基于可调谐激光吸收光谱(DA-ATLAS)，用于增强气体浓度传感器敏感性的裁剪算法(3)

3.剪裁算法，增强传感器对气体浓度的敏感性

    DA-ATLAS技术，激光在一个方向被调谐，来扫描发生目标分子吸收线的光谱区，然后，激光归到最初位置（图3a）。光谱扫描可使用锯齿或三角波形来驱动。作为一个例子，且为了解释我们算法，让我们设想一个乙炔传感器要设计出来，锁定一个10cm气室长路径、1532.8302 nm吸收 线。而且，让我们考虑激光调谐在1532.61–1533.04 nm波段，并被三角波形驱动（图3a）。这里，调谐周期的持续时间(T0)将取决于激光调谐频率。因此，激光随时扫描，所以输出的DM在时域将有一个特别波形，像图3b所示。这个图，考虑不同浓度的乙炔，能欣赏到信号峰值振幅怎么随气体浓度来增长。进一步，DM 信号正常化到255，考虑到图像处理的标准灰色调标度。从本图中，也能看到传感器信号输出的不同统计特征,如，峰值到振幅峰值，意思是说，均方根和直流电平被浓度影响。所以，如果气体浓度被判定仅仅基于信号的振幅峰值，更多有价值信息被浪费掉。因而，可能要创建新的算法来提取传感器输出波形统计特征的附加信息，为了增强一些传感器特性，如敏感性和气体浓度动态量程。

    本算法基于传感器信号输出波形的分析。这里，为简化和正常化，我们将考虑，形成激光调谐周期的样品数量(n)。这种方法，N将是组成每一个调谐周期(T0)的样品总数目，它也代表完成一个激光调谐周期（图3）扫描步骤数目。我们倡导的算法的普通流量图呈现在图4。这个步骤将执行，设计出一款特别的气体传感器。

    图5，A, σ, h 和 m1-m5 特征来自DM 波形，作为一个乙炔浓度的一个函数。 图5a，可以看到参数A是随低浓度(0–20%)增长，增长最快的一个。然而，对于高浓度(20–100%), A相当平，意思是它对浓度变化不敏感。而且，对于高浓度，最敏感的统计特征是熵(h)。进一步，面积和σ也对气体浓度的敏感性较低。最后，在图5b-e, k-th在原点之上，对高浓度相当敏感；然而，缺点是对于低浓度，它们的响应近于0。例如，图5e,能看到一个低于20%的乙炔浓度，m5是特别地为0；从20%到100%, m5有向上的倾斜度。所以，可以总结出一些统计特征(A 和 h)对低浓度相当敏感，别的对高浓度敏感(如，mk)。

    本文由山东如特安防设备有限公司LK编译，转载必须注明来自 sdrtkm.com