[发明专利]一种基于光声谱多组分装置与信号处理方法

说明书

本发明涉及光声成像技术领域，公开了一种基于光声谱多组分装置与信号处理方法，其主旨在于解决了光声信号中的噪声和其他相干信号干扰的问题，并且进一步使用对声信号进行组分建模和提取。主要方案包括波长计，激光控制器，激光器，亥姆霍兹谐振光声池，超声传感器，功率计，差分放大器，温度传感器，压力传感器，微处理器，计算机。所述微处理器连接激光控制器，控制激光器的使用，所述波长计，功率计，压力传感器，温度传感器与微处理器相连，将数据传给微处理器。所述微处理器与计算机相连，将数据传给计算机。所述计算机采用支持向量机方法对光声谱的多组分模型处理。

技术领域

本发明涉及光声成像技术领域，具体涉及一种基于亥姆霍兹谐振光声池的差分信号采集系统与支持向量机方法对光声谱的多组分模型处理的方法。

背景技术

在空气检测，有害气体检测，排放尾气检测领域中，对高灵敏度，高精度检测系统的需求越来越大，本专利实现了气体中的成分高精度的检测。光声谱是基于光声效应的一种光谱技术，它是将光声信号有效的转换成声音信号，通过超声传感器进行检测，不同的组成成分会产生不同的信号特征，非常适合用于检测空气的组成成分，能快速且有效的检测出气体中的成分。

光声池作为光声信号产生的来源，是光声谱测量系统中的重要的组成成分，其性能直接影响到光声测量灵敏性和准确性。光声池通常非为谐振式和非谐振式。谐振式光声池在去除噪声和想干信号干扰方面有着很好的性能，所以本专利采用差分亥姆霍兹谐振光声池，此光声池将信号做差分运算，能够得到去除噪声和相干信号干扰的光声信号。

支持向量机(SVM)是一种新的机器学习算法，其基础是Vapnik创建的统计学习理论。统计学习理论采用结构风险最小化(SRM)准则，在最小化样本点误差的同时，最小化模型的结构风险，提高了模型的泛化能力，为多组分混合气体浓度定量分析提供了新的方法。

现有的技术中，已报道的有公开申请CN108226050A“一种用于气体光声谱检测的谐振式光声池”，其公开了利用谐振式光声池来消除超声信号中的噪音和相干信号。但是该专利没有对超声信号进行组分分析，并且没有说明完整的测量装置和过程，本专利除了差分亥姆霍兹谐振光声池外，还在配置了温度传感器，压力传感器，功率计，差分放大器，波长计，脉冲激光发射器，激光控制器，微控制器，计算机，比起该专利测出信号后需要额外的处理，本专利提供的方法极大的提高了空气组分的测量速度，也提高了测量准确性。

发明内容

本发明的目的在于：提供了一种基于亥姆霍兹谐振光声池的差分信号采集与支持向量机方法对光声谱的多组分模型处理的系统，解决了光声信号中的噪声和其他相干信号干扰的问题，并且进一步使用对声信号进行组分建模和提取。

本发明为解决上述技术问题采用以下技术方案：

一种基于亥姆霍兹谐振光声池的差分信号采集装置，包括波长计，激光控制器，激光器，亥姆霍兹谐振光声池，超声传感器，功率计，差分放大器，温度传感器，压力传感器，微处理器，计算机；所述微处理器连接激光控制器，控制激光器的使用，所述波长计，功率计，压力传感器，温度传感器与微处理器相连，将数据传给微处理器；所述微处理器与计算机相连，将超声信号数据传给计算机。

上述技术方案中，亥姆霍兹谐振光声池横截面形状为“回”字型。光声池包括相互连同的第一光声室和第二光声室，这两个光声室通过第一连接细管和第二连接细管相互连通；

上述技术方案中，超声换能器放置在第一光声室中，超声换能器放置在第二光声室中；

上述技术方案中，所述差分放大器共模抑制比约为80-130分贝。

本发明还提供了一种基于亥姆霍兹谐振光声池的差分信号采集装置的信号处理方法，根据已有的超声信号数据，利用非线性映射，将输入的超声信号数据映射到高维空间，在高维空间进行回归分析，建立多维超声信号与混合气体组分浓度的函数模型，通过函数模型对采集到的超声信号数据进行分析，得到预测气体浓度。