一种基于Mamba和Unet模型的红外光谱预处理方法

本发明公开了一种基于Mamba和Unet模型的红外光谱预处理方法；该方法包括：对获取的原始红外光谱数据进行预先处理，基于预先处理后的红外光谱数据构建红外光谱预处理模型；确定Mamba模型的核心参数，使用Mamba模型输出光谱基线的预测结果；通过反卷积层和上采样构建Unet解码器部分，将训练数据序列作为输入层数据，使用Unet模型生成去噪后的光谱；综合考虑含噪光谱与处理后光谱的差异,设计自适应损失函数；使用动态加权机制，通过权重参数实现对Mamba分支和Unet分支输出特征的融合，得到最终进行基线校正和去噪后的烷烃气体红外光谱；该方法能够显著提高烷烃气体红外光谱数据的质量，为后续的气体成分分析、浓度检测等应用提供更准确的光谱数据。