近日，我实验室周胜老师在新型激光光谱技术及其在呼吸气体诊断领域的应用研究取得新进展，相关工作发表在光学领域TOP期刊《Optics Express》中。针对中红外激光光谱技术中各种噪声源的抑制及其对光谱数据反演引起的误差问题，本文提出了一种基于BP神经网络和方差补偿双重优化光谱信息的自适应Kalman滤波方法，通过将自行建立的优化算法用于人体呼吸气中CO吸收光谱信号处理中，结果表明基于BP神经网络优化光谱信息的自适应Kalman滤波算法对含噪光谱信号的降噪处理效果显著，较传统的Kalman滤波算法灵敏度可提高23倍。

　　近年来，中红外激光吸收光谱作为一种高灵敏、高分辨率的光学检测技术，被广泛地应用多个学科，如：大气环境监测、高温燃烧诊断和临床呼吸气分析等。多年来，本课题组利用自行研制的中红外量子级联激光光谱仪(Applied Spectroscopy Reviews 49:666-691, 2014)，先后在大气多组分(N₂O,CO&H₂O)同时测量(Sensors and Actuators B 231:723-732, 2016)、危化品(VOC)遥感探测(Laser Physics Letters 15: 085701-5, 2018)、土壤和大气之间气体交换过程研究(The ISME Journal 13, 1688-1699, 2019)、及人体呼吸气诊断方面(Spectrochimica Acta Part A 223:117332-8,2019)取得了众多显著进展。上述成果为解决中红外激光光谱中技术噪声问题，尤其是光学的干涉噪声，提出了一种有效的解决方法。

　　论文第一作者及通讯作者为安徽大学周胜老师，共同通讯作者安徽大学李劲松教授。该研究得到了国家自然科学基金(61905001, 41875158,61705002, 61675005)、安徽省自然科学基金、及安徽省教育厅基金等经费资助。

　　相关成果：

　　[1] Sheng Zhou, Chongyang Shen, Lei Zhang, Ningwu Liu, Tianbo He, Benli Yu, Jingsong Li, Dual-optimized adaptive Kalman filtering algorithm based on BP neural network and variance compensation for laser absorption spectroscopy, Optics express, 2019, 27(22), 31874-31888. doi.org/10.1364/OE.27.031874