基于零阶贝塞尔函数加权的三角窗切趾函数 下载: 1359次
1 引言
傅里叶变换红外光谱技术[1]主要利用不同物质对不同波长的红外辐射的吸收特性来确定分子的组成和结构,基于该项技术研制的傅里叶变换红外光谱仪[2]常被应用于材料科学[3]、环境监测[4-6]等领域。但是,利用该仪器采集信号时,只能采集部分样本数据[7],由于原始信号频率和采样频率往往不同步,因此直接使用傅里叶变换会导致频谱能量泄漏[8]。为减少频谱泄漏,可采用合适的切趾函数[9]对信号进行处理。切趾的核心思想是在时域上对信号加窗,在频域上表现为卷积,卷积过程可以被看作是一组具有特定函数形状的滤波器的平滑过程,因而,切趾过程也能有效抑制杂散光、干涉仪动镜移动、制冷机振动等因素引入的噪声[10]。
近年来,采用切趾函数处理光谱信号得到广泛研究。Norton等[11]提出了一种适用于傅里叶光谱的切趾函数并详细讨论了三个特定的功能。在此工作的基础之上,Naylor等[12]提出一组接近最优的切趾函数,该函数可在很大程度上保留sinc函数的正交特性,给定该切趾函数的主瓣宽度后,可以通过调整该函数的系数来使最大的旁瓣幅值达到最小,进而获得最优的旁瓣。相里斌等[13]研究了一种小双边加权和大双边三角形切趾方法,这种方法能够保证复原光谱的准确性和切趾效果。张鹏等[14]采用一种阶跃切趾函数对非对称干涉图进行加权处理,减小了光谱失真。陈洁婧等[15]针对不同信噪比的干涉图,利用蒙特卡罗方法对不同线宽的不同切趾函数的优化反演结果进行分析。李晨等[16]针对傅里叶变换带来的频谱泄漏和非同步采样带来的较大误差问题,分析了凯塞窗中影响函数旁瓣的β参数对信号幅值误差的影响。
针对便携式傅里叶变换红外光谱仪得到的干涉图进行切趾处理时,研究人员多采用汉宁窗、布莱克曼窗等,这些切趾函数具有一定的局限性,例如海明窗不能有效抑制频谱泄漏,布莱克曼窗不能有效保留细节信息。本文对便携式傅里叶变换红外光谱仪采集的信号进行干涉图切趾处理。分析多种常见切趾函数特性,研究主瓣宽度与旁瓣衰减程度对干涉图处理时的影响;在此基础上,提出一种基于零阶贝塞尔函数加权的三角窗切趾函数,利用零阶贝塞尔函数生成权重对三角窗进行加权处理,使其更加集中于主瓣。与常用三角窗相比,改进后的三角窗切趾函数的主瓣略微增大,旁瓣衰减增加,能够有效抑制频谱泄漏,为光谱图保留更多的细节。
2 基本原理
2.1 干涉图切趾
傅里叶变换红外光谱仪中动镜的扫描距离受到限制,因此仪器只能采集截断的样本数据进行分析,即在完整的干涉图信号上加矩形窗切趾函数对信号进行截取,该过程可以表示为
式中,n为样本点数,s为理想的无限长的信号,rect(n)为矩形窗切趾函数,sD(n)为截断后的信号。经离散傅里叶变换得到红外光谱图,可表示为
式中,SD(k)为截断后信号的频域表示,N为总样本点数。由于采样频率与原始信号频率不同步,SD(k)易发生畸变,产生频谱能量泄漏。为减少频谱能量泄漏,可采用切趾函数对截断后的时域信号进行加权:
式中,sQ(n)为切趾处理后信号的时域表示,w(n)为切趾函数的时域表示。根据傅里叶变换的卷积特性,(3)式也可写为
式中:SQ(k)为切趾处理后信号的频域表示,即为所求的光谱图;W(k)为切趾函数的频域表示;*表示卷积运算。在实际应用中,常选用三角窗、汉宁窗、海明窗、布莱克曼窗作为切趾函数。
2.2 改进的三角窗切趾函数
对便携式傅里叶变换红外光谱仪采集的信号进行研究,发现三角窗具有一定的优越性,主瓣宽度较小。但是,三角窗对频谱泄漏的抑制作用有限,为使三角窗能更高效地抑制频谱泄漏,本文提出一种基于零阶贝塞尔函数加权的三角窗切趾函数,通过对三角窗加权,使改进后的三角窗主瓣宽度与旁瓣衰减达到新的权衡。改进的三角窗切趾函数w(n)可以表示为
式中,q(n)为点数为n的权重,triang(n)为三角窗函数的离散形式。当总样本点数N为奇数时可以表示为
当N为偶数时可以表示为
三角窗切趾函数的主瓣小,旁瓣衰减较慢,采用q(n)加权可使三角窗的能量集中到主瓣,旁瓣衰减增加。但是,主瓣过大也会使频率分辨率降低,损失重要的细节信息。因此,q(n)的本质是使加权后的三角窗在主瓣宽度与旁瓣衰减之间取得新的权衡,在提升三角窗旁瓣衰减的同时,要有相对较小的主瓣。受凯塞窗函数[17]的设计启发,本文用第一类修正的零阶贝塞尔函数设计权重q(n),q(n)可以表示为
式中,I0(·)表示第一类修正的零阶贝塞尔函数,表达式为
式中,z表示输入参数, q(n)等效为β为2的凯塞窗函数,Γ(·)表示伽马函数。由
式中,SQ(k)为利用加权后的三角窗对截断的输入信号进行切趾处理得到的光谱。
图 1. 三角窗及改进后的三角窗切趾函数时频域分析图。(a)时域;(b)频域
Fig. 1. Time-frequency domain analysis of triangular window and improved triangular window apodization functions. (a) Time domain; (b) frequency domain
2.3 评价指标
傅里叶变换光谱仪的性能通常用信噪比[10]表示,选用2100~2200 cm-1或2500~2600 cm-1这两个不受空气中水汽和二氧化碳光谱影响的区间计算。常用的表示仪器噪声的方法有透射率法和吸光度法。本文采用透射率法,在100%τ线上截取2100~2200 cm-1波段分别计算100%τ线上峰-峰值噪声P和方均根值噪声RMS。峰-峰值信噪比RSN-PP为
方均根值信噪比RSN-RMS为
3 实验
3.1 实验数据采集
本次实验数据采用自主研制的便携式傅里叶变换红外光谱仪获取。
本文进行了三次实验,每次实验采集160组实验数据进行分析。考虑到设备开机后探测器尚未完全制冷而带来的信号波动,将前几组信号噪声较大的数据去除,取中间连续的80组,共计240组实验数据,每16组数据取一次平均并进行傅里叶变换,每次实验得到5组光谱图数据。
图 2. 便携式傅里叶变换红外光谱仪工作原理示意图
Fig. 2. Working principle of portable Fourier transform infrared spectrometer
3.2 改进的三角窗切趾函数与其他常用切趾函数对比实验
本次实验利用不同参数(β)的凯塞窗[17]、三角窗、汉宁窗、海明窗、布莱克曼窗和改进的三角窗对实验数据进行对比实验研究。凯塞窗的基本性能如
图 3. 常用切趾函数的频谱。(a)不同参数的凯塞窗切趾函数;(b)其他常用的切趾函数
Fig. 3. Spectra of different apodization functions. (a) Kaiser window with different parameters; (b) other common apodization functions
4 实验结果与分析
峰-峰值信噪比及方均根信噪比如
图 4. 不同参数的凯塞窗切趾函数的数据处理结果图。(a)原始信号;(b) β=1;(c) β=4;(d) β=9;(e) β=16;(f) β=25
Fig. 4. Results after data processing by Kaiser window apodization function with different parameters. (a) Original signal; (b) β=1; (c) β=4; (d) β=9; (e) β=16; (f) β=25
表 2. 不同参数的凯塞窗切趾函数对应的信噪比结果
Table 2. Signal-to-noise ratio of Kaiser window apodization function with different parameters
|
表 1. 不同切趾函数的主瓣宽度与旁瓣相对衰减
Table 1. Mainlobe width and relative sidelobe attenuation of different apodization functions
|
表 3. 常用切趾函数对应的信噪比结果
Table 3. Signal-to-noise ratio of common apodization functions
|
图 5. 不同切趾函数数据的处理结果图。(a)原始信号;(b)三角窗;(c)汉宁窗;(d)海明窗;(e)布莱克曼窗;(f)改进的三角窗
Fig. 5. Results after data processing by different apodization functions. (a) Original signal; (b) triangular window; (c) Hanning window; (d) Hamming window; (e) Blackman window; (f) improved triangular window
由
5 结论
对比分析了多种常用切趾函数的性能,研究切趾函数主瓣宽度与旁瓣衰减对频谱泄漏的影响;在此基础上,提出一种基于零阶贝塞尔函数加权的三角窗切趾函数,并将改进的三角窗切趾函数与多种常用的切趾函数进行对比,结果证明了提出的切趾函数的优越性。本文通过大量实验得出以下三个结论:1)在相同的条件下,较大的旁瓣衰减对光谱图中频谱能量泄漏有一定的抑制作用;2)较大的主瓣宽度容易导致光谱图过平滑,损失图像的细节信息;3)本文提出的基于零阶贝塞尔函数加权的三角窗切趾函数能有效抑制光谱图中的能量泄漏,提升信噪比,同时具有较小的主瓣宽度,能有效保留细节信息。
[1] Smith BC. Fundamentals of Fourier transform infrared spectroscopy[M]. 2nd ed. Boca Raton: CRC Press, 2011: 1- 16.
[2] 杨琨. 傅里叶变换红外光谱仪若干核心技术研究及其应用[D]. 武汉: 武汉大学, 2010: 40- 74.
YangK. Research and application on a certain number of core technologies of Fourier transform infrared spectrometer[D]. Wuhan: Wuhan University, 2010: 40- 74.
[3] 罗曦芸, 杜一平, 沈美华, 等. 红外光谱在纤维质文物材料鉴别中的应用研究[J]. 光谱学与光谱分析, 2015, 35(1): 60-64.
[4] Tong J J, Liu W Q, Gao M G, et al. Measurement and study of partial VOCs based on open path FTIR[J]. Proceedings of SPIE, 2010, 7656: 76562B.
[5] Han X, Li X X, Gao M G, et al. Emissions of airport monitoring with solar occultation flux-Fourier transform infrared spectrometer[J]. Journal of Spectroscopy, 2018, 2018: 1069612.
[6] 邓矗岭, 童晶晶, 高闽光, 等. 开路傅里叶变换红外光谱层析重建算法仿真[J]. 光学学报, 2019, 39(7): 0707001.
[7] 李妍, 李胜, 高闽光, 等. 两种红外干涉图采集及光谱复原方法的对比研究[J]. 光学学报, 2015, 35(9): 0930005.
[8] Lyon D. The discrete Fourier transform, part 4: spectral leakage[J]. The Journal of Object Technology, 2009, 8(7): 23-34.
[9] Traficante D D, Nemeth G A. A new and improved apodization function for resolution enhancement in NMR spectroscopy[J]. Journal of Magnetic Resonance (1969), 1987, 71(2): 237-245.
[10] 翁诗甫. 傅里叶变换红外光谱仪分析[M]. 2版. 北京: 化学工业出版社, 2010: 67- 72.
Weng SF. Fourier transform infrared spectrometer analysis[M]. 2nd ed. Beijing: Chemical Industry Press, 2010: 67- 72.
[11] Norton R H, Beer R. New apodizing functions for Fourier spectrometry[J]. Journal of the Optical Society of America, 1976, 66(3): 259-264.
[12] Naylor D A, Tahic M K. Apodizing functions for Fourier transform spectroscopy[J]. Journal of the Optical Society of America A, 2007, 24(11): 3644-3648.
[13] 相里斌, 袁艳. 单边干涉图的数据处理方法研究[J]. 光子学报, 2006, 35(12): 1869-1874.
[14] 张鹏, 张志辉. 一种新的过零单边干涉图切趾加权函数[J]. 光子学报, 2012, 41(7): 878-882.
[15] 陈洁婧, 冯玉涛, 胡炳樑, 等. 多普勒差分干涉光谱仪大气风速反演过程中窗函数优化[J]. 光学学报, 2017, 37(2): 0207002.
[16] 李晨, 李川, 姜飞, 等. 基于凯塞窗的谐波检测算法[J]. 电子科技, 2018, 31(5): 5-7, 11.
Li C, Li C, Jiang F, et al. Harmonic detection algorithm based on Kaiser window[J]. Electronic Science and Technology, 2018, 31(5): 5-7, 11.
[17] Kaiser JF. Nonrecursive digital filter design using the I_0-sinh window function[C]//Proceedings of 1974 IEEE International Symposium on Circuits & Systems, April 1974, San Francisco, DA, USA. New York: IEEE, 1974: 20- 23.
Article Outline
邓竞蓝, 童晶晶, 高闽光, 李相贤, 李妍, 韩昕, 刘文清. 基于零阶贝塞尔函数加权的三角窗切趾函数[J]. 光学学报, 2020, 40(3): 0307001. Jinglan Deng, Jingjing Tong, Minguang Gao, Xiangxian Li, Yan Li, Xin Han, Wenqing Liu. Improved Triangular Window Apodization Function Based on Zero-Order Bessel Function[J]. Acta Optica Sinica, 2020, 40(3): 0307001.