一种适用于低分辨率高噪声光谱数据的气体识别方法与流程

本发明属于化学气体检测识别，涉及一种适用于低分辨率高噪声光谱数据的气体识别方法。

背景技术：

1、红外光谱技术和红外高光谱成像技术，可直接基于大气中气体目标的红外吸收或辐射光谱探测，识别其种类和空间分布，不需要提供人工红外光源，可远距离非接触测量。常用的识别方法是将预置的标准气体吸收光谱曲线与测量的光谱曲线进行最小二乘算法匹配，匹配结果用伪彩色图显示。

2、专利(201110146379.3)“一种高光谱成像化学气体检测识别方法”中，先在被检测地区无化学气体时拍摄光谱图像，得到背景的像素向量，再从化学气体光谱库中得到被检测化学气体光谱向量，然后对被检测地区有化学气体时拍摄光谱图像。该方法需要预先在待检测区域无化学气体时拍摄红外光谱图像，使用条件受限。

3、专利(201610347241.2)“一种基于高光谱红外图像处理的气体检测方法”中，利用气体高光谱成像模型以及气体红外吸收谱数据库来反演出气体光谱曲线，最后将反演出的计算值和实际的测量值进行比对，进而可以识别气体的种类和估测气体的浓度。需要计算背景和空气辐射，光谱处理时间长，需要较高的光谱分辨率和信噪比。

4、专利(201710589248.x)“基于高光谱红外图像的气体检测识别和浓度表示方法”中，各个像素点的吸光度-波数曲线通过求导法判别吸收峰是否存在以及吸收峰出现的波数位置，与气体光谱库的吸收峰形状进行拟合做差，使用非线性最小二乘法判别并反演初步得到气体种类。这种方法需要较高的光谱分辨率和信噪比。

技术实现思路

1、(一)发明目的

2、本发明的目的是：为解决现有基于光谱匹配的化学气体检测和识别的方法在分析低光谱分辨率和低信噪比的光谱测量数据时目标检出率低、虚警率高的技术问题，提供了一种适用于低分辨率高噪声光谱数据的气体识别方法。

3、(二)技术方案

4、为了解决上述技术问题，本发明提供一种适用于低分辨率高噪声光谱数据的气体识别方法，包括以下几个步骤：

5、步骤一：对被测气体的原始光谱曲线进行预处理。预处理包括：去基线，平滑去高频噪声，归一化。

6、步骤二：根据本次测量的具体场景，从气体光谱特征库中选择一组可能出现的气体种类，取出这一组可疑气体中的第i(i＝1,2,3…,m)种气体的光谱特征模板。

7、该模板是两个数组，第一个数组是特征光谱位置的波数(或波长)坐标值sp，第二个数组是特征光谱位置波数坐标sp对应的归一化的光谱辐射值as，两个数组长度都是n，n为特征光谱的个数(n＝1,2,3…)。如图3所示，连续曲线表示标准光谱曲线，a、b、…、i各点的横坐标表示特征光谱位置波数坐标sp，纵坐标表示归一化的光谱辐射值as；

8、其中，气体光谱特征库通过实验测量获得已知气体的光谱特征数据，或查询行业中标准气体光谱特征数据库获得；选出的一组可疑气体有m种(m＝1,2,3…)；测量场景中可能出现的气体种类不确定的情况下，可选择气体光谱特征库中所有气体种类参与后续计算；

9、步骤三：找出步骤一处理完成的被测气体光谱曲线在步骤二中特征光谱位置的波数坐标sp处对应的光谱辐射值，生成长度为n的数组ad；

10、步骤四：数组as和数组ad各自分别做差分运算，生成标准特征向量vs和被测气体特征向量vd，向量长度都是n-1；

11、步骤五：计算多特征光谱正负匹配个数系数及多特征光谱正负匹配方向系数，具体如下公式：

12、(1)k1＝max(nf，nn)÷(nf+nn)；

13、其中，nf为正向匹配个数，即特征光谱位置波数坐标sp对应的被测气体特征向量vd与同一特征光谱位置波数坐标sp对应的标准特征向量vs方向一致，即箭头都向上的或都向下的个数；nn为负向匹配个数，即特征光谱位置波数坐标sp对应的被测气体特征向量vd与同一特征光谱位置波数坐标sp对应的标准特征向量vs方向不一致，即箭头一个向上并且另一个向下的个数；其中，nf+nn＝n-1，为特征向量长度。

14、(2)nf>nn时，k2＝+1；

15、(3)nf≤nn时，k2＝-1；

16、其中，k1表示多特征光谱正负匹配个数系数，取值范围0～1；k2表示多特征光谱正负匹配方向系数，取值+1或-1；

17、若k1≤阈值，判定为“无目标气体”，跳至步骤八，若k1>阈值，继续步骤六。

18、值得说明的是：对于气体等半透明介质，在高温和低温背景下会表现出相反的光谱辐射/吸收特征，高温背景下表现为吸收，低温背景下表现为辐射，两者光谱曲线的峰谷方向相反，如图5所示。所以，在计算k1过程中，取了正向匹配个数nf和负向匹配个数nn中的较大者，而不是只用正向匹配个数nf。

19、值得说明的还有：随机噪声的特征光谱方向也是随机的，以10个特征光谱为例，与标准光谱正负匹配时不同正负个数的概率分别为：

20、

21、

22、

23、

24、

25、

26、

27、

28、

29、

30、

31、由此可见，纯随机噪声下多特征光谱正负匹配个数系数k1有65.6％的概率不大于0.6，有89％的概率不大于0.7，因此设阈值范围0.6～0.7左右，可排除掉大部分的噪声干扰带来的虚警。

32、步骤六：计算特征向量余弦相似度，结果保留正负号，不取绝对值，具体公式如下：

33、k3＝vs·vd

34、步骤七：根据步骤五和步骤六的结果，计算被测气体与该种模板气体的相似度：

35、s＝k1·k2·k3

36、设置阈值sth，s大于该阈值的保留，暂时列为可能存在该种气体；s小于该阈值的舍去，视为不存在该种气体。

37、值得说明的是：阈值sth的取值范围是(0，k1)，计算识别低分辨率高噪声的气体光谱是，经验取值0.05～0.2左右，需根据不同测量仪器和使用场景调整。

38、值得说明的还有：由于k2和k3都有正负号，计算结果s也是带正负号的。负值表示特征光谱位置波数坐标匹配方向与相似度方向不一致，是由于余弦相似度k3计算中少数特征光谱位置波数坐标对应光谱辐射幅值甚至一个特征光谱位置波数坐标对应的光谱辐射幅值占比过大，带偏了整个计算结果。通过方向系数k2及时纠正相似度s，避免了异常特征光谱坐标对应光谱辐射幅值过大造成的虚警。

39、需要进一步说明的是：如图6和图7所示，一个标准特征光谱曲线和实测曲线，标准光谱曲线具有一个大峰和多个小峰，实测曲线中一个大峰与标准光谱曲线的一个大峰基本对应，而实测曲线的小峰不明显，如果只靠特征向量余弦相似度k3＝vs·vd判断，小峰不起作用，容易误判；如果只靠多特征光谱正负匹配个数系数k1，也易受随机噪声干扰；只有使用s＝k1·k2·k3，综合三重判断才能提高准确率。

40、步骤八：更换本次测量重点关注的可疑气体种类(i+1)，重复步骤二至步骤七，得出多个相似度s，并按大小进行排列，判定相似度最大值对应的气体即为本次探测到的种类。

41、值得说明的还有：相似度s可以表征气体的相对浓度，通过伪彩色、数值显示。

42、进一步，在一些可疑气体种类明确的固定场所，可只计算步骤一至步骤七，只报告所关注某一种气体是否存在及相对浓度。

43、在理想情况下，对化学气体检测的光谱数据具有较高的光谱分辨率和信噪比，光谱特征吸收峰轮廓突出、位置准确、噪声毛刺很小。而实际在开放空间被动无源测量气体时，由于气体浓度小、气体与背景温差小等原因，测得的光谱数据吸收峰轮廓展宽而模糊、位置会有偏移、噪声毛刺甚至假特征峰很明显，如图2所示。

44、(三)有益效果

45、上述技术方案所提供的适用于低分辨率高噪声光谱数据的气体识别方法，具有以下有益效果：

46、(1)采用关注气体的光谱特征模板检测气体种类，过滤特征光谱位置波数坐标对应光谱辐射值外的噪声干扰，对低分辨率、高噪声的光谱测量数据识别准确率更高、虚警率更低，此外计算量少、实时性好；

47、(2)采用的多特征光谱正负匹配个数系数判断、多特征光谱正负匹配方向系数判断、特征向量余弦相似度判断方法，三个弱约束联合为一个强约束，减少了单一弱约束引起的虚警或单一强约束引起的漏检，增加了综合判断的维度和准确性，也适应了气体自身温度变化及扩散到的背景温度差异引起的正负温差变化；

48、(3)多种气体相似度排序，适应低分辨率、高噪声条件下的特征光谱位置部分重合或接近的气体之间的判别。