1.一种被动红外滤光成像稀疏光谱气体识别装置，其特征在于：包括宽带长通滤光片组，滤光片组包括若干宽带长通滤光片，针对响应波段为λcut-on～λcut-off的红外探测器，各滤光片起始波长分别为λ1、λ2…λi…λn；1≤i≤n，λcut-on≤λi≤λcut-off；对于在探测器范围内有吸收峰的m种待测气体，滤光片组的选择利用最大化f因子计算最佳起始波长，按下式进行：
其中，m为可能的气体种类总数，f为气体的宽带长通滤光片起始波长选择系数，第k种气体的宽带长通滤光片起始波长选择系数记为fk；其中：
2.基于权利要求1的装置的被动红外滤光成像稀疏光谱气体识别方法，其特征在于：包括如下步骤：
步骤(1)、设计滤光片组
设计权利要求1所述的宽带长通滤光片组，利用所述滤光片组搭载在红外成像系统上对待识别目标气体进行成像，每次成像时，将滤光片置于红外成像系统窗口，积分得到气体红外宽带长通图像，并在无滤光片的情况下获取探测器响应波段上全波段成像，以上成像称为一组图像；
步骤(2)、获取目标气体的稀疏光谱
对气体红外宽带长通图像做差分，将得到一组气体红外等效窄带图像，针对第i片和第j片滤光片，相应的气体红外宽带长通图像分别包含波段λi～λcut-off和λj～λcut-off上的光谱信息，差分后的等效窄带图像包含波段λi～λj的光谱信息；
利用第j片滤光片得到波段λj～λcut-off上的辐射成像，i＜j≤n；假设探测器均匀响应，则将利用i、j两片滤光片得到的红外图像进行差分，得到的差分图像在目标气体区域上所对应的辐射能量；
分别提取等效窄带上目标气体区域和背景区域的灰度均值；得到气体的稀疏吸收光谱矩阵；进行归一化；
步骤(3)、基于svm的稀疏光谱识别算法
根据由滤光片组确定的等效窄带，基于svm搭建稀疏光谱识别算法，对目标气体的种类进行识别；针对不同气体，构建不同的气体svm分类器，每个分类器针对一种特殊气体进行分类；利用稀疏光谱模拟算法，建立待测气体的稀疏光谱数据库扩充样本数据，训练待测气体分类器；
将实验得到的目标气体稀疏光谱值输入到训练好的分类器中，若分类器输出为1，则说明目标气体中含有该种气体成分，若输出为-1，则说明不含有该气体成分，从而得到气体的种类识别结果。
3.根据权利要求2所述的被动红外滤光成像稀疏光谱气体识别方法，其特征在于：步骤(1)中，根据待测气体目标的吸收峰特征设计一组红外宽带长通滤光片组，针对响应波段为λcut-on～λcut-off的红外探测器，各个滤光片起始波长分别为λ1、λ2…λi…λn；1≤i≤n，λcut-on≤λi≤λcut-off；对于待分类目标气体种类有明确范围且范围内气体吸收峰不重叠的情况，利用最大化f因子计算最佳起始波长，按下式进行：
其中，m为可能的气体种类总数，f为气体的宽带长通滤光片起始波长选择系数，第k种气体的宽带长通滤光片起始波长选择系数记为fk；其中：
利用宽带长通滤光片组搭载在红外成像系统上对待识别目标气体进行成像，每次成像时，将第i片滤光片置于红外成像系统窗口，fpa积分得到一幅光谱范围为λi～λcut-off，且包含目标气体区域与背景区域信息的气体红外宽带长通图像ii，所有滤光片完成一次成像称为一组，外加不加滤光片的fpa全响应波段成像i0，每组图像将包含n+1幅气体红外宽带长通图像。
4.根据权利要求2所述的被动红外滤光成像稀疏光谱气体识别方法，其特征在于：步骤(2)中，对气体红外宽带长通图像做差分，将得到一组气体红外等效窄带图像，针对第i片和第j片滤光片，相应的气体红外宽带长通图像分别包含波段λi～λcut-off和λj～λcut-off上的光谱信息，差分后的等效窄带图像i(i,j)包含波段λi～λj的光谱信息；
利用第j片滤光片也可得到波段λj～λcut-off上的辐射成像，i＜j≤n；假设探测器均匀响应，则将利用i、j两片滤光片得到的红外图像进行差分，得到的差分图像在目标气体区域上所对应的辐射能量按下式进行：
其中，εb为背景的辐射出射度，tb为背景温度，tg为气体温度，α为目标气体的吸收系数，l为路径长度，c为气体浓度，lc为气体的路径浓度，ti为第i片滤光片的透过率；λ为辐射波长，c1、c2为第一辐射常数和第二辐射常数；
计算等效窄带上的φ因子表示气体在探测器响应波段上的吸收情况：分别提取等效窄带上目标气体区域和背景区域的灰度均值yg和yb，在用φ(i,j)表示第i、j片滤光片差分得到对应窄带波段上气体吸收因子：
得到气体的稀疏吸收光谱矩阵可表示为：
进行归一化后，得到归一化的稀疏光谱为：
5.根据权利要求4所述的被动红外滤光成像稀疏光谱气体识别方法，其特征在于：步骤(2)中，j值的选取取决于待重建的气体稀疏吸收光谱的稀疏程度，按照j＞i进行取值。