| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 引言 | 第7-17页 |
| ·傅里叶变换红外光谱(FTIR)在大气监测中的应用 | 第7-9页 |
| ·遥感傅里叶变换红外光谱技术(RS-FTIR) | 第7-8页 |
| ·CT与OP-FTIR联用技术的发展 | 第8-9页 |
| ·小波分析在谱图解析中的应用 | 第9-14页 |
| ·小波分析简介 | 第9页 |
| ·几种常用的小波 | 第9-13页 |
| ·小波分析在谱图解析中的应用 | 第13-14页 |
| ·人工神经网络在谱图解析中的应用 | 第14-16页 |
| ·本论文的主要研究工作 | 第16-17页 |
| 2 小波变换在FTIR谱图前处理中的应用 | 第17-36页 |
| ·谱图去噪 | 第17-28页 |
| ·理论部分 | 第17-20页 |
| ·实验及结果 | 第20-28页 |
| ·谱图压缩 | 第28-34页 |
| ·理论部分 | 第28-30页 |
| ·试验及结果 | 第30-34页 |
| ·小结 | 第34-36页 |
| 3 重构单组分气体浓度的二维空间分布 | 第36-47页 |
| ·理论部分 | 第36-38页 |
| ·SBFM算法 | 第36-37页 |
| ·初始参数的确定 | 第37-38页 |
| ·随机搜索迭代法 | 第38页 |
| ·模拟数据检验 | 第38-40页 |
| ·实验部分 | 第40-46页 |
| ·无阻碍正常环境下 | 第40-43页 |
| ·有障碍环境 | 第43-46页 |
| ·小结 | 第46-47页 |
| 4 多组分气体的FTIR谱图分析 | 第47-55页 |
| ·理论部分 | 第47-49页 |
| ·线性神经网络结构 | 第47-48页 |
| ·线性神经网络的传递函数 | 第48页 |
| ·线性神经网络误差函数 | 第48-49页 |
| ·线性网络的训练步骤 | 第49页 |
| ·模拟数据试验 | 第49-51页 |
| ·谱图前处理 | 第49-51页 |
| ·多组分分析 | 第51页 |
| ·实验数据分析 | 第51-54页 |
| ·样品准备 | 第51-53页 |
| ·多组分分析 | 第53-54页 |
| ·小结 | 第54-55页 |
| 5 结论 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-65页 |