论文摘要
本论文是针对在进行气体吸收光谱的实际测量过程中,由于仪器函数的影响,测量的吸收光谱产生畸变,会降低光谱分辨率的现状,根据测得的光谱是真实光谱与仪器函数的卷积,提出应用退卷积技术对测量所得到的光谱进行复原,以获得真实的光谱。首先,详细介绍了几种用于光谱分析的退卷积方法,特别是非线性拟合法。其次,分析了光谱分辨率及其影响因素,并选取不同狭缝宽度下,且进、出口狭缝相等的汞灯谱来作为不同分辨率下光谱仪的仪器函数。再次,在实际测量中,由于所使用的光谱仪的分辨率是不相同的,这要求其所用的参考光谱必须与之相匹配,为了满足匹配这一条件,应用退卷积技术对实验室测量所得到的吸收光谱进行复原,作为标准参考光谱,然后与实际使用的光谱仪的仪器函数进行卷积,即可实现。文中应用非线性拟合退卷积方法对SO2气体的紫外吸收光谱进行复原,证明这种方法可以提高气体吸收测量光谱的分辨率。最后,进一步研究了压力和温度对污染气体SO2吸收截面的影响,将退卷积谱与测量谱进行比较;分析了退卷积过程中可能存在的误差,以便得到高分辨率的气体吸收光谱。理论分析及计算结果表明退卷积技术具有良好的应用前景,本文的研究结果为该方法应用于气体吸收光谱提供了理论和实验基础,为改变或部分改变目前实际测量光谱分辨率较低的现状提供了技术支持。
论文目录
相关论文文献
- [1].关于深度卷积神经网络在计算机视觉中的应用研究[J]. 数码世界 2020(06)
- [2].卷积等价分布簇的推广及其分布卷积的封闭性[J]. 伊犁师范学院学报(自然科学版) 2013(04)
- [3].L(γ)族卷积的封闭性[J]. 安庆师范学院学报(自然科学版) 2011(01)
- [4].用于行为识别的通道可分离卷积神经网络[J]. 信号处理 2020(09)
- [5].“数字信号处理”中分段卷积的教学探讨[J]. 电气电子教学学报 2011(02)
- [6].一种面积与功耗优化的卷积器设计[J]. 计算机工程 2010(22)
- [7].基于轻量级卷积神经网络的人脸检测方法研究（英文）[J]. 机床与液压 2020(18)
- [8].一种新型2-D卷积器的FPGA实现[J]. 微电子学与计算机 2011(09)
- [9].普通型Bell多项式与卷积多项式序列的若干恒等式[J]. 科学技术与工程 2010(03)
- [10].计算二维数字卷积的重叠相加法研究[J]. 工程数学学报 2012(05)
- [11].一种分段卷积快速算法的设计与实现[J]. 现代电子技术 2008(17)
- [12].基于深度卷积神经网络的睡眠分期模型[J]. 浙江大学学报(工学版) 2020(10)
- [13].基于并行多通道卷积长短时记忆网络的轴承寿命预测方法[J]. 中国机械工程 2020(20)
- [14].基于深度可分离卷积的苹果叶病理识别[J]. 计算机系统应用 2020(11)
- [15].独立指数分布卷积的矩的计算[J]. 大学数学 2012(04)
- [16].基于卷积神经网络的织物瑕疵检测方法研究[J]. 信息技术与网络安全 2020(11)
- [17].短序列线性卷积的两种简便计算方法[J]. 陇东学院学报 2009(02)
- [18].Salié数的卷积和[J]. 周口师范学院学报 2008(02)
- [19].组卷积轻量级脑肿瘤分割网络[J]. 中国图象图形学报 2020(10)
- [20].基于一种改进的一维卷积神经网络电机故障诊断方法[J]. 北京理工大学学报 2020(10)
- [21].卷积量纲之教学探讨[J]. 时代教育 2012(13)
- [22].卷积神经网络在中医舌诊中的应用综述[J]. 电脑知识与技术 2020(26)
- [23].自卷积检测方法及其在离散频谱校正中的应用[J]. 中国电机工程学报 2014(28)
- [24].一种卷积干扰特征分析与识别方法[J]. 现代雷达 2011(03)
- [25].利用圆周卷积离散谱快速线性卷积[J]. 凯里学院学报 2009(03)
- [26].增长式卷积神经网络及其在人脸检测中的应用[J]. 系统仿真学报 2009(08)
- [27].离散奇异卷积法结构分析[J]. 南京航空航天大学学报 2009(06)
- [28].合成孔径雷达卷积干扰技术的研究[J]. 舰船电子对抗 2013(02)
- [29].基于高性能DSP的(3,2,2)卷积编解码应用研究[J]. 贵阳学院学报(自然科学版) 2012(02)
- [30].基于Mathematica的卷积计算[J]. 现代电子技术 2010(19)