气体吸收光谱数据处理的实验教学设计

周 胜，李劲松，张 磊，蒋童童

(安徽大学，安徽 合肥 230601)

随着社会的发展，工作岗位对人才的创新能力的要求越来越高，本科人才培养的关键也更加趋向于适应创新型社会发展。大学专业实验是一门集理论基础与实践动手能力相结合的课程，在专业核心课程教学中起着重要的作用。传统的大学物理实验往往以老师动手演示、学生模仿实验过程来完成，这种以老师为中心的教学模式很难满足现代社会对于创新型人才培养的要求[1]。而大学专业实验本着学生动手操作为第一位，老师辅助的原则，对学生独立解决问题有着巨大的帮助作用，是近些年来的新兴教学模式。

在当今社会中，能源已经成为工业发展中不可缺少的宝贵资源，是社会发展和人类进步的源泉。伴随着现代化工业生产的迅猛发展，环境污染对自然环境已经人体健康造成的负面效果愈发严重，以至于人们不得不迫切解决这一生态问题。环境污染具体包括、水污染、空气污染等。以二氧化氮为例，中国是以燃煤、煤气为主的大国，燃烧排出的大量二氧化氮气体直接进入大气不仅破坏了生存环境，也严重危害了人们的身体健康。另外随着城市化进程的发展和生活水平的提高，私家车成为了普遍的交通工具，汽车尾气中二氧化氮的排放成为大气中二氧化氮含量过高的主要来源之一，导致二氧化氮在空气中的浓度显著上升，过量的二氧化氮气体会发生反应形成硫酸或硝酸，随雨水到达地面形成酸雨，对农作物、建筑物产生破坏、森林衰亡等不良影响。由此可以看出对大气中气体浓度进行监测对环境治理有重大作用。

传统的气体检测技术周期长、测量组分较单一且测量范围小。相比而言，激光光谱测量技术具有测量范围广、测量灵敏度高、快速便捷等特点，可实现多组分连续实时监测，被广泛应用于多种气体检测。综上所述，开发出选择性好、灵敏度高、非接触在线自动检测气体浓度传感系统具有重大意义。激光具有高亮度、高相干性的特点使得光谱测量技术在分辨率和灵敏度方面得到了很大的改善。但由于空气及实验仪器中存在噪声干扰，利用激光光谱测量气体浓度时对吸收谱线的测量数据有影响，导致误差的产生，因此对吸收谱线数据进行滤波处理，剔除测量数据中的噪声部分是必须要进行的操作。本文通过对不同平台的数字滤波技术进行详细的介绍并展开具体操作，与书本上的理论知识相结合，可以巩固记忆且滤波技术有更清晰的了解。

1 吸收光谱测量原理

将大气气体导入多光程吸收池中，激光器经过输出调谐后入射到多光程吸收池中，在吸收池中多次反射后被大气气体吸收，由光电探测器接收吸收后的激光，将携带大气气体的调谐激光光信号转变为电信号，经前置放大器放大后，传输到计算机内部，可用朗伯比尔定律进一步分析气体浓度的大小。

滤波技术包括软件滤波和硬件滤波。在考虑较高的时间分辨率和较低的系统成本时，采用基于软件的数字滤波技术对光谱进行数据进行在线降噪处理是一种较好的选择。人们也发明了许多滤波算法以便于应用在各种场合下的数据处理。在应用数字信号滤波技术时，关键在于选择合适的滤波算法和恰当的参数。

多信号平均法是一种相对简单且广泛采用的噪声滤除方法。选取参照点邻域范围内的点的值进行平均作为参照点的滤波值。

(1)

其中，N为窗口大小，n为取样点的横坐标。多信号平均法的运算速度很快，但是容易失去信号原有的特征，导致数据丢失。

小波变换也是一种优秀的滤波算法，是对空间和频率的局部变换，通过伸缩和平移等运算功能有效获取信号中的有用信息。小波变换克服了窗口大小不随频率变换的缺点，提供了一个随频率改变的“时间-频率”窗口，因此小波变换在很多领域都得到了成功的应用。但小波变换依赖的参数过多，例如母小波类型、阈值估计和分解水平等。

卡尔曼滤波是一种利用线性系统状态方程，通过对系统输入输出的数据观测，从而对系统状态进行最优估算的算法。由于观测数据中存在系统中噪声和干扰的影响，所以最优估计也可看作是滤波过程。卡尔曼滤波理论问世以来，凭借着运算速度快、效果好的特点在通信系统、电力系统、航空航天等方面都获得了广泛的应用并取得了成果。但卡尔曼滤波的应用范围受限，在非线性系统中使用后的偏差较大。

19-G滤波器是一种在时域内基于局域多项式最小二乘法拟合的滤波方法，近些年来，在傅里叶变换红外光谱重构、地震随机噪声剔除、遥感图像合并、脉冲波处理等方面都有广泛应用。S-G滤波器如此受欢迎也是由于它相比其他滤波函数而言，在滤除噪声时能够最大限度的保证信号形状、宽度不变，而且只需要设置两个参数：平滑窗口的宽度和拟合多项式的阶数。S-G滤波算法的包括以下几个步骤：(1)确定数据区间；(2)对选定的数据区间拟合一个多项式函数；(3)根据多项式系数计算选定区间中心的平滑数据点；(4)将数据区间右移一个采样区间后，重复这个平滑过程直到所有数据都经过拟合，得到S-G滤波后的数据谱线。经过S-G滤波的含噪谱线有明显的平滑作用。

2 实验设计

2.1 实验系统搭建

搭建的用于激光光谱技术课程教学的实验装置如图1所示。

图1 实验装置示意图

它采用波长约6.2 μm的中红外量子级联激光器(QCL)作为光源。由于人眼看不见中红外的激光，为了便于学生调整光路，引入了一个可见的红光光源作为指引光，使用ZnSe分光镜将可见的红光(632.8 nm)与不可见的QCL光束进行合束。激光束经过一个气体池后，由离轴抛物面镜聚焦于高速红外光电探测器(PVI-4TE-5,Vigo)。激光的输出波长调制是通过驱动器调整驱动电流实现的，最大峰值输出功率为30 mW。激光频率用一个典型的三角波扫描吸收线频率为100 Hz。激光器的线宽小大于0.001 cm-1，激光光源对气体吸收谱线的展宽可以被忽视。学生需要按照激光光谱技术的理论知识，模拟出待测气体的吸收截面，选择合理的测量波长范围，以此来定激光的驱动电流。为了消除学生给需液氮冷却的HgCdTe中红外探测器过程中存在的安全隐患，本实验选用可在在室温下工作的中红外探测器，简化了系统的日常使用，并允许长期自动化操作。未经处理的数据随后使用数字采集卡(National Instruments,USBFig)获得。气体池的压强通过压力控制器和真空泵控制。

2.2 学习型实验验证

学习型实验主要目的是帮助学生在理论知识的基础上进行实验验证的过程，利用MATLAB对均值滤波、S-G滤波函数等进行滤波性能的比较，主要包括以下仿真设计：首先对单一气体谱线进行滤波处理。利用Hitran on the web数据库获取气体在一定温度和压强下的标准吸收谱线，通过MATLAB平台对其加入高斯分布的噪声形成测试谱线，随后利用MATLAB中的均值滤波和S-G滤波函数等对测试谱线进行滤波处理。通过信噪比的大小体现滤波效果。如图2为均值滤波和S-G滤波处理前后谱线图。改变加入高斯噪声的方差大小，进一步比较不同滤波函数的优缺点，思考不同滤波函数的应用范围。除了MATLAB平台，Origin作为强大的数据处理软件，同时具备了滤波功能与画图功能。将测试谱线数据导入到Origin中，便可通过选项进行数据处理，通过FFT变换可以测得滤波前后的残差值并绘制成图形，利用不同的滤波算法滤波后残差不同的特点可判断滤波性能的优劣。

波长/nm

熟悉了如何处理拟合谱线后，可通过实验操作测量真实实验中的吸收谱线。学生经由2.1中实验装置里的采集卡获得实验数据，设计放大电路对采集信号进行放大后传输到电脑上，通过滤波函数进行谱线处理。处理后可根据数据库中相同压强与温度情况下的标准谱线进行信噪比的对比，得出滤波后谱线。通过具体操作，可锻炼同学们的动手能力，加深对大气数据采集的理解。

2.3 探索性实验

上述实验可以引导学生认识滤波算法，而对于创新型人才培养来说，还需培养学生的创新意识等外延拓展能力。将学生分为五人一组，每组自行围绕数字滤波技术选择一个研究课题并展开后续的学习与探究。课题研究内容包括文献综述调研、方案原理分析、方案介绍、实验以及总结与展望五个部分。学生确定好选题后，以总结报告的形式将调研内容以及方案介绍给老师，老师根据学生的选题内容进行讨论与探究，确保实验开展的可行性。确认实验能顺利进行后讨论实验开展的方式以及准备实验用到的仪器。由学生对实验进行动手操作获得实验数据，随后对数据进行分析，得到最终的结论。课程的最后，由每组提交一份总结报告交给老师并针对总结报告内容，准备结题PPT并进行当堂展示。

研究课题可以由老师提供或学生查找互联网资源自行选择。例如除使用MATLAB软件自带滤波外，还可以自行编写算法程序达到滤波的效果。引导学生查阅书籍与互联网资源，让学生自主编写滤波算法或对现有滤波程序进行优化。每种滤波都有适用范围，通过算法的编写可以将原有滤波算法的参数选择进行优化，达到性能最优、适用范围更广的目的。图3即为不同参数条件下的滤波效果图，可以看出最优参数的选取对滤波结果有重要的意义。对基础算法的优化工作可以开发学生的算法编程能力，该项任务可由编写算法有特长的同学选择进行深入探究。

波长/nm

3 教学评价

通过数字滤波技术大学物理实践课程，因材施教取得了良好的教学效果，充分调动学生进一步探究的积极性，为学生创造了一个良好的创新平台，为以后参加各种竞赛项目打下了坚实的基础[2]。学生们在课程过程中运用了科学的思维方式，不仅可以独自完成基础实验内容，还通过组队共同完成课题，锻炼了团队协作能力。学生们在学习过程中，化被动为主动，不仅参照老师给的实验步骤及实验内容，还在基本滤波算法的基础上进行了扩展训练，真正动脑思索并完成了一项实验。目前大学物理实验课程中，教学思维在于固定的传授实验知识交给同学们，而此实验在于主动去深入了解滤波技术，独立完成实验操作，提高教学效果。从学生们的完成情况可以看出，绝大部分学生面对实验态度认真、勤于探索，找到了做实验的乐趣，激发出了学生们的潜能，真正做到学以致用的教学目的。

4 结 语

利用S-G滤波、均值滤波等软件滤波函数，对激光吸收光谱的测量数据进行处理与分析，加深了学生对滤波算法的理解，把书本上的原理编译成C语言算法在MATLAB软件和Origin软件中进行实际操作，为以后的科研活动打下了良好的基础，锻炼了学生的编写算法、处理数据及画图能力，可以作为大学物理实验的补充内容进行教学，实现理论与实际相结合，教学与科研双赢的结果[3]。实验在培养学生的团队协作能力、创新能力等方面发挥了重大作用。并且课程也将在不断的探索中逐步完善，极大促进了大学物理实验教学水平，具有很好的推广前景[4]。