《Measurement》：High-fidelity signal reconstruction for trace ethane detection using a cascaded wavelet-CNN network
编辑推荐：
•提出了一种级联小波卷积神经网络（Wavelet-CNN）框架，用于高保真度的乙烷双峰（2f）信号重建。•离散小波变换（DWT）能够抑制宽带噪声，而一维卷积神经网络（1D-CNN）可以校正峰值衰减和结构性干扰。•信噪比（SNR）从9.81 dB提高到37.70 dB，峰值吸收误差
- •
提出了一种级联小波卷积神经网络（Wavelet-CNN）框架，用于高保真度的乙烷双峰（2f）信号重建。
- •
离散小波变换（DWT）能够抑制宽带噪声，而一维卷积神经网络（1D-CNN）可以校正峰值衰减和结构性干扰。
- •
信噪比（SNR）从9.81 dB提高到37.70 dB，峰值吸收误差降低到0.48%。
- •
测量精度提高了4.5倍，最低检测限为1.71 ppb。
- •
该方法在不进行任何硬件修改的情况下实现了显著的性能提升。
引言
乙烷（C2H6）是天然气的主要成分之一，为气体来源识别、泄漏监测和工业过程分析提供了宝贵的浓度信息。它还被认为是脂质过氧化的生物标志物，并在呼吸分析和疾病相关研究中得到广泛研究 [1], [2], [3]。在实际测量中遇到的十亿分之一（ppb）浓度水平下，乙烷检测需要高灵敏度、稳定性和抗干扰能力。基于波长调制可调谐二极管激光吸收光谱法（WM-TDLAS）因具有高灵敏度、选择性和快速响应而被广泛应用于痕量气体检测；多路细胞和优化调制进一步增强了有效吸收路径长度和检测限 [4], [5], [6]。然而，在近红外（NIR）弱吸收区域，乙烷信号仍然很弱，并容易受到电子噪声、光学条纹和基线漂移的影响。这在长路径系统中尤为严重，因为干扰条纹会叠加在有用信号上，严重限制了性能的提升 [7]。
已经研究了多种信号重建方法来提高光谱测量性能。Liang提出了一种基于小波的方法来抑制波长调制光谱中的干扰条纹，通过多尺度分析改善了信号质量 [8]。Tian等人进一步优化了基于小波的噪声 reduction 方法，实现了噪声抑制的同时保持了信号特性 [9]。然而，小波方法对参数选择敏感，可能会扭曲弱光谱特征。最近，深度学习方法被引入到光学测量中。Tian等人开发了一种基于深度神经网络的气体浓度检索方法，而Wang等人提出了一种深度学习辅助的光谱技术来提高定量测量精度 [10], [11]。尽管如此，由于噪声引起的特征退化，神经网络在处理低信噪比（SNR）光谱信号时仍面临挑战。因此，将小波分解与基于卷积神经网络（CNN）的非线性重建相结合是一种有前景的高保真光谱信号恢复策略。
尽管现有的信号处理方法提高了光谱信号质量，但在复杂噪声条件下，弱乙烷双峰信号仍然具有挑战性，因为存在光谱扭曲和特征退化。基于小波的方法受到参数选择和重建保真度的限制，而深度学习方法在低信噪比条件下可能难以保持物理光谱特性。为了克服这些限制，本研究开发了一种级联小波卷积神经网络（Wavelet-CNN）信号重建框架，用于WM-TDLAS乙烷检测，结合了基于DWT的噪声分解和基于1D-CNN的非线性特征细化。所提出的方法在混合噪声条件下有效重建了弱光谱信号，信噪比从9.81 dB提高到37.70 dB，峰值吸收误差降低到0.48%。此外，长期测量显示精度提高了4.5倍，最低检测限为1.71 ppb，验证了其在不进行硬件修改的情况下实现高性能痕量乙烷检测的能力。
章节摘要
离散小波变换和阈值去噪
由于光谱噪声主要是高频率的，而乙烷吸收信号是低频率且平滑的，因此采用离散小波变换（DWT）作为前端滤波器 [12]。如图1所示，预处理包括三个步骤：分解、阈值处理和重建。首先将噪声信号S(t) 分解为高频细节系数和低频近似系数，然后对细节系数应用软阈值处理
为了系统地评估复杂噪声条件下的Wavelet-CNN框架，建立了一个基于物理的仿真模型。由于HITRAN没有提供完整的近红外C2H6光谱参数，因此采用了Reed和Hodges的高精度腔体衰减测量数据中的吸收线参数 [17]，这些参数是使用10,000 ppm的乙烷样品校准的。因此，在实验条件（0.5 atm, 295 K）下模拟了一个10,000 ppm的光谱
为了验证所提出的Wavelet-CNN级联去噪框架的实际适用性，构建了一个基于WM-TDLAS的痕量乙烷检测系统，如图11所示。使用波长为1684 nm、输出功率约为10 mW的DFB激光器来瞄准C2H6 2ν3泛音带。激光器温度由LDC501控制器稳定，稳定性为0.01 °C，注入电流通过10 Hz的锯齿波扫描和6 kHz的调制进行调节
本研究提出了一种级联小波卷积神经网络（Wavelet-CNN）框架，以解决低信噪比WM-TDLAS乙烷检测中噪声抑制与光谱保真度之间的平衡问题。小波模块抑制宽带噪声，而CNN通过非线性残差校正补偿了小波引起的水谱扭曲，实现了吸收特征的准确恢复。仿真和实验结果均显示，该方法的性能优于传统的去噪方法，信噪比
Bangqiang Wang: 起草 – 原始草案、方法论、研究、形式分析。Xing Tian: 编写 – 审稿与编辑、监督、资源管理、项目协调、资金获取、概念构思。Buqiang Zhang: 监督、方法论、概念构思。Xiangyu Zhong: 软件开发、方法论、形式分析。Jichao Qiu: 方法论、形式分析、数据管理。Gang Cheng: 项目协调、资金获取。
本研究得到了国家自然科学基金（62405006）和国家级地方联合工程研究中心“安全精准煤矿开采”开放研究基金（EC2021010）的资助。
Bangqiang Wang|Xing Tian|Buqiang Zhang|Xiangyu Zhong|Jichao Qiu|Gang Cheng
