CN113092402B - 一种非接触式物质太赫兹特征谱检测识别系统及方法 - Google Patents

一种非接触式物质太赫兹特征谱检测识别系统及方法 Download PDF

Info

Publication number
CN113092402B
CN113092402B CN202110546817.9A CN202110546817A CN113092402B CN 113092402 B CN113092402 B CN 113092402B CN 202110546817 A CN202110546817 A CN 202110546817A CN 113092402 B CN113092402 B CN 113092402B
Authority
CN
China
Prior art keywords
terahertz
sample
signal
detected
spectrum
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.)
Active
Application number
CN202110546817.9A
Other languages
English (en)
Other versions
CN113092402A (zh
Inventor
梁晓林
年夫顺
姜万顺
朱伟峰
邓建钦
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.)
CETC 41 Institute
Original Assignee
CETC 41 Institute
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 CETC 41 Institute filed Critical CETC 41 Institute
Priority to CN202110546817.9A priority Critical patent/CN113092402B/zh
Publication of CN113092402A publication Critical patent/CN113092402A/zh
Application granted granted Critical
Publication of CN113092402B publication Critical patent/CN113092402B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3581—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Toxicology (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供了一种非接触式物质太赫兹特征谱检测识别系统及方法。该系统包括：太赫兹收发模块、太赫兹样品室、太赫兹探测模块和服务器；所述太赫兹收发模块用于辐射扫频宽带太赫兹信号，并分别探测太赫兹样品室中校准件的反射太赫兹信号和待测样品的反射太赫兹信号，所述太赫兹探测模块用于分别探测校准件的透射太赫兹信号和待测样品的透射太赫兹信号，所述服务器用于根据太赫兹收发模块和太赫兹探测模块探测的结果获得待测样品的反射太赫兹谱和待测样品的透射太赫兹谱，再对待测样品进行定性分析和定量分析。

Description

一种非接触式物质太赫兹特征谱检测识别系统及方法
技术领域
本发明属于非接触式物质检测领域，具体涉及一种非接触式物质太赫兹特征谱检测识别系统及方法。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
太赫兹波是指频率范围为0.1THz～10THz，波长范围为0.03mm～3mm介于无线电波和光波之间的电磁辐射，具有携带信息丰富，亚皮秒量级脉宽、高时空相干性、低光子能量、穿透性强、使用安全性高、定向性好、大带宽等特性，在国防、国土安全、天文、医疗、生物、计算机、通信等科学领域有着巨大的应用价值。
自然界中大部分物质在太赫兹频段具有明显响应，如许多生物大分子的振动和转动能级，半导体及超导材料等的声子振动能级都在太赫兹频段；大部分非极性材料在太赫兹波段没有明显的吸收，太赫兹辐射对于这些材料有非常强的穿透能力；许多大材料分子振动光谱在太赫兹波段存在很多特征吸收峰，这使得太赫兹频段在物质检测分析领域具有广泛应用的基础。太赫兹频段具有一定的穿透能力，与X射线等波段不同的是，太赫兹频段的光子能量非常低，1THz电磁辐射的单光子能量只有4.1meV，不及X射线电磁辐射单光子能量的百万分之一，因此不会对物质造成损害，从而达到物质无损测试的目的。基于以上优点，太赫兹波成为发现物质、认知物质的一种电磁媒介。
太赫兹技术应用中，利用太赫兹指纹谱进行物质无标志识别极具潜力。为了实现待测样品的检测识别，传统的TDS设备主要有太赫兹信号产生单元、样本室、太赫兹探测单元、太赫兹信号采集单元以及太赫兹信号处理单元：
太赫兹辐射源能够产生特定频率及功率的太赫兹连续波。
太赫兹样品室一般包括精密控制设备实现太赫兹信号能够精准透过样品。
太赫兹探测器能够实现样品反射/透射太赫兹信号的高灵敏度探测。
数据采集设备通常具备较高的采样频率，实现太赫兹信号的离散化采集。
服务器一般是一台计算机，可以接收来自于太赫兹采集设备发送的太赫兹信号，并对其进行数据处理、执行检测识别算法、调用太赫兹谱数据库实现样品检测识别。
传统基于TDS单一反射或透射模式的太赫兹物质检测识别算法仅仅依靠样品反射或透射太赫兹波进行物质太赫兹特征谱的估计，其分辨率仅能达到2GHz量级，导致大部分物质检测识别算法存在特征吸收峰提取困难、检测概率低、信噪比低、测试结果可靠性差等缺陷，无法满足太赫兹物质高精度检测识别的应用需求。
发明内容
本发明为了解决上述问题，提出了一种非接触式物质太赫兹特征谱检测识别系统及方法，该方法基于待测样品的反射谱与透射谱实现待测样品在0.1THz～1.5THz频段太赫兹特征谱的高分辨率(最优1Hz)检测识别。
根据一些实施例，本发明采用如下技术方案：
第一个方面，本发明提供了一种非接触式物质太赫兹特征谱检测识别系统。
一种非接触式物质太赫兹特征谱检测识别系统，包括太赫兹收发模块、太赫兹样品室、太赫兹探测模块和服务器；
所述太赫兹收发模块用于辐射扫频宽带太赫兹信号，并分别探测太赫兹样品室中校准件的反射太赫兹信号和待测样品的反射太赫兹信号，所述太赫兹探测模块用于分别探测校准件的透射太赫兹信号和待测样品的透射太赫兹信号，所述服务器用于根据太赫兹收发模块和太赫兹探测模块探测的结果获得待测样品的反射太赫兹谱和待测样品的透射太赫兹谱，再对待测样品进行定性分析和定量分析。
进一步的，所述太赫兹收发模块与太赫兹样品室之间设有太赫兹波合束模块，所述太赫兹波合束模块用于将太赫兹收发模块辐射的扫频宽带太赫兹信号准聚焦在样品室上，同时将太赫兹样品室中反射的太赫兹信号进行分束处理，得到的校准件反射太赫兹信号和待测样品反射太赫兹信号反射回太赫兹收发模块。
进一步的，所述太赫兹样品室和太赫兹探测模块之间设有太赫兹波分束模块，所述太赫兹波分束模块用于将太赫兹样品室中透射的太赫兹信号进行分束处理，得到的校准件透射太赫兹信号和待测样品透射太赫兹信号反射回太赫兹探测模块。
进一步的，所述太赫兹收发模块与服务器之间设有反射信号条理采集模块，所述反射信号条理采集模块用于按照设定的参数对校准件的反射太赫兹信号和待测样品的反射太赫兹信号进行离散采样并发送给服务器。
进一步的，所述太赫兹收发模块与服务器之间设有透射信号条理采集模块，所述透射信号条理采集模块用于按照设定的参数对校准件的透射太赫兹信号和待测样品的透射太赫兹信号进行离散采样并发送给服务器。
第二个方面，本发明提供了一种非接触式物质太赫兹特征谱检测识别方法。
一种非接触式物质太赫兹特征谱检测识别方法，包括：
分别对校准件和待测样品进行太赫兹波反射和透射测量，获得校准件反射太赫兹信号、待测样品反射太赫兹信号、校准件透射太赫兹信号和待测样品透射太赫兹信号；
提取待测样品的太赫兹特征谱，计算待测样品的太赫兹特征谱矩阵；
根据待测样品的太赫兹特征谱矩阵和样品太赫兹谱数据库，对待测样品进行定性分析；
采用Lorentzian共振基函数和背景吸收函数组成的混合模型对待测样品的太赫兹吸收谱进行定量分析。
进一步的，所述待测样品的太赫兹特征谱包括待测样品反射太赫兹谱和待测样品透射太赫兹谱。
进一步的，所述待测样品反射太赫兹谱的提取包括：
分别对校准件反射太赫兹信号和样品反射太赫兹信号进行重构；
采用小波网络分别对重构后的校准件反射太赫兹信号和样品反射太赫兹信号进行无效点检测，抑制无效信号，得到检测后的校准件反射太赫兹信号和样品反射太赫兹信号；
利用希尔伯特变换对检测后的校准件反射太赫兹信号和样品反射太赫兹信号进行频谱优化，计算待测样品反射太赫兹谱矩阵。
进一步的，所述待测样品透射太赫兹谱的提取包括：
分别对校准件透射太赫兹信号和样品透射太赫兹信号进行重构；
采用小波网络分别对重构后的校准件透射太赫兹信号和样品透射太赫兹信号进行无效点检测，抑制无效信号，得到检测后的校准件透射太赫兹信号和样品透射太赫兹信号；
利用希尔伯特变换对检测后的校准件透射太赫兹信号和样品透射太赫兹信号进行频谱优化，计算待测样品透射太赫兹谱矩阵。
进一步的，所述待测样品定性分析包括：
获取待测样品的太赫兹特征谱矩阵，依次对待测样品的太赫兹特征谱矩阵进行相干计算、增强处理，得到优化后的待测样品的太赫兹特征谱矩阵；
采用主成分分析法对优化后的待测样品的太赫兹特征谱矩阵进行分离、重构，然后对重构后的太赫兹特征谱矩阵的每行进行累积计算，得到物质太赫兹特征谱；
根据物质太赫兹特征谱和样品太赫兹谱数据库，结合正则化极限学习算法得到物质太赫兹谱分类标签。
与现有技术相比，本发明的有益效果为：
本发明所提出的识别方法能够显著改善太赫兹信号信噪比，降低高斯噪声对信号的干扰；基于待测样品的反射谱与透射谱实现待测样品在0.1THz～1.5THz频段太赫兹特征谱的高分辨率(最优1Hz)检测识别，解决传统基于TDS的物质太赫兹特征谱检测算法存在的特征吸收峰提取困难、检测概率低、信噪比低等缺陷。
基于本发明公开的物质检测识别方法，以L丝氨酸为测试样本，测试次数为50次，基于得到的物质太赫兹特征谱，通过指纹对比，待测样品类别检测成功率为L丝氨酸92％。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是传统样品检测流程示意图；
图2是本发明的非接触式物质太赫兹特征谱检测识别系统的结构图；
图3是本发明样品检测流程示意图；
图4是本发明检测算法流程示意图；
图5是本发明实施例中物质共振吸收谱示意图；
图6是本发明对空状态下得到的参考反射信号与透射信号；
图7是本发明对待测样品得到的参考反射信号与透射信号；
图8是本发明经过处理后得到的待测样品吸收谱。
具体实施方式：
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
传统基于TDS单一反射或透射模式的太赫兹物质检测识别算法流程如图1所示。此种模式下，仅仅依靠样品反射或透射太赫兹波进行物质太赫兹特征谱的估计，其分辨率仅能达到2GHz量级，导致大部分物质检测识别算法存在特征吸收峰提取困难、检测概率低、信噪比低、测试结果可靠性差等缺陷，无法满足太赫兹物质高精度检测识别的应用需求。为了解决该问题，本发明公开了以下几种实施方式。
实施例一
本实施例提供了一种非接触式物质太赫兹特征谱检测识别系统。
一种非接触式物质太赫兹特征谱检测识别系统，包括太赫兹收发模块、太赫兹样品室、太赫兹探测模块和服务器；
所述太赫兹收发模块用于辐射扫频宽带太赫兹信号，并分别探测太赫兹样品室中校准件的反射太赫兹信号和待测样品的反射太赫兹信号，所述太赫兹探测模块用于分别探测校准件的透射太赫兹信号和待测样品的透射太赫兹信号，所述服务器用于根据太赫兹收发模块和太赫兹探测模块探测的结果获得待测样品的反射太赫兹谱和待测样品的透射太赫兹谱，再对待测样品进行定性分析和定量分析。
其中，太赫兹收发模块包括若干个太赫兹收发一体模块。
示例的，太赫兹收发一体模块和太赫兹探测模块的个数均为七个，需要说明的是，上述太赫兹收发一体模块和太赫兹探测模块的个数仅是实现本实施例的一种方案，但并不仅限于此。
如图2所示，本实施例所述的非接触式物质太赫兹特征谱检测识别系统包括基于多波段拼接的太赫兹收发一体模块、太赫兹波合束模块、太赫兹样品室、太赫兹波分束模块、基于多波段拼接的太赫兹探测模块、太赫兹信号高速采集及传输模块、服务器等。
其中，基于多波段拼接的太赫兹收发一体模块能够实现0.1THz～1.5THz频段太赫兹波的辐射与反射太赫兹波的实时探测。
太赫兹波合束模块能够实现0.1THz～1.5THz频段太赫兹波的高效传输与精准调控，实现太赫兹波的准聚焦。
太赫兹样品室包括精密控制设备实现太赫兹信号精准反射/透射传输。
太赫兹波分束模块能够实现0.1THz～1.5THz频段太赫兹波的高效传输与精准调控，实现太赫兹波的有效分束传输。
基于多波段拼接的太赫兹探测模块能够实现透射太赫兹信号的高灵敏度探测。
太赫兹信号高速采集及传输模块通常具备较高的采样频率，实现太赫兹信号的离散化采集。
服务器一般是一台计算机，可以接收来自于太赫兹采集设备发送的太赫兹信号，并对其进行数据处理、执行检测识别算法、调用太赫兹谱数据库实现样品检测识别。
服务器连接运动控制单元，运动控制单元根据主控制单元向三维样品台发送运动指令，控制样品进行三维移动。
实施例二
本实施例提供了一种非接触式物质太赫兹特征谱检测识别方法。
一种非接触式物质太赫兹特征谱检测识别方法，包括以下步骤：
分别对校准件和待测样品进行太赫兹波反射和透射测量，获得校准件反射太赫兹信号、待测样品反射太赫兹信号、校准件透射太赫兹信号和待测样品透射太赫兹信号；
提取待测样品的太赫兹特征谱，计算待测样品的太赫兹特征谱矩阵；
根据待测样品的太赫兹特征谱矩阵和样品太赫兹谱数据库，对待测样品进行定性分析；
采用Lorentzian共振基函数和背景吸收函数组成的混合模型对待测样品的太赫兹吸收谱进行定量分析。
如图3所示，为了详细描述本实施例的具体实现过程，在此进行详细阐述：
(1)首先对整个系统进行初始化，包括：太赫兹发射信号功率(10μW～1W可选)、起始频率(0.1THz～1.5THz可选)、采样周期、采集时长、频率分辨率(最优1Hz)、扫频次数等关键参数。
(2)基于多波段拼接的太赫兹收发一体模块辐射太赫兹波；
(3)太赫兹收发一体模块探测得到校准件的反射太赫兹波；
(4)太赫兹收发一体模块探测得到待测样品的反射太赫兹波；
(5)太赫兹探测模块探测得到校准件的透射太赫兹波；
(6)太赫兹探测模块探测得到待测样品的透射太赫兹波；
(7)太赫兹信号高速采集及传输模块按照设定的参数对太赫兹信号进行离散采样并发送给服务器；
(8)服务器根据接收到的信号经过系列处理算法提取待测样品太赫兹特征谱；
(9)服务器通过与太赫兹指纹谱数据库比对，实现待测样品定性定量分析；
其中，步骤(8)根据得到的太赫兹反射及透射信号，得到待测样品的太赫兹特征谱，进而实现待测样品的定性定量分析，详细算法流程如图4所示；包括如下A-D四个步骤：
A.对步骤(7)得到的校准件的反射信号及待测样品的反射信号进行重构，有效抑制高斯噪声的影响，实现待测样品反射太赫兹特征谱的估计；
B.对步骤(7)得到的校准件的透射信号及待测样品的透射信号进行噪声抑制，实现待测样品太赫兹透射谱的估计；
C.根据步骤A与步骤B得到待测样品的太赫兹反射谱与太赫兹透射谱，求得样品吸收谱；在此基础上，实现物质类别及组分的定性分析；
D.根据步骤C得到待测样品的太赫兹吸收谱，实现物质组分的定量分析。
具体来说，步骤A细化为如下的计算步骤：
①在样品室中加入具有强反射性的校准件，利用太赫兹收发一体模块探测得到校准件的反射太赫兹波，作为参考信号w；
②利用模式分解算法实现参考信号w的重构，设w与加入高斯信号满足：
Figure BDA0003073800980000111
其中，ε表示高斯信号的方差，εn表示w与本征信号之和间的误差。
为了实现w重构，定义以下参数：
Figure BDA0003073800980000112
其中，
Figure BDA0003073800980000113
Figure BDA0003073800980000114
其中，Nv表示分解后的第v个本征函数；Cv表示第v个本征函数样本点中的最大样本值；Ov表示第v个本征函数极值点数。在参考信号重构过程中，若参数值小于1，则被认为是噪声。
基于经验模式分解得到的重构信号可表示为
Figure BDA0003073800980000121
③在样品室中加入待测样品，利用太赫兹收发一体模块探测得到待测样品的反射太赫兹波，记为
Figure BDA0003073800980000122
其中N表示待测物质样品个数；利用公式(2)-(4)重构样品反射信号，记为
Figure BDA0003073800980000123
④利用小波网络对
Figure BDA0003073800980000124
进行无效点检测，可表示为：
Figure BDA0003073800980000125
其中，
Figure BDA0003073800980000126
表示透射太赫兹信号；γa,τ表示小波函数，a与τ分别表示母小波的尺度因子与收缩因子；*表示复共轭。
通过利用小波变换完成无效点的定位，基于高阶多项式实现无效点的补偿。本发明中采用Morlet函数作为母小波，检测后的样本反射信号记为
Figure BDA0003073800980000127
⑤对测试得到的N组样本反射谱，利用希尔伯特变换进行频谱优化，进一步抑制无效信号，可表示为：
Figure BDA0003073800980000128
基于上述处理，待测样品反射太赫兹谱矩阵表示为：
Figure BDA0003073800980000129
具体来说，步骤B细化为如下的计算步骤：
①在样品室中加入具有强透射性的校准件，利用太赫兹探测模块得到校准件的透射太赫兹信号，作为参考信号o；
②利用公式(2)-(4)重构透射太赫兹信号，记为
Figure BDA0003073800980000131
③在样品室中加入待测样品，利用太赫兹探测模块探测得到待测样品的透射太赫兹波，记为pi(i＝1,…,N)，其中N表示待测物质样品个数；利用公式(2)-(4)重构样品透射信号，记为
Figure BDA0003073800980000132
④利用公式(5)实现
Figure BDA0003073800980000133
的无效点检测，检测后的样本透射信号记为
Figure BDA0003073800980000134
⑤对测试得到的N组样本透射谱，利用希尔伯特变换进行频谱优化，进一步抑制无效信号，可表示为：
Figure BDA0003073800980000135
基于上述处理，待测样品透射太赫兹谱矩阵可表示为：
Figure BDA0003073800980000136
具体来说，步骤C细化为如下计算步骤：
①基于步骤A与步骤B得到的反射谱矩阵与透射谱矩阵，可知待测样品的太赫兹特征谱矩阵可表示为：
Ti＝Mi+Ki,i＝1,…N (10)
②为了进一步改善待测样品的太赫兹特征谱，对特征谱矩阵T的每一行做相关处理，可表示为：
Ui＝Ti*Ti,i＝1,…,N (11)
其中，*表示相干运算。
③基于待测样品太赫兹特征谱矩阵T，对矩阵中每一行进行信号增强处理，可表示为：
Figure BDA0003073800980000141
其中，T[λmax(0)]表示Ti局部最优值。
如果λmax(0)<Tmax，则有：
Figure BDA0003073800980000142
其中，λmax(1)表示Ti次局部最优值。
上述循环直到λmax(k)＝Timax为止。由此实现样品太赫兹特征谱优化。
④基于待测样品的太赫兹特征谱矩阵，我们利用主成分分析算法实现物质特征谱的有效分离，对特征谱矩阵的处理可表示为：
Θ＝USVΤ (14)
其中，S表示对数矩阵，UV分别表示单位矩阵。上式可表示为：
Figure BDA0003073800980000143
其中，σ1≥σ2≥σ3≥...≥σr≥0表示特征谱矩阵的奇异值。
在太赫兹特征谱分析应用过程中，通常可提取部分奇异值进行特征谱矩阵的重构，进而降低空间维数，便于数据结构的观察和分析。本发明中我们定义以下变量：
Figure BDA0003073800980000144
上述变量表示第k个奇异值对特征谱矩阵各分量的贡献率，其在一定程度上反映了第k个奇异值包含的信息量，值越大，综合能力越强。同时定义以下变量：
Figure BDA0003073800980000151
上述变量为前k个奇异值的累积贡献率，它反映了前k个奇异值共同包含的信息量。本发明中，当累积贡献率≥85％时，只取前k个奇异值重构原信号，记为S。
⑤对重构后的太赫兹特征谱矩阵S的每行进行累积运算，以便改善特征谱信噪比，可表示为：
Figure BDA0003073800980000152
⑥基于上述物质太赫兹特征谱，通过调用构建的典型物质谱库，进而可实现物质定性分析,基于正则化极限学习算法的物质太赫兹谱分类标签可表示为：
Figure BDA0003073800980000153
其中，
Figure BDA0003073800980000154
表示拉格朗日运算得到的物质太赫兹特征谱的映射值。
具体来说，步骤D细化为如下的计算步骤：
为了实现待测样本主要成分含量的精准估计，本发明中拟利用Lorentzian共振基函数和背景吸收函数组成的混合模型对实测样本的吸收谱进行数值拟合，可表示为：
Figure BDA0003073800980000161
其中，ΥiL(ω)为Lorentzian共振基函数，用于拟合待测物质中M种主要成分的含量，
Figure BDA0003073800980000162
为N阶多项式，表示背景吸收函数。
根据光谱共振吸收理论可知，Lorentzian光谱共振函数ΥiL(ω)可表示如下：
Figure BDA0003073800980000163
其中，ki表示待求吸收峰强度，与物质浓度成正比，ωi0是中心吸收频率，Δω为半高宽。图5为物质共振吸收谱示意图，给出了ωi0，Δω，ki之间的关系。采用最小二乘准则进行拟合，即可求出样品中主要成分含量。
实施例三
本实施例提供了一种非接触式物质太赫兹特征谱检测识别方法。
一种非接触式物质太赫兹特征谱检测识别方法，包括以下步骤：
分别对校准件和待测样品进行太赫兹波反射和透射测量，获得校准件反射太赫兹信号、待测样品反射太赫兹信号、校准件透射太赫兹信号和待测样品透射太赫兹信号；
提取待测样品的太赫兹特征谱，计算待测样品的太赫兹特征谱矩阵；
根据待测样品的太赫兹特征谱矩阵和样品太赫兹谱数据库，对待测样品进行定性分析；
采用Lorentzian共振基函数和背景吸收函数组成的混合模型对待测样品的太赫兹吸收谱进行定量分析。
为了实现本实施例，采用实施例一所述的非接触式物质太赫兹特征谱检测识别系统，其中，选定的太赫兹物质组成成分分析仪的核心参数：起始频率为0.325THz～0.5THz、频率分辨率1GHz。
具体的，
(1)校准太赫兹物质检测系统，对整个系统进行初始化：太赫兹发射信号功率(10μW～1W可选)、起始频率(0.1THz～1.5THz可选)、采样周期、采集时长、频率分辨率(最优1Hz)、扫频次数等关键参数；
(2)基于多波段拼接的太赫兹收发一体模块辐射太赫兹波；
(3)太赫兹收发一体模块探测得到校准件的反射太赫兹波；
(4)太赫兹收发一体模块探测得到待测样品的反射太赫兹波；
(5)太赫兹探测模块探测得到校准件的透射太赫兹波；
(6)太赫兹探测模块探测得到待测样品的透射太赫兹波；
(7)太赫兹信号高速采集及传输模块按照设定的参数对太赫兹信号进行离散采样并发送给服务器；
(8)服务器根据接收到的信号经过系列处理算法提取待测样品太赫兹特征谱；
(9)服务器通过与太赫兹指纹谱数据库比对，实现待测样品定性定量分析；
所述的步骤(8)根据得到的太赫兹反射及透射信号，得到待测样品的太赫兹特征谱，进而实现待测样品的定性定量分析，详细算法流程如图4所示；包括如下A-D四个步骤：
A.对步骤(7)得到的校准件的反射信号及待测样品的反射信号进行重构，有效抑制高斯噪声的影响，实现待测样品反射太赫兹特征谱的估计；
B.对步骤(7)得到的校准件的透射信号及待测样品的透射信号进行噪声抑制，实现待测样品太赫兹透射谱的估计；
C.根据步骤A与步骤B得到待测样品的太赫兹反射谱与太赫兹透射谱，求得样品吸收谱；在此基础上，实现物质类别及组分的定性分析；
D.根据步骤C得到待测样品的太赫兹吸收谱，实现物质组分的定量分析；
具体来说，步骤A细化为如下的计算步骤：
①在样品室中加入具有强反射性的校准件，利用太赫兹收发一体模块探测得到校准件的反射太赫兹波，作为参考信号w；
②利用模式分解算法实现参考信号w的重构，设w与加入高斯信号满足：
Figure BDA0003073800980000181
其中，ε表示高斯信号的方差，εn表示w与本征信号之和间的误差。
为了实现w重构，定义以下参数：
Figure BDA0003073800980000191
其中，
Figure BDA0003073800980000192
Figure BDA0003073800980000193
其中，Nv表示分解后的第v个本征函数；Cv表示第v个本征函数样本点中的最大样本值；Ov表示第v个本征函数极值点数。在参考信号重构过程中，若参数值小于1，则被认为是噪声。
基于经验模式分解得到的重构信号可表示为
Figure BDA0003073800980000194
③在样品室中加入待测样品，利用太赫兹收发一体模块探测得到待测样品的反射太赫兹波，记为
Figure BDA0003073800980000195
其中N表示待测物质样品个数；利用公式(2-4)重构样品反射信号，记为
Figure BDA0003073800980000196
④利用小波网络对
Figure BDA0003073800980000197
进行无效点检测，可表示为：
Figure BDA0003073800980000198
其中，
Figure BDA0003073800980000199
表示透射太赫兹信号；γa,τ表示小波函数，a与τ分别表示母小波的尺度因子与收缩因子；*表示复共轭。
通过利用小波变换完成无效点的定位，基于高阶多项式实现无效点的补偿。本发明中采用Morlet函数作为母小波，检测后的样本反射信号记为
Figure BDA00030738009800001910
⑤对测试得到的N组样本反射谱，利用希尔伯特变换进行频谱优化，进一步抑制无效信号，可表示为：
Figure BDA0003073800980000201
基于上述处理，待测样品反射太赫兹谱矩阵表示为：
Figure BDA0003073800980000202
具体来说，步骤B细化为如下的计算步骤：
①在样品室中加入具有强透射性的校准件，利用太赫兹探测模块得到校准件的透射太赫兹信号，作为参考信号o；
②利用公式(2)-(4)重构透射太赫兹信号，记为
Figure BDA0003073800980000203
③在样品室中加入待测样品，利用太赫兹探测模块探测得到待测样品的透射太赫兹波，记为pi(i＝1,…,N)，其中N表示待测物质样品个数；利用公式(2-4)重构样品透射信号，记为
Figure BDA0003073800980000204
④利用公式(5)实现
Figure BDA0003073800980000205
的无效点检测，检测后的样本透射信号记为
Figure BDA0003073800980000206
⑤对测试得到的N组样本透射谱，利用希尔伯特变换进行频谱优化，进一步抑制无效信号，可表示为：
Figure BDA0003073800980000207
基于上述处理，待测样品透射太赫兹谱矩阵可表示为：
Figure BDA0003073800980000208
具体来说，步骤C细化为如下计算步骤：
①基于步骤A与步骤B得到的反射谱矩阵与透射谱矩阵，可知待测样品的太赫兹特征谱矩阵可表示为：
Ti＝Mi+Ki,i＝1,…N (10)
②为了进一步改善待测样品的太赫兹特征谱，对特征谱矩阵T的每一行做相关处理，可表示为：
Ui＝Ti*Ti,i＝1,…,N (11)
其中，*表示相干运算。
③基于待测样品太赫兹特征谱矩阵T，对矩阵中每一行进行信号增强处理，可表示为：
Figure BDA0003073800980000211
其中，T[λmax(0)]表示Ti局部最优值。
如果λmax(0)<Tmax，则有：
Figure BDA0003073800980000212
其中，λmax(1)表示Ti次局部最优值。
上述循环直到λmax(k)＝Timax为止。由此实现样品太赫兹特征谱矩阵优化。
④基于待测样品的太赫兹特征谱矩阵，我们利用主成分分析算法实现物质特征谱的有效分离，对特征谱矩阵的处理可表示为：
Θ＝USVΤ (14)
其中，S表示对数矩阵，UV分别表示单位矩阵。上式可表示为：
Figure BDA0003073800980000213
其中，σ1≥σ2≥σ3≥...≥σr≥0表示特征谱矩阵的奇异值。
在太赫兹特征谱分析应用过程中，通常可提取部分奇异值进行特征谱矩阵的重构，进而降低空间维数，便于数据结构的观察和分析。本发明中我们定义以下变量：
Figure BDA0003073800980000221
上述变量表示第k个奇异值对特征谱矩阵各分量的贡献率，其在一定程度上反映了第k个奇异值包含的信息量，值越大，综合能力越强。同时定义以下变量：
Figure BDA0003073800980000222
上述变量为前k个奇异值的累积贡献率，它反映了前k个奇异值共同包含的信息量。本发明中，当累积贡献率≥85％时，只取前k个奇异值重构原信号，记为S。
⑤对重构后的太赫兹特征谱矩阵S的每行进行累积运算，以便改善特征谱信噪比，可表示为：
Figure BDA0003073800980000223
⑥基于上述物质太赫兹特征谱，通过调用构建的典型物质谱库，进而可实现物质定性分析,基于正则化极限学习算法的物质太赫兹谱分类标签可表示为：
Figure BDA0003073800980000224
其中，
Figure BDA0003073800980000225
表示拉格朗日运算得到的物质太赫兹特征谱的映射值。
具体来说，步骤D细化为如下的计算步骤：
为了实现待测样本主要成分含量的精准估计，本发明中拟利用Lorentzian共振基函数和背景吸收函数组成的混合模型对实测样本的吸收谱进行数值拟合，可表示为：
Figure BDA0003073800980000231
其中，γiL(ω)为Lorentzian共振基函数，用于拟合待测物质中M种主要成分的含量，
Figure BDA0003073800980000232
为N阶多项式，表示背景吸收函数。
根据光谱共振吸收理论可知，Lorentzian光谱共振函数γiL(ω)可表示如下：
Figure BDA0003073800980000233
其中，ki表示待求吸收峰强度，与物质浓度成正比，ωi0是中心吸收频率，Δω为半高宽。图5为物质共振吸收谱示意图，给出了ωi0，Δω，ki之间的关系。采用最小二乘准则进行拟合，即可求出样品中主要成分含量。
基于本发明公开的物质检测识别算法，分别以丝氨酸为测试样本，测试次数为50次，基于得到的物质太赫兹特征谱，通过指纹对比，待测样品类别检测成功率为丝氨酸92％。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (9)

1.一种非接触式物质太赫兹特征谱检测识别方法，采用非接触式物质太赫兹特征谱检测识别系统，包括太赫兹收发模块、太赫兹样品室、太赫兹探测模块和服务器；所述太赫兹收发模块用于辐射扫频宽带太赫兹信号，并分别探测太赫兹样品室中校准件的反射太赫兹信号和待测样品的反射太赫兹信号，所述太赫兹探测模块用于分别探测校准件的透射太赫兹信号和待测样品的透射太赫兹信号，所述服务器用于根据太赫兹收发模块和太赫兹探测模块探测的结果获得待测样品的反射太赫兹谱和待测样品的透射太赫兹谱；其特征在于，
分别对校准件和待测样品进行太赫兹波反射和透射测量，获得校准件反射太赫兹信号、待测样品反射太赫兹信号、校准件透射太赫兹信号和待测样品透射太赫兹信号；
提取待测样品的太赫兹特征谱，计算待测样品的太赫兹特征谱矩阵；
根据待测样品的太赫兹特征谱矩阵和样品太赫兹谱数据库，对待测样品进行定性分析；
采用Lorentzian共振基函数和背景吸收函数组成的混合模型对待测样品的太赫兹吸收谱进行定量分析；
所述定性分析、定量分析的过程包括：
A．对校准件反射太赫兹信号及待测样品反射太赫兹信号进行重构；
B．对校准件透射太赫兹信号及待测样品透射太赫兹信号进行噪声抑制，实现待测样品太赫兹透射谱的估计；
C．根据步骤A与步骤B得到待测样品的太赫兹反射谱与太赫兹透射谱，求得样品吸收谱；在此基础上，实现物质类别及组分的定性分析；
D．根据步骤C得到待测样品的太赫兹吸收谱，实现物质组分的定量分析；
具体来说，步骤A细化为如下的计算步骤：
①在样品室中加入具有强反射性的校准件，利用太赫兹收发一体模块探测得到校准件的反射太赫兹波，作为参考信号w；
②利用模式分解算法实现参考信号w的重构，设w与加入高斯信号满足：
Figure DEST_PATH_IMAGE001
（1）
其中，
Figure 777447DEST_PATH_IMAGE002
表示高斯信号的方差，
Figure DEST_PATH_IMAGE003
表示w与本征信号之和间的误差；
为了实现w重构，定义以下参数：
Figure 654136DEST_PATH_IMAGE004
（2）
其中，
Figure DEST_PATH_IMAGE005
（3）
Figure 289648DEST_PATH_IMAGE006
（4）
其中，N v 表示分解后的第v个本征函数；C v 表示第v个本征函数样本点中的最大样本值；O v 表示第v个本征函数极值点数；在参考信号重构过程中，若参数值小于1，则被认为是噪声；
基于经验模式分解得到的重构信号表示为
Figure DEST_PATH_IMAGE007
；
③在样品室中加入待测样品，利用太赫兹收发一体模块探测得到待测样品的反射太赫兹波，记为
Figure 618998DEST_PATH_IMAGE008
，其中N表示待测物质样品个数；利用公式（2）-公式（4）重构样品反射信号，记为
Figure DEST_PATH_IMAGE009
；
④利用小波网络对
Figure 630948DEST_PATH_IMAGE010
进行无效点检测，表示为：
Figure DEST_PATH_IMAGE011
（5）
其中，
Figure 362143DEST_PATH_IMAGE012
表示透射太赫兹信号；
Figure DEST_PATH_IMAGE013
表示小波函数，
Figure 355507DEST_PATH_IMAGE014
与
Figure DEST_PATH_IMAGE015
分别表示母小波的尺度因子与收缩因子；*表示复共轭；
采用Morlet函数作为母小波，检测后的样本反射信号记为
Figure 922886DEST_PATH_IMAGE016
；
⑤对测试得到的N组样本反射谱，利用希尔伯特变换进行频谱优化，进一步抑制无效信号，表示为：
Figure DEST_PATH_IMAGE017
（6）
基于上述处理，待测样品反射太赫兹谱矩阵表示为：
Figure 722214DEST_PATH_IMAGE018
（7）
具体来说，步骤B细化为如下的计算步骤：
①在样品室中加入具有强透射性的校准件，利用太赫兹探测模块得到校准件的透射太赫兹信号，作为参考信号o；
②利用公式（2）-公式（4）重构透射太赫兹信号，记为
Figure DEST_PATH_IMAGE019
；
③在样品室中加入待测样品，利用太赫兹探测模块探测得到待测样品的透射太赫兹波，记为
Figure 58649DEST_PATH_IMAGE020
，其中N表示待测物质样品个数；利用公式（2-4）重构样品透射信号，记为
Figure DEST_PATH_IMAGE021
；
④利用公式（5）实现
Figure 550810DEST_PATH_IMAGE022
的无效点检测，检测后的样本透射信号记为
Figure DEST_PATH_IMAGE023
；
⑤对测试得到的N组样本透射谱，利用希尔伯特变换进行频谱优化，进一步抑制无效信号，表示为：
Figure 605485DEST_PATH_IMAGE024
（8）
基于上述处理，待测样品透射太赫兹谱矩阵表示为：
Figure DEST_PATH_IMAGE025
（9）
具体来说，步骤C细化为如下计算步骤：
①基于步骤A与步骤B得到的反射谱矩阵与透射谱矩阵，可知待测样品的太赫兹特征谱矩阵表示为：
Figure 880609DEST_PATH_IMAGE026
（10）
②为了进一步改善待测样品的太赫兹特征谱，对特征谱矩阵T的每一行做相关处理，表示为：
Figure DEST_PATH_IMAGE027
（11）
其中，*表示相干运算；
③基于待测样品太赫兹特征谱矩阵T，对矩阵中每一行进行信号增强处理，表示为：
Figure 586396DEST_PATH_IMAGE028
（12）
其中，
Figure DEST_PATH_IMAGE029
表示T i 局部最优值；
如果
Figure 734612DEST_PATH_IMAGE030
，则有：
Figure DEST_PATH_IMAGE031
（13）
其中，
Figure 525851DEST_PATH_IMAGE032
表示Ti次局部最优值；
上述循环直到
Figure DEST_PATH_IMAGE033
为止；由此实现样品太赫兹特征谱矩阵优化；
④基于待测样品的太赫兹特征谱矩阵，利用主成分分析算法实现物质特征谱的有效分离，对特征谱矩阵的处理表示为：
Figure 417714DEST_PATH_IMAGE034
（14）
其中，S表示对数矩阵，UV分别表示单位矩阵；上式表示为：
Figure DEST_PATH_IMAGE035
（15）
其中，
Figure 978009DEST_PATH_IMAGE036
表示特征谱矩阵的奇异值；
定义以下变量：
Figure DEST_PATH_IMAGE037
（16）
上述变量表示第
Figure 574424DEST_PATH_IMAGE038
个奇异值对特征谱矩阵各分量的贡献率，定义以下变量：
Figure DEST_PATH_IMAGE039
（17）
上述变量为前
Figure 525062DEST_PATH_IMAGE038
个奇异值的累积贡献率，它反映了前
Figure 469884DEST_PATH_IMAGE038
个奇异值共同包含的信息量；当累积贡献率≥85%时，只取前
Figure 822368DEST_PATH_IMAGE038
个奇异值重构原信号，记为S；
⑤对重构后的太赫兹特征谱矩阵S的每行进行累积运算，以便改善特征谱信噪比，表示为：
Figure 577966DEST_PATH_IMAGE040
（18）
⑥基于上述物质太赫兹特征谱，通过调用构建的典型物质谱库，进而实现物质定性分析，基于正则化极限学习算法的物质太赫兹谱分类标签表示为：
Figure DEST_PATH_IMAGE041
（19）
其中，
Figure 15900DEST_PATH_IMAGE042
表示拉格朗日运算得到的物质太赫兹特征谱的映射值；
具体来说，步骤D细化为如下的计算步骤：
利用Lorentzian共振基函数和背景吸收函数组成的混合模型对实测样本的吸收谱进行数值拟合，表示为：
Figure DEST_PATH_IMAGE043
（20）
其中，
Figure 498834DEST_PATH_IMAGE044
为Lorentzian共振基函数，用于拟合待测物质中M种主要成分的含量，
Figure DEST_PATH_IMAGE045
为N阶多项式，表示背景吸收函数；
根据光谱共振吸收理论可知，Lorentzian光谱共振函数
Figure 784453DEST_PATH_IMAGE046
表示如下：
Figure DEST_PATH_IMAGE047
（21）
其中，
Figure 960220DEST_PATH_IMAGE048
表示待求吸收峰强度，与物质浓度成正比，
Figure DEST_PATH_IMAGE049
是中心吸收频率，
Figure 698500DEST_PATH_IMAGE050
为半高宽；采用最小二乘准则进行拟合，求出样品中主要成分含量。
2.根据权利要求1所述的非接触式物质太赫兹特征谱检测识别方法，其特征在于，所述待测样品的太赫兹特征谱包括待测样品反射太赫兹谱和待测样品透射太赫兹谱。
3.根据权利要求2所述的非接触式物质太赫兹特征谱检测识别方法，其特征在于，所述待测样品反射太赫兹谱的提取包括：
分别对校准件反射太赫兹信号和样品反射太赫兹信号进行重构；
采用小波网络分别对重构后的校准件反射太赫兹信号和样品反射太赫兹信号进行无效点检测，抑制无效信号，得到检测后的校准件反射太赫兹信号和样品反射太赫兹信号；
利用希尔伯特变换对检测后的校准件反射太赫兹信号和样品反射太赫兹信号进行频谱优化，计算待测样品反射太赫兹谱矩阵。
4.根据权利要求2所述的非接触式物质太赫兹特征谱检测识别方法，其特征在于，所述待测样品透射太赫兹谱的提取包括：
分别对校准件透射太赫兹信号和样品透射太赫兹信号进行重构；
采用小波网络分别对重构后的校准件透射太赫兹信号和样品透射太赫兹信号进行无效点检测，抑制无效信号，得到检测后的校准件透射太赫兹信号和样品透射太赫兹信号；
利用希尔伯特变换对检测后的校准件透射太赫兹信号和样品透射太赫兹信号进行频谱优化，计算待测样品透射太赫兹谱矩阵。
5.根据权利要求1所述的非接触式物质太赫兹特征谱检测识别方法，其特征在于，所述待测样品定性分析包括：
获取待测样品的太赫兹特征谱矩阵，依次对待测样品的太赫兹特征谱矩阵进行相干计算、增强处理，得到优化后的待测样品的太赫兹特征谱矩阵；
采用主成分分析法对优化后的待测样品的太赫兹特征谱矩阵进行分离、重构，然后对重构后的太赫兹特征谱矩阵的每行进行累积计算，得到物质太赫兹特征谱；
根据物质太赫兹特征谱和样品太赫兹谱数据库，结合正则化极限学习算法得到物质太赫兹谱分类标签。
6.根据权利要求1所述的非接触式物质太赫兹特征谱检测识别方法，其特征在于，所述太赫兹收发模块与太赫兹样品室之间设有太赫兹波合束模块，所述太赫兹波合束模块用于将太赫兹收发模块辐射的扫频宽带太赫兹信号准聚焦在样品室上，同时将太赫兹样品室中反射的太赫兹信号进行分束处理，得到的校准件反射太赫兹信号和待测样品反射太赫兹信号反射回太赫兹收发模块。
7.根据权利要求1所述的非接触式物质太赫兹特征谱检测识别方法，其特征在于，所述太赫兹样品室和太赫兹探测模块之间设有太赫兹波分束模块，所述太赫兹波分束模块用于将太赫兹样品室中透射的太赫兹信号进行分束处理，得到的校准件透射太赫兹信号和待测样品透射太赫兹信号反射回太赫兹探测模块。
8.根据权利要求1所述的非接触式物质太赫兹特征谱检测识别方法，其特征在于，所述太赫兹收发模块与服务器之间设有反射信号条理采集模块，所述反射信号条理采集模块用于按照设定的参数对校准件的反射太赫兹信号和待测样品的反射太赫兹信号进行离散采样并发送给服务器。
9.根据权利要求1所述的非接触式物质太赫兹特征谱检测识别方法，其特征在于，所述太赫兹收发模块与服务器之间设有透射信号条理采集模块，所述透射信号条理采集模块用于按照设定的参数对校准件的透射太赫兹信号和待测样品的透射太赫兹信号进行离散采样并发送给服务器。
CN202110546817.9A 2021-05-19 2021-05-19 一种非接触式物质太赫兹特征谱检测识别系统及方法 Active CN113092402B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110546817.9A CN113092402B (zh) 2021-05-19 2021-05-19 一种非接触式物质太赫兹特征谱检测识别系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110546817.9A CN113092402B (zh) 2021-05-19 2021-05-19 一种非接触式物质太赫兹特征谱检测识别系统及方法

Publications (2)

Publication Number Publication Date
CN113092402A CN113092402A (zh) 2021-07-09
CN113092402B true CN113092402B (zh) 2022-11-15

Family

ID=76664227

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110546817.9A Active CN113092402B (zh) 2021-05-19 2021-05-19 一种非接触式物质太赫兹特征谱检测识别系统及方法

Country Status (1)

Country Link
CN (1) CN113092402B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117332258B (zh) * 2023-12-01 2024-01-30 奥谱天成(成都)信息科技有限公司 基于多尺度洛伦兹的近红外吸收峰识别方法、系统、介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU5566600A (en) * 1999-06-21 2001-01-09 Hamamatsu Photonics K.K. Terahertz wave spectrometer
CN202631110U (zh) * 2012-05-31 2012-12-26 上海理工大学 太赫兹时域双光谱检测系统
CN105784634A (zh) * 2016-03-31 2016-07-20 电子科技大学 垂直入射同时测透射和反射的太赫兹时域光谱仪
CN111982854A (zh) * 2020-08-27 2020-11-24 中电科仪器仪表有限公司 基于频分复用的物质太赫兹波谱分析装置及分析测试方法
CN111982856A (zh) * 2020-08-27 2020-11-24 中电科仪器仪表有限公司 一种基于太赫兹波的物质无标志检测识别方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011094564A2 (en) * 2010-01-29 2011-08-04 Massachusetts Institute Of Technology Terahertz sensing system and method
CN106441580B (zh) * 2016-06-16 2018-07-13 电子科技大学 可变角度入射同时测透射和反射的太赫兹时域光谱仪
CN207198034U (zh) * 2017-08-17 2018-04-06 清华大学 太赫兹光谱分析系统及设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU5566600A (en) * 1999-06-21 2001-01-09 Hamamatsu Photonics K.K. Terahertz wave spectrometer
CN202631110U (zh) * 2012-05-31 2012-12-26 上海理工大学 太赫兹时域双光谱检测系统
CN105784634A (zh) * 2016-03-31 2016-07-20 电子科技大学 垂直入射同时测透射和反射的太赫兹时域光谱仪
CN111982854A (zh) * 2020-08-27 2020-11-24 中电科仪器仪表有限公司 基于频分复用的物质太赫兹波谱分析装置及分析测试方法
CN111982856A (zh) * 2020-08-27 2020-11-24 中电科仪器仪表有限公司 一种基于太赫兹波的物质无标志检测识别方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
主成分分析结合极限学习机辅助激光诱导击穿光谱用于铝合金分类识别;潘立剑等;《冶金分析》;20200115(第01期);第1-6页 *
利用太赫兹光谱定量分析固体混合物;王迎新 等;《清华大学学报(自然科学版)》;20090228;第161-164页 *
太赫兹时域光谱仪校准技术;龚鹏伟等;《宇航计测技术》;20161015(第05期);全文 *
橡胶材料太赫兹时域光谱特性及成像技术研究;徐凤;《中国优秀博硕士学位论文全文数据库（博士）》;20200215;第34页 *
结合极限学习机的高光谱影像聚类算法;付琼莹等;《计算机辅助设计与图形学学报》;20170815(第08期);全文 *

Also Published As

Publication number Publication date
CN113092402A (zh) 2021-07-09

Similar Documents

Publication Publication Date Title
Ferguson et al. Identification of biological tissue using chirped probe THz imaging
Jiang et al. Machine learning and application in terahertz technology: A review on achievements and future challenges
CN103235095B (zh) 注水肉检测方法和装置
Song et al. Chlorophyll content estimation based on cascade spectral optimizations of interval and wavelength characteristics
Nicolaï et al. Nondestructive evaluation: Detection of external and internal attributes frequently associated with quality and damage
CN111247420A (zh) 先进的太赫兹系统及方法
Gourley et al. Data quality of the Meteo-France C-band polarimetric radar
Wang et al. Terahertz imaging applications in agriculture and food engineering: A review
WO2021067635A1 (en) Method for identifying chemical and structural variations through terahertz time-domain spectroscopy
CN113008805B (zh) 基于高光谱成像深度分析的白芷饮片质量预测方法
CN110717478B (zh) 一种基于微波的物体检测系统及方法
Tan et al. The feasibility of early detection and grading of apple bruises using hyperspectral imaging
CN109187417B (zh) 一种无人机载的太赫兹波及高光谱遥感农作物监测系统
CN113092402B (zh) 一种非接触式物质太赫兹特征谱检测识别系统及方法
Yi et al. Improved fuzzy C-means clustering algorithm based on t-SNE for terahertz spectral recognition
CN116883720A (zh) 基于空谱注意力网络的果蔬农药残留检测方法及系统
Wolfaardt Machine learning approach to radio frequency interference (RFI) classification in radio astronomy
CN103868857A (zh) 一种农药残留的检测方法、装置及系统
Li et al. Study on detection of the internal quality of pumpkin seeds based on terahertz imaging technology
Cendes et al. RFI flagging implications for short-duration transients
CN116385296B (zh) 基于自适应软阈值收缩的太赫兹成像方法
Yang et al. Quantitative analysis of heavy metals in soil via hierarchical deep neural networks with X-ray fluorescence spectroscopy
CN111982856B (zh) 一种基于太赫兹波的物质无标志检测识别方法
Hu et al. Research on rice seed fullness detection method based on terahertz imaging technology and feature extraction method
Brigada et al. Chemical identification with information-weighted terahertz spectrometry

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