收藏本站
《西南大学》 2017年
收藏 | 手机打开
二维码
手机客户端打开本文

基于模式识别的太赫兹光谱建模及应用研究

周胜灵  
【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。
【关键词】:太赫兹光谱 太赫兹脉冲图像 Clifford代数 模式识别 聚类评价
【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
【目录】:
  • 摘要7-9
  • ABSTRACT9-13
  • 第1章 绪论13-25
  • 1.1 太赫兹波13
  • 1.2 太赫兹时域光谱技术在农业检测领域的研究进展13-16
  • 1.3 太赫兹波谱成像聚类分析研究现状16-22
  • 1.3.1 图像聚类分割的理论基础16-17
  • 1.3.2 相似性度量17-18
  • 1.3.3 太赫兹图像聚类分析研究18-22
  • 1.4 本文研究目的、内容及技术路线22-24
  • 1.4.1 现有研究存在的问题22-23
  • 1.4.2 研究目的及研究内容23-24
  • 1.4.3 技术路线24
  • 1.5 本章小结24-25
  • 第2章 太赫兹时域光谱系统25-39
  • 2.1 太赫兹脉冲的产生与探测25-29
  • 2.1.1 太赫兹脉冲信号的产生技术25-27
  • 2.1.2 太赫兹脉冲信号的探测技术27-29
  • 2.2 太赫兹时域光谱系统29-31
  • 2.2.1 透射型太赫兹时域光谱系统29-30
  • 2.2.2 反射型太赫兹时域光谱系统30
  • 2.2.3 太赫兹波的特点30-31
  • 2.3 实验用太赫兹时域光谱系统31-33
  • 2.4 透射型太赫兹时域光谱系统物理模型33-37
  • 2.4.1 Fresnel方程33-34
  • 2.4.2 太赫兹波在介质中的传播34-37
  • 2.5 本章小结37-39
  • 第3章 太赫兹实验设备及测量误差分析39-57
  • 3.1 样品制备与测量39-41
  • 3.1.1 实验样品制备39-40
  • 3.1.2 样品太赫兹光谱测量40-41
  • 3.2 太赫兹时域光谱系统测量误差分析41-50
  • 3.2.1 太赫兹信号测量误差来源分析41-46
  • 3.2.2 太赫兹时域脉冲误差的量化分析46-50
  • 3.3 F-P效应分析50-55
  • 3.3.1 基于小波的F-P效应影响分析51-52
  • 3.3.2 F-P效应去除52-55
  • 3.4 本章小结55-57
  • 第4章 基于Clifford代数的太赫兹信号分析及物质定性鉴别57-73
  • 4.1 Clifford代数基础57-61
  • 4.1.1 Clifford代数基本概念57-59
  • 4.1.2 Clifford代数基本运算59-61
  • 4.2 基于Clifford代数的太赫兹光谱信号处理与分析61-64
  • 4.2.1 Clifford代数应用于太赫兹信号处理的可行性分析61-62
  • 4.2.2 基于Clifford代数的太赫兹信号分析62-64
  • 4.3 基于Clifford代数的太赫兹信号分类64-68
  • 4.3.1 太赫兹透射矢量性质64-66
  • 4.3.2 基于相对偏差 ? 的太赫兹信号分类66-68
  • 4.4 实验验证与结果分析68-72
  • 4.4.1 频域特征参数提取68-70
  • 4.4.2 基于Clifford代数算法的太赫兹时域光谱分类70-72
  • 4.5 本章小结72-73
  • 第5章 基于极限学习机的太赫兹光谱信号分类与回归73-99
  • 5.1 极限学习机理论与方法73-82
  • 5.1.1 极限学习机基本原理74-76
  • 5.1.2 正则化极限学习机76-77
  • 5.1.3 正则极限学习机的加速LOO交叉验证77-82
  • 5.2 基于快速LOO-RELM算法太赫兹光谱回归分析82-88
  • 5.2.1 不同浓度酒石酸的太赫兹光谱采集83-84
  • 5.2.2 基于LOO-RELM算法的回归模型设计84
  • 5.2.3 基于快速LOO-RELM的酒石酸太赫兹光谱定量分析84-88
  • 5.3 基于快速LOO-RELM算法的太赫兹光谱信号分类88-92
  • 5.3.1 基于LOO-ELM算法的分类器设计88-90
  • 5.3.2 基于快速LOO-RELM算法的太赫兹光谱信号分类实现90-92
  • 5.4 基于快速LOO-RELM算法的转基因豆油太赫兹吸收谱的识别92-97
  • 5.5 本章小结97-99
  • 第6章 太赫兹脉冲图像的聚类分析99-123
  • 6.1 太赫兹脉冲图像99-102
  • 6.1.1 太赫兹脉冲图像的优势与挑战99-101
  • 6.1.2 时域成像方式101
  • 6.1.3 频域成像方式101-102
  • 6.2 聚类有效性评价指标VSO(-)构建102-109
  • 6.2.1 模糊聚类102-103
  • 6.2.2 传统聚类有效性评价指标103-105
  • 6.2.3 传统聚类评价指标存在的问题105-107
  • 6.2.4 新聚类评价指标构建107-109
  • 6.3 基于PCA-FCM算法的太赫兹图像聚类分割109-121
  • 6.3.1 基于PCA-FCM太赫兹脉冲图像聚类分割的实现109-110
  • 6.3.2 太赫兹脉冲图像采集110-111
  • 6.3.3 太赫兹脉冲图像聚类分割结果分析111-117
  • 6.3.4 不同聚类算法对比117-121
  • 6.4 本章小结121-123
  • 第7章 总结与展望123-127
  • 7.1 论文工作总结123-124
  • 7.2 今后工作展望124-127
  • 参考文献127-139
  • 博士在读期间发表文章139-141
  • 致谢141

【相似文献】
中国期刊全文数据库 前10条
1 施鹏飞;模式识别[J];自然杂志;1982年01期
2 周冠雄,雷宜武;性质、特征与模式识别[J];自然杂志;1985年03期
3 李淑莲,戴英华;晋冀蒙交界地区中强地震活动的模式识别[J];山西地震;1986年02期
4 韦青;梯形的模式识别[J];青海师专学报;2000年03期
5 王树根;基于认知心理学的模式识别模型框架[J];武汉大学学报(信息科学版);2002年05期
6 史海成;王春艳;张媛媛;;浅谈模式识别[J];今日科苑;2007年22期
7 邬春昊;;模式识别[J];科技资讯;2010年18期
8 刘迪;李耀峰;;模式识别综述[J];黑龙江科技信息;2012年28期
9 余洪祖 ,李楚霖 ,吴学谋;乏晰模式识别的二元对比平均法[J];华中工学院学报;1980年S2期
10 沈永欢 ,吕梯华 ,陈祖荫 ,聶金宗;模式识别的数学方法(1)[J];北京工业大学学报;1981年01期
中国重要会议论文全文数据库 前10条
1 张如浩;赵巍;齐永和;;人类形象思维模式识别与机器模式识别之探讨[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年
2 李瑞宏;李薄山;肖薇;;模式识别与病毒对抗[A];第十一届全国计算机安全技术交流会论文集[C];1996年
3 王筝;杨德超;高军涛;许翱翔;欧阳楷;;兔嗅觉神经的动力学研究——模式识别的稳健性[A];21世纪医学工程学术研讨会论文摘要汇编[C];2001年
4 吴晓明;盛元生;王克明;沙云东;李宴喜;;航空结构声疲劳应力的仿真与模式识别[A];2003年中国智能自动化会议论文集(下册)[C];2003年
5 张开银;;模式识别中的信息融合方法——二次决策[A];第二届全国信息获取与处理学术会议论文集[C];2004年
6 赵健;俞卞章;;小波与神经网络在模式识别中应用的研究[A];中国仪器仪表学会第三届青年学术会议论文集(上)[C];2001年
7 崔建国;王旭;张大千;王少曼;张威;;基于磁场刺激与神经网络肌电信号的模式识别[A];第三届全国信息获取与处理学术会议论文集[C];2005年
8 ;红外偏振图像的模式识别[A];黑龙江、江苏、山东、河南、江西 五省光学(激光)联合学术‘13年会论文(摘要)集[C];2013年
9 李永杰;李凌;廖小丽;陈华富;尧德中;;在生物医学工程专业本科生中开设《模式识别》课程的实践与构想[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(下册)[C];2007年
10 尹春玲;胡乐乾;蔡玉乐;张海艳;;红外光谱法对茶叶种类的模式识别[A];中国化学会第十二届全国应用化学年会论文集[C];2011年
中国重要报纸全文数据库 前7条
1 陈瑜唐婷;让计算机会看、会听、会说、会思考[N];科技日报;2007年
2 范兴川 郑华坤;计算机形象思维创新之路[N];科技日报;2004年
3 记者 吴苡婷;心愿:让高科技走出“象牙塔”[N];上海科技报;2006年
4 本报记者 佘惠敏;模式识别,行走在电脑与人脑之间[N];经济日报;2014年
5 张琪;当机器抢了你的工作[N];经济观察报;2012年
6 记者 邵斌;汉语走上国际口语自动翻译平台[N];大众科技报;2000年
7 记者 刘垠;首届中美视觉夏令营开营[N];大众科技报;2009年
中国博士学位论文全文数据库 前10条
1 罗颂荣;基于变量预测模型模式识别的旋转机械故障诊断研究[D];湖南大学;2015年
2 周昊飞;基于模式识别的自动化生产过程质量智能诊断研究[D];郑州大学;2016年
3 徐立祥;模式识别核方法的理论研究及其应用[D];安徽大学;2017年
4 周胜灵;基于模式识别的太赫兹光谱建模及应用研究[D];西南大学;2017年
5 厉小润;模式识别的核方法研究[D];浙江大学;2007年
6 赵海峰;基于图的模式识别及其在计算机视觉中的应用[D];南京理工大学;2011年
7 肖潇;高维仿生信息几何学研究及其在模式识别中的应用[D];浙江工业大学;2012年
8 颜学峰;高维复杂模式识别的新方法[D];浙江大学;2002年
9 丁世飞;基于信息理论的数字模式识别及应用研究[D];山东科技大学;2004年
10 万海平;模式识别中核方法若干问题研究[D];北京邮电大学;2006年
中国硕士学位论文全文数据库 前10条
1 臧佳音;基于IGSA优化的MLSSVR应用研究[D];燕山大学;2015年
2 赵盈;基于模式识别的结构可靠度分析方法研究[D];广西大学;2015年
3 汪磊;基于LBS轨迹的出行活动链模式识别研究[D];大连交通大学;2015年
4 李松;市售发酵酱油品质分析及模式识别研究[D];吉林农业大学;2015年
5 王平光;桥梁拉索腐蚀损伤声发射监测及模式识别[D];大连理工大学;2015年
6 贾士力;模式识别在生物信息学中的应用[D];河北科技大学;2015年
7 高芬;基于局部模型和仿生模式识别的目标跟踪方法研究[D];西安电子科技大学;2015年
8 尹子彬;多负载模式识别计量控制系统[D];石家庄铁道大学;2015年
9 李龙;基于神经网络的轮式小车系统的模式识别研究[D];天津科技大学;2013年
10 张波;基于超声波法的GIS局部放电模式识别的研究[D];华北电力大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026