[发明专利]一种基于压缩感知算法的烟气黑度及其空间分布检测方法

说明书

本发明公开了一种基于压缩感知算法的烟气黑度及其空间分布检测方法，该方法包括恢复步骤和随机组合筛选步骤，恢复步骤包括：产生Hadamard（N）矩阵；从矩阵中随意选出M个向量作为测量向量；由测量向量与待测向量相乘得到向量内积；将向量内积分别与测量向量相乘得到测量所得向量；将得到的测量所得向量相加再除与倍数因子得到恢复结果；将乱序后的N个向量依次加入恢复步骤的过程中，对比加入前后的方差比之前最低的情况还要要低，就覆盖之前最低的结果。本发明将可见光的吸收和压缩感知结合起来设计汽车废气测量系统，利用压缩感知高效快速的特点，可以实现汽车烟气黑度及其空间分布的测量，实现利用较少的计算机资源就能取得与传统传感方法相似的精确度。

技术领域

本发明涉及气体检测领域，尤其是涉及一种基于压缩感知算法的烟气黑度及其空间分布检测方法。

背景技术

机动车废气被认为是污染空气的主要污染源之一，现阶段的经济发展使得我国汽车保有量上升，汽车尾气污染物的排放量也随之上升，大气污染物的排放严重危害到了人们的身心健康。随着群众对环境质量要求的提高，我国越来越重视汽车污染物排放的控制。而汽车尾气的烟气黑度及其空间分布测量对于控制和降低汽车废气的排放是必不可少的技术。这就需要发展能实时高效的测量汽车尾气的各种有害成分的测量系统。在汽车尾气以及其他类似空气污染的测量方面已经有一些研究成果，其中包括差分光学吸收光谱法，用高压氙灯发出的强紫外穿过待测气体，通过分析差分光谱得出应气体的浓度。腔衰荡光谱方法：使用光腔结构，极大提高光谱吸收有效光程长来测量难以被红外量子级联激光器测量的NH浓度。可调谐半导体激光吸收光谱 (TDLAS)，利用激光器的波长调谐特性，获得被测气体的特征吸收光谱，实现对被测气体的定性、定量分析。

这些测量方式往往使用高精度的测量仪器产生大量的分析数据经过复杂的计算得出待测气体中部分成分的浓度，需要用到大量的计算机资源。

发明内容

本发明实施例提供一种基于压缩感知算法的烟气黑度及其空间分布检测方法，用于解决现有技术中，往往使用高精度的测量仪器产生大量的分析数据经过复杂的计算得出待测气体中部分成分的浓度，需要用到大量的计算机资源的问题。

根据本发明的一个方面，提供了一种基于压缩感知算法的烟气黑度及其空间分布检测方法，该方法包括恢复步骤和随机组合筛选步骤，其中所述恢复步骤包括：

（1）对于基为 N 维的情况，产生Hadamard（N）矩阵，所述Hadamard（N）矩阵为由1和-1按照一定顺序组成的N*N矩阵；

（1a）从 Hadamard（N）中随意选出M个向量作为测量向量；

（1b）将测量向量投影到待测物上，待测物有 N 个待测向量，无论是待测物是反射还是透射，都会反馈一个整体的待测向量，由测量向量与待测向量相乘得到向量内积；

（1c）将向量内积分别与测量向量相乘得到测量所得向量；

（1d）将得到的测量所得向量相加再除与倍数因子得到恢复结果，所述倍数因子为M；

其中所述随机组合筛选步骤包括：

（2）将Hadamard（N）乱序，Hadamard（N）总共有N个向量可供选择作为测量向量，将乱序后的N个向量依次加入恢复步骤，通过对比加入前后的方差选出方差最小的M个向量，并记录这次恢复的方差，以及使用的测量向量。

（2a）将乱序后的N个向量依次加入恢复步骤的过程中，对比加入前后的方差比之前最低的情况还要要低，就覆盖之前最低的结果。

可选地，从 hadamard（N）中随意选出M个向量作为测量向量，其中M≤N。

可选地，所述随机组合筛选步骤中将乱序后的N个向量依次加入恢复步骤次数至少为10000次。