近日，中国科学院合肥物质院安光所高晓明研究员团队在实现基于神经网络的混叠光谱智能抗扰方面取得新进展，相关研究成果以《基于神经网络的混叠光谱解耦算法用于中红外多组分气体的精确传感》为题发表在国际知名期刊ACS Sensors（SCI一区, IF=8.2）。
可调谐半导体激光吸收光谱技术（TDLAS）是一种用于非接触式实时测量的红外光谱技术，它与波长调制光谱（WMS）相结合，具有灵敏度更高、检测限更低等优点，被广泛应用于微生物检测、燃烧诊断，以及环境大气监测。然而，气体吸收谱线交叉干扰这一瓶颈问题限制了该技术在多组分气体同步测量的应用发展。
团队成员王贵师副研究员和博士熊昊提出了一种基于神经网络的混叠光谱解耦算法模型，使用单个激光器实现了对甲烷（CH4）、水蒸气（H2O）以及乙烷（C2H6）的同步检测。利用迁移学习的训练策略，使用大量的模拟数据用以提高模型的泛化能力，并且少量的实验数据被用于模型的校正，以满足实际检测的需要。经过实验分析，该模型在不增加任何额外的硬件设备的情况下，有效的解决了吸收谱线交叉干扰的问题，极大的提高了系统在复杂环境下稳定性。因此，基于神经网络的智能抗混叠干扰方法有望为多组分气体同步检测提供新的方向。
混叠光谱示意图
基于神经网络的混叠光谱解耦算法的示意图
系统对H2O干扰抑制效果
本研究工作得到国家自然科学基金项目、国家重点研发计划等项目的资助。
论文链接：
https://pubs.acs.org/doi/10.1021/acssensors.4c01514
