基于小波系数图和卷积神经网络的太赫兹光谱物质识别

陈妍伶，程良伦，吴 衡，徐利民，何伟健，李 凤

广东工业大学计算机学院，广东 广州 510006

引 言

由于不同物质在太赫兹波段范围内会产生不同的分子振动[1]，从而每种物质在振动频率范围内都会表现出不同的特征吸收系数，因此可以通过提取这些特征对光谱进行分类。

许多太赫兹光谱物质识别方法依赖于在太赫兹波段中寻找物质不同光谱表现出的不同特征来识别特定物质，如何有效提取特征是光谱分类的关键。由于许多物质在太赫兹波段内具有明显吸收峰[2]，因此吸收峰提取法是常用的光谱特征提取算法之一。何伟健等提出了一种吸收峰混叠的太赫兹光谱区间拟合算法，通过遗传算法得到最优的拟合子区间组合和吸收峰频率的近似值，实现了纯净物和不同含量混合物的快速分类[3]。解琪等通过提取不同场合的爆炸物特征吸收光谱进行比对，实现爆炸物的识别[4]。殷清燕等通过调用太赫兹光谱数据库，采用模板匹配和吸收峰峰值, 面积比对的方法，完成混合火炸药的太赫兹特征光谱识别[5]。通过寻找特征峰虽能有效地识别物质，但当光谱无明显特征吸收峰或峰位、峰值相近或难以辨别时，则难以利用吸收峰特征辨别物质，并且传统寻峰算法对假峰、弱峰、混叠峰的识别能力有限。相对于红外光谱、X射线衍射以及拉曼光谱而言，太赫兹光谱更易受到外界环境波动以及分子结构改变的影响，导致峰值特性所对应的结构信息的确定性更低，且局部特征不突出。……