基于模式识别的太赫兹光谱建模及应用研究

发布时间：2017-12-22 20:12

本文关键词：基于模式识别的太赫兹光谱建模及应用研究　出处：《西南大学》2017年博士论文　论文类型：学位论文

【摘要】：太赫兹波(Terahertz,THz)频率介于0.1THz到10THz之间。THz光谱检测技术作为一门新兴的交叉科学,它衔接了经典电磁波理论和微观量子理论。作为红外光谱检测技术的有益补充,THz光谱具有许多独特的性质,如较强的透视及安全性、良好的光谱分辨能力等。鉴于此,THz时域光谱及成像技术在无损检测、生物医学等领域吸引了众多学者的关注,尤其在农产品品质检测、食品安全等领域展现出的巨大的应用潜力。目前国内外已有许多学者应用该技术在农产品品质、农药残留、转基因物种鉴定等方面展开探索研究,并取得了一定的研究成果,但是作为一种新兴的光谱检测手段,该技术仍处于起步阶段,尤其对于物质成分构成复杂的农产品、食品的检测,从理论研究到实际运用仍有大量的问题需要解决。本文从THz光谱信号处理、模式识别、图像处理三个方面对基于THz时域光谱和脉冲成像技术的物质定性、定量分析算法展开研究,以期为THz光谱技术在农产品、食品检测领域的应用做出有益的探索。本文的主要研究内容和创新点如下:1.太赫兹时域光谱总体误差分析与液态透射检测F-P效应消除改进算法研究。从系统构成、样品测量及误差传递等方面系统分析了THz信号产生、传输、探测和光学常数提取过程中引入的系统误差和随机误差,这一系统的分析有助于系统优化,提高光学常数测量精度,降低实验测试中不确定因素的影响;特别针对液态样品透射检测中Fabry-Perot效应引起的频谱振荡,对传统THz光学常数计算模型进行了改进,考虑系统中光学元件和液体池窗片对THz波的非线性吸收,将包含回波的THz时域信号描述为THz主脉冲与一系列冲击信号和非线性传递函数的卷积,通过分析方程,有效去除回波引起的频谱振荡。实验结果表明该方法有效提高了THz波段液体光学参数的测定精度,为后续液体样品光谱的模式识别奠定了基础。2.在Clifford代数框架下对THz光谱信号进行分析,提出了基于Clifford代数的THz光谱物质定性鉴别模型。从高维信号分析的角度出发,在THz光谱信号的处理中引入新的数学工具─Clifford代数。在Clifford代数数学框架内,充分利用THz光谱信号中蕴含的有效信息,在频域将THz光谱信号表达为高维实矢量空间中的矢量,基于Clifford代数理论研究了THz光谱信号矢量的几何分布特性及代数关系,揭示了样品光学参数与THz信号矢量间存在着对应关系,证明理想状态下,厚度不同但由同种物质构成的样品,其透射向量应位于该物质复折射率决定的唯一子空间内,即相对偏差为零。但在实际测量过程中,由于受到多种因素的干扰,透射向量有可能偏离原来的方向,因此,本文借助Clifford代数中的正交投影和正交补概念,定义相对偏差作为THz光谱信号的分类指标,基于最小偏差原则对被测样品的THz光谱信号3.将正则极限学习机算法引入到基于THz光谱技术的物质定量、定性分析,提出快速LOO-RELM算法,并应用于转基因豆油的定性鉴别中。将正则极限学习机算法引入到基于THz光谱技术的物质定量、定性分析中,针对正则参数C选择,模型寻优过程中LOO交叉验证计算复杂度高的问题,对隐含层输出矩阵H进行奇异值分解,降低运算复杂度,并给出核心算法伪代码,提高模型LOO交叉验证效率,提出快速LOO-RELM算法。从理论分析和基于THz光谱技术的物质定量、定性实验两个方面证明该算法的有效性。在此基础上,应用该算法对光谱吸收特性极为相似的转基因豆油进行定性鉴别,并从模型泛化性能、识别精度、参数敏感性及训练时间等多个方面与SVM算法鉴别结果进行对比,实验结果表明,经过参数寻优后SVM算法与RELM算法都能获得较好的识别精度和模型泛化性能,但相比SVM算法,RELM算法泛化性能受训练参数尤其是隐含层节点数影响较小,因此在参数选取和模型训练效率方面表现出明显的优势。4.建立新的聚类有效性评价指标VSO(-)。针对传统聚类有效性评价指标中存在的问题进行分析,在此基础上提出基于类间分离性度量因子S,类内紧致性度量因子V,及重叠性度量因子O的新的聚类有效性评价指标VSO(-),该评价指标不仅考虑类间分离性,类内紧致性,同时考虑了THz图像中一些像素点的亦此亦彼性,也即类与类之间的重叠性。实验结果证明,相比其他聚类有效性评价指标,该指标对那些各类间像素点分布密度、大小差异较大的THz脉冲图像聚类划分效果评价更为准确。5.针对THz脉冲图像中,各像素点对应光谱数据的高维矢量特征,提出了基于PCA-FCM的THz脉冲图像聚类分析算法。作为一种新的成像技术,THz脉冲图像在许多领域中有着巨大的应用潜力。一方面它的每个像素点都包含了表征物质信息的丰富的光谱特征,但另一方面图像数据的高维特性也为图像的分析处理带来挑战。为了去除THz光谱信号中噪声和冗余信息带来的干扰,在提高聚类精度的同时,降低计算复杂度,本文通过对THz光谱信号特征提取,将主成分分析(PCA)与模糊C均值聚类(FCM)算法相结合应用于THz脉冲图像的聚类分析中,并应用该算法对两个人工合成THz脉冲图像,一个实测THz脉冲图像进行处理。聚类分析过程中,借助主成分分析对数据降维,重构太赫兹图像的特征空间,用贡献较大的主成分代替原始光谱特征输入到FCM聚类模型中,基于最大隶属度原则实现对各像素点聚类。实验结果表明,在采用聚类有效性评价指标VSO(-)确定准确聚类数的前提下,该算法相对于经典Kmeans算法在保持聚类划分结果稳定性的同时,不但有效地提高了聚类的收敛速度,还使图像分割边缘更加清晰。
【学位授予单位】：西南大学
【学位级别】：博士
【学位授予年份】：2017
【分类号】：O441.4;TP391.4;TN911.7

【相似文献】