中科院研究生教材 光学专业类 很有用的一本参考书

为解决气体红外光谱识别问题,引入提升算法中较新的研究成果——极端梯度提升(XGBoost)算法。选用实测的三氯甲烷、对二甲苯、四氯乙烯气体的红外光谱数据进行实验。首先在对原始数据进行预处理后,通过特征工程提取光谱特征,生成特征向量;然后建立XGBoost模型,并对模型参数进行调优;最后基于分类准确率指标,将所提模型与随机森林(RF)、支持向量机(SVM)、前馈神经网络(FNN)、卷积神经网络(CNN)模型进行对比。实验结果表明,XGBoost在气体红外光谱识别领域有着广阔的应用前景。

飞机机体及其羽流的红外光谱辐射特性，可以为探测、跟踪系统的谱段选择提供依据。准确的光谱辐射特性有利于提高系统探测和跟踪的能力。对飞机的红外辐射光谱特性进行了外场测量研究。建立和分析了辐射传输模型，设计了一个多谱段、滤光片分光的中波红外多光谱成像仪，采用了640 pixel×512 pixel的中波面阵探测器，响应波长范围覆盖3.7~4.8 μm，并对其噪声性能进行了评估。实际选取了民航飞机进行实验测量，获取了机体及羽流在4个谱段上的光谱辐射特性。与传统的方法相比，获得了更真实的飞机红外辐射光谱特性。

红提的糖度和硬度是评价红提品质的重要指标,探究了基于高光谱成像技术的红提糖度和硬度的无损检测方法及最佳预测模型。在红提果粒的三种放置模式(横放、果柄侧朝下、果柄侧朝上)下,分别采集213个样本在400~1000 nm波长范围内的高光谱图像,对比分析光谱采集的最优模式;然后在最优采集模式下对光谱进行预处理;应用遗传算法(GA)、连续投影算法(SPA)、竞争性自适应重加权(CARS)算法和无信息变量消除法(UVE)针对原始光谱提取特征波长;结合化学计量学方法分别建立基于全光谱和特征波长的偏最小二乘回归(PLSR)、最小二乘支持向量机(LSSVM)和随机森林(RF)的红提糖度、硬度的无损预测模型。结果表明:基于RF建立的糖度和硬度模型的效果较优;预测糖度的最优模型为遗传算法优化的随机森林(GA-RF),其校正集相关系数(Rc)、预测集相关系数(Rp)分别为0.969、0.928,校正集均方根误差(RMSEC)、预测集均方根误差(RMSEP)分别为0.266、0.254;预测硬度的最优模型为基于移动窗口平滑结合连续投影算法优化的随机森林(MA-SPA-RF),其Rc、Rp分别为0.961、0.

铋铒共掺光纤的光放大特性研究，程明胜，桑新柱，对一种新型的铋铒共掺光纤的光谱特性进行了实验研究和理论分析，通过实验测得的吸收光谱发现四个明显的吸收带，其中心分别是494、

功能性近红外光谱技术(fNIRS)作为一种新兴的神经成像技术得到了广泛关注,然而fNIRS信号中运动伪迹的存在会使信号的处理结果产生偏差。提出了一种定向中值滤波和数学形态学相结合的算法——tMedMor算法,并采用该算法对fNIRS信号中的三种运动伪迹(包括尖峰、基线突变和缓慢漂移)进行去除;然后用仿真数据和实验数据进行了验证,并将所提算法与常用的几种算法进行对比,结果表明:tMedMor算法在均方误差、信噪比、皮尔逊相关系数的平方、峰峰误差方面具有良好的表现,说明该算法可以作为一种新方法用于fNIRS信号的预处理阶段。

石英增强光声光谱学中声学微谐振器的位置效应

冠层叶绿素能够有效反映植被的生长状况。为了基于高光谱精确估算冠层的叶绿素含量,以棉花为研究对象,实测棉花冠层光谱反射率和叶绿素含量,然后进行原始光谱数据转换,计算高光谱参数,分析叶绿素含量与高光谱参数之间的相关关系,构建估算棉花冠层叶绿素含量的BP神经网络模型。结果表明:包络线去除处理后,冠层反射率和叶绿素含量的相关性在560~740 nm波段范围内提高了10.7%,效果优于原始光谱和一阶微分光谱得到的结果;基于原始光谱和去除包络线光谱建立的植被指数mSR、mND、NDI、DD与叶绿素含量表现出较高的相关性,相关系数均在0.8左右;在所建的BP神经网络模型中,基于包络线光谱指数建立的模型的决定系数为0.85,均方根误差和相对误差分别为1.37、1.97%,这一结果优于基于红边参数、原始光谱植被指数和一阶微分光谱指数建立的模型。本研究可为作物叶绿素含量估算的实际应用提供理论依据和技术支持。

提出了一种遗传区间偏最小二乘法(GA-iPLS),并用该方法快速提取苹果糖度近红外光谱的特征区域,在此基础上采用遗传偏最小二乘法(GA-PLS)提取苹果糖度近红外光谱的特征波长,进行苹果糖度预测。结果表明,整个光谱等分为40个子区间,遗传区间偏最小二乘法能快速寻找出5个特征子区间(第4,6,8,11,18号);在5个特征子区间的基础上用遗传偏最小二乘法继续优化,从中提取44个特征波长。建立在5个特征子区间和44个特征波长上的偏最小二乘法模型精度均优于全光谱偏最小二乘法模型,对预测集的预测相关系数提高了近10％;且模型得到了很大的简化,用于建模的主因子数减少了7个。这些结果表明,用这两种方法不但可以建立简洁、数据运算量少的模型,还可以快速地提取近红外光谱的特征区域和特征波长。

山梨酸钾是一种常用防腐剂，应用非常广泛，但食用过量会严重危害人体健康。研究了山梨酸钾在水溶液和橙汁中的荧光特性，山梨酸钾水溶液荧光特征峰为λex /λem = 375 nm/485 nm ，山梨酸钾和橙汁的混合溶液除了存在此荧光特征峰，还有一个侧峰λex /λem = 470 nm/540 nm 。在混合溶液中，橙汁和山梨酸钾的荧光特性相互干扰，加大了山梨酸钾浓度检测的难度。为准确测定混合溶液中山梨酸钾的浓度，采用微粒群算法优化的误差逆向传播(PSO-BP)神经网络对其进行检测。3 组预测样本的平均回收率为98.97%，PSO-BP 神经网络能够精确测定混合溶液中山梨酸钾的质量浓度范围为0.1~2.0 g/L。预测结果表明荧光光谱法和PSO-BP 神经网络相结合的方法能有效地检测山梨酸钾在橙汁中的浓度。