CN110346346A - 一种基于压缩感知关联算法的拉曼气体检测方法 - Google Patents

一种基于压缩感知关联算法的拉曼气体检测方法 Download PDF

Info

Publication number
CN110346346A
CN110346346A CN201910588503.8A CN201910588503A CN110346346A CN 110346346 A CN110346346 A CN 110346346A CN 201910588503 A CN201910588503 A CN 201910588503A CN 110346346 A CN110346346 A CN 110346346A
Authority
CN
China
Prior art keywords
gas
raman
air chamber
detection
signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910588503.8A
Other languages
English (en)
Other versions
CN110346346B (zh
Inventor
康祎
张雷洪
赵曼彤
叶华龙
徐润初
张志晟
白春燕
王朝锐
黄元申
张大伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN201910588503.8A priority Critical patent/CN110346346B/zh
Publication of CN110346346A publication Critical patent/CN110346346A/zh
Application granted granted Critical
Publication of CN110346346B publication Critical patent/CN110346346B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65—Raman scattering

Landscapes

  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明提供了一种基于压缩感知关联算法的拉曼气体检测方法，属于光学检测领域。本发明包括如下步骤：步骤1，将混合气体通入气体腔；步骤2，使用激光照射气体腔；步骤3，调整滤光模块的滤光范围，使信号检测与处理模块接收所有满足条件的混合气体拉曼信号f；步骤4，判断信号检测与处理模块接收到的拉曼信号总量是否等于pm‑pn+p个，当判断为是时，进入步骤6，当判断为否时，进入步骤5；步骤5，改变激光波长，进入步骤3；步骤6，对拉曼信号使用压缩感知算法进行计算，得到单一气体的重构拉曼能量值；步骤7，根据公式计算得每种气体的浓度。本发明无需改变现有拉曼气体检测装置，所以，能够快速便捷地定量检测出拉曼信号较弱的气体。

Description

一种基于压缩感知关联算法的拉曼气体检测方法
技术领域
本发明涉及一种气体检测方法，具体涉及一种基于压缩感知关联算法的拉曼气体检测方法，属于光学检测领域。
背景技术
石油，天然气等能源开采过程中会遇到大量的未知混合气体，及时有效的分析未知混合气体的成分及含量对提高油气勘探成功率意义重大。
传统的气体检测方法有红外分析、气相色谱分析、质谱分析以及拉曼光谱分析等几种。
然而，红外分析往往只能分析单一成分且量程范围小，常见气体中氮气、氧气和氢气没有红外效应，不能被红外分析检测到。气相色谱分析需要载气和色谱柱，响应时间长且需要专业人员操作。质谱分析所需的质谱仪价格昂贵，维护成本高，操作复杂，不适合在开采现场在线使用。现有技术中的拉曼光谱分析，由于单一气体的拉曼散射光谱信号的强度十分弱小，约为入射光强度的10-4到10-3左右，使得准确的采集拉曼散射线十分困难，任何噪声背景信号都可能把拉曼信号淹没，导致精度较差。
综上所述，现有技术中的气体检测方法要么检测范围小，要么设备复杂，要么精度较差。
发明内容
本发明是为了解决上述问题而进行的，目的在于提供种基于压缩感知关联算法的拉曼气体检测方法。
本发明提供了一种基于压缩感知关联算法的拉曼气体检测方法，该方法使用包括激光光源、气体腔、滤光模块以及信号检测与处理模块的拉曼气体检测装置分别检测由斯托克斯波长从小到大依次为λ1，λ2，…，λm的m种气体组成的混合气体中各气体的浓度，在检测过程中，所述激光光源总共使用了p种不同波长的光照射所述气体腔，具有这样的特征，包括如下步骤：步骤1，将经过过滤和干燥的所述混合气体通入所述气体腔，进入步骤2；步骤2，使用所述激光光源发出的特定波长的光照射所述气体腔，进入步骤3；步骤3，调整所述滤光模块的滤光范围，使所述信号检测与处理模块分别接收所有满足条件的混合气体拉曼信号f，进入步骤4，所述满足条件的混合气体拉曼信号f为斯托克斯波长为λa-λn+a-1之间的n种混合气体拉曼信号fa；步骤4，判断所述信号检测与处理模块接收到的拉曼信号总量是否等于pm-pn+p个，当判断为是时，进入步骤6，当判断为否时，进入步骤5；步骤5，将所述激光光源发出的光的波长改变为未曾使用过的波长，进入步骤3；步骤6，所述信号检测与处理模块对得到的pm-pn+p个n种混合气体拉曼信号使用压缩感知算法进行计算，计算得到单一气体的重构拉曼能量值，进入步骤7；步骤7，根据单一气体的所述重构拉曼能量值，根据公式计算，即得每种气体的浓度C，式中，xcs为单一气体的重构拉曼能量值，E100为单一气体含量为100％时的拉曼能量值，E0为单一气体含量为0％时的拉曼能量值，其中，所述m为大于等于2的正整数，所述1＜n≤m且所述n为正整数，所述1≤a≤m-n+1且所述a为正整数，所述p≥1且所述p为正整数。
在本发明提供的一种基于压缩感知关联算法的拉曼气体检测方法中，还可以具有这样的特征：其中，所述压缩感知算法使用的公式为：
xcs＝arg min:||x||1s.t y＝Фx，
式中，y为混合气体拉曼信号，x为单一气体的拉曼能量值，xcs为经压缩感知算法重构后的单一气体的拉曼能量值，arg min:||||1为运算符，表示用L1范数，求得满足后面约束条件的元素模值和最小的x，Ф为(pm-pn+p)×pm矩阵，
所述(pm-pn+p)×pm矩阵为
式中，每一行均有n个1以及pm-n个0。
在本发明提供的一种基于压缩感知关联算法的拉曼气体检测方法中，还可以具有这样的特征：其中，拉曼气体检测装置包括激光光源、气体腔、滤光模块以及信号检测与处理模块，激光光源发出的光依次通过气体腔以及滤光模块最终被信号检测与处理模块接收。
在本发明提供的一种基于压缩感知关联算法的拉曼气体检测方法中，还可以具有这样的特征：其中，拉曼气体检测装置还包括设置在激光光源与气体腔之间的透镜，该透镜用于均匀分布光场。
在本发明提供的一种基于压缩感知关联算法的拉曼气体检测方法中，还可以具有这样的特征：其中，单一气体含量为100％时的拉曼能量值通过气体拉曼检测装置测定，测定方法包括如下步骤：使用氩气驱除气体腔内的余气后，向气体腔内通入99.9vol％的待测气体和0.1vol％氩气使气体腔内压强为一个标准大气压，气体流量为200-300mL/min，开启激光光源，激光光源发出的光依次通过气体腔以及滤光模块，被信号检测与处理模块接收，信号检测与处理模块计算得到单一气体含量为100％时的拉曼能量值。
在本发明提供的一种基于压缩感知关联算法的拉曼气体检测方法中，还可以具有这样的特征：其中，单一气体含量为0％时的拉曼能量值通过气体拉曼检测装置测定，测定方法包括如下步骤：使用氩气驱除气体腔内的余气后，向气体腔内通入纯度不低于99.999％的氩气使气体腔内压强为一个标准大气压，气体流量为200-300mL/min，开启激光光源，激光光源发出的光依次通过气体腔以及滤光模块，被信号检测与处理模块接收，信号检测与处理模块计算得到单一气体含量为0％时的拉曼能量值。
发明的作用与效果
根据本发明所涉及的一种基于压缩感知关联算法的拉曼气体检测方法，因为无需改变现有的拉曼气体检测装置，通过改变滤光模块的滤光范围得到了多组气体拉曼信号，气体拉曼信号经过压缩感知算法的处理和简单的计算，即可得到混合气体中各气体的浓度，所以，本发明快速便捷，还能够在浓度交底时定量检测出拉曼信号较弱的气体。
附图说明
图1是本发明一种基于压缩感知关联算法的拉曼气体检测方法的实施例的流程图；以及
图2是本发明一种基于压缩感知关联算法的拉曼气体检测方法的实施例中使用的拉曼气体检测装置示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下结合实施例及附图对本发明作具体阐述。
<实施例>
图1是本发明一种基于压缩感知关联算法的拉曼气体检测方法的实施例的流程图。
一种基于压缩感知关联算法的拉曼气体检测方法使用拉曼气体检测装置分别检测由m种气体组成的混合气体中各气体的浓度。本实施例中对4种气体组成的混合气体进行检测。
图2是本发明一种基于压缩感知关联算法的拉曼气体检测方法的实施例中使用的拉曼气体检测装置示意图。
如图2所示，拉曼气体检测装置包括多波长激光光源1、透镜2、气体腔3、滤光模块4以及信号检测与处理模块5。多波长激光光源1发出的光依次通过透镜2、气体腔3以及滤光模块4最终被信号检测与处理模块5接收。
图1是本发明一种基于压缩感知关联算法的拉曼气体检测方法的实施例的流程图。
如图1所示，一种基于压缩感知关联算法的拉曼气体检测方法，包括如下步骤：
步骤1，将经过过滤和干燥的气体浓度为2％H2、15％CH4、5％O2、8％CO2以及作为背景气的70％氩气配制成待测混合气体通入气体腔3，进入步骤2，由于氩气不会产生拉曼信号，所以在本实施例中作为背景气，不会影响实验结果；
4种气体的拉曼频移、斯托克斯波长如表1所示。
表1 4种气体的拉曼频移、斯托克斯波长
步骤2，使用多波长激光光源1发出波长为632.8nm的光照射气体腔3，进入步骤3；
步骤3，调整滤光模块4的滤光范围至685-710nm，使信号检测与处理模块5接收O2与CO2两种混合气体拉曼信号f1，在本实施例中拉曼信号均为拉曼能量值，
调整滤光模块4的滤光范围至696-790nm，使信号检测与处理模块5接收O2与CH4两种混合气体拉曼信号f2，
调整滤光模块4的滤光范围至770-880nm，使信号检测与处理模块5接收H2与CH4两种混合气体拉曼信号f3，进入步骤4，
步骤4，由于信号检测与处理模块5接收到的混合气体拉曼信号总量不等于6个，进入步骤5；
步骤5，将多波长激光光源1发出的光的波长调整为632.8nm，进入步骤3；
步骤3，调整滤光模块4的滤光范围至800-850nm，使信号检测与处理模块5接收O2与CO2两种混合气体拉曼信号f1'，
调整滤光模块4的滤光范围至820-950nm，使信号检测与处理模块5接收O2与CH4两种混合气体拉曼信号f2'，
调整滤光模块4的滤光范围至920-1080nm，使信号检测与处理模块5接收H2与CH4两种混合气体拉曼信号f3'，进入步骤4；
步骤4，由于信号检测与处理模块5接收到的混合气体拉曼信号总量等于6个，进入步骤6；
步骤6，信号检测与处理模块5将收到的6个混合气体拉曼信号，使用压缩感知算法进行计算，计算完成后进入步骤7，
计算公式如下：
xcs＝arg min:||x||1s.t y＝Фx，
式中，y为混合气体拉曼信号，在本实施例中
x为单一气体的拉曼能量值，xcs为经压缩感知算法重构后的单一气体的拉曼能量值，arg min:||||1为运算符，表示用L1范数，则求得满足后面约束条件的元素模值和最小的x，
在本实施例中，Ф为6×8矩阵，具体地，
步骤7，将单一气体的重构拉曼能量值，带入公式计算，即得每种气体的浓度C，
式中，xcs为单一气体的重构拉曼能量值，E100为单一气体含量为100％时的拉曼能量值，E0为单一气体含量为0％时的拉曼能量值，即背景值。
在本实施例中，E100使用图2所示的气体拉曼检测装置测定，测定方法为使用氩气驱除气体腔内的余气后，向气体腔内通入99.9vol％的待测气体和0.1vol％氩气使气体腔内压强为一个标准大气压，气体流量为250mL/min，开启多波长激光光源，多波长激光光源发出的光依次通过透镜、气体腔以及滤光模块，被信号检测与处理模块接收，信号检测与处理模块计算得到单一气体含量为100％时的拉曼能量值。
具体地，单一气体含量为100％时的拉曼能量值使用实时检测光子数表示，本实施例中涉及到的气体的单一气体含量为100％时的拉曼能量值如表2所示。
表2单一气体的实时检测光子数
在本实施例中，E0使用图2所示的气体拉曼检测装置测定，测定方法包括如下步骤：使用氩气驱除气体腔内的余气后，向气体腔内通入纯度不低于99.999％的氩气使气体腔内压强为一个标准大气压，气体流量为200-300mL/min，开启多波长激光光源，多波长激光光源发出的光依次通过透镜、气体腔以及滤光模块，被信号检测与处理模块接收，信号检测与处理模块计算得到单一气体含量为0％时的拉曼能量值。
本实施例中，基于压缩感知关联算法的拉曼气体检测方法的检测结果与误差，如表3所示，
表3检测结果与误差
气体实际浓度 检测气体浓度 误差
H<sub>2</sub> 2 1.8968 5％
CH<sub>4</sub> 15 13.9265 7％
O<sub>2</sub> 5 4.8585 3％
CO<sub>2</sub> 8 7.7352 3％
由上表可知，本发明提供的基于压缩感知关联算法的拉曼气体检测方法对低浓度的气体有很好的检测精准度，误差均在7％以下。
实施例的作用与效果
根据本实施例所涉及的一种基于压缩感知关联算法的拉曼气体检测方法，因为无需改变现有的拉曼气体检测装置，通过改变滤光模块的滤光范围得到了多组气体拉曼信号，气体拉曼信号经过压缩感知算法的处理和简单的计算，即可得到混合气体中各气体的浓度，所以，本实施例快速便捷，还能够在浓度交底时定量检测出拉曼信号较弱的气体。
进一步地，根据本实施例所涉及的一种基于压缩感知关联算法的拉曼气体检测方法，由于使用了压缩感知算法，所以本实施例能够提高气体检测的精准度，检测效果好。
进一步地，根据本实施例所涉及的一种基于压缩感知关联算法的拉曼气体检测方法，由于单一气体含量为100％时的拉曼能量值与单一气体含量为0％时的拉曼能量值均事先标定且一次标定终身受益，所以，可靠性高，受环境影响小。
上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。

Claims (6)

1.一种基于压缩感知关联算法的拉曼气体检测方法，该方法使用包括激光光源、气体腔、滤光模块以及信号检测与处理模块的拉曼气体检测装置分别检测由斯托克斯波长从小到大依次为λ1，λ2，…，λm的m种气体组成的混合气体中各气体的浓度，在检测过程中，所述激光光源总共使用了p种不同波长的光照射所述气体腔，其特征在于，包括如下步骤：
步骤1，将经过过滤和干燥的所述混合气体通入所述气体腔，进入步骤2；
步骤2，使用所述激光光源发出的特定波长的光照射所述气体腔，进入步骤3；
步骤3，调整所述滤光模块的滤光范围，使所述信号检测与处理模块分别接收所有满足条件的混合气体拉曼信号f，进入步骤4，
所述满足条件的混合气体拉曼信号f为斯托克斯波长为λa-λn+a-1之间的n种混合气体拉曼信号fa；
步骤4，判断所述信号检测与处理模块接收到的拉曼信号总量是否等于pm-pn+p个，当判断为是时，进入步骤6，当判断为否时，进入步骤5；
步骤5，将所述激光光源发出的光的波长改变为未曾使用过的波长，进入步骤3；
步骤6，所述信号检测与处理模块对得到的pm-pn+p个n种混合气体拉曼信号使用压缩感知算法进行计算，计算得到单一气体的重构拉曼能量值，进入步骤7；
步骤7，根据单一气体的所述重构拉曼能量值，根据公式计算，即得每种气体的浓度C，
式中，xcs为单一气体的重构拉曼能量值，E100为单一气体含量为100％时的拉曼能量值，E0为单一气体含量为0％时的拉曼能量值，
其中，所述m为大于等于2的正整数，
所述1＜n≤m且所述n为正整数，
所述1≤a≤m-n+1且所述a为正整数，
所述p≥1且所述p为正整数。
2.根据权利要求1所述的基于压缩感知关联算法的拉曼气体检测方法，其特征在于：
其中，所述压缩感知算法使用的公式为：
xcs＝arg min:||x||1s.t y＝Фx，
式中，y为混合气体拉曼信号，x为单一气体的拉曼能量值，xcs为经压缩感知算法重构后的单一气体的拉曼能量值，arg min:||||1为运算符，表示用L1范数，求得满足后面约束条件的元素模值和最小的x，Ф为(pm-pn+p)×pm矩阵，
所述(pm-pn+p)×pm矩阵为
式中，每一行均有n个1以及pm-n个0。
3.根据权利要求1所述的基于压缩感知关联算法的拉曼气体检测方法，其特征在于：
其中，所述拉曼气体检测装置包括所述激光光源、所述气体腔、所述滤光模块以及所述信号检测与处理模块，所述激光光源发出的光依次通过所述气体腔以及所述滤光模块最终被所述信号检测与处理模块接收。
4.根据权利要求3所述的基于压缩感知关联算法的拉曼气体检测方法，其特征在于：
其中，所述拉曼气体检测装置还包括设置在所述激光光源与所述气体腔之间的透镜，该透镜用于均匀分布光场。
5.根据权利要求1所述的基于压缩感知关联算法的拉曼气体检测方法，其特征在于：
其中，所述单一气体含量为100％时的拉曼能量值通过所述气体拉曼检测装置测定，测定方法包括如下步骤：
使用氩气驱除所述气体腔内的余气后，向所述气体腔内通入99.9vol％的待测气体和0.1vol％氩气使所述气体腔内压强为一个标准大气压，气体流量为200-300mL/min，开启所述激光光源，所述激光光源发出的光依次通过所述气体腔以及所述滤光模块，被所述信号检测与处理模块接收，所述信号检测与处理模块计算得到所述单一气体含量为100％时的拉曼能量值。
6.根据权利要求1所述的基于压缩感知关联算法的拉曼气体检测方法，其特征在于：
其中，所述单一气体含量为0％时的拉曼能量值通过所述气体拉曼检测装置测定，测定方法包括如下步骤：
使用氩气驱除所述气体腔内的余气后，向所述气体腔内通入纯度不低于99.999％的氩气使所述气体腔内压强为一个标准大气压，气体流量为200-300mL/min，开启所述激光光源，所述激光光源发出的光依次通过所述气体腔以及所述滤光模块，被所述信号检测与处理模块接收，所述信号检测与处理模块计算得到所述单一气体含量为0％时的拉曼能量值。
CN201910588503.8A 2019-07-02 2019-07-02 一种基于压缩感知关联算法的拉曼气体检测方法 Active CN110346346B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910588503.8A CN110346346B (zh) 2019-07-02 2019-07-02 一种基于压缩感知关联算法的拉曼气体检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910588503.8A CN110346346B (zh) 2019-07-02 2019-07-02 一种基于压缩感知关联算法的拉曼气体检测方法

Publications (2)

Publication Number Publication Date
CN110346346A true CN110346346A (zh) 2019-10-18
CN110346346B CN110346346B (zh) 2021-11-16

Family

ID=68178115

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910588503.8A Active CN110346346B (zh) 2019-07-02 2019-07-02 一种基于压缩感知关联算法的拉曼气体检测方法

Country Status (1)

Country Link
CN (1) CN110346346B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110752848A (zh) * 2019-10-28 2020-02-04 西南大学 一种基于硅基微腔混沌的压缩感知装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106323471A (zh) * 2016-09-26 2017-01-11 中国科学院重庆绿色智能技术研究院 一种基于dlp技术和压缩感知理论的超灵敏光谱检测方法及系统
WO2018056976A1 (en) * 2016-09-22 2018-03-29 Halliburton Energy Services, Inc. Methods and systems for obtaining high-resolution spectral data of formation fluids from optical computing device measurements
CN108076508A (zh) * 2017-12-21 2018-05-25 儒安科技有限公司 从时空双维度扩展无线传感网的低功耗方法
CN109557034A (zh) * 2018-11-14 2019-04-02 南京工程学院 基于压缩感知的特定气体源成分光谱分析方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018056976A1 (en) * 2016-09-22 2018-03-29 Halliburton Energy Services, Inc. Methods and systems for obtaining high-resolution spectral data of formation fluids from optical computing device measurements
CN106323471A (zh) * 2016-09-26 2017-01-11 中国科学院重庆绿色智能技术研究院 一种基于dlp技术和压缩感知理论的超灵敏光谱检测方法及系统
CN108076508A (zh) * 2017-12-21 2018-05-25 儒安科技有限公司 从时空双维度扩展无线传感网的低功耗方法
CN109557034A (zh) * 2018-11-14 2019-04-02 南京工程学院 基于压缩感知的特定气体源成分光谱分析方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
BERND KÄSTNER等: "Compressed sensing FTIR nano-spectroscopy and nano-imaging", 《OPTICS EXPRESS》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110752848A (zh) * 2019-10-28 2020-02-04 西南大学 一种基于硅基微腔混沌的压缩感知装置
CN110752848B (zh) * 2019-10-28 2021-06-15 西南大学 一种基于硅基微腔混沌的压缩感知装置

Also Published As

Publication number Publication date
CN110346346B (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
Washenfelder et al. Broadband measurements of aerosol extinction in the ultraviolet spectral region
CN109085133B (zh) 一种基于实时反射率修正的离轴积分腔大气ch4浓度的测量装置及其测量方法
CN101105446A (zh) 差分吸收光谱空气质量检测系统
Irie et al. Evaluation of MAX-DOAS aerosol retrievals by coincident observations using CRDS, lidar, and sky radiometer inTsukuba, Japan
Bluvshtein et al. A new approach for retrieving the UV–vis optical properties of ambient aerosols
KR101968087B1 (ko) 초분광 이미징 센서 관측 자료를 이용한 대기중 오존 및 이산화질소의 기주 농도 산출 장치
Shi et al. Alternative particle compensation techniques for online water quality monitoring using UV–Vis spectrophotometer
CN107329189B (zh) 光谱仪探测器无效像元筛选方法及辐射校正方法
CN108020540B (zh) 一种激光诱导击穿光谱检测系统
CN113324973B (zh) 一种结合光谱内标的多因素校正拉曼光谱定量分析方法
CN108444976B (zh) 一种基于拉曼光谱的天然气热值测量方法
CN105765381A (zh) 用于测量溶解在液体中的气体的气体浓度的方法及系统
CN110864882B (zh) 一种多光谱紫外光灵敏度检测系统及方法
JP2021170036A (ja) 物質特性検査装置
Liu et al. High-precision methane isotopic abundance analysis using near-infrared absorption spectroscopy at 100 Torr
CN110346346A (zh) 一种基于压缩感知关联算法的拉曼气体检测方法
CN105717060A (zh) 一种气体成分和浓度测量方法
US5770793A (en) Method for determining the concentration of a substance in a gas
Burlakov et al. A differential-absorption lidar for ozone sensing in the upper atmosphere-lower stratosphere
CN113176223A (zh) 一种红外分光光度检测仪
US10241044B2 (en) NDIR glucose detection in liquids
Brown et al. Feasibility of on-line monitoring of the BTU content of natural gas with a near-infrared fiber optic system
Carvalho et al. Automatic yarn characterization system: design of a prototype
CN105092431B (zh) 金属纳米颗粒平均粒径的测量系统及测量方法
Notholt et al. Test of in situ measurements of atmospheric aerosols and trace gases by long path transmission spectroscopy

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant