近日，中國科學院合肥物質院安光所高曉明研究員團隊在實現基于神經網絡的混疊光譜智能抗擾方面取得新進展，相關研究成果以《基于神經網絡的混疊光譜解耦算法用于中紅外多組分氣體的精確傳感》為題發表在國際知名期刊ACS Sensors?上。

可調諧半導體激光吸收光譜技術(TDLAS)是一種用于非接觸式實時測量的紅外光譜技術，它與波長調制光譜（WMS）相結合，具有靈敏度更高、檢測限更低等優點，被廣泛應用于微生物檢測、燃燒診斷，以及環境大氣監測。然而，氣體吸收譜線交叉干擾這一瓶頸問題限制了該技術在多組分氣體同步測量的應用發展。

團隊成員王貴師副研究員和博士熊昊提出了一種基于神經網絡的混疊光譜解耦算法模型，使用單個激光器實現了對甲烷（CH4）、水蒸氣(H2O)以及乙烷(C2H6)的同步檢測。利用遷移學習的訓練策略，使用大量的模擬數據用以提高模型的泛化能力，并且少量的實驗數據被用于模型的校正，以滿足實際檢測的需要。經過實驗分析，該模型在不增加任何額外的硬件設備的情況下，有效的解決了吸收譜線交叉干擾的問題，極大的提高了系統在復雜環境下穩定性。因此，基于神經網絡的智能抗混疊干擾方法有望為多組分氣體同步檢測提供新的方向。

本研究工作得到國家自然科學基金項目、國家重點研發計劃等項目的資助。

論文鏈接https://pubs.acs.org/doi/10.1021/acssensors.4c01514

混疊光譜示意圖

基于神經網絡的混疊光譜解耦算法的示意圖

系統對H2O干擾抑制效果