科研之友
微信
新浪微博
Facebook
分享链接
摘要
物质的太赫兹光谱具有独特的"指纹谱"特性,可以利用该特性对物质进行识别。随着人工智能技术的发展,深度学习算法在太赫兹光谱识别领域得到了越来越广泛的应用。然而在实际应用中,受实验设备、实验条件以及实验环境等因素的影响,所获取的太赫兹光谱数据并不总是大规模的,无法满足深度学习算法所需的数据量要求。为了解决这一问题,本文提出了一种基于生成对抗网络(GAN)的太赫兹光谱识别方法。首先利用S-G滤波器和三次样条插值法对物质的太赫兹光谱数据进行预处理,然后通过GAN生成具有真实太赫兹光谱数据分布的仿真数据,最后将生成的数据以及真实光谱数据作为训练样本对深层神经网络进行训练,从而得出物质的识别结果。实验结果表明:GAN模型生成的太赫兹光谱数据可以有效地模拟真实太赫兹光谱数据的总体特征,扩充太赫兹光谱数据样本,极大地提高了光谱的识别精度。
-
单位自动化学院; 昆明理工大学
