾jLSFT]]>方程(29)
和Γj=U‾jLS|FT|]]>方程(30)方程29和30中的量FT是校正因子，其描述所观察的具有温度对比度ΔT＝TA-T0B的乙烯吸光度的变化。图28说明了本工作中用于定义FT的测量变化和三次多项式回归。可以看到，样本吸收路径长度LS必须是已知的。通常在图13的步骤127所述的初始测量过程中由用户估测LS并且将其输入到系统中(步骤268)。
图29说明了由本发明的软件所执行的某些额外的功能。子程序部分涉及获取气体的光谱仪读数，而该气体保存在玻璃样本瓶或“槽”中。获取槽中的气体样本读数在本技术领域中是公知的。然而，可以独立的执行几个步骤，包括步骤300～305和步骤314～316，而不管是否正在利用气体槽。步骤300将初始化该子程序，并且为用户确认该子程序。步骤301将询问用户，他或她是否了解光谱仪将鉴别的化学化合物。这考虑到了这样的情况，即到达化学泄漏现场的用户掌握了关于可能泄露的化合物(特别是有毒化合物或者其他危险化合物)的信息。用户可能希望在几个不同的方向立刻获取光谱仪的读数来确定出现的化合物是否能被鉴别。为实现该目的，步骤302将询问用户，用以使用户从触摸屏11(图4)上列出数据库中的所有化学化合物的字母列表(步骤303)中选择已知的或者可疑的化合物。一旦选择了已知的化合物，步骤302将向步骤305返回关于该化合物的参考光谱。如果鉴别软件仅需要将光谱读数同一个具体的参考光谱进行比较，则可以很迅速地执行对该具体化合物的存在的确认。用户将在步骤314中获取光谱读数(在图13中已详细描述)，在步骤315中产生背景SB和吸收光谱(参见图18)并且然后在步骤316中执行图22的CLS搜索。在执行CLS搜索之后，将结果发送给图26所示的子程序。仅有一个参考光谱出现在列表242a～242c中，而不是列表242a～242d提供多个参考光谱。参考图26，如上文所述处理该参考光谱(连同那些普遍存在的H2O和CO2的光谱)。该确定过程的输出将通知用户光谱仪是否检测到已知的化合物。
返回步骤305，如果用户确定希望使用气体槽(即将气体样本捕获至槽中并随即对槽中的气体进行光谱分析)，则程序将前进至步骤306并且询问气体槽是否已被清洗(即通过诸如氮的惰性气体进行冲洗以去除先前使用后的残留物)。如果没有，则通知用户清洗该气体槽，或者，如果光谱仪适当地配备了附加的用于自动执行该功能的硬件，则由光谱仪进行此项工作。如果气体槽已被清洗，则软件将询问目前的背景光谱是否是可利用的。应当理解，在获取气体槽中样本的光谱读数时，将使用已知的预定背景辐射源。由于气体样本容纳在气体槽中，而该气体槽可以容易地安置在光谱仪和用户选择的辐射源之间的任何距离处，因此这是可能的。清楚的是，其与如上文通过图18所讨论的估测基于远程源的背景所使用的子程序不是同一子程序。如果当前背景是可利用的(即获得背景的条件不发生变化)，则程序将移至步骤310。如果当前背景是不可利用的，则将采用新的背景SB光谱。这典型地需要使用诸如氮的惰性气体充满该槽，并且在该槽安置于辐射源前面时记录获得的光谱。步骤310将询问气体样本是否在槽中。如果不是，则程序将通知用户引入气体样本，或者，如果光谱仪配备了适当的外部硬件，则程序将自动地打开气体槽上的阀门，并且将周围空气的样本吸至槽中。然后步骤312和313将获取槽中气体的光谱读数并且产生槽中气体的单光束光谱(参见图13)和吸收光谱(参见方程1)。随后，在步骤316中程序进行到上文所述的图22和26的子程序。应当理解，步骤306～313通常在本技术领域是公知的，并且其自身并不构成本发明的一部分。
尽管前面的公开内容以具体实施例的形式描述了本发明，但是本领域的技术人员将认识到存在许多处于本发明的范围内的修改方案。例如，尽管所描述的“向导”子程序是结合化学物质的光谱鉴别而使用的，但是可以预料，向导程序自身(即不涉及光谱分析部件)可用于提供有用的关于未知化学化合物的预备鉴别。所有此类修改和变化方案应在附属权利要求的范围之内。
权利要求
1.一种确定背景物体温度的方法，针对该背景物体记录样本光谱，所述方法包括步骤a.提供抛物线形中心频率和背景温度之间的预定关系，其中所述抛物线中心频率是在已知温度下的参考背景的单光束光谱的频率；b.提供相对于未知温度的背景而记录的样本光谱；c.确定同所述样本光谱最配合的抛物线曲线；d.确定所述最配合的抛物线曲线的样本抛物线中心频率；e.将所述样本抛物线中心频率同所述中心频率和背景温度的预定关系进行比较；f.基于所述比较结果估测所述背景的温度。
2.权利要求1的方法，其中所述确定最配合的抛物线曲线的步骤进一步包括使用传统最小二乘分析的步骤。
3.权利要求2的方法，其中所述使用传统最小二乘分析的步骤进一步包括使用加权迭代传统最小二乘分析的步骤。
4.权利要求3的方法，其中持续进行加权迭代，直到方差和中的微量变化小于预定的微量。背景光谱
5.一种产生用于光谱分析的背景光谱的方法，所述方法包括步骤a.提供样本光谱和背景物体的估测温度；b.从关于已知的背景温度的已知的温度光谱集合中，选择至少两个已知的温度光谱，其表示高于和低于所述估测温度的背景温度；c.将所述样本光谱同所述已知的温度光谱进行比较，以便于确定样本背景光谱。
6.权利要求5的方法，其中所述将所述样本光谱同所述已知的温度光谱进行比较的步骤进一步包括使用传统最小二乘分析的步骤。化学鉴别
7.一种产生经过温度补偿的吸收光谱的方法，所述方法包括步骤a.提供样本光谱和背景物体的估测温度；b.从关于已知的背景温度的已知的温度光谱集合中，选择至少两个已知的温度光谱，其表示高于和低于估测温度的背景温度；c.将所述样本光谱同所述已知的温度光谱进行比较，以便于确定样本背景光谱；d.从所述样本光谱和所述背景光谱中计算吸收光谱。
8.权利要求7的方法，进一步包括将所述吸收光谱同至少一种化学物质的参考光谱进行比较的步骤，以便于鉴别在所述吸收光谱中表示的化学物质。
9.权利要求8的方法，其中所述比较的步骤进一步包括使用CO2和H2O的光谱，以便于鉴别所述化学物质。
10.一种鉴别吸收光谱中表示的化学物质的方法，所述方法包括步骤a.提供样本吸收光谱；b.将所述吸收光谱同CO2和H2O的光谱进行比较，并且同至少一种化学物质参考光谱进行比较，以便于鉴别所述吸收光谱中表示的化学物质。
11.权利要求10的方法，其中所述CO2和H2O的分析光谱范围以及化学物质参考光谱同所述吸收光谱进行比较。
12.权利要求11的方法，其中多个化学物质参考光谱同所述吸收光谱进行比较。
13.权利要求12的方法，其中进行传统的最小二乘分析，用以将所述CO2、H2O和所述化学物质的参考光谱同所述吸收光谱进行比较。
14.权利要求12的方法，其中所述多个化学物质的参考光谱包括化学物质参考光谱的主要集合，并且通过多种化学物质光谱鉴别方法来形成所述化学物质参考光谱的主要集合。
15.权利要求12的方法，其中所述多个化学物质的参考光谱包括化学物质参考光谱的主要集合，并且将所述化学物质参考光谱的主要集合同所述吸收光谱进行比较包括步骤a.将所述化学物质参考光谱的主要集合同所述吸收光谱进行比较；b.确定所述比较结果中是否存在关于任何所述参考光谱的未定结果；c.如果在所述比较结果中确实存在未定结果，则在所述主要集合中去除具有未定结果的所述参考光谱；d.对所述化学物质参考光谱的主要集合与所述吸收光谱进行另一比较；e.重复步骤b～d直到不存在未定结果。
16.权利要求15的方法，其中在步骤(e)之后，进一步从化学物质参考光谱的次要集合中获取新的参考光谱，并且将所述新的参考光谱添加到所述主要集合中。
17.权利要求16的方法，其中重复步骤b～d直到在所述主要集合中不存在未定结果。
18.权利要求17的方法，其中重复将来自所述次要集合的新参考光谱移至所述主要集合中的步骤，直到所述次要集合为空。
19.权利要求17的方法，其中所述比较包括传统的最小二乘分析。
20.权利要求19的方法，其中所有与参考光谱相关的负的比例因子值形成残差集合。向导程序
21.一种使用可观察的特征来鉴别化学化合物的计算机系统，所述系统包括；a.化学物质数据库，其将预先定义的特征和属性与多种化学化合物相关；b.用户接口，其接收可观察特征的输入；c.运行软件的处理器，所述软件引导所述处理器确认所述数据库中同所述可观察特征相对应的化学化合物。
22.权利要求21的计算机系统，其中所述可观察的特征包括颜色和气味。
23.权利要求22的计算机系统，其中所述可观察的特征包括蒸汽密度和分子量。
24.一种基于所述化合物被观察到的位置来鉴别化学化合物的计算机系统，所述系统包括a.将至少一种化学化合物与所述化合物的分配的地图位置相关联的化学物质/位置数据库；b.位置输入，用于将系统位置输入到所述系统中；c.运行软件的处理器，所述软件引导所述处理器确认所述数据库中同所述系统位置相对应的化学化合物。
25.权利要求24的计算机系统，其中所述位置输入由全球定位系统提供。
26.权利要求24的计算机系统，其中在所述数据库中的所述分配的地图位置具有街区地址的格式。
27.权利要求26的计算机系统，其中所述系统位置具有经度/纬度的格式。
28.权利要求24的计算机系统，其中所述系统鉴别所述数据库中的所有位于所述系统位置的预定半径范围内的化合物。
29.权利要求24的计算机系统，其中所述系统鉴别同所述系统位置最接近的分配地图位置相关的一种或者多种化合物。
30.权利要求24的计算机系统，其中所述化学物质/位置数据库包括来自Tier1和2源的信息。
31.权利要求24的计算机系统，其中所述系统进一步包括使预定容器形状同一组化合物相关的容器数据库和用户界面，其中所述用户界面显示由用户选择的容器形状。
32.权利要求24的计算机系统，其中所述系统进一步包括使预定报单同一组化合物相关的报单数据库和用户界面，其中所述用户界面显示由用户选择的报单信息。
33.一种用于远程鉴别化学化合物的系统，所述系统包括a.无源红外光谱仪；b.定位器；c.测距仪；d.用户接口；e.数据库，其包括表示化学物质的参考光谱的数据、将可观察属性与某些化学化合物相关联的数据、和将位置与某些化学化合物相关联的数据；f.计算机处理器、其与所述光谱仪、所述定位器、所述测距仪、所述用户接口和所述数据库进行通信；和g.软件，用于将来自所述光谱仪、所述定位器和所述测距仪的数据同所述数据库进行比较，以便于鉴别一种或者多种化学化合物的可能存在和浓度。
34.权利要求33的系统，进一步包括同所述计算机处理器通信的气象站和罗盘。
35.权利要求34的系统，其中所述用户接口包括触摸屏。
全文摘要
本发明的第四实施例是产生经过温度补偿的吸收光谱的方法。该方法包括步骤a.提供样本光谱和背景物体的估测温度；b.从关于已知的背景温度的已知的温度光谱集合中，选择至少两个已知的温度光谱，其表示高于和低于估测温度的背景温度；c.将样本光谱同已知的温度光谱进行比较，以便于确定样本背景光谱；和d.从样本光谱和背景光谱中计算吸收光谱。
文档编号G01J3/28GK1656364SQ03811596
公开日2005年8月17日 申请日期2003年5月22日 优先权日2002年5月22日
发明者马修·巴特勒, 格朗特·普卢默 申请人:第一应答器系统及技术有限责任公司