留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

独立成分分析在化学战剂混叠峰识别中的应用

陈媛媛,  王芳,  王志斌,  李文军

downloadPDF
文章导航 > 红外与激光工程  > 2016 >  45(4): 423001-0423001(6)
陈媛媛, 王芳, 王志斌, 李文军. 独立成分分析在化学战剂混叠峰识别中的应用[J]. 红外与激光工程, 2016, 45(4): 423001-0423001(6). doi: 10.3788/IRLA201645.0423001
引用本文: 陈媛媛, 王芳, 王志斌, 李文军. 独立成分分析在化学战剂混叠峰识别中的应用[J]. 红外与激光工程, 2016, 45(4): 423001-0423001(6). doi: 10.3788/IRLA201645.0423001
shu
Chen Yuanyuan, Wang Fang, Wang Zhibin, Li Wenjun. Application of independent component analysis in aliasing peak identification of chemical warfare agents[J]. Infrared and Laser Engineering, 2016, 45(4): 423001-0423001(6). doi: 10.3788/IRLA201645.0423001
Citation: Chen Yuanyuan, Wang Fang, Wang Zhibin, Li Wenjun. Application of independent component analysis in aliasing peak identification of chemical warfare agents[J]. Infrared and Laser Engineering, 2016, 45(4): 423001-0423001(6). doi: 10.3788/IRLA201645.0423001
shu

独立成分分析在化学战剂混叠峰识别中的应用

doi: 10.3788/IRLA201645.0423001
  • 1.

    电子测试技术重点实验室,山西 太原 030051;

  • 2.

    山西省光电信息与仪器工程技术研究中心,山西 太原 030051;

  • 3.

    仪器科学与动态测试教育部重点实验室,山西 太原 030051;

  • 4.

    天津津航技术物理研究所,天津 300308

基金项目: 

国家自然科学基金科学仪器基础研究专款(61127015);国家国际科技合作专项(2012DFA10680,2013DFR10150);山西省青年科技研究基金(2013021028-1)

详细信息
    作者简介:

    陈媛媛(1980-),女,副教授,硕士生导师,博士,主要从事光谱信号处理技术、智能算法方面的研究。Email:chenyy@nuc.edu.cn

  • 中图分类号: TN219

Application of independent component analysis in aliasing peak identification of chemical warfare agents

  • 1.

    State Key Laboratory for Electronic Measurenent Technology,Taiyuan 030051,China;

  • 2.

    Engineering Technology Research Center of Shanxi Province for Opto-Electronic Information and Instrument,Taiyuan 030051,China;

  • 3.

    Key Laboratory of Instrumentation Science & Dynamic Measurement,Ministry of Education,Taiyuan 030051,China;

  • 4.

    Tianjin Jinhang Institute of Technical Physics,Tianjin 300308,China

  • 摘要: 在战场等复杂环境得到的混合气体的红外光谱主次吸收峰交错重叠,因此对其定性识别的特征提取方法就显得尤为重要。采集到的各种化学战剂和有机气体的红外光谱数据都是高维度数据,首先采用中心化后降维进行特征提取来尽可能多地捕获到它所包含的本质信息,由于混合气体的红外光谱是非线性、非高斯性信号,把非高斯性作为独立性度量将各成分作为独立分量分离出来,为了满足实时需求,在传统快速独立成分分析(FastICA)算法的基础上对其迭代过程进行优化,并应用极限学习机(ELM)建立模型进行定量分析。实验结果表明:改进算法的迭代次数较传统算法减少,定量分析均方差E=2.392 610-4,回归系数R=0.999,说明该方法在不影响分离精度的前提下提高了混合物质中纯物质光谱分离出来的效率。
    Abstract: The infrared spectrum of mixed gas got in the battlefield and complex environment results in overlapping and stagger of the primary and secondary peaks, so its feature extraction of qualitative recognition is particularly important. The infrared spectral data collected from a variety of chemical warfare agents and organic gases are high-dimensional data. Centralizing before reducing dimension was used for feature extraction to capture the essence of more information it contained. Since the infrared spectrum of the mixed gas was non-linear and non-Gaussian signal, this method regarded non-Gaussian as independence measure to separate each component as independent component. In order to meet real-time requirements, its iterative process was optimized based on the traditional fast independent component analysis(FastICA) algorithm and extreme learning machine(ELM) model was applied to quantitative analysis. Experiment results show that the iterations of optimized method reduces compared with the traditional method and mean square error of quantitative analysis is E=2.392 610-4 and regression coefficient is R=0.999. And the optimized method improves the isolated efficiency of separating pure substances spectra from mixture substances without affecting the separate accuracy.
  • [1] Chu Xiaoli. Molecular Spectroscopy Andlytlcal Technology Combined with Cheemometrics and its Applications[M]. Beijing:Chemical Industry Press, 2011. (in Chinese)褚小立. 化学计量学方法与分子光谱分析技术[M]. 北京:化学工业出社, 2011.
    [2] Wang Yifan, Tang Zhengning. Dimensionality reduction method based oncombination of PCA and ICA[J].Optical Technique, 2014(2):180-183. (in Chinese)王一帆, 唐正宁. 基于PCA和ICA的多光谱数据降维方法[J]. 光学技术, 2014(2):180-183.
    [3] Hyvarinen A, Oja E. Independent component analysis:algorithms and applications[J]. Neural Networks, 2000, 13:411-430.
    [4] Mei Tiemin. Theory and Algorithms of Blind Source Separation[M]. Xi'an:Xidian University Press, 2013. (in Chinese)梅铁民. 盲源分离理论与算法[M]. 西安:西安电子科技大学出版社, 2013.
    [5] Xu Wenli, Sun Tong, Hu Tian, et al. Huanghua pear soluble solids contents Vis/NIR spectroscopy by analysis of variables optimization and FICA[J]. Spectroscopy and Spectral Analysis, 2014, (12):3253-3256. (in Chinese)许文丽, 孙通, 胡田,等. 基于变量优选和快速独立成分分析的黄花梨可溶性固形物可见/近红外光谱检测[J]. 光谱学与光谱分析, 2014, (12):3253-3256.
    [6] Wan Jun, Zhang Xiaohui, Rao Jionghui, et al. Processing of backscattering signal of warship wake flow based on independent component analysis[J]. Infrared and Laser Engineering, 2013, 42(1):244-250. (in Chinese)万俊, 张晓晖, 饶炯辉, 等. 基于独立成分分析的舰船气泡尾流后向散射光信号处理[J]. 红外与激光工程, 2013, 42(1):244-250.
    [7] Nikos Pasadakis, Kardamakis Andreas A. Identifying constituents in commercial gasoline using Fourier transform infrared spectroscopy and independent component analysis[J].Analytica Chimica Acta, 2006, 578(2):250-255.
    [8] Cheng Yuanyuan, Wang Zhibin, Wang Zhaoba. Mind evolutionary bat algorithm and its application to feature selection of mixed gases infrared spectrum[J]. Infrared and Laser Engineering, 2015, 44(3):845-851. (in Chinese)陈媛媛, 王志斌, 王召巴. 思维进化蝙蝠算法及其在混合气体红外光谱特征选择中的应用[J]. 红外与激光工程, 2015, 44(3):845-851.
    [9] Yang Fusheng, Hong Bo. Theory and Application of Independent Component Analysis[M]. Beijing:Tsinghua University Press, 2006:1-88. (in Chinese)杨福生, 洪波. 独立分量分析的原理与应用[M]. 北京:清华大学出版社, 2006:1-88.
    [10] Hyvarinen A. Fast and robust fixed-point algorithm for independent component analysis[J]. IEEE Transactions on Neural Networks, 1999, 10(3):626-634.
  • [1] 刘瀚霖, 辛璟焘, 庄炜, 夏嘉斌, 祝连庆.  基于卷积神经网络的混叠光谱解调方法 . 红外与激光工程, 2022, 51(5): 20210419-1-20210419-9. doi: 10.3788/IRLA20210419
    [2] 陈伟力, 徐文斌, 王淑华, 陈艳, 张亚洲, 李军伟, 邓蓉.  基于红外光谱偏振度对比度的涂层材质识别研究 . 红外与激光工程, 2020, 49(6): 20190445-1-20190445-7. doi: 10.3788/IRLA20190445
    [3] 于海涛, 马金鹏, 范芸, 李科, 张春熹.  红外成像系统响应光谱非均匀性的理论分析 . 红外与激光工程, 2019, 48(2): 204002-0204002(7). doi: 10.3788/IRLA201948.0204002
    [4] 黄国俊, 陆益敏, 程勇, 田方涛, 米朝伟, 万强.  脉冲激光沉积法制备红外光学SiC薄膜特性研究 . 红外与激光工程, 2019, 48(7): 742003-0742003(5). doi: 10.3788/IRLA201948.0742003
    [5] 李红, 姜红, 鞠晨阳, 左兆成, 范烨, 苏航, 郝杰.  利用红外光谱技术检验一次性筷子塑料包装袋 . 红外与激光工程, 2018, 47(7): 704005-0704005(6). doi: 10.3788/IRLA201847.0704005
    [6] 张爱武, 赵江华, 赵宁宁, 康孝岩, 郭超凡.  结合张量空间与倒易晶胞的高光谱影像去噪去混叠 . 红外与激光工程, 2018, 47(10): 1026002-1026002(10). doi: 10.3788/IRLA201847.1026002
    [7] 王安静, 方勇华, 李大成, 崔方晓.  基于物理模型的污染云团红外光谱精细仿真 . 红外与激光工程, 2017, 46(1): 104002-0104002(9). doi: 10.3788/IRLA201746.0104002
    [8] 殷世民, 王具民, 梁永波, 朱健铭, 韩国成, 陈洪波, 陈真诚.  红外干涉光谱仪非均匀性在线校正与仿真 . 红外与激光工程, 2016, 45(6): 604002-0604002(8). doi: 10.3788/IRLA201645.0604002
    [9] 郑博, 王健, 许文斌, 王晓东, 孙强.  基于方向性模型的红外焦平面阵列混叠效应研究 . 红外与激光工程, 2016, 45(11): 1104001-1104001(6). doi: 10.3788/IRLA201645.1104001
    [10] 郭天太, 洪博, 潘增荣, 孔明.  改进的SVM在矿井气体定量分析中的应用 . 红外与激光工程, 2016, 45(6): 617011-0617011(8). doi: 10.3788/IRLA201645.0617011
    [11] 王芳, 仇大剑, 夏红岩, 宝日玛, 任慧.  太赫兹时域光谱技术在识别鉴定菌制剂中的初探 . 红外与激光工程, 2016, 45(7): 703001-0703001(7).
    [12] 多化琼, 孙枭雄, 王振柱.  对木材自身耐久性因素的红外光谱学分析 . 红外与激光工程, 2016, 45(4): 423002-0423002(4). doi: 10.3788/IRLA201645.0423002
    [13] 杜雪峰, 潘功配, 曲家惠, 赵新颖, 张旗.  雾化幕障宽波段消光性能研究 . 红外与激光工程, 2015, 44(2): 445-448.
    [14] 陈媛媛, 王志斌, 王召巴.  思维进化蝙蝠算法及其在混合气体红外光谱特征选择中的应用 . 红外与激光工程, 2015, 44(3): 845-851.
    [15] 张臻, 马鹏阁, 王金凤, 孙俊灵.  红外光谱条件下Bragg 光栅的横向受力研究 . 红外与激光工程, 2015, 44(6): 1841-1844.
    [16] 陈媛媛, 王志斌, 王召巴.  基于改进蝙蝠算法的红外光谱特征选择 . 红外与激光工程, 2014, 43(8): 2715-2721.
    [17] 陈彬, 刘阁, 张贤明.  连续投影算法的润滑油中含水量近红外光谱的分析 . 红外与激光工程, 2013, 42(12): 3168-3174.
    [18] 万俊, 张晓晖, 饶炯辉, 梁瑞涛.  基于独立成分分析的舰船气泡尾流后向散射光信号处理 . 红外与激光工程, 2013, 42(1): 244-250.
    [19] 宋宝安, 王乔方, 张莹昭, 戴世勋, 徐铁锋, 聂秋华, 王训四, 沈祥, 吴礼刚, 林常规.  红外硒基硫系玻璃光学非均匀性及影响因素分析 . 红外与激光工程, 2012, 41(8): 1985-1989.
    [20] 亚楠, 陈秀红, 魏合理.  卷云高度对大气的红外光谱辐射影响的研究 . 红外与激光工程, 2012, 41(8): 1965-1970.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  512
  • HTML全文浏览量:  91
  • PDF下载量:  171
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-08-05
  • 修回日期:  2015-09-03
  • 刊出日期:  2016-04-25

独立成分分析在化学战剂混叠峰识别中的应用

doi: 10.3788/IRLA201645.0423001
  • 1. 电子测试技术重点实验室,山西 太原 030051;
  • 2. 山西省光电信息与仪器工程技术研究中心,山西 太原 030051;
  • 3. 仪器科学与动态测试教育部重点实验室,山西 太原 030051;
  • 4. 天津津航技术物理研究所,天津 300308
    • 作者简介:

    陈媛媛(1980-),女,副教授,硕士生导师,博士,主要从事光谱信号处理技术、智能算法方面的研究。Email:chenyy@nuc.edu.cn

  • 收稿日期: 2015-08-05
  • 修回日期: 2015-09-03
  • 刊出日期: 2016-04-25
基金项目:

国家自然科学基金科学仪器基础研究专款(61127015);国家国际科技合作专项(2012DFA10680,2013DFR10150);山西省青年科技研究基金(2013021028-1)

  • 中图分类号: TN219

摘要: 在战场等复杂环境得到的混合气体的红外光谱主次吸收峰交错重叠,因此对其定性识别的特征提取方法就显得尤为重要。采集到的各种化学战剂和有机气体的红外光谱数据都是高维度数据,首先采用中心化后降维进行特征提取来尽可能多地捕获到它所包含的本质信息,由于混合气体的红外光谱是非线性、非高斯性信号,把非高斯性作为独立性度量将各成分作为独立分量分离出来,为了满足实时需求,在传统快速独立成分分析(FastICA)算法的基础上对其迭代过程进行优化,并应用极限学习机(ELM)建立模型进行定量分析。实验结果表明:改进算法的迭代次数较传统算法减少,定量分析均方差E=2.392 610-4,回归系数R=0.999,说明该方法在不影响分离精度的前提下提高了混合物质中纯物质光谱分离出来的效率。

English Abstract

    全文HTML

参考文献 (10)

目录

    /

    返回文章
    返回

    版权所有 © 2019 《红外与激光工程》编辑部｜ 地址: 天津市空港经济区中环西路58号｜ 邮政编码: 300308

    津ICP备19007885号-1

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计