【正文】 克服周圍的環(huán)境噪聲，有利于進(jìn)行電子檢測。圖8 圓柱形光聲池基本共振模式圖 Fundamental resonance mode figure of cylindrical photoacoustic cell 共振式光聲池應(yīng)用廣泛，雖然結(jié)構(gòu)相對復(fù)雜，但自身存在較高的工作頻率對于改善信噪比有顯著作用，因此能夠獲得較高的檢測靈敏度，提高了實驗精度。若想要光聲腔的工作環(huán)境是在共振模式下進(jìn)行，光的調(diào)制頻率與簡正模式的共振頻率相等，這樣條件下才能使得光聲池工作在共振環(huán)境下。如前所述，求解的共振頻率可以表示為： （21）其中分別表征縱向、角向和徑向模式數(shù)，對應(yīng)三種基本的光聲池共振模式，如圖8所示。簡正模式振幅在共振模式下取得極大值，振幅可以表示為： （22）由（22）式可知，振幅隨著工作頻率偏離簡正模式而逐漸降低，即與簡正模式振幅成反比，所以可以認(rèn)為在共振的環(huán)境下，系統(tǒng)的光聲信號主要由共振模式產(chǎn)生，期間存在的其它模式被忽略。共振式光聲池有自身的尺寸標(biāo)準(zhǔn)，它的大小是由所選共振模式和共振頻率共同決定的，其中共振頻率為。當(dāng)斬波器調(diào)制頻率等于共振頻率，即為，光聲信號達(dá)到最大，表達(dá)式如公式（23）所示： （23）式中： —品質(zhì)因數(shù)；決定品質(zhì)因數(shù)的大小有很多參數(shù)，其中包括：光聲池?zé)釋?dǎo)層厚度、熱容比的大小、共振腔半徑的長度等因素共同決定的。共振式光聲池工作環(huán)境是在較高的頻率上，因其高頻率的工作環(huán)境，駐波的放大作用光聲信號并沒有因此而減弱，從公式（23）本身可以看出值越高、越小則越大。但是在非共振光聲池中，如果的值過高就會導(dǎo)致檢測結(jié)果不是很穩(wěn)定，最終影響實驗的進(jìn)行，對于共振式光聲池來說，的值越高，對于提高光聲信號強度越有利，從而使得實驗精度越來越高。對于實驗系統(tǒng)來說，光聲信號是最重要的檢測量，對于共振式光聲池來說，實驗獲得的光聲信號和入射光線之間的耦合狀況相關(guān)，在抑制背景噪聲工作中可以通過選擇適當(dāng)?shù)墓舱耦l率和增強光強部分來達(dá)到抑制噪聲的作用。本文所設(shè)計制作的光聲池主要包含2個緩沖室、2個布魯斯特窗口和工作于一階縱向諧振模式、位于中部的圓柱形諧振腔，其縱剖面示意圖見圖9。圖9 縱向共振光聲池的縱剖面示意圖 Longisection of longitudinal resonant photoacoustic cell本文使用不銹鋼縱向共振式光聲池，實物圖如圖10。圖10 不銹鋼縱向共振光聲池的實物圖 Physical picture of stainless steel longitudinal resonant photoacoustic cell 微音器微音器，通俗講其作用是一種轉(zhuǎn)化器件，它能把聲能轉(zhuǎn)換為電能，其過程很簡單[39]，微音器中有聲信號通過時，根據(jù)聲音的變化，相應(yīng)的電流會相應(yīng)的改變，應(yīng)用到本實驗，光聲池里產(chǎn)生的光聲信號被微音器采集到，變成電信號傳遞出去，可見微音器時光聲檢測系統(tǒng)中十分關(guān)鍵的部分。系統(tǒng)選用的是微音器實物如圖11所示：圖11 微音器實物圖 Physical picture of microphonic 使用微音器時有很多注意事項，主要是：1） 光聲光譜實驗平臺微音器應(yīng)具有穩(wěn)定性和高靈敏度；2） 平坦的幅值響應(yīng)和線性相位響應(yīng)應(yīng)該在光聲信號的產(chǎn)生范圍內(nèi)；3） 若用單位分貝表示傳聲器的靈敏度時，必須注明其基準(zhǔn)值。光聲檢測系統(tǒng)中，最初的熱量的變化，最終引起聲壓信號的產(chǎn)生，聲壓信號導(dǎo)致空氣的振動和膨脹，此信號雖存在，但是非常微弱，由于光聲信號十分微弱，因此在選擇微音器時，選擇的對輕微振動較為敏感的駐極體電容微音器，其特點是體積小、使用方便、性能優(yōu)越、精度大。 鎖相放大器鎖相放大器的實質(zhì)是一種傅里葉變換器，對于信號的處理也很簡單，對弱光檢測信號來說是一種很有效的檢測方法。由于光聲檢測系統(tǒng)所采集的信號會夾雜著大量的噪聲信號，這些噪聲來自很多方面，重要的是能否從噪聲信號中將有用的信號提取出來是問題關(guān)鍵，本系統(tǒng)使用鎖相放大器，為了能夠更有效的采取微弱信號[40,41]。鎖相放大器電路基本組成為：信號通道，相關(guān)器, 參考通道以及同步積分器。信號通道由主放大器、低噪聲前置放大器、輸入變壓器及有源濾波器。其中相關(guān)電路的作用很多，其主要是用來完成相關(guān)函數(shù)的運算，由乘法器和積分器構(gòu)成；同步積分器的作用是進(jìn)一步提高抗干擾能力，從而得到交流增益[42,43]。典型的鎖相放大器的結(jié)構(gòu)如圖12所示。圖12 鎖相放大器基本結(jié)構(gòu)圖 Basic structure of lockin amplifier系統(tǒng)選擇HB2311型鎖相放大器，以完成微弱信號的檢測，該型號的鎖相放大器由信號通道，相關(guān)器, 參考通道以及同步積分器。信號通道由主放大器、低噪聲前置放大器、輸入變壓器及有源濾波器組成。HB2311精密雙向鎖相放大器各項參數(shù)如表5所示。表5 HB2311精密雙向鎖相放大器 Main parameters of filters1工作頻率5Hz~150KHz11不相干信號最大過載≥5000FS2量程10nV~1V12白噪聲最大過載電平≥100FS3輸入模式A、B、AB、短路13抑制同頻干擾功能大于40db 4輸入阻抗5MΩ//40Pf14輸出總動態(tài)范圍≥130db5輸入短路噪聲電壓15最大輸出電平177。6共模抑制比≥80db16輸出阻抗50Ω7參考信號輸入電平100mV—5V17時間常數(shù)Min：100μs，Max：1Ks8相位調(diào)節(jié)范圍177。176。18顯示分量 、9諧波測量1f、2f…、15f19輸出分量、10輸出直流漂移20電源AC 220V 50Hz 檢測系統(tǒng)組成考慮到現(xiàn)有的實驗設(shè)備，結(jié)合實際情況和前人的經(jīng)驗總結(jié)，設(shè)計了固體光聲光譜檢測的實驗平臺，如下圖13所示。圖13 實驗平臺結(jié)構(gòu)圖 Structure of experimental platform由于固體檢測的特殊性[44]，在實驗平臺設(shè)計時考慮以下幾點：1）由于被測樣品的檢測成分含量很少，光聲信號微弱，因此，必須保證光密性良好，要對光聲池進(jìn)行光密性檢測；2）利用光聲光譜法進(jìn)行固體樣品的檢測，根據(jù)測量原理，需要在光聲池中充入背景氣體；3）在充入背景氣體后，會產(chǎn)生一定的背景信號，需要對背景信號進(jìn)行測量，以免引起誤差。 實驗樣本的制備實驗所用的生豬樣本購置于大型超市，為當(dāng)天屠宰上市的通過檢疫的豬里脊肉，購置400克，將其帶回實驗室進(jìn)行實驗前處理。首先用絞肉機將肉攪碎成糜狀，保證實驗樣本的均勻一致性，再將絞碎的肉用電子秤平均分成20等份，再分成A和B兩組，每組10份，每份肉樣重20克。下面是混入瘦肉精過程。，對本實驗來說已然達(dá)不到，所以的使用稀釋的方法進(jìn)行提取，若想取5μg的瘦肉精，必須先用電子秤稱出5mg的鹽酸克倫特羅粉末，因為鹽酸克倫特羅的水溶性，將其加入1000ml水中，溶解后用量杯提取兩份1ml混合液，每份含量為5μg，分別加入A和B兩組的第一份肉樣中，使用磁力攪拌器對兩份樣品進(jìn)行攪拌，注意不要加熱，這樣一份樣品就制作成功了，依此原理，剩下的各個含量的樣本都是通過稀釋攪拌制作出來的。最后，將A組的樣品分別用實驗室小型烘干機進(jìn)行烘干，此處需要說明，由于鹽酸克倫特羅的理化特性十分穩(wěn)定，所以普通的溫度不會影響其自身的活性。將B組的樣品保持原樣，冰箱恒溫存貯備用。第4章 信號處理第4章 信號處理 一般來說，光學(xué)實驗中，信號處理部分是較重要的環(huán)節(jié)，實驗的成敗往往由于實驗除噪效果的好壞所決定，選擇一種好的除噪方法是十分必要的。本實驗使用特征系統(tǒng)實現(xiàn)算法的小波去噪方法，ERA/DC算法只對白噪聲有抑制效果，但是實際情況是，在實際信號所含有的噪聲種類很多，不單單是白噪聲一種，除了隨機噪聲外，還含有漂移噪聲、尖脈沖噪聲等，為了彌補這一缺陷，對于信號先使用小波變換進(jìn)行去噪處理，再使用特征系統(tǒng)實現(xiàn)算法（ERA/DC）進(jìn)行識別的方式，這樣就能獲得一種較好的除噪效果。 小波變換小波變換，是指使用有限長或快速衰減的母小波的振蕩波形來表示信號，該波形被縮放和平移以匹配輸入的信號[45]。所謂“小”即為具有衰減性；“波”指具有波動性，振幅正負(fù)相間的振蕩形式。信號理論有近二百年的歷史，最早的是建立在傅里葉分析的基礎(chǔ)上，其本身有一定的局限性，在科學(xué)家們的不斷改進(jìn)中，小波變換理論誕生了。小波變換被稱為“數(shù)學(xué)顯微鏡”，它通過平移和伸縮等運算功能對信號進(jìn)行細(xì)致處理，能有效的從信號中提取信息。由于傅里葉處理的是穩(wěn)定的信號，即為平穩(wěn)的隨機過程，但是在實際應(yīng)用中，多數(shù)信號是非穩(wěn)定的信號，恰恰小波變換處理的就是非平穩(wěn)隨機過程產(chǎn)生的信號，即為非穩(wěn)定信號，所以應(yīng)用的領(lǐng)域十分廣泛，計算機分類與識別；醫(yī)學(xué)成像與診斷；音樂與語言的人工合成；地震勘探數(shù)據(jù)處理；數(shù)學(xué)領(lǐng)域的許多學(xué)科；信號分析、圖象處理；量子力學(xué)、理論物理；軍事電子對抗與武器的智能化；大型機械的故障診斷等方面。小波變換大多數(shù)分析應(yīng)用問題主要歸于處理實驗中的信號，其目的很簡單，就是完全或基本刪除信號中的沒用的內(nèi)容，將其變成容易處理與識別的形式，方便了后續(xù)工作；還能準(zhǔn)確的診斷、傳遞、精確地重構(gòu)信號等。 小波變換除噪 除噪的基本思路小波變換的基本思路為：保留且加強屬于信號的小波系數(shù)，消除屬于噪聲的小波系數(shù)，得到利用小波消噪后的信號；簡單說就是去除噪聲，加強信號。小波除噪基本方法有三種：域閾值去噪、重構(gòu)去噪、相關(guān)去噪[4648]。下圖14為小波除噪的框圖。圖14 小波除噪框圖 Block diagram of wavelet noise小波除噪法的成功得益于小波變換的低熵性、多分辨率、去相關(guān)性、選基靈活性特點，具體如下：1）低熵性，小波系數(shù)的稀疏分布，使得圖象變換后的熵降低；2）多分辨率，由于采用了多分辨率的方法，所以可以非常好地刻畫信號的非平穩(wěn)特征，如邊緣、尖峰、斷點等；3）去相關(guān)性，因為小波變換可以對信號進(jìn)行去相關(guān)，且噪聲在變換后有白化趨勢，所以小波域比時域更利于去噪；4）選基靈活性，由于小波變換可以靈活選擇變換基，從而對不同應(yīng)用場合，對不同的研究對象，可以選用不同的小波母函數(shù)，以獲得最佳的效果。 除噪的基本步驟假設(shè)實測數(shù)據(jù)為： （24） 式中： —為等間隔的采樣點序號； —表示實測數(shù)據(jù)； —表示真實信號； —表示加性噪聲；利用閾值去噪法對信號進(jìn)行分解，最終減少加性噪聲對實驗的影響，用小波逆變換對處理過的分解系數(shù)進(jìn)行小波重構(gòu)，即可得到較為真實的信號估計。具體步驟如下：1）信號的小波分解公式為： （25）式中： —表示尺度系數(shù)，當(dāng)j=0時，=； —表示分解層數(shù)； —表示一對正交鏡像濾波組； —表示離散采樣點； —表示細(xì)節(jié)系數(shù)；其中，k=1，2，……，N，對分解層數(shù)的選擇很重要。 2）對分解得到的進(jìn)行閾值處理得到，對于閾值的選擇有多種準(zhǔn)則，本文選擇通用門限準(zhǔn)則，則閾值可表示為： （26）式中： —表示某一尺度細(xì)節(jié)系數(shù)的長度；3）最后過程為小波逆變換。用第二過程得到小波系數(shù)進(jìn)行信號重構(gòu)雨水得到除噪后的信號估計為。 特征系統(tǒng)實現(xiàn)算法系統(tǒng)的狀態(tài)方程和輸出方程可表示為： （27）式中： —維的狀態(tài)向量； —系數(shù)矩陣； —輸入矩陣； —輸出矩陣； —維的輸入向量；其中是為的狀態(tài)向量；是為輸入向量；是維輸出向量；系統(tǒng)的脈沖響應(yīng)數(shù)據(jù)為：，k=1，2，……。系統(tǒng)實驗構(gòu)造的漢克矩陣如下式（28）表示： （28）式中： —任意整數(shù)； —任意整數(shù)； 光聲信號去噪識別選取一組5μg實驗樣品作為信號處理的實驗樣本，通過光聲光譜實驗最終獲得實驗信號，信號處理部分使用本章所寫到的方法，即：用小波變換去除噪，再用ERA/DC的方法進(jìn)行識別，ERA/DC的實質(zhì)是在所得信號中加一個噪聲信號，名為噪聲—噪聲信號，最終通過算法獲得真實信號，達(dá)到濾除噪聲信號的目的。另外，信號被噪聲的污染程度用信噪比的大小來衡量，其公式定義為： （29）式中： —表示標(biāo)準(zhǔn)信號； —表示去噪后的信號；在獲得的信號中分別加入隨機噪聲、尖脈沖噪聲、漂移三種噪聲，分別對含有不同形式噪聲的系統(tǒng)脈沖響應(yīng)數(shù)據(jù)進(jìn)行去噪處理，并且分析它們對ERA/DC識別結(jié)果的影響。首先，對所選樣本加入隨機噪聲，加噪前后及去噪后的脈沖響應(yīng)如下圖15：圖15 樣品的脈沖響應(yīng)圖 Impulse response figure of samples 圖中從上到下縱坐標(biāo)、分別表示原始信號、被噪聲污染后的信號、小波去噪后的信號。，信噪比的大小隨著加入的隨機噪聲的幅值系數(shù)而改變，該實驗對3～21dB范圍的樣品脈沖響應(yīng)數(shù)據(jù)進(jìn)行去噪處理，得到ERA/DC識別效果的對比圖如下圖16所示：圖16 去噪前后識別效果對比圖 Comparison chart of recognition results before and after denoising由上圖可以看出，第一階去噪前后識別效果沒有顯著的變化，到了第二階時，效果十分明顯，同時識別誤差變小，說明使用該方法能提高識別的精度和穩(wěn)定性，在處理含有隨機噪聲的信號上十分有效。下面對所選樣本加入尖脈沖噪聲，加噪前后及去噪后的脈沖響應(yīng)如下