针对遥感数据很难同时满足高空间分辨率和高光谱分辨率的问题，提出了一种基于四叉树自适应分块的面到点的回归克里金法（QAATPRK），对高分-1（GF-1）的全色（PAN）和多光谱（MS）数据进行融合。所提方法基于面到点的回归克里金法，将整个影像分割为多个独立的融合单元并分别融合，然后将结果拼接。对于每个融合单元，使用高分辨率PAN影像的空间信息回归建模，使用回归克里金法处理残差。将所提方法与Principal Component Analysis （PCA）法、小波变换法、Intensity-Hue-Saturation and Gram-Schmidt （IGS）法、密集连接网络法进行了比较。均方根误差（RMSE）、结构相似性系数（SSIM）、通用图像质量指数（UIQI）、全局综合误差（ERGAS）和光谱角（SAM）等指标表明，所提方法的融合影像质量最好，且保持了MS影像的光谱特性。

为了提高复杂水环境中性激素的分类识别率,提出一种三维荧光光谱法结合改进的鸡群算法(ICSO)优化支持向量机(SVM)的模型。利用FS920荧光光谱仪对雌酮、雌二醇和雌三醇3种典型性激素的单组分溶液及混合溶液进行荧光特性分析,并在光谱重叠严重的前提下建立ICSO-SVM模型对3种性激素进行分类鉴别。ICSO-SVM模型不仅训练过程稳定,收敛速度快,而且测试集的性激素识别率为100%,均优于PSO-SVM模型。结果表明,三维荧光光谱法结合ICSO-SVM模型是一种有效的性激素检测方法。

为了快速检测水环境中的喹诺酮类抗生素,将三维荧光光谱法结合双线性最小二乘/残差双线性算法(BLLS/RBL),用于检测水中的氟甲喹(FLU)、恩诺沙星(ENR)和左氧氟沙星(LVFX)。该方法不仅可以准确解析出光谱重叠现象严重的三种抗生素,而且与平行因子方法(PARAFAC)相比,可以得出更可靠的定量预测结果。BLLS/RBL预测的FLU、ENR和LVFX的平均回收率分别为98.46%、99.10%、101.69%,均方根误差(RMSE)为4.33、0.33、0.26 μg·L -1,灵敏度(SEN)为2.8×10 3、3.5×10 4、5.5×10 4,检测限(LOD)为0.72、0.06、0.03 μg·L -1。实验结果表明,三维荧光光谱结合BLLS/RBL是一种可靠的水中喹诺酮类抗生素的检测方法。

为了实现甲烷浓度的测量, 设计了基于差分吸收检测原理的甲烷浓度检测系统。检测系统中的气室部分使用了全反射棱镜配合凹面镜的方法来增加光程, 使光能够被气体充分吸收, 达到了提高测量精度的效果。在测量过程中, 受到环境因素的影响, 使得接受的信号中存在大量的噪声, 为此提出利用小波优化EEMD的方法对接收的信号进行去噪处理, 得到的信噪比为16.9925, 均方根误差为1.5447×10-4。实验结果表明相比于EEMD或小波的去噪方法, 使用小波优化后的EEMD具有更好的噪声抑制效果, 方法适用于甲烷收发谱信号的去噪处理。

基于荧光检测机理,将平行因子与支持向量机(SVM)算法相结合,对多环芳烃中的苊、芴和萘进行检测。将荧光光谱数据预处理后作为训练集,输入到粒子群优化的SVM算法中建立分类模型;利用核一致性分析、残差平方和分析以及迭代次数分析方法确定成分数;采用得到的最佳成分数进行平行因子分解,将得到的发射载荷矩阵作为测试集输入到SVM的分类模型中,分类正确率为100%,最终得到苊、芴和萘的回收率分别为100.45%±6.25%、100.10%±6.39%和95.07%±7.46%。所用算法避免了人为操作增加的时间复杂性及主观因素造成的误差,为多环芳烃的荧光检测提供了一种新方法。

将三维荧光光谱技术、小波压缩和交替惩罚三线性分解算法(APTLD)结合,提出了一种鉴别掺伪芝麻油的新方法。利用荧光光谱仪测量纯芝麻油及掺伪芝麻油样本的三维荧光光谱,通过激发校正和发射校正消除仪器带来的误差,得到样本的真实三维荧光光谱数据;利用小波压缩对处理后的真实数据进行压缩,以减少冗余信息,其中压缩分数和数据恢复分数分别大于94.00%和98.00%;利用APTLD算法对压缩后的数据进行定性及定量分析,得到的回收率为97.0%~99.8%,预测方均根误差不大于0.120。研究结果表明,所提方法能够准确鉴别纯芝麻油及掺伪芝麻油样本,并对其组分含量进行预测。

将三维荧光探测技术与交替惩罚三线性分解算法相结合,提出一种用于混合油液中油种成分检测的方法。首先利用FLS920型荧光光谱仪采集拟进行成分检测的混合油液(航空煤油和润滑油)在不同体积比配制条件下的20个样本的三维荧光光谱数据,利用Delaunay插值法对所获得的三维荧光光谱数据进行校正;然后利用核一致函数确定交替惩罚三线性分解算法解析三维荧光光谱数据时所需的组分数;最后利用均方根误差和相关系数矩阵,对交替惩罚三线性分解算法解析三维荧光光谱数据的效果进行评价。结果表明:在经交替惩罚三线性分解算法解析得到的均方根误差和相关系数矩阵中,非对角线上的元素值均满足所设阈值0.05和0.95的要求;在解决三维荧光光谱严重重叠的问题上,交替惩罚三线性分解算法优于平行因子算法,达到了对混合油液中油种成分快速检测的目的。

基于交替三线性分解(ATLD)研究了芳烃类化合物的荧光光谱。通过完整集成经验模态分解(CEEMDAN)及小波软阈值算法对荧光光谱进行了去噪处理, 处理后信噪比为28.51, 均方根误差为3.52×103。ATLD算法能成功分辨出1-萘酚、2-萘酚和萘, 三种物质的回收率分别为96%~103.3%, 97.24%~103.9%和97.2%~103.6%。结果表明, ATLD算法对芳烃类化合物具有良好的预测性能。

食品安全隐患越来越受到重视, 而食品添加剂的过量使用更是个重要的因素。应用FS920荧光光谱仪, 研究了防腐剂山梨酸钾的荧光特性, 得到山梨酸钾荧光特征峰于λex/λem=375/490nm采用基于最小二乘支持向量机对橙汁溶液中防腐剂山梨酸钾进行检测, 通过改进的遗传算法寻优最小二乘支持向量机参数。经过样本训练得到橙汁溶液山梨酸钾的回归模型, 对未知浓度的溶液进行预测, 将新算法与基本遗传算法寻优的模型和BP神经网络对比。结果表明, 自适应遗传-最小二乘支持向量机建立的预测模型在平均相对误差3.54%和平均回收率96.46%都是最优的,是一种准确有效的橙汁中山梨酸钾浓度检测方案。