下载文档原格式
基于BiPLS-CARS-PLS的哈密瓜冠层叶片SPAD值反演建模郭阳;郭俊先;史勇;李雪莲;黄华【期刊名称】《浙江农业学报》【年(卷),期】2022(34)10【摘要】利用光谱技术对大田哈密瓜冠层叶片叶绿素含量定量估测,可为田间水肥调控以及田间管理提供理论依据。
本实验在剔除噪音后的378 nm到1115 nm光谱的基础上采用多元散射校正、标准正态变量相交、标准化、Savitzky-Golay卷积平滑法、归一化、移动平均平滑等方法对原始光谱数据进行预处理,然后采用特征区间选择与特征波长选择相结合的方法实现数据降维和简化模型,并建立偏最小二乘和极限学习机的回归模型。
结果表明,多元散射校正预处理效果最佳,在此基础上,利用反向区间偏最小二乘法(BiPLS)和竞争性自适应重加权采样算法(CARS)相结合共筛选出13个特征波长,将其作为模型的输入变量,由偏最小二乘法(PLS)建立的模型效果最优,其预测集的相关系数R p和均方根误差RMSEP分别为0.9424与1.0062。
因此,采用BiPLS与CARS结合PLS建立的光谱定量分析模型,可实现对哈密瓜冠层叶片叶绿素含量的定量估测。
【总页数】10页(P2286-2295)【作者】郭阳;郭俊先;史勇;李雪莲;黄华【作者单位】新疆农业大学机电工程学院;新疆农业大学数理学院【正文语种】中文【中图分类】S652.1【相关文献】1.光照及氮素水平对水稻冠层叶片SPAD值动态变化的影响2.氮素对水稻冠层叶片SPAD值影响试验研究3.遮荫对水稻冠层叶片 SPAD 值及光合、形态特性参数的影响4.基于冠层高光谱的油菜角果期红边参数及叶片SPAD值反演模型5.SiPLS-CARS与GA-ELM对哈密瓜冠层叶片含水率的反演估测因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进Morozov偏差原理的动态光散射粒度反演
王保珺;申晋;李鑫强;王钦;刘伟;王雅静;明虎
【期刊名称】《光子学报》
【年(卷),期】2024(53)3
【摘要】与窄粒度分布反演相比,宽粒度分布的反演难以获取与其相适应的正则参数。
为提高宽分布颗粒体系反演结果的准确性,提出基于改进Morozov偏差原理,通过遗传算法迭代求取正则参数的方法,该方法通过小波包分解求出电场自相关函数的噪声分量,利用Morozov偏差原理建立适应值函数,在正则参数经验范围内生成初始种群,将适应值函数与初始种群带入遗传算法,全局寻找最优适应值对应的参数值作为正则参数。
模拟与实测数据的反演结果表明,在窄分布颗粒体系条件下,所提方法与L-curve准则反演结果无显著差异,在宽分布条件下,所提方法反演结果的性能指标均优于L-curve准则,且避免了宽粒度分布条件下可能出现的虚假峰情况,表现出明显优于L-curve准则的宽分布反演效果。
【总页数】11页(P262-272)
【作者】王保珺;申晋;李鑫强;王钦;刘伟;王雅静;明虎
【作者单位】山东理工大学电气与电子工程学院
【正文语种】中文
【中图分类】O439
【相关文献】
1.基于Chahine算法的动态光散射颗粒粒度反演
2.非负约束全变差正则化方法在动态光散射颗粒粒度分布反演中的应用
3.非负约束正则化反演动态光散射双峰颗粒粒度分布
4.基于颗粒粒度信息分布特征的动态光散射加权反演
5.动态光散射双峰粒度反演中相关函数拟合窗口的优化选择
因版权原因，仅展示原文概要，查看原文内容请购买。
逆散射迭代法成像与反演丁 科①董 腾① 宋守根②（①中南林业科技大学土木建筑与力学学院，湖南长沙 410004；② 中南大学物理信息学院，湖南长沙 410083）摘 要 考虑到Bleistein 和Cohen 等人基于Born 近似理论的成像与反演方法只能适应小扰动介质的情况，本文运用逆散射序列中的高阶项以弥补散射场数据的丢失对成像结果的影响，提出了运用逆散射迭代法进行成像，并推导了一套迭代公式。
关键词 声波方程 逆散射 系数 扰动量 迭代法1 引言油气勘探地震数据处理关键问题是如何进行有效的成像与速度反演。
目前，偏移成像需要预先给定速度模型，在所给的速度模型之下来确定地下的构造，实现地震成像。
二十世纪七十年代末至八十年代，Bleistein 和Cohen 等人将逆散射理论与地震勘探成像问题联系起来，进行速度反演与成像，建立了以小扰动量理论和Born 近似理论为基础的一套成像与反演方法，并应用于实际中，取得了一定的成效。
但其反演的分辨率仍不能令人满意，并且对于大扰动情况下的成像问题没有进行讨论。
本文考虑到散射序列中高阶项对成像结果的影响，在反演时利用逆散射序列中的高阶项以弥补散射场数据的丢失，使得在大扰动量的情况下同样能够实现界面位置和形态的精确成像，解决了大扰动情况下的成像问题。
2 声波方程系数的逆散射迭代解考虑弹性介质中的声波波动方程，设从源点s x 激发的脉冲波在介质中传播，其传播规律可以用以下非线性方程表示[4]2(,,)(,,)(,',) (') (',,) 's s s u x x k G x x k G x x k k x u x x k dx α=+∫ （1）这里0/k C ω=，设(,,)s u x x k 关于x 的Fourier 变换为1[(,,)](,,)(,,)2x ik x x s s x s F u x x k u x x k e dx U k x k π∞−−∞==∫则对式（1）两边作关于x 的Fourier 变换并整理可以得到2 1(,,)(,,)21(')(',,)(,',)'2x x ik x x s s ik x s U k x k G x x k e dxk x u x x k G x x k e dxdx πα∞−−∞∞∞−−∞−∞=+∫∫∫ （2） 同时，我们将Green 函数表示为[2]()221(,,)()2siq x x s G x x k e q k dq γπ∞−−−∞=−∫ （3）其中011()lim (()PV i i εγξπδξξεξ−→==+−为广义函数，这里 (1)PV ξ 表示其柯西主部。
多次散射影响的激光雷达斜程能见度反演方法多次散射影响的激光雷达斜程能见度反演方法随着现代交通的发展和城市化进程的加快，道路交通事故频繁发生已成为一个普遍关注的问题。
而能见度作为道路交通安全的关键指标之一，对于行车环境的判断和事故预警具有重要意义。
因此，准确反演激光雷达斜程能见度成为一项迫切需要研究的技术问题。
然而，激光雷达斜程能见度反演面临着多次散射的干扰。
多次散射是指激光在传播过程中与大气中的颗粒物和分子多次发生反射、折射等作用，导致激光信号被分散，增强了散射现象，降低了能见度的测量精度。
因此，如何解决多次散射对激光雷达斜程能见度反演的影响成为当前研究的一项挑战。
为了解决这一问题，研究人员提出了一种基于多次散射模型的激光雷达斜程能见度反演方法。
该方法基于散射机理，考虑了多次散射对信号传输过程的影响，通过建立散射模型描述了多次散射的特征。
针对不同的散射情况，将散射模型应用于激光雷达斜程能见度反演，实现了对多次散射影响的定量分析。
具体而言，该方法首先使用激光雷达测量得到的原始反射信号进行多次散射模型的参数估计。
通过对多次散射模型参数的计算和拟合，得到了多次散射的强度和分布情况。
然后，利用多次散射模型计算得到的散射特性，对激光雷达的斜程能见度进行反演。
最后，通过对反演结果的分析和验证，评估了多次散射对激光雷达斜程能见度反演的影响。
实验结果表明，通过考虑多次散射模型的方法，能够有效地降低多次散射对激光雷达斜程能见度反演的影响。
相比其他方法，该方法具有更高的反演精度和稳定性，能够更准确地评估交通环境的能见度情况。
同时，该方法还具有较好的适用性和扩展性，可以应用于不同地区和不同天气条件下的能见度反演研究。
然而，目前的研究还存在一些问题和挑战。
首先，多次散射模型的参数估计需要大量的实测数据和计算资源，对数据处理和计算能力提出了较高的要求。
其次，多次散射效应与大气条件、激光器参数等因素密切相关，需要进一步研究多种影响因素的复杂相互作用机制。
超光谱遥感中的平滑技术问题摘要：光谱平滑滤波器在光谱遥感中通常用于去除数据中的噪声。
然而，在超光谱应用中主观上应用了大量的方法用于如何选择平滑类型及其相关参数。
我们认为这些主观上认定的方法用于超光谱研究中选择平滑算法并不合适。
研究显示，平滑滤波器对于光谱数据中的统计特性造成负面的影响。
因此也影响了分析结果，而这些分析是建立在统计种类模型基础上的。
充分验证了几种平滑技术后，推荐了一种方法－ｔ测试算法来选择平滑滤波器用于超光谱数据，其可最小化对原始数据的统计特性的干扰。
关键词：卷积；超光谱；光谱平滑滤波器；使用超光谱数据的最重要的一个问题是信号噪声水平。
超光谱数据的噪声水平较高由于光谱数据的带宽狭窄只能获取很少的能量，通过传感器自生成的噪声克服。
此外，物理干扰例如光照度和大气的波动造成传感器记录的光谱信号的精度降低使这种状况更加糟糕。
光谱平滑和增强技术包括线性和非线性两种方法用于当今超光谱遥感消除光谱数据中的噪声。
然而，这些研究主观应用大量的作为选择正确的平滑算法。
换句话说，他们不能使用严格的最优化标准选择合适的平滑算法。
平滑算法造成原始光谱数据的变化，这样导致后来的分析产生不正确的结果。
例如遥感影像处理中的植被的生物量研究和植被区分和种类取决于光谱数据的统计估计，而平滑滤波器干扰了光谱数据的统计特性。
一个更加客观的方法用于选择正确的平滑算法用于特殊的超光谱应用可最小化原始光谱数据的干扰。
此项研究的主要目标有两个，一个是验证光谱响应的统计特性的平滑技术的影响。
一个是作为大量方法的替代，此项研究的目的是为了推荐一个统计测试方法作为实现平滑方法的选择和原始数据对统计特性影响之间的平衡。
植被影响用于支持此项研究的主张。
１方法１．１平滑技术在数字信号处理领域，光谱仪观测的光谱ｓｏ（λ）。
ｓｏ（λ）＝ｓｔ（λ）＋ｎ（λ）（１）光谱平滑的定义是ｓｔ（λ）利用观测光谱ｓｏ（λ）估算ｓｔ（λ）．ｓｔ（λ）的估算可通过观测光谱ｓｏ（λ）利用实验者选择权函数的卷积获得：陈爱群编译２６ｓｔ（λ）＝ｓｏ（λ）＊ｇ（λ）（２）运算符＊代表卷积积分。
光谱数据预处理sg平滑策略-回复光谱数据预处理是光谱分析的重要步骤，用于消除噪音、提高信号质量和增强特征。
其中，sg平滑策略是一种常用的预处理方法。
本文将一步一步介绍光谱数据预处理中的sg平滑策略，并分析其原理和应用。
第一步：了解光谱数据的基本概念光谱是指将光信号按照不同波长进行排序的结果。
光谱数据则是对光信号进行数值化处理后得到的一系列数值数据。
光谱数据通常表现为曲线状，其中，波峰代表特定的化合物或分子，波谷则代表两个波峰之间的基线。
在分析光谱数据前，需要对数据进行预处理，以去除噪音和增强有效特征。
第二步：了解sg平滑策略的原理sg平滑策略是一种基于最小二乘多项式拟合的平滑方法。
它的全称是Savitzky-Golay平滑策略，由Abraham Savitzky和Marcel J. E. Golay 于1964年提出。
它通过在每个数据点的邻域内拟合一个多项式，并用该多项式替代原始数据点，从而得到平滑后的曲线。
第三步：sg平滑策略的应用步骤1. 确定窗口大小（window size）和多项式阶数（polynomial order）：首先需要确定sg平滑策略中的两个重要参数，即窗口大小和多项式阶数。
窗口大小决定了每个数据点的邻域范围，一般选择奇数值，通常在5到15之间。
多项式阶数决定了拟合曲线的平滑度，一般选择1到3之间的整数。
2. 计算拟合系数（fitting coefficients）：在每个数据点的邻域内，根据窗口大小和多项式阶数进行最小二乘多项式拟合，得到相应的拟合系数。
3. 进行拟合曲线计算：通过拟合系数，可以得到在每个数据点处的拟合曲线值。
4. 替代原始数据点：用拟合曲线的值替代原始数据点，得到平滑后的光谱数据。
第四步：sg平滑策略的优点和缺点sg平滑策略相比其他平滑方法具有以下优点：1. 能够同时平滑光谱的波峰和波谷，从而更好地保留原始光谱的特征。
2. 对于具有突变的光谱数据，sg平滑策略不会引入额外的振荡，有较好的平滑效果。
光谱数据预处理sg平滑策略-回复光谱数据预处理sg平滑策略是一种常用的数据处理方法，用于在光谱数据中去除噪声和平滑谱线。
本文将逐步解释sg平滑策略的原理和步骤，并讨论其在光谱数据预处理中的应用和效果。
第一部分：光谱数据预处理的重要性和挑战光谱是将样本的辐射或吸收情况与波长关联起来的数据集。
在许多领域中，如化学、生物学和环境监测等，光谱数据被广泛应用于定量和定性分析。
然而，实际测量中常常存在一些噪声，例如仪器漂移、样本杂质等，这些噪声会干扰到我们对样本特征的判断。
因此，光谱数据预处理是必不可少的步骤，用于去除噪声和提取有效信息。
在光谱数据预处理中，平滑处理是一项关键技术。
它可以在保留数据趋势的同时，消除噪声和波动，使谱线更加平滑和连续。
在众多的平滑方法中，sg平滑策略是一种常用的非参数方法，它基于样本点的局部加权回归，能够更好地处理数据中的噪声。
第二部分：sg平滑策略的原理和步骤sg平滑策略，即Savitzky-Golay平滑策略，是一种多项式平滑方法。
它通过拟合局部多项式来估计噪声，并用估计值代替真实值，以达到平滑数据的目的。
sg平滑理论基于如下公式：y = ∑(ai * x^(i))其中，y为平滑后的数据，x为原始数据，ai为多项式系数。
sg平滑的目标是选择合适的多项式阶数和窗口大小，使得平滑后的数据既能够尽量保留原始数据的特征，又能有效地去除噪声。
sg平滑策略的步骤如下：1. 确定多项式阶数和窗口大小：多项式阶数决定了拟合的灵活性，窗口大小决定了局部的拟合观测点个数。
根据具体问题和数据特点，选择合适的多项式阶数和窗口大小。
2. 确定拟合点个数：拟合点个数指窗口中选取的点的个数。
一般而言，选择窗口中点的个数等于拟合多项式的阶数加一。
3. 计算多项式拟合系数：利用最小二乘法计算多项式拟合系数，得到拟合的多项式。
4. 估计平滑后的数据：将多项式拟合系数代入多项式公式，计算平滑后的数据。
第三部分：sg平滑策略在光谱数据预处理中的应用和效果sg平滑策略在光谱数据预处理中有着广泛的应用。
基于ProSAIL模型的作物叶面积指数反演方法一、引言作物叶面积指数（Leaf Area Index, LAI）是衡量作物生长状态和生产力的重要指标之一。
准确地估计作物的叶面积指数对于作物生长监测、农业管理和粮食生产预测具有重要意义。
然而，传统的基于实地测量或遥感数据分析的LAI估算方法存在成本高、工作量大和时间耗费长等问题。
为了克服这些问题，基于反射率模型的LAI估算方法被广泛研究和应用。
本文将探讨基于ProSAIL模型并在冠层覆盖度参与优化下的作物叶面积指数反演方法。
二、ProSAIL模型基本原理ProSAIL模型是植被反射率模型的一种，它基于能量守恒和光传输原理模拟植被光谱响应。
该模型考虑了植被结构对光的吸收、散射和透射的影响，可以通过输入植被参数如叶面积指数、叶片角度分布和冠层覆盖度等来模拟不同植被类型的光谱响应。
三、冠层覆盖度参与优化的作物LAI反演3.1 数据采集和处理进行作物LAI反演需要获取多光谱遥感数据，如Landsat、MODIS等。
同时，还需要获取作物生长期间的实地LAI观测数据作为参考。
将遥感数据进行预处理，包括大气校正、几何校正和辐射校正等。
3.2 ProSAIL模型参数化ProSAIL模型的参数化是指根据实地观测数据或遥感数据来确定模型的输入参数，如叶面积指数、叶片角度分布和冠层覆盖度等。
通过对接触到的光的比例和各种辐射的比例进行测量与建模，可以获取作物的生物物理参数。
3.3 冠层覆盖度的优化传统的作物LAI反演方法往往忽略了冠层覆盖度的影响，将其视为一个固定的参数。
然而，作物的生长过程中，冠层覆盖度会发生变化，对LAI的估计产生影响。
因此，本方法引入冠层覆盖度作为优化参数，使用优化算法对LAI进行反演。
3.4 优化算法冠层覆盖度的优化可以使用多种优化算法，如遗传算法、粒子群算法等。
这些算法可以通过迭代计算，不断优化冠层覆盖度参数，使得ProSAIL模型得到的光谱响应与实际观测数据拟合最优。
平滑处理在频谱分析中的应用研究与实现作者：钟文峰周书民来源：《智能计算机与应用》2013年第03期摘要：质谱仪测试到的数据以频谱图形式显示，通过对频谱图进行分析得到有用的信息。
频谱分析是借助相应的算法运用计算机技术对谱图数据进行处理，以提高谱图数据的准确度以及其他特性，为分析人员通过谱图来分析质谱数据提供方便。
平滑处理是谱图处理的操作步骤中首要一步，将直接影响到频谱数据分析的准确程度。
文章阐述了频谱分析中所运用的几种平滑处理算法如矩形波串平滑、高斯平滑、抛物线平滑的原理，并将这些算法运用VS2008和C Sharp语言付诸实施。
关键词：平滑处理；质谱仪；频谱分析；研究与实现中图分类号： TP301.6 文献标识码： A 文章编号：2095-2163（2013）03-0072-03The Application Research and Implementation of Smoothing in Spectrum AnalysisZHONG Wenfeng，ZHOU Shumin（ College of Information & Engineering ， East China Institute of Technology ， Nanchang 330013，China）Abstract： The data tested by mass displays in spectrum diagram， obtains useful information form by analyzing the spectrum diagram. Spectrum analysis is the process to analyse the spectral data through the corresponding algorithm used on the computer technology， improves the accuracy of spectral data and other properties and provides facilitation for the analyst who analyze the mass data through the spectrum. Smoothing is the primary step in the spectrum process ， it will directly affects the accuracy of the spectral data analysis. The paper describes several smoothing algorithm theory which are used in the spectrum analysis，such as boxcar smoothing， Gaussian smoothing，parabola smoothing ，and these algorithms are implemented in VS2008 and C Sharp language.Key words： Smoothing； Mass Spectrometer； Spectrum Analysis； Research and Implementation0 引言质谱仪在对测试对象进行数据采集的过程中，由于环境较复杂，加上光照、电磁多变等因素，会存在一些噪声和干扰，从而使得频谱曲线呈现锯齿形。
收稿日期:2008209206 修改日期:2008210217基金项目南京晓庄学院青年专项资助项目(NXY )作者简介邵阳,女,南京晓庄学院化学系教师,硕士,主要从事电化学、材料测试等方面研究2008年11月第6期南京晓庄学院学报JOURNAL OF NANJ I NG X I A OZ HUANG U N I V ERS ITY Nov .2008No .6平滑C hah i ne 迭代算法在光散射法粒度分布反演中的应用邵 阳1,王清华2(1.南京晓庄学院化学系,江苏南京210017;2.南京理工大学理学院,江苏南京210094)摘 要:光散射法粒度测试涉及到粒度反演技术.随着反演粒级数的增加,通常的粒度反演法将出现严重的振荡.文章将Chahine 迭代算法与平滑滤波技术相结合解决了高反演粒级数下数值解的振荡,在不改变激光粒度仪的原有结构情况下,就可明显提高仪器的精度和分辨能力.关键词:光散射;粒度测试;Chahine 迭代;滤波中图分类号:T Q577 文献标识码:A 文章编号:100927902(2008)06200152040 引言在工业生产、国防建设和高科技领域中,颗粒材料,特别是超细粉体材料的地位越来越重要,并广泛应用于医药、化工、冶金、电子、机械、轻工、食品、建筑及环保等行业.颗粒材料的许多重要特性是由颗粒的平均粒度及粒度分布参数所决定的.在众多的粒度测试技术中,光散射法以其优异的性能得到了极大的重视与发展[1,2].由于光散射谱反演粒度分布是激光粒度仪的核心技术,目前已陆续提出多种反演算法.进一步提高反演精度成为光散射法粒度测试的不懈追求.本文将Chahine 迭代算法与平滑滤波技术相结合,实现高反演粒级数的粒度分布的反演.1 光散射法粒度仪的基本原理[3,4]光散射式激光粒度仪的基本装置如图1所示,它通过光环检测器采集颗粒在一定角度范围内的散射光来得到颗粒的粒径分布信息.M ie 散射理论可用来解释微小颗粒对光的散射,M ie 散射理论是均质球形颗粒在电磁场中对平面波散射的精确解.它只需假定颗粒材料是光学均匀,且各向同性,就可以由Max well 方程组及边界条件推导而出.对于多颗粒系统,某一粒级的颗粒散射光落在图1 测量装置原理组成图光电探测器上的光能量为:E (θ)=∫D m axD m ini (θ,m,D )N (D )dD (1)其中i (θ,m ,D )为相对折射率m ,直径D 的粒子在光电探测器上的光强分布.N (D )为个数基粒度分布.这是第一类F r edhol m 积分方程,求其真实解为病态求解问题,实际采用离散化形式:E =c πρ∑31i =1W iD 3i ∫θ2θ1i sinθd θ(2)其中ρ为颗粒密度;W i 为离散质量基粒度分布,简称粒度分布.写成矩阵形式,即E =T W(3)W =T-1E(4)式中T 为光能系数矩阵,T i,j=cπρD 3j∫θ2θ1i sin θd θ.实际测量中,由于误差的存在,由(4)式直接求解通—5—:200729:.1常不成功.因为从光强分布得到粒度分布是一类反问题,通常求解是病态的[5].在数学上,把原因归结于条件数过大.因此,现普遍使用的求解方法是分布模型约束求解,实际使用中比较成功的为双参数粒度分布模型[6],如RRB分布,对数正态分布等,但这样大大降低了分辨率,以致人们有光散射法测量不准确的印象.实现无约束反演是光散射法提高测量精度的基本方向.2 无约束反演算法2.1 Chahine反演算法Chahine迭代算法是另一个针对反演问题的有效算法.B assini等人将这种算法成功地应用于光衍射法测量中[729].这种算法的特点是收敛的速度很快,经过一定次数的迭代之后,就能得到一个较稳定的解.算法的步骤如下:确定粒度分布向量初始值W(1)迭代格式:W(k+1)=c(k).3W(k)(5)式中c(k)=(T′3r(k))./su m(T)r(k)=E./E(k)E(k)=T W(k)(6)式中T是光能系数矩阵,上标′表示矩阵转置,上标(k)表示迭代次数,E表示测量得到的光能分布列向量,W表示粒径分布列向量,.3表示将向量的各对应元素相乘,./表示将向量的各对应元素相除, sum表示将矩阵的相同列所有元素相加所得到的行向量.对这种算法稍加分析,就可以看出计算过程实际上是将原始分布进行整形,而且整形时所乘的系数都大于零,所以这种方法得到的值自然满足非负条件.2.2 平滑Chahine反演算法为了提高粒度反演的分辨率,一个自然的想法就是增加反演粒级数.当增加反演粒级数使得粒级数大于探测器上的光电探测环的数目时,(3)式将变成一个欠定方程的求解.这时采用Chahine算法反演得到的粒度分布出现剧烈的振荡,正是典型的不适定问题的特征.细致的分析发现虽然反演粒度分布剧烈振荡,但反演值一直在给定真值上下波动,这样的现象启发我们对迭代格式进行改进以适应这种高离散粒级数情况的求解,由此我们将(5)式改为W(k+1)=f((k)3W(k)W(k+1))()式中f为一维平滑滤波函数3 数值模拟与反演分析3.1 光能列向量的模拟光散射式激光粒度仪的多元探测器各自测得的光能组成了一组光能列向量.根据(1)式结合光电探测器的几何尺寸,可以模拟出多分散系颗粒散射光能列向量.图2为假定粒度服从RRB分布的数值模拟结果,图中光能列向量进行了归一化处理,光环探测器参数取自Ma lve r2600C[10].模拟中粒度参数为d=50μm,n=5,列向量最大值出现在序号为3的探测器.随着设定粒度参数的不同,光能列向量相应改变.图2 光能列向量3.2 粒度的反演分析模拟得到光能列向量加上误差因素,采用平滑Chahine算法反演出粒径分布,对比原始设定的粒径分布即可评价平滑Chahine算法的适应性.反演粒径与设定粒径的差异可用粒度分布误差ε来定量描述:ε=∑Li=1(wreal,i-wcal,i)2∑Li=1wr eal,i(8)其中w real,i为各粒级含量真值,w cal,i为反演各粒级含量.分布误差ε值越小,表明反演精度越高.图3、图4分别为单峰分布时采用传统Chahine 算法与平滑Chahine算法的反演结果.模拟步骤为:首先按照设定的粒径分布,由(1)式计算出列向量(如图2),再加上1%的随机误差作为模拟的最终光能列向量.接着,根据(5)～(7)式得到反演粒径分布.图3的粒径分布参数设定为d=50μm,n=5的RRB分布,采用传统的算法反演分布误差ε=×,反演的粒度分布呈现强烈的—6—ilter1c.7ilte r1.Chanhine 2.7910-21振荡.图4的粒径分布参数设定值与图3相同,采用平滑Chanhine 算法反演粒度分布,最终的分布误差ε=3.91×10-3.比较图3和图4,看出单峰分布时采用平滑Chanhine 算法,反演值与设定值更加吻合.图5为双峰分布,设定参数为d 1=40μm ,n 1=5,d 2=70μm ,n 2=8,以1∶1混合,平滑Chanhine 算法反演分布误差ε=8.53×10-3;图6设定参数为d 1=40μm ,n 1=5,d 2=70μm ,n 2=8,以2∶1混合,平滑Chanhine 算法反演分布误差ε=6.42×10-3.图5、图6显示在双峰分布时平滑Chahine 算法反演值与设定值仍然十分准确.值得一提的是,采用平滑Chanhine 算法不涉及到仪器硬件的改变,亦即在不改变激光粒度仪的原有结构情况下,就可明显提高仪器的精度和分辨能力.图3 单峰分布时的采用传统的C hanh i ne算法反演结果图4 单峰分布时的采用平滑C han h i n e算法反演结果图5 双峰分布时的设定值与平滑Cha h i n e 反演值(混合比1∶1)图6 双峰分布时的设定值与平滑Cha h i n e 反演值(混合比2∶1)4 结论由散射光谱反演粒度分布是一类反问题,反问题法不适定性构成了粒度反演的难点.增加反演粒级数可提高粒度反演的精度.但随着反演粒级数的增加,通常的粒度反演法将出现严重的振荡.本文采用的平滑Chahine 迭代法解决了高反演粒级数下数值的振荡,在不改变激光粒度仪的原有结构情况下,就可明显提高仪器的精度和分辨能力.参考文献:[1]胡松青,李琳,郭祀远,等.现代颗粒粒度测量技术[J ].现代化工,2002,22(1):58261.[2]王清华.光散射法颗粒大小与形状分析[D ].南京:南京工业大学,2003.[3]Ba rth H G .M ode rn me t hods of p artic l e size ana l ysis[M ].Ne w Y ork:John W illey &S ons,1984,1352150.[]刘子超,赵云惠液雾及颗粒的激光测量原理[M ]北京宇航出版社,2——4..:1988.149219.71[5]郭庆平,王伟沧,向平波,等.不适定问题研究的若干进展[J].武汉理工大学学报(交通科学与工程版),2001,25(1):12215.[6]张少明,翟旭东,刘亚云.粉体工程[M].北京:中国建材工业出版社,1994.9.[7]Chahine M T.Inverse p roblem s in radi a tive transfe r:dete r m ina ti on of a t m ospheric pa rame ters[J].J A t m os Sc i1970,27(6):9602967.[8]Chahine M T.Detem i nati on of the tempera ture profile in an at mos phe re from its outg o i ng radiance[J].J Op t Soc Am1968,58(12):163421637.[9]Ba ssiniA,M usazzi S,Pagani ni E,et a l.Opti ca l parti c le sizer based on the Chahine inv e rsion sche m e[J].Opti ca l Engi neer,1992,31(5):111221117.[10]Heffels C.On2line pa rticle size and shape cha rac t e rizati on by narro w angl e light sca ttering[D].Nethe rlands:Delft University ofT echnology.1995,1232124.(责任编辑:王海军)Appli ca ti on of the Sm ooth C ha h i n e Algor ithm i n Deduc i n gthe Pa r ti cle S i ze D istr i bu ti on with L i ght Sca tter i n gS HAO Yang1,W ang Q ing2hua2(1.Dep t of Che m istry,Nanjing Xiaozhuang Unive rsity,Nanji ng210017,China;2.School of Sc ience,Nanjing Unive rsit y of Sc ience and T echn ology,Nanjing210094,China)Abstrac t:The partic le size inve rsi on algorithm plays an i mportant r ole in the laser size.The highe r the degree of the inve rsi on size is,the more instable the inve rsi on results will be.The Chahine ite r a tive algorithm together with s mooth filter technology is used t o overcome the instability.The ca lculated results show that the s mooth Chahine al2 gorith m i m p r oves the instrum entπs p r ecisi on and its res olving po we r re m arkably without changing the original physi2 cal configuration of the instr um ent.Key wor ds:light scattering;partic le size measure m ent;Chahine ite r a tive;filter—81—。
