本發明涉及分析檢測，特別涉及一種基于深度學習的多組分氣體遙測激光回波信號處理系統及方法。

背景技術：

1、激光破拆救援技術可精準、高效地控制掩埋坍塌體受激后形成孔道的幾何形狀，并提高孔道及其周圍的孔滲透性，是目前一種新型的無損傷破拆技術。該技術具有高效率、低成本、高安全性及低污染等優點。相比于傳統的破拆技術，該方法更易快速構建救援通道，設備簡單，占地小，使用壽命長，高溫井壁或孔道形成陶瓷保護層，降低了次生災害的風險，且鉆孔后相對干凈，降低環境污染。因此，能夠可以快速構建災害事故救援通道、制定救援科學決策的激光破拆救援技術成為主要的發展趨勢。

2、然而，當礦井、房屋建筑、化工區域以及裝載易燃易爆氣體的車輛發生事故時，災害事故現場可能存在著甲烷ch4、氨氣nh3、乙烷c2h4等極為常見的易燃易爆、有毒危險化學氣體。人員可能被困于坍塌體下，事故現場情況極其復雜，若盲目開展救援，易引發二次災害對被困以及救援人員造成傷害。

3、而當前的多組分氣體遙測激光回波信號處理方法主要依賴于傳統的光譜解調和信號濾波技術，這些方法在復雜環境下容易受到噪聲干擾和背景信號的影響，導致檢測精度下降。此外，傳統方法通常對多組分氣體的識別和區分能力有限，難以應對混合氣體的多重吸收特性。

4、為此，有必要研究一種基于深度學習的多組分氣體遙測激光回波信號處理方法，通過深度學習技術，能夠自動識別和分類復雜光譜信號，提高信噪比和檢測準確度，增強對多組分氣體的解析能力，為激光破拆現場救援提供輔助決策。

技術實現思路

1、為了克服以上技術問題，本發明的目的在于提供一種基于深度學習的多組分氣體遙測激光回波信號處理系統及方法，本方法能夠自動學習不同氣體的光譜特征，在復雜氣體環境中精確識別并區分多組分氣體的混合吸收光譜，大幅提高檢測的適應能力和準確度。同時，通過深度學習模型的在線更新、模型參數的動態調節、自適應信號預處理、主動學習機制及多層神經網絡的非線性特征提取，實現了在不同環境條件和氣體濃度變化下的自適應學習能力，使得系統能根據環境變化自動調整算法，保持較高的檢測穩定性。此外，利用多層前饋神經網絡的非線性特性和自適應學習能力有效抑制了噪聲對信號的干擾，提升了信噪比和可靠性。

2、本發明采用的技術方案是：

3、一種基于深度學習的多組分氣體遙測激光回波信號處理系統，包括激光發射單元1、信號采集單元2、信號處理單元3；

4、所述激光發射單元1生成和發射特定波長的激光信號，探測目標環境中的多組分氣體；

5、所述信號采集單元2接收經過目標環境后返回的激光信號；

6、激光回波信號會因與氣體分子的相互作用而發生變化，強度衰減或相位變化；

7、所述信號處理單元3對采集單元2捕捉的初始信號進行降噪、歸一化處理，利用上位機部署的深度學習模型對降噪、歸一化處理后的信號實現多組分氣體濃度反演；

8、所述激光發射單元1、信號采集單元2和信號處理單元3通過bnc電纜17連接；

9、所述激光發射單元1包括激光控制器5、激光驅動器6、激光發射器7、多路激光發生器8、光纖耦合器9、激光準直器10；

10、其中，激光控制器5與激光驅動器6通過bnc電纜17與多模光纖18雙線連接，激光控制器5緊鄰可調諧激光器7，以驅動其產生激光信號，多路激光發生器8與光纖耦合器9通過多模光纖18連接，激光信號通過激光器準直器10進行準直，多路激光發生器8、光纖耦合器9與激光器準直器10在統一水平軸線，確保光束方向一致；

11、所述激光發射單元1中，每種氣體在某一特定波長范圍內具有獨特的吸收特性，通過快速調諧激光波長，掃描多個目標氣體的特征吸收峰，激光驅動通過驅動可調諧激光器7產生激光速傳輸多路激光發生器8，激光束通過光纖耦合器9與激光準直器10到達探測區域；

12、所述激光發射單元1根據檢測氣體的組分進行激光光源波長調制；

13、所述激光發射器7的激光光源為可調諧激光二極管，激光發射單元1中的激光發射器7可通過調節波長，以適應不同氣體的吸收特性，實現對多種氣體成分的高靈敏度探測；

14、所述信號采集單元2包括協菲涅爾透鏡11和光電探測器12；

15、其中，菲涅爾透鏡11與光電探測器12處于同一水平軸線，反射回的激光信號通過菲涅爾透鏡11精準聚焦于光電探測器12，多路激光發生器8、光纖耦合器9與激光器準直器10所處的統一水平軸線與菲涅爾透鏡11與光電探測器12所處的同一水平軸線相互平行，實現平行同軸發射與接收；

16、所述光電探測器12捕捉并轉換光學信號為電信號；

17、所述信號處理單元3包括模數轉換器13、鎖相放大器14、轉換接頭15與上位機16；

18、其中，光電探測器12與模數轉換器13通過bnc電纜連接，模數轉換器14與鎖相放大器14通過屏蔽電纜4連接，模數轉換器14將電信號轉換為數字信號，處理后的信號經鎖相放大器15實現信號降噪和歸一化處理，模數轉換器13將處理后的信號通過標準的數據傳輸接口連接至上位機，實現鎖相放大器14和上位機16之間的信號物理連接。

19、所述菲涅爾透鏡11采用高頻環形結構設計，將平行光束或發散光束聚焦到焦點11-2位置，形成高能量密度的光斑；所述菲涅爾透鏡11制備材質為亞克力材料。

20、所述菲涅爾透鏡11表面均設置有寬帶增透膜11-1，通過減少不同波長光的反射損耗，提高透鏡的光透過率，尤其在寬光譜范圍內優化光傳輸效率；同時，有效降低菲涅爾透鏡表面的反射，增強多組分氣體動態成像監測系統整體的激光回波光束利用率，進一步提高探測精度和靈敏度；

21、一種基于深度學習的多組分氣體遙測激光回波信號處理系統的信號處理方法，包括以下步驟：

22、步驟1：通過菲涅爾透鏡11與光電探測器12采集初始回波信號s(t)；

23、步驟2：通過信號處理單元3的鎖相放大器14對初始回波信號進行降噪處理，得到處理后的信號sf(t)：

24、步驟3：通過信號處理單元3的鎖相放大器14對降噪后的信號進行歸一化處理，得到信號sn(t)。

25、所述步驟2中，

26、其中，sf(t)為降噪后的信號，s(t)為初始回波信號，rc是時間常數；

27、所述步驟3中，

28、

29、其中，sn(t)為歸一化處理后的信號，μ、σ為濾波后信號的均值和標準差，n為信號樣本數量；

30、進一步地，μ、σ是對降噪后的信號sn(t)進行統計處理得到，信號樣本數量與初始信號的采樣頻率和時間窗口的選擇直接相關，在信號采集過程中，光電探測器12通過菲涅爾透鏡11采集到光學信號并將其轉化為電信號，信號樣本的數量n由模數轉換器13在將模擬信號轉化為數字信號的過程中，通過設定的采樣頻率和時間窗口來確定。

31、所述步驟3中，信號處理還包括：

32、利用上位機16的對降噪、歸一化的輸出信號開展多組分氣體濃度反演，得不同氣體濃度

33、cp＝fθ*(sn(t))

34、其中，cp輸出預測的氣體濃度向量，fθ*為多組分氣體濃度反演模型，其中θ表示模型參數；

35、

36、其中每個為相應氣體的預測濃度；

37、進一步地，多組分氣體濃度反演模型fθ*的訓練和部署都在上位機17，模型參數θ部署在上位機17，θ在訓練過程中不斷更新的，以最小化模型預測值與實際值之間的誤差，從而提升反演模型的精度；

38、上位機16對輸出預測的氣體濃度向量通過簡單的字符傳輸協議實現多組分氣體濃度數據顯示；

39、所述上位機16內部部署了成像技術，根據多組分氣體濃度，采用反投影反向投影各位置的吸收特征，逐步構建氣體的濃度分布圖像。

40、本發明的有益效果：

41、1本發明通過引用深度學習技術，能夠自動學習和適應不同氣體的光譜特征，精確識別和區分多組分氣體的混合吸收光譜，增強了對復雜氣體環境的適應能力；

42、2本發明具備自適應學習能力，通過深度學習模型的在線更新、模型參數的動態調節、自適應信號預處理、主動學習機制及多層神經網絡的非線性特征提取，實現了在不同環境條件和氣體濃度變化下的自適應學習能力，能夠在不同環境條件和氣體濃度變化情況下自動調整和優化解析算法，保持較高的檢測性能和穩定性；

43、3本發明利用多層前饋神經網絡的非線性特性和自適應學習能力，有效降低噪聲干擾對信號處理的影響，提高信噪比，提高氣體檢測的準確度和可靠性；

44、4本發明依托于深度學習技術，減少了對人工參數調節和復雜算法設計的依賴，簡化了系統的實現過程，降低了維護成本和操作復雜度。