公开(公告)号：CN111678599B

公开(公告)日：2022-11-22

申请号：CN202010645694.X

申请日：2020-07-07

Applicant: 安徽大学

Inventor： 周胜 ,  徐琰 ,  王陆晗 ,  李劲松 ,  俞本立

IPC: G01J3/28 ,  G01N21/31 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习优化S‑G滤波的激光光谱降噪方法及装置，属于激光光谱领域；包括：采用基于QCL量子级联激光器或其他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，获取待测气体的吸收光谱数据作为Adam算法神经网络训练样本；根据光谱数据训练样本建立Adam算法神经网络拓扑模型，选取最优滤波参数组合；采用S‑G滤波算法按照优化后的滤波参数进行自适应滤波；构建的Adam算法神经网络对滤波值进行校正；根据优化后的S‑G滤波算法进行光谱数据的降噪处理。本发明提供的基于深度学习优化S‑G滤波的激光光谱降噪方法，可以提高光谱滤波信噪比，使气体的吸收谱线测量变得更为准确。

公开(公告)号：CN111678599A

公开(公告)日：2020-09-18

申请号：CN202010645694.X

申请日：2020-07-07

Applicant: 安徽大学

Inventor： 周胜 ,  徐琰 ,  王陆晗 ,  李劲松 ,  俞本立

IPC: G01J3/28 ,  G01N21/31 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习优化S-G滤波的激光光谱降噪方法及装置，属于激光光谱领域；包括：采用基于QCL量子级联激光器或其他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，获取待测气体的吸收光谱数据作为Adam算法神经网络训练样本；根据光谱数据训练样本建立Adam算法神经网络拓扑模型，选取最优滤波参数组合；采用S-G滤波算法按照优化后的滤波参数进行自适应滤波；构建的Adam算法神经网络对滤波值进行校正；根据优化后的S-G滤波算法进行光谱数据的降噪处理。本发明提供的基于深度学习优化S-G滤波的激光光谱降噪方法，可以提高光谱滤波信噪比，使气体的吸收谱线测量变得更为准确。