今天七月，Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy (SAA)期刊上發(fā)表了一個(gè)來自安徽大學(xué)周勝副教授課題組的研究成果《Optimized adaptive Savitzky-Golay filtering algorithm based on deep learning network for absorption spectroscopy》。此項(xiàng)工作將深度學(xué)習(xí)應(yīng)用在激光光譜氣體分析技術(shù)上的Savitzky-Golay（簡(jiǎn)稱S-G）濾波抗噪算法，并通過仿真和實(shí)驗(yàn)證實(shí)該方法能夠提升痕量NO₂氣體分析中光譜信號(hào)的信噪比，有助于實(shí)現(xiàn)更高靈敏度的氣體分析。

激光光譜分析是一個(gè)很強(qiáng)大的氣體分析技術(shù)，能夠?qū)崿F(xiàn)非接觸式、高精度、高靈敏度、高選擇性的痕量氣體分析（ppm或ppb量級(jí)）。然而，實(shí)際操作中所測(cè)得的吸收光譜會(huì)受到噪聲的干擾，導(dǎo)致不準(zhǔn)確的測(cè)量結(jié)果。過去的研究工作中提出了一些抑制噪聲的算法，其中S-G濾波算法由于速度快、無需提供過多的參數(shù)、且能較好的保留原始光譜的形狀和高度，成為近年來較受關(guān)注的方法，并且已經(jīng)在某些應(yīng)用場(chǎng)景（例如連續(xù)血糖監(jiān)測(cè)）證明其面對(duì)各類噪聲的有效性。S-G濾波算法的性能決定于兩個(gè)參數(shù)：多項(xiàng)式階數(shù)（k）和平均計(jì)算的窗口大小（b）。但是，噪聲源和吸收光譜在實(shí)際應(yīng)用中是未知的，因此難以獲得固定的參數(shù)值使得濾波效果達(dá)到*。為了解決這個(gè)問題，研究人員提出了一種優(yōu)化的自適應(yīng)S-G算法，將深度學(xué)習(xí)網(wǎng)絡(luò)與傳統(tǒng)的S-G 濾波相結(jié)合，以提高測(cè)量系統(tǒng)的性能。深度學(xué)習(xí)網(wǎng)路以其非線性映射和建模能力對(duì)數(shù)據(jù)的規(guī)律性進(jìn)行研究，并實(shí)現(xiàn)出色的“自我調(diào)整"和“跟蹤反饋"。相較于傳統(tǒng)的S-G算法，經(jīng)過優(yōu)化的算法可以調(diào)整濾波參數(shù)以實(shí)現(xiàn)光譜的最佳信噪比。

圖一展示了用于訓(xùn)練S-G濾波算法參數(shù)的深度學(xué)習(xí)網(wǎng)絡(luò)。這個(gè)具有多層感知器的人工智能網(wǎng)絡(luò)提供了設(shè)計(jì)上的彈性，可以通過調(diào)整層數(shù)、神經(jīng)元數(shù)量、和一些優(yōu)化指標(biāo)以達(dá)到所需的性能。用龐大的數(shù)據(jù)集進(jìn)行高效訓(xùn)練后，相應(yīng)的網(wǎng)絡(luò)模型將達(dá)到最佳狀態(tài)。接著，經(jīng)過訓(xùn)練的網(wǎng)絡(luò)模型將使用變量數(shù)據(jù)輸入找到好的 k 和 b。 與此同時(shí)，輸入數(shù)據(jù)集也將按傳統(tǒng)方式計(jì)算以獲得最佳參數(shù)k 和 b。通過比較模型預(yù)測(cè)和人機(jī)計(jì)算的結(jié)果，由人工決定出最佳的網(wǎng)絡(luò)參數(shù)。

圖一 用于計(jì)算S-G濾波算法參數(shù)的深度學(xué)習(xí)網(wǎng)絡(luò)

研究組以NO₂為目標(biāo)氣體，選取波數(shù)位于1630.1至1630.42 cm^-1的吸收譜線，進(jìn)行了軟件仿真和實(shí)驗(yàn)測(cè)量作為新方法（adaptive S–G filtering, 以下稱ASGF）的驗(yàn)證，同時(shí)與另一常用的multi-signal averaging filtering（MAF）方法作比較。MAF計(jì)算時(shí)間長(zhǎng)且主要用于白噪聲的抑制。仿真結(jié)果顯示在白噪聲干擾的條件下（圖二），MAF將信噪比從原始的6.58 dB提升至12.62 dB，新的ASGF算法則能提升至15.51 dB。圖三則顯示了非白噪聲的背景噪聲干擾，MAF方法將信噪比從原始的7.14 dB提升至13.22 dB，新的ASGF算法則提升至了更高的17.37dB。

圖二 仿真驗(yàn)證ASFG算法在白噪聲干擾下的性能表現(xiàn)

圖三 仿真驗(yàn)證ASFG算法在其他背景噪聲干擾下的性能表現(xiàn)

圖四展示了實(shí)際實(shí)驗(yàn)的設(shè)置，它由一個(gè)光源、一個(gè)帶壓強(qiáng)控制器的多通氣體吸收池、一系列反射鏡、一個(gè)碲鎘汞光電探測(cè)器和一臺(tái)計(jì)算機(jī)組成。昕虹光電為此項(xiàng)研究工作提供的激光源為Q-Qube型量子級(jí)聯(lián)激光發(fā)射頭，這是一款熱電冷卻，空氣制冷型，內(nèi)準(zhǔn)直輸出的連續(xù)波CW室溫分布反饋型量子級(jí)聯(lián)激光（DFB-QCL）源，最大峰值輸出功率為 30 mW，由QC750-Touch型一體化激光驅(qū)動(dòng)器，集溫度控制器和低噪聲恒流電流控制器驅(qū)動(dòng)于一身，使光源系統(tǒng)發(fā)出6.2 μm波長(zhǎng)的激光。極低的光學(xué)噪聲和驅(qū)動(dòng)器穩(wěn)定性為此實(shí)驗(yàn)奠定了高質(zhì)量信號(hào)基礎(chǔ)。激光通過多通池由熱電致冷型的碲鎘汞光電探測(cè)器接收，信號(hào)傳輸至電腦后進(jìn)行數(shù)據(jù)處理與分析。

圖四 用于驗(yàn)證ASGF算法用于痕量NO₂氣體分析的實(shí)驗(yàn)設(shè)置

實(shí)驗(yàn)設(shè)置在壓力0.1 atm和溫度296 K的氮?dú)?/span>中對(duì)4 ppm NO₂的測(cè)量。其測(cè)量和過濾后的吸收光譜如圖五(a)所示，原始數(shù)據(jù)測(cè)吸收特性淹沒在噪聲中，而經(jīng)ASGF算法過濾后的頻譜已顯著平滑，使識(shí)別更容易。研究組對(duì)吸收光譜數(shù)據(jù)與理論Voigt 函數(shù)擬合，圖五(b)結(jié)果表明擬合的R平方值高達(dá)0.99934，表明濾波后的吸收光譜與理論形狀吻合良好。

圖五 實(shí)測(cè)NO2的吸收光譜和經(jīng)ASFG算法后的吸收光譜，可以看到濾波后的吸收光譜與理論形狀吻合良好

結(jié)合了深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)技術(shù)，研究組提出的自適應(yīng)S-G濾波算法表現(xiàn)出顯著的濾波效果，在激光光譜氣體分析領(lǐng)域中能夠大幅改善光譜信號(hào)的信噪比。面對(duì)大氣環(huán)境中具有挑戰(zhàn)性的痕量氣體分子檢測(cè)，將能提供更優(yōu)異的靈敏度和可靠性。