光聲光譜技術和傳感器網絡下有害氣體探測

栗慧峰，馮 鋒

(1. 呼倫貝爾學院計算機學院，內蒙古 呼倫貝爾 021008；2. 寧夏大學信息工程學院，寧夏 銀川 750021)

1 引言

工業規模的提升使得各類易揮發的化學污染物的產生量日益增加，對人類的生命安全和自然環境都造成嚴重影響[1，2]。為了得到較好的工作與生活環境，同時保護現場操作人員的身體健康，設計一種能夠高效精準地有害氣體探測方法意義重大[3，4]。

文獻[5]中設計了基于氣體傳感器和隨機森林的毒害氣體檢測方法，在實驗模擬檢測三種毒害氣體泄漏情況并記錄檢測數據的基礎上，在非線性隨機共振模型中解析數據，并獲取其特征值，然后采用隨機森林模型預測數據特征值的類型。文獻[6]中設計了基于ZigBee通信和ARM控制器的有害氣體檢測方法。在ZigBee通信模塊中，利用多種傳感器采集相關信號，并將結果發送給微處理器。然后在ARM控制器中接收氣體監測信息，并采用LABview虛擬儀器設計傳感器終端節點程序和協調器節點程序，從而實現對有害氣體濃度的精確檢測。然而在實際應用中發現，上述傳統方法傳感器內的模型架構較為稀疏，導致其很難適應多傳感器系統，同時還存在精準度效率低的問題。

針對上述問題，本文提出了一種光聲光譜技術和傳感器網絡下有害氣體探測方法。該方法利用傳感器網絡和光聲光譜探測技術提取有害氣體特征，通過特征映射將探測問題轉換成幾率運算問題。同時，使用主成分分析法降低特征空間的維度，有效提高了探測效率。

2 光聲光譜技術的有害氣體探測過程設計

2.1 傳感器網絡模型

本研究應用的傳感器網絡模型結構如圖1所示。在該結構中，設置有多個傳感器節點，利用下文提到的光聲光譜技術，通過網絡傳輸、信息互聯過程提取有害氣體特征。

圖1 傳感器網絡模型結構圖

2.2 光聲光譜技術原理

光聲光譜運算就是通過光聲效應對目標進行探測的一項手段，近年來隨著信號、新興光源與微音檢測技術的逐步成熟，也推動了光聲光譜技術的發展[7]。

將一束含有強度為I(r，t)的紅外光源調整成一種頻率是w的脈沖光速，該脈沖式的紅外光線反射在一種比較封閉的容器樣本里，因為樣本受到紅外光照而產生熱效應H(r，t)，這種效應會干擾密閉容器內產生壓力p，同時其的同頻率也會產生轉變，從而產生聲波，這就是上述說的光聲效應。

假如氣體是期望狀態，那么氣體里聲波的波動方程應該是

(1)

H(r，t)=NσI(r，t)

(2)

其中，v代表氣體的聲速，γ代表提取定壓熱熔與定體積熱熔比，σ代表氣體吸入的截面值，N為氣體的分子密度[8]。

紅外光強度和可見聲波的聲壓強度p、氣體分子密度與類型都含有一定的關聯性，經過微音器受到聲波信號之后，就能夠將其轉換成一種電壓信號，進而被儀器所探測到，不同種類與不同濃度的氣體分子所產生的光聲信號程度也是各不相同的。

其中微音器的輸出電壓幅值S能夠通過公式表示成

S=CWNσp

(3)

其中，p代表氣體的濃度，W代表紅外光源功率，C代表氣體光聲常數，而光聲的品質是通過因素與微音器的密度因素決定的。

經過微音器輸出電壓的幅值尺寸與氣體濃度的相應關系，探測系統就能夠輕松地得到目前氣體里的SF6氣體濃度質量分數，進而實時地做出評測，同時使用一些必要的手段。

2.3 有害氣體特征提取和映射

確定氣體里是否含有有害氣體為探測的第一步，該步驟一般需要利用一些比較先進的儀器來配合傳感器完成。

特殊運算公式是

(4)

式中，ti代表預探測氣體樣本的一種特征向量，wi為權值。

但因上述公式難以映射出不同氣體特征間所含有的檢測的緊密強度與比例變化。這就會致使采集樣本氣體的特征值產生偏差[9]。因此，考慮到檢測和變化的關聯程度，就需要將氣體的變化原因與占據比例濃度考慮進去，隨后把含有這種變化的因素融入至幾率的相似度計算里。

擬定氣體特征量分別是I1與I2，而Δ=I1-I2代表正常氣體里的特征向量的變化程度[10]。利用這種變量，擬定出特征提取的計算公式，其結果如下所示

S(I1，I2)=P(Δ∈Ωi)=P(Ωi|Δ)

(5)

式中，Ωi代表相同種類的氣體在不同的濃度與環境中的氣體空間映射模型變化量，其也能夠叫做同類變化量，ΩE為氣體在警戒氣體庫里和與自己不同種類的空間映射模型內的變化量，也能夠叫做異類變化量。P(Ωi|Δ)即通過貝葉斯決策統計出的警戒氣體庫里變化的同一種類后驗幾率，可能夠經過P(Ωi|Δ)與P(ΩE|Δ)運算獲得。這樣改進之后的相似度計算就可以運算出因氣體濃度變化出現特征匹配時產生的誤差與這種氣體濃度變化的關聯程度。改進之后的計算公式即

(6)

式中，P(ΩE)為特定的運作指標。比如測試氣體在環境里所占據的比例，或者是測試數量的相關幾率等。于是，氣體的檢測問題就轉換為了運算相關幾率的問題，也就是說，只需要計算出空間的特征變化強度Δ屬于Ωi或是屬于ΩE的幾率，就能夠進行氣體成分的評測，在P(Δ|Ωi)>(Δ|ΩE)或者S>1/2時，就能夠認定成有害氣體。

2.4 特征向量空間的降維

由于在探測的流程中，需要先估算出Δ，而Δ是由Δx，Δy，Δz組成的，因此屬于一種多維向量。為了使估算更為簡單，需要對多維向量進行降維處理[11]。本文憑借主成分分析法來對特征空間的維度進行降低。

主成分分析方法即一種能夠獲取最小均方差的線性降維方法，其通過把起始的特征向量反射至最小的子空間中，以此來降低起始特征向量的維度。

(7)

x能夠通過下式來代替

(8)

假如只保留向量y的一種子集{y1，…，yn}，其余分量通過bi來表示，那么計算式為

(9)

誤差

(10)

(11)

為了將ε2(m)的值計算至最小，經過微分學內的運算方法，通過時

(12)

Cxui=λiui，i=m+1…n

(13)

式中，λi代表x的協方差矩陣的特征值，ui代表相應的特征向量。所以

(14)

因此，通過主成分分析法進行降維之后可以把特征值的分量比較完整地保留下來，在簡化估算量的同時，還可以最大限度地儲存大量的起始信息。

2.5 光聲模塊基本元件的選擇

光聲模塊的光源選取是以能夠直接進行調節的電源為基礎的，波長覆蓋1～20μm的中遠紅外光源，但因為有害氣體的紅外吸收波長峰值是10.6μm，即對應波數為947cm-1之間。因此，就只需要10.6μm波長的紅外光映射進光聲內就可以了。所以需要憑借中心波長為10.6μm的窄帶濾光片進行濾光，選取系統所使用的波長紅外光，將該濾光片安放在紅外光源的頂點。

微音器的挑選：由于光聲信號比較微弱，因此對微音器的靈敏度需要較高，本文使用傳統的微音器，其存在較寬的響應寬帶與較好的溫度漂移特性。

激光功率計即用來對信號進行統一化的，因為紅外光源會因為時間的流逝出現變化，其所出現的紅外光功率也會產生一定的偏移。為了消除因紅外光源自身問題所出現的探測誤差，可以憑借激光功率對紅外光所出現的光功率進行實時的計量，之后對探測到的信號進行統一化。

2.6 擬定光聲腔

光聲腔作為光聲模塊的關鍵部件，在整體系統的構架中有著較為重要的作用。因此，對于光聲腔的擬定，必須要滿足基本的設定原則，即光聲腔與外界的噪聲隔離性較好，盡可能地縮短池壁和入射光、窗口等產生直接作用而出現的背景噪聲，保證光聲腔內壁的光潔，降低內壁對有害氣體的解吸與吸附效應。

目前，光聲腔可以分為諧振式與非諧振式兩種。可是，較比非諧振式光聲腔，諧振式光聲腔的體表較大、探測靈敏度高、調制頻率高與噪聲低等優點。因此，本文的探測系統會利用到諧振式光聲腔。并且，為了能夠更進一步地抑制噪聲，本文會利用差分式的運作形式來對噪聲進行處理。

諧振式光聲腔里調制頻率和光聲信號程度的關聯是

I(r，wl)=pj×(r)dV

(15)

諧振式光聲腔的運作頻率較高，同時光聲信號可以經過光聲腔內的駐波放大作用，對光聲信號進一步地擴展，而且光聲腔的質量因數如果越高，那么光聲信號的強度也就會逐漸升高，但是也不會過高，強度如果超過閾值，就會導致探測過程的穩定性下滑。另外，諧振式光聲腔的性能和該光聲腔的簡正模式是存在重要關聯的。

為了可以獲取較高的體表比值，縮減氣體與腔壁的解吸附和吸附作用，憑借一種大小為L，半徑為R的圓柱形光聲腔。

對于圓柱形光聲腔，其第pmn階的模式如下

(16)

諧振頻率fpmn計算過程如下

(17)

其共含有縱向、角向與徑向三種簡正模式。雖然最后的信號是三種簡正模式的疊加，但其會以一種比較適合的簡正模式作為擬定的依據。

2.7 有害氣體探測的實現

(18)

其中，PF(Δ|Ω)代表R子空間的真實邊緣密度，F(Δ|Ω)代表的邊緣密度，yi代表主成分，ε2(Δ)代表冗余的能量，而權重參數p能夠通過子空間的特征值來表示

(19)

式中，P(Δ|Ωi)與P(Δ|ΩE)均代表三維高斯分布的擬定。在此基礎上，估算測試有害氣體的特征樣本Ik，對于有害氣體樣本庫樣本Ij的匹配近似度的估算流程為：先將Ik和Ij相減，結果為Δ矢量，然后將其映射至相應的坐標。在類間與類內高斯函數的主要成分特征向量內估算出P(Δ|Ωi)與P(Δ|ΩE)，最后再憑借上式運算的匹配強度。來完成對有害氣體的相關探測。

3 實驗證明

為驗證光聲光譜技術和傳感器網絡下有害氣體探測方法的可行性，設計如下實驗。實驗環境如下Intel(R)Core(TM)i5-3470CPU(3.20GHz)，8GB內存的PC化，通過MATLAB編程實現，并將LIBSVM為支持向量機軟件。此外，為提高實驗結果的對比性，將傳統的基于氣體傳感器和隨機森林的毒害氣體檢測方法(傳統方法1)、基于ZigBee通信和ARM控制器的有害氣體檢測方法(傳統方法2)作為對比，與本文方法共同完成性能驗證。

首先對比不同方法探測到的濃度值，比對結果如圖2所示。

圖2 不同方法的有害氣體探測圖

從圖2中能夠看出，利用2種傳統方法進行探測時，氣體的體積分數會干擾正常的探測數據，導致探測時出現不穩定狀態影響了其探測結果的準確性。而應用本文方法后，其探測得到的有害氣體濃度與實際濃度差距非常小，說明其探測結果更精準。產生這一結果的原因在于本文方法擬定了光聲腔，從而使其受環境的干擾較小，能夠更為精準地探測到有害氣體的濃度數值。

在此基礎上，測試不同方法探測過程的耗時情況，對比結果如圖3所示。

圖3 不同方法探測過程的耗時對比

通過圖3能夠看出，實驗過程中，雖然不同方法消耗的時間均在不斷增加，但本文方法探測過程消耗的時間始終少于10s，其時間消耗值曲線也始終位于2種傳統方法曲線的下方，證明其可以更高效率地探測出有害氣體的含量。這是因為本文方法使用主成分分析法，降低了特征空間的維度，從而提高了探測效率。

4 結束語

為了使有害氣體探測過程的效率更高、探測結果的精準度更高，本研究提出了一種光聲光譜技術和傳感器網絡下有害氣體探測方法。該方法主要是在光聲光譜探測技術和傳感器網絡的支持下對有害氣體的特征進行提取，并將氣體映射至特征空間里，進而把氣體的探測問題轉換成一種運算的問題。然后再通過利用主成分分析降維來降低特征空間的維度，使得后期的探測效率更快。在此基礎上，通過空間位置反射計算匹配強度，再憑借匹配強度來完成對有害氣體的高效、精準探測。