1 太原科技大学 山西省精密测量与在线检测装备工程研究中心, 山西 太原 030024
2 太原科技大学 环境与安全学院, 山西 太原 030024
3 中国科学院安徽光学精密机械研究所环, 安徽 合肥 230031
氨气排放会对环境以及人体健康造成危害，因此对环境中氨气浓度的高精度监测显得尤为重要。本文基于具有高灵敏度、高响应速度等优点的离轴积分腔输出光谱技术(OA-ICOS)对氨气高精度检测装置进行设计。使用基长30 cm装有反射率为99.99%的高反镜的光学谐振腔作为气体吸收池，实现了近3000 m的光程，将中心波长为1528 nm的分布反馈式激光器（DFB）调谐至6548.611 cm−1和6548.798 cm−1附近，在常温18.6 kPa的气压下对1×10−5~5×10−5范围内NH3进行了检测。测量结果表明NH3浓度与信号幅值的线性拟合度R2可达0.99979。使用Allan方差对实验数据进行分析得到13 s后系统的平均检测极限为9.8×10−9，在103 s时系统的最低检测极限可达7×10−9（S/N~1）。实验结果表明，该检测装置具有良好的稳定性与高灵敏度，满足对氨气高精度检测的需求，本文研究为国内自主研发痕量气体高精度检测设备提供了技术经验。
离轴积分腔输出光谱 氨气 高精度检测 Off-axis integrated cavity output spectroscopy NH3 High-precision detection
太原科技大学应用科学学院, 山西 太原 030024
采用高精度从头算方法对 I+2 离子最小的四个 Ω 子 态 (X2Π3/2,g, X2Π1/2,g, A2Π3/2,u 和 A2Π1/2,u) 进行了研究, 并与实验获得的高分辨率吸收光谱进行了比较。首先利用多参考组态相互作用 (MRCI) 方法计算了四个 Ω 电子态的势能曲线, 求解了一维径向薛定谔方程, 并推导出各电子态的振动-转动能级。随后利用拟合获得的相应光谱参数和计算得到的跃迁偶极矩矩阵元, 计算了 A2Π3/2,u-X2Π3/2,g 系统的 υ'=11-19 和 υ''=1-5 的 45 个带的跃迁强度, 并计算了 A2Π3/2,u 态的 υ'=11-19 振动能级的辐射寿命。 最后, 计算给出了 I+2 的 A2Π1/2,u?Ω 子态的较高振动能级的预解离寿命, 并讨论了其预离解机理。
光谱学 势能曲线 爱因斯坦 A 系数 谱线强度 预解离 spectroscopy potential energy curve Einstein A coefficients line strength predissociation
太原科技大学应用科学学院物理系, 山西 太原 030024
二氧化硫 (SO2) 和三氧化硫 (SO3) 是工业废气排放中的重要物质, 对环境和人体健康危害很大, 但对于他们在排放过程中的原位-在线测量一直是个挑战。采用可调谐二极管激光吸收光谱 (TDLAS) 技术, 基于 7.16 μm 量子级联激光器 (QCL) 对 SO2 和 SO3 进行同时检测, 通过波长调制光谱技术提高测量系统的灵敏度和鲁棒性。在高温低压条件下采用单光程-小体积的气体吸收池利用 TDLAS 同时测量 SO2 和 SO3 的吸收谱线, 测量的 SO2 和 SO3 的吸收光谱充分分离, 从而确保了测量的准确性。同时, 修正了温度变化对 SO2 气体浓度测量的影响, 并提出了用已知浓度的 SO2 来定标未知浓度的 SO3 气体。Allan 方差分析表明, 在 34 s 的积分时间内, SO2 的最小检测限达到了1.98×10-6 cm3·cm-3, SO3 可探测的最低浓度为 1.575 ×10-6 cm3·cm-3。 系统的上升响应时间约为 16 s, 下降响应时间约为 18 s。
二氧化硫 三氧化硫 可调谐二极管激光吸收光谱技术 量子级联激光器 SO2 SO3 tunable diode laser absorption spectroscopy quantum cascade laser 大气与环境光学学报
2021, 16(5): 424
太原科技大学 电子信息工程学院, 山西 太原 030024
针对目标发生形变、遮挡以及尺度变化导致跟踪失败的情况, 本文提出了一种改进的多特征融合的目标跟踪算法。首先, 通过计算方向梯度直方图(Histogram of Oriented Gridients, HOG)和颜色命名(Color Names, CN)特征响应相邻两帧峰值旁瓣比(Peak-to-Sidelobe Ratio, PSR)的差值得到这两种特征的融合权重, 用得到的权重对HOG和CN特征响应进行自适应融合, 将第一次融合后的响应与颜色直方图特征获得的响应以固定权重进行二次融合,并根据融合结果确定目标中心位置。其次, 结合最终目标响应值的PSR与其均值的差值变化, 对位置相关滤波器和尺度相关滤波器的学习速率进行动态调整。最后, 在OTB50标准数据集上进行实验验证, 并和其他跟踪算法进行对比。实验结果表明: 本文算法在多项性能指标上均优于其他算法, 其中精度为81.9%, 成功率为61.1%, 能有效适应形变、遮挡以及尺度变化场景下的目标跟踪。
目标跟踪 多特征融合 自适应更新 target tracking multi-feature fusion adaptive update
1 太原科技大学 电子信息工程学院, 山西 太原030024
2 中国矿业大学 计算机科学与技术学院, 江苏 徐州221116
为了解决尺度变化对目标跟踪的影响, 本文在颜色特征跟踪算法的基础下提出了一种多尺度目标跟踪算法。该算法通过训练位置和尺度两个相关滤波器以实现自适应尺度跟踪。首先通过最小二乘分类器学习获得位置相关滤波器, 采用主成分分析法对颜色特征进行降维, 计算响应的最大值作为下一帧目标中心位置; 接着根据设定的尺度因子在中心位置周围形成多个大小不一的矩形区域, 并计算每个区域的颜色特征; 学习每个区域的颜色特征, 获得尺度相关滤波器, 并采用正交三角分解对尺度相关滤波器进行降维; 然后根据响应的最大值确定跟踪目标的尺寸; 最后对目标的位置和尺寸进行更新。通过对13组挑战性的视频序列进行测试, 结果表明, 本算法不仅对目标尺度变化具有一定的适应性, 而且对光照变化、快速运动、运动模糊等复杂情况下, 均具有鲁棒性, 多项性能指标均优于目前跟踪性能先进的算法。
目标跟踪 颜色属性 主成分分析 尺度自适应 target tracking color feature principal component analysis scale adaptation
