基于银膜的自准直光纤法布里-珀罗腔设计及声源定位研究

提出一种基于银膜的自准直外腔式光纤法布里-珀罗(EFPI)干涉仪声传感器阵列,用于中低频声信号的检测以及二维平面声源定位。传感器阵列由三个相同结构的EFPI组成,结构简单、制作简便。银膜的应用和准直器的引入提高了传感器的声压灵敏度,扩大了声源定位范围。实验结果表明：单个传感器声压灵敏度为185 mV/Pa,最小可探测声压为52.7μPa/Hz^1/2@500 Hz。在声源指向性实验中,声源设置在传感器正前方时,其声压灵敏度达到185 mV/Pa,声源设置在传感器侧面(90°,270°)时,其声压灵敏度衰减仅为4.5%。传感器阵列结合到达时间差技术,成功实现高精度的声源定位,系统的理论空间分辨率为0.71 cm,最大定位误差不超过2.8 cm,定位范围为200 cm×200 cm,具有成本低、实用性高等优点。     

基于荧光光谱的水体分类与荧光组分识别方法

提出了一种基于MobileNetV2和VGG11组分拟合（CF-VGG11）卷积神经网络（CNN）与平行因子分析（PARAFAC）结合的水样分类和荧光组分拟合方法，通过输入单个三维荧光光谱（3D-EEM）数据来预测水样类别、溶解性有机物（DOM）质量浓度等级和荧光组分。算法以PARAFAC结果为基础建立荧光光谱数据集，分两步完成类别与组分的预测：第一步使用MobileNetV2算法对不同水样进行类别预测和DOM质量浓度分级；第二步使用CF-VGG11网络拟合荧光组分。采集地表水、工业废水处理水、污水处理厂进出口水和乡村饮用水4种类型的水样构建数据集，获得了95.83%的分类精度和98.11%的组分拟合精度。实验结果表明，所提方法可对不同水样和DOM质量浓度等级进行准确分类，拟合特定荧光组分，精确定位污染源，并能进行超标预警。     

卷积神经网络的紫外-可见光谱水质分类方法

水质污染源的及时精确定位和精细化的污染防治措施是打赢水污染防治攻坚战的迫切需求，为解决地表水实际水样高锰酸盐指数准确分类的实际问题，以光谱降噪和光谱有效信息提取为切入点，根据紫外-可见光谱数据的特点，提出使用一维卷积神经网络处理紫外-可见光谱数据。为验证检测一维卷积神经网络对地表水光谱信号分类的可行性，选取长江的某段流域作为取样点。采集当天的长江上游水、某河水、嘉陵江水，生活污水、 500 mg·L^-1邻苯二甲酸氢钾溶液来模拟污染水源。将几种水样按不同的配比来模拟当天该流域的水污染变化情况。采集现有的单一水样及混合配比水样的光谱数据，根据各类水样的特征光谱信息进行区分，实现地表水高锰酸盐指数的预测分类，快速确定异常水样的污染来源，通过仿真实验，优化模型参数并完成优化训练。与K最邻近法、支持向量机等传统分类方法相比，该算法在光谱预处理复杂度和定性分析准确度方面有较大优势，在没有复杂的数据预处理前提下，将获取的350条光谱数据建立水质分类模型，随机选择其中245条数据作为训练集，另105条数据作为测试集，模型的混淆矩阵分类精度达99.0%。不仅简化了整个光谱分析流程，...