物理模型驱动的中红外多光谱视频气体模拟与识别

来源：信号处理杂志 2026年第3期北京时间：

作者：周凯来, 王世贤, 严子霖, 字崇德, 李昀谦, 陈林森, 曹汛

摘要：气体泄漏识别在工业生产安全与环境保护中具有关键意义，尤其在石油化工、能源开发等行业中，易燃和有毒气体的意外释放可能引发严重事故和生态危害。传统点式传感器虽然具备较高灵敏度，但其空间覆盖有限、易受环境干扰，且系统预警滞后，难以满足复杂动态场景下的快速泄漏识别需求。相比之下，中红外多光谱成像系统可基于气体分子在中红外波段的特征吸收谱线，实现非接触、大视场、可视化的气体分布观测，为工业气体识别提供了新的技术路径。然而，其实际应用仍受多重挑战制约：中红外多光谱数据采集成本高、样本稀缺，限制了深度学习模型的训练与泛化；同时，多光谱维度与高时间分辨率导致模型复杂、计算负担重，而工业现场的边缘设备算力有限，难以满足实时推理与预警需求。针对上述问题，本文提出了一种物理模型驱动的中红外多光谱视频气体模拟生成与识别框架。在数据有限的情况下，本文基于改良的高斯扩散气团模型构建了物理一致性气体视频生成方法，将连续泄漏过程建模为气团序列的时空演化，并引入风场平流、湍流扰动及光谱吸收特性，实现了真实可信的气体羽流多光谱视频合成。同时，针对算力受限与实时预警的应用需求，本文提出了张量稀疏-低秩分解的气体羽流识别算法，并进一步结合时空平滑约束分离稀疏动态羽流与低秩背景，实现高效、鲁棒的气体目标识别与可视化。研究结果为中红外多光谱气体识别在工业现场的智能化、实时化应用提供了新的思路与技术支撑。

关键词：气体识别, 中红外多光谱成像, 基于物理模型的气体模拟生成, 背景建模