HT-SIMNet

机器学习增强激光光谱技术用于多组分气体检测

本论文介绍机器学习技术，用于增强激光吸收光谱技术在检测多种气体组分方面的能力，特别是在挑战性环境中的应用。论文详细介绍了诸如深度去噪自动编码器等方法，以提高高速热解实验中的信号质量，以及一个无监督框架来处理未知组分的干扰。研究还提出了一种盲源分离技术，用于在无先验校准数据的情况下重建浓度和光谱特征，并提出了恢复弱吸收物种的方法。这些经机器学习增强的方法已通过实验验证，旨在实现实时、抗干扰的气体检测，应用于燃烧科学、环境监测和工业安全领域。