可调谐半导体激光吸收光谱技术（TDLAS）利用半导体激光器的可调谐和窄线宽特性, 通过选择特定气体的单条吸收线, 排除其余气体的干扰, 可以实现高精度、 高选择性的气体浓度测量, 在气体浓度检测系统中具有广泛的应用前景。 在不同的应用条件和环境下, 需要解决相应的硬件和数据处理方面的技术问题。 主要研究TDLAS技术机动车尾气CO组分浓度遥测系统中的光谱数据处理问题, 该系统利用路面漫反射回波信号遥测行驶中的机动车尾气CO组分浓度。 由于激光扫描光谱回波信号受到漫反射面情况变化、 空气环境变化、 尾气湍流影响等因素影响, 探测器收集到的信号不仅较弱同时也夹杂着多种噪声, 即测量光路信噪比较差, 故提出一种自适应层进式Savitzky-Golay(S-G)平滑滤波算法, 实现了对光谱进行滤波处理从而更加准确地反演CO浓度。 S-G滤波算法因其原理简单、 功能强大、 只需设置两个参数（窗口大小、 拟合阶数）等优点, 已广泛应用于光谱处理。 如何正确设置S-G算法参数使滤波效果在去噪不足和过度滤波之间找到平衡点, 是该滤波算法应用的一大难题。 设计的检测系统中, 测量光路光谱信号为非平稳信号, 噪声和有效信号幅度时变, 最佳窗口大小和多项式阶数随信号动态而变化, 且变化区间较大, 使用固定参数的S-G滤波器难以达到最佳效果。 提出的自适应层进式S-G平滑滤波算法, 通过逐层将测量光路光谱信号经过S-G滤波后, 与参考光路的光谱信号设置的参考段比对信号相关系数和信号一阶导相关系数的和, 以自适应得到逐层最优参数。 通过对信噪比从981～2977的10组不同带噪光谱分析验证了该算法的有效性, 自适应层进式S-G算法能较好地去除噪声并还原带噪信号所携带的待测气体浓度信息, 与带噪光谱对比, 吸收光谱峰值最大误差由25152%降至5917%, 积分吸光度最大误差由181%降至39%。 在实现的系统中, 使用自适应层进式S-G算法对测量光路进行滤波处理, 并对不同车型、 不同排量、 燃烧不同油品的机动车在怠速和缓速通过(5 km·h-1)系统时其排放的CO浓度进行实时在线监测。

分析了温度、湿度、压力对预处理后尾气CO浓度测量的影响, 提出一种机动车尾气CO检测神经网络多环境因子在线修正算法, 首先采用尾气样本数据离线训练得到BP神经网络模型, 然后将实时测得的样品气温度、湿度、压力及小数吸收值代入到模型进行在线修正, 得到修正后CO浓度, 解决了NDIR传感器因环境变化所带来的测量误差影响。通过标样实验、模拟实验, 并和SEMTECH-EcoStar对比检测结果, 在样品气温度30～50 ℃、相对湿度25～40%、压力95～115 kPa、CO浓度0～0.2%范围内的最大相对偏差为4.8%。车载外场实验, 得到修正因子在0.8～1之间, 验证了方法的必要性和可靠性, 为机动车尾气的CO浓度的准确检测提供有效技术支持。

随着工业化进程加快, 大气污染监控已受到广泛关注, 为实现工业过程痕量气体浓度的准确监测, 采用可调谐半导体激光吸收光谱技术(TDLAS)搭建了气体浓度在线监测系统, 并以LabVIEW为软件开发平台完成了可视化界面。重点设计了数据处理功能及浓度反演算法, 通过同步获取的环境压力参数对特征吸收光谱的有效拟合范围进行修正, 提高吸光度信号的准确性, 再通过读取的环境温度参数修正气体吸收线强以获得精确的浓度结果。将该系统应用于高温氨浓度在线测量实验中, 获得高温不同压力下的氨气浓度测量结果。实验结果表明, 在500 K温度下, 不经过压力、温度参数修正的最大氨浓度反演偏差为18.81%, 通过参数判断后再进行光谱提取和修正, 得到浓度最大偏差为3.96%。该系统能够准确反演不同环境参数(压力、温度)下的气体浓度, 实现了工业高温现场气体的实时、精确在线测量。

可调谐半导体激光器具有线宽窄、 波长扫描快、 室温工作等特点, 基于可调谐半导体激光器构成的激光吸收光谱气体测量系统在大气环境检测、 工业生产过程在线检测中得到了广泛的应用。 在实际测量系统中, 由于可调谐半导体激光器中心波长受温度等因素的影响发生偏移, 如不进行中心波长校正, 将造成序列光谱数据重叠, 处理后的光谱线型发生展宽, 进而影响后续的光谱线型拟合, 对气体浓度的反演精度产生影响。 一般采用参考光谱吸收谱线寻峰方法进行序列光谱数据偏移的对齐, 但光谱数据中的随机噪声、 背景噪声、 漂移噪声等因素影响峰线波长的精度。 为了降低上述因素的影响, 提出一种改进的时域相关光谱修正算法, 首先对光谱信号进行自相关, 在一定程度上提高光谱信号的信噪比, 然后再进行时域互相关处理, 能够准确的计算出激光器波长偏移量, 减少由此造成的光谱线型展宽的影响, 提高了浓度反演精度和测量稳定性。 在激光吸收光谱气体浓度检测实验系统中进行了实验验证, 评估结果中, 原始数据标准差为1.482 8, 谱线寻峰方法与时域相关方法修正后数据标准差分别为0.433 9和0.293 6, 改进的时域相关修正方法修正后数据标准差为0.132 5, 改进的时域相关修正方法相关系数均优于0.992, 欧式距离的标准差为1.726 4。 系统稳定性评估中改进方法波长漂移修正后标准偏差为0.144 3。

近年来近红外激光吸收光谱检测技术得以飞速发展，其中对吸收线的光谱解析是光谱检测的重要研究内容之一.文章建立了气体激光吸收光谱测量实验平台，重点研究了混叠吸收线光谱检测算法，以6528.8 cm-1附近氨气吸收线为例，开展了特征光谱解析实验与算法研究.结果表明，结合小波降噪方法后，信号均方根误差降低4.45倍，利用多线Voigt线型拟合算法实现混叠吸收线特征光谱解析，线型拟合残差优于±2%.实验获得了氨气在室温不同压力下的特征吸收光谱，并计算得到各条吸收线的线强参数结果.测量线强与Hitran数据库的相对偏差在5.67~8.2%之间，线强计算的不确定度约为4.6%.有效的混叠吸收线光谱解析算法可实现气体线强参数的准确测量，有益于提高氨气浓度反演的准确性.

研究氨近红外光谱特性并建立浓度反演算法模型, 重点优化相关性分析和温度修正功能.利用开放式激光吸收光谱技术建立氨区域监测系统, 于2015年在安徽涡阳秸秆还田示范区开展监测实验, 研究玉米和小麦种植情况下的土壤氨挥发特征.研究结果表明, 氨浓度具有日变化趋势: 白天浓度上升在正午达到最高值, 逐步降低到夜间至最小值.夏、秋季典型小时浓度变化范围为0.6×10-3 ~1.34×10-3 mmol/mol和1.14×10-3~1.82×10-3 mmol/mol, 秋季玉米和夏季小麦秸秆还田的最大氨日均浓度为4.6×10-4 mmol/mol和1.7×10-3 mmol/mol, 还田一个多月后氨浓度明显上升, 并存在一定季节性差异.近红外光谱技术为明晰土壤氨排放规律提供了技术支持.