光学学报
光學學報
광학학보
ACTA OPTICA SINICA
2004年
7期
1000-1003
,共4页
申金媛%韩应哲%常胜江%张延炘%罗琦%陈瑞良
申金媛%韓應哲%常勝江%張延炘%囉琦%陳瑞良
신금원%한응철%상성강%장연흔%라기%진서량
光谱分析%模式识别%级联神经网络模型%非线性荧光光谱%指纹模式
光譜分析%模式識彆%級聯神經網絡模型%非線性熒光光譜%指紋模式
광보분석%모식식별%급련신경망락모형%비선성형광광보%지문모식
大功率超快脉冲激光和气体相互作用可产生非线性荧光光谱,不同的气体分子具有不同的非线性荧光光谱,因而这种光谱可以作为物质的指纹模式加以识别分类,进而获知气体的成分.由于不同气体分子的光谱在同一波段上有很大的交叉重叠,用传统的光谱分析方法分析存在困难,采用神经网络方法分析上述非线性荧光光谱,利用经过预处理的荧光光谱数据作为模式样本,其中一部分样本作为学习样本对级联神经网络进行训练,用训练好的网络对所有样本进行实时识别,学习样本和测试样本的的正确识别率均可达100%,结果表明此方法可实时判断混合气体的组分.
大功率超快脈遲激光和氣體相互作用可產生非線性熒光光譜,不同的氣體分子具有不同的非線性熒光光譜,因而這種光譜可以作為物質的指紋模式加以識彆分類,進而穫知氣體的成分.由于不同氣體分子的光譜在同一波段上有很大的交扠重疊,用傳統的光譜分析方法分析存在睏難,採用神經網絡方法分析上述非線性熒光光譜,利用經過預處理的熒光光譜數據作為模式樣本,其中一部分樣本作為學習樣本對級聯神經網絡進行訓練,用訓練好的網絡對所有樣本進行實時識彆,學習樣本和測試樣本的的正確識彆率均可達100%,結果錶明此方法可實時判斷混閤氣體的組分.
대공솔초쾌맥충격광화기체상호작용가산생비선성형광광보,불동적기체분자구유불동적비선성형광광보,인이저충광보가이작위물질적지문모식가이식별분류,진이획지기체적성분.유우불동기체분자적광보재동일파단상유흔대적교차중첩,용전통적광보분석방법분석존재곤난,채용신경망락방법분석상술비선성형광광보,이용경과예처리적형광광보수거작위모식양본,기중일부분양본작위학습양본대급련신경망락진행훈련,용훈련호적망락대소유양본진행실시식별,학습양본화측시양본적적정학식별솔균가체100%,결과표명차방법가실시판단혼합기체적조분.
