基于自动线性拟合的快速拉曼基线校正算法

近年来拉曼光谱以其无创、灵敏度高等众多优点在化学表征、生物医药、材料等领域引起广泛关注,而基线漂移的存在为后续的定性定量分析带来严重困扰,因此设计高性能的基线校准算法以提高分析结果的有效性及准确性具有重要意义。针对传统算法在批量拉曼光谱数据基线校正方面的不足,基于自动线性拟合算法提出一种快速基线校正算法以校正具有相似背景的批量拉曼光谱数据并详细阐述了该算法的核心思想以及算法实现流程。该算法首先从批量拉曼光谱数据中自动选择一条拉曼光谱数据作为基准光谱,使用自动线性拟合算法对其进行基线校准得到其基线以及分段标记点,然后利用标记点快速计算出组内其他与基准光谱具有较高相关性的拉曼光谱数据的基线,对于组内与基准光谱相关性不满足阈值要求的拉曼光谱则使用自动线性拟合算法对其进行单独基线校正,这使得算法具有具有较强的鲁棒性,可以适应复杂的拉曼光谱基线校正情形。分别使用快速基线校正算法与单独基线校正算法对多组实际拉曼光谱数据进行基线校正以对比分析算法基线校正效果,结果表明该算法可以实现对批量拉曼光谱数据的快速校正,基线校正效果良好,并且相较于单独进行基线校正算法耗时减少了30%以上,算法无参,简单易行,无需额外人工干预,是一种切实可行的批量拉曼数据自动基线校正算法。     

基于自动线性拟合的快速拉曼基线校正算法（英文）

近年来拉曼光谱以其无创、灵敏度高等众多优点在化学表征、生物医药、材料等领域引起广泛关注,而基线漂移的存在为后续的定性定量分析带来严重困扰,因此设计高性能的基线校准算法以提高分析结果的有效性及准确性具有重要意义。针对传统算法在批量拉曼光谱数据基线校正方面的不足,基于自动线性拟合算法提出一种快速基线校正算法以校正具有相似背景的批量拉曼光谱数据并详细阐述了该算法的核心思想以及算法实现流程。该算法首先从批量拉曼光谱数据中自动选择一条拉曼光谱数据作为基准光谱,使用自动线性拟合算法对其进行基线校准得到其基线以及分段标记点,然后利用标记点快速计算出组内其他与基准光谱具有较高相关性的拉曼光谱数据的基线,对于组内与基准光谱相关性不满足阈值要求的拉曼光谱则使用自动线性拟合算法对其进行单独基线校正,这使得算法具有具有较强的鲁棒性,可以适应复杂的拉曼光谱基线校正情形。分别使用快速基线校正算法与单独基线校正算法对多组实际拉曼光谱数据进行基线校正以对比分析算法基线校正效果,结果表明该算法可以实现对批量拉曼光谱数据的快速校正,基线校正效果良好,并且相较于单独进行基线校正算法耗时减少了30%以上,算法无参,简单易行,无需额外人工干预,是一种切实可行的批量拉曼数据自动基线校正算法。     

基于自适应加窗spline曲线拟合的拉曼光谱去基线方法

拉曼光谱是一种无损快速检测技术,可以提供材料的定性和定量信息,因而在医药、化工等诸多领域得到了广泛的应用。但是,由于样品荧光背景噪声的影响,造成拉曼光谱信号出现基线漂移现象,这给拉曼光谱的特征峰识别和拉曼成像带来十分严重的影响。目前,改进实验方法和数值处理是解决该问题的两种重要手段。改进实验方法上,有偏振调制法和高频调制法等,但存在实验设备复杂,检测技术难度大等缺点;数值处理上,有多项式拟合和小波变换等,但容易出现欠拟合和过拟合等现象。本文在不改换高精密设备的前提下,针对传统基线校正的方法进行了改进,提出一种基于自适应加窗spline曲线拟合的拉曼光谱去基线方法。首先,基于谱峰识别算法和初始搜索步长求得谷值的最优搜索间距,并利用谱谷识别算法完成谷值曲线的拟合;其次,利用最优搜索间距和谱峰识别算法,求得谷值曲线峰值位置,并在该位置处对称添加自适应矩形窗函数去除峰值,重新划分整个区间,拟合谷值曲线;再次,逐点比较拟合曲线与原拉曼光谱信号,取较小值,拟合曲线;最后,重复加窗去除峰值操作,直至自适应窗函数宽度低于阈值,完成拉曼光谱信号的基线拟合。在实验中,选用乙酸丁酯、聚甲基丙烯酸甲酯(polymethyl methacrylate, PMMA)作为实验样品,利用该方法对其拉曼光谱信号进行了基线校正,观察并比较该方法和传统方法的校正结果。实验结果表明,该方法能够有效地消除拉曼光谱信号的基线漂移,较好的保留一些较弱的拉曼特征峰,且不易出现欠拟合和过拟合的现象,获得了良好的基线校正效果,为进一步分析光谱数据和实现拉曼成像提供准确可靠的信息。     

改进的紫外拉曼光谱分段线性拟合基线校正方法

紫外拉曼光谱具有拉曼散射强度高、易于荧光光谱分离、受环境干扰影响小以及人眼安全性高等特性,所用的紫外拉曼光谱仪采用波长266 nm激光器,拉曼和荧光光谱会有部分重叠,增加了准确获取拉曼光谱特征信息的难度,进一步影响样品的辨识。因此,需要在分析拉曼光谱之前进行基线校正来消除荧光干扰。根据紫外拉曼+荧光混合光谱中,荧光光谱具有逐渐增加且接近分段线性递增的特点,利用分段线性函数拟合荧光光谱基线是一种较简捷的方法,于是针对传统分段线性拟合基线校正方法基线点定义过度依赖操作人员、自动化水平较低等问题,研究了一种改进的紫外拉曼光谱分段线性拟合基线校正方法:(1)首先求原始信号经不同次平滑迭代后的光谱数据。由于波峰相对于基线是高频信号,在多次平滑过程中,波峰附近的光谱强度逐渐下降且变化较大,基线部分逐渐上升且相对变化很小,经不同次迭代平滑的光谱波峰和基线点处的光谱强度标准差SD差异较大。(2)然后通过对光谱强度偏差的比较确定准有效基线点位置。通过适当设定的阈值SD_0提取出准有效基线点位置;(3)再利用线性迭代拟合法提取并修正过校正基线点。准有效基线点将整个拉曼光谱分割成N个特征峰区间,分别连接特征峰区间两端点得到一条直线,若特征峰全部在直线以上表明不存在过校正,否则区间端点向其峰方向移动并再次直线连接,重复以上过程,直到特征峰全部在直线以上,得到有效基线点;(4)最后逐段直线连接所有相邻有效基线点得到整个光谱的基线。原始光谱减去基线就是基线校正后的拉曼光谱。通过对模拟和实际测量的紫外混合光谱的基线校正处理实验表明:该方法能自动确定基线点位置,且较传统方法能获得更好的基线校正效果,为下一步的光谱分析提供更准确的光谱信息。     

基于B样条的拉曼光谱基线校正方法

基线漂移是光谱检测仪器普遍存在的现象,会对光谱信号的特征提取带来十分不利的影响,而基线校正是解决该问题的重要手段,也是拉曼光谱信号预处理的重要组成部分。基线校正的原理一般是通过拟合基线的方法来去除光谱信号中的基线漂移。传统的基线校正方法是利用多项式拟合的方法对拉曼光谱信号的基线进行拟合的,但是该方法容易出现过拟合和欠拟合现象,且拟合阶数难以确定。针对传统方法的缺点进行了改进,利用B样条方法对拉曼光谱信号的基线进行拟合,发挥B样条低阶光滑的优点,能够有效地克服多项式方法的缺陷。在实验中,利用该方法对孔雀石绿、罗丹明B的拉曼光谱信号进行了基线校正,观察并比较该方法和传统方法的校正结果。实验结果表明,该方法能够有效地消除拉曼光谱信号的基线漂移,在基线漂移较小和较大的位置,可以采用相同的拟合阶数,不会出现欠拟合和过拟合的现象,获得了良好的基线校正效果,为进一步分析光谱数据提供准确可靠的信息。     

分段式线性拟合校正拉曼光谱基线漂移

基线漂移是目前光谱仪收集拉曼光谱时难以避免的现象,基线校正是光谱数据处理中一个不可或缺的重要步骤。针对传统的基于多项式拟合的基线校正方法存在的不足,本工作采用线性拟合的方法分段拟合背景基线,与计算机相结合,实现快速、准确、自动的基线校正;经聚苯乙烯小球、红细胞和酿酒酵母等多批次拉曼光谱数据处理的验证,表明该改进方法可以有效地对拉曼光谱进行基线校正,为进一步分析光谱数据提供更准确的信息,是一种可行的基线校正方法。     

基于非均匀B样条的拉曼光谱基线校正算法

基线校正是一种常用的消除光谱荧光干扰的方法,是拉曼光谱数据处理的必要步骤之一。传统的多项式拟合基线校正算法,简单且易于实现,但是拟合阶次难以确定,灵活性较差。使用非均匀B样条代替多项式进行拟合,在保留原有算法优点的基础上,利用原始拉曼谱图的峰位置信息自适应地确定非均匀B样条的节点向量,然后以固定阶次拟合光谱基线。B样条自身具有分段光滑的特性,而计算样条节点的节点向量自适应选取算法中的峰位置信息通过使用两次具有不同母函数的连续小波变换(continuous wavelet transform, CWT)来获取,既加强了原始光谱数据与B样条算法本身的联系,也克服了传统多项式拟合的不足。为了验证本文算法的有效性,选取了甲基对硫磷和某品牌菜籽油两种被测物进行实验,并使用该算法进行了基线校正,并与两种其他的基线校正算法与进行了对比。实验结果表明,该方法利用固定的拟合阶次就能达到较好的校正效果,所需要的参数较少,校正结果不会出现过拟合或欠拟合的现象,是一种有效的拉曼光谱基线校正算法。     

一种针对激光诱导击穿光谱技术的基线校正方法

针对激光诱导击穿光谱(laser-induced breakdown spectroscopy,LIBS)数据中存在的周期性拱形突起问题,提出了一种改进的基线校正算法。该算法基于惩罚最小二乘方法,通过改变局部惩罚系数,使其在拟合周期性拱形突起的同时降低谱线强度对拟合基线的影响。与其他基线校正方法相比,该算法在拟合仿真基线时的均方根误差更小,并且基于该算法得到光谱数据绘制的定标曲线的相关系数达到了0.997 2。结果表明:该算法相较于现有的去基线方法,在拟合中阶梯光栅光谱仪采集激光诱导击穿光谱的基线时,能更好地保留光谱数据的有效信息。     

一种提高生物体拉曼光谱痕量测量精度的方法

微量物质拉曼光谱测量精度的提高是拉曼分析技术的难点之一,特别是高荧光背景下生物体中微量物质的测量。根据拉曼谱峰突发、离散特点,分别给出荧光背景和噪声拟合函数,通过监测总体拟合偏差A类不确定度函数实现拉曼谱峰定位和干扰信号滤波;进一步根据谱峰位置划分光谱区间,在单调区间内弱化非谱峰信号,实现谱峰信号增强。与其他光谱处理方法比较,可以准确拆分重叠特征峰,不会降低特征峰高度,提供更加灵敏的半谱峰面积指标。实验表明,该方法在处理皮肤拉曼光谱时,可以准确得到螺旋构象的酰胺I带、神经酰胺和CO的归属拉曼谱峰;另外经过该方法处理后数据建立水溶性糖(水稻叶片)含量测量模型,其精度优于小波分解、多项式拟合和非线性最小二乘法。     

EEMD自适应去噪在拉曼光谱中的应用

二代小波是公认较好的降噪手段,但是降噪效果依赖于基函数、分解层数和阈值等参数设置。经验模态分解(empirical mode decomposition, EMD)无需参数设定,按照频率特性将信号分解成本征模函数(intrinsic mode function, IMF),对IMF滤波,实现了信号自适应去噪。拉曼光谱中信号和噪声交叠集中在极高频段,EMD产生模态混叠问题,影响去噪效果。应用总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)拉曼光谱克服了模态混叠,有效区分出高频信号和噪声,获得了与小波函数相似去噪效果。文中首先对一段非线性非平稳豆油脂拉曼光谱EMD分解,可见模态混叠,EEMD分解出清晰模态的特征分量。然后分别用快速傅里叶变换(fast Fourier transform,FFT)、小波变换(Wavelet)、EMD和EEMD处理含噪光谱,信噪比、均方根误差、相关系数三个方面指标表明FFT高频去噪效果最差,其次是EMD,恰当的Wavelet同EEMD效果相当,EEMD的优势是降噪过程的自适应。最后提出光谱时频分析方法和IMF噪声属性判别准则研究趋势。     

基于共焦显微拉曼的柑橘黄龙病无损检测研究

黄龙病危害柑橘果树日益严重,对柑橘黄龙病进行快速检测研究具有重大意义。采用拉曼光谱技术,结合偏最小二乘判别分析(PLS-DA)方法探讨快速诊断柑橘黄龙病及病情类别的可行性。获取柑橘叶片拉曼光谱并进行普通PCR鉴别分为轻度、中度、重度、缺素和正常5类。在715～1 639.5 cm-1范围内采用一阶导,基线校正(Baseline)和多项式拟合三种方法扣除光谱背景,突显叶片拉曼光谱特征峰。多项式拟合方法分别进行了2次,3次和4次拟合,与一阶导和基线校正两种扣除背景方法进行比较,结合最小二乘支持向量机(LS-SVM)和偏最小二乘判别分析(PLS-DA)建立判别模型。经比较发现,多项式拟合方法扣除光谱背景效果均好于另外两种方法,其中用2次多项式拟合的PLS-DA模型的效果最好,预测相关系数(R_P)为0.98,预测均方根误差(RMSEP)为0.67,总误判率最小为0。基线校正扣除光谱背景的LS-SVM模型效果最差,总误判率最大为40%。研究结果表明,利用拉曼光谱技术对柑橘黄龙病进行快速识别研究具有一定的可行性,为柑橘黄龙病无损检测研究提供一种新途径。     

乙醇含量拉曼光谱检测中噪声与背景同时消除方法研究

乙醇含量拉曼光谱检测中,拉曼光谱信号中的各种噪声及光谱荧光造成的基线漂移和样品池背景等,影响了校正模型的预测精度。利用总体平均经验模态分解,将光谱信号分解成若干无模态混叠的内在模式分量,根据排列熵的信号随机性检测判据判断出代表背景信息和噪声信息的内在模式分量,将其置零即可同时消除拉曼光谱中的噪声与背景。将总体平均经验模态分解与排列熵相结合的预处理方法应用于乙醇含量的拉曼光谱检测中,并与小波变换和平均平滑滤波做了对比。实验结果表明：应用总体平均经验模态分解与排列熵相结合的方法能够有效的同时消除乙醇含量拉曼光谱检测中的噪声和背景信息,提高校正模型的预测精度,且使用简便,无需参数设置,对乙醇含量拉曼光谱检测具有实用价值。     

近红外“3R”法双谱自适应去噪

针对近红外透射和吸收双光谱提出一种自适应的去噪方法。同步采集样品的近红外透射谱和吸收谱,在相同分解原则下总体经验模态法分解两组光谱,得到单组分特征模态分量。计算特征模态分量与原透射谱、吸收谱之间相关性,以及两组特征模态分量之间相关性,相关性最小模态分量初判为噪声分量。分析该分量在光谱中点处自相关性,若中点处很大,其他点几乎为零或很小,可以判断该分量为噪声。这种基于模态分量相关性的噪声判别方法称为“3R”法则。剔除噪声分量,重构光谱信号,循环上述分解过程,直到不满足“3R”法则,降噪过程结束。构造理想光谱,叠加噪声,“3R”法降噪效果优于EMD和EEMD低通滤波器,略逊于小波分解。真实光谱实验中,经过上述方法降噪处理过的玉米叶片光谱采用3层BP神经网络建立与叶绿素之间预测模型,“3R”法处理模型具有最大校正相关系数和预测相关系数,最小校正标准差和预测标准差。在四种降噪方法中,“3R”法对光谱谱峰位置和峰高的影响最小。实验表明,“3R”双谱去噪方法无需预设迭代次数,不用考虑分解层数,没有基函数,是自适应的,该方法适合近红外光谱去噪。     

基于拉曼光谱解析的对二甲苯装置吸附塔循环液成分分析

采用拉曼光谱分析法实现PX(对二甲苯)装置中吸附塔循环液快速、准确的在线分析。由于循环液中各组分的拉曼谱峰相互重叠,且各组分的含量变化范围很大,需要收集大量的训练样本。为此,提出了基于拉曼光谱解析的循环液成分分析方法。首先,要获得循环液所含各组分纯物质的拉曼光谱,以及少量训练样本的拉曼光谱,对这些拉曼光谱进行基线扣除和均值归一化;其次,选取特征波段680～880 cm-1,对每一个训练样本预处理后的拉曼光谱在特征波段进行光谱分解,得到该训练样本中各组分的分解系数;然后,基于全部训练样本各组分的分解系数与对应的浓度数据,建立分解系数与浓度之间的定量分析模型。而对于某一测试样本,先获取其拉曼光谱,进行上述相同的光谱预处理,并在相同的特征波段基于纯组分的拉曼光谱对其进行谱分解,以获得该样本的光谱分解系数;再根据得到的分解系数和上述定量分析的模型,预测出该测试样本中各组分的含量。实验结果表明,一方面,由各纯组分混合得到的训练样本的拉曼光谱可以较精确地分解成各组分的拉曼光谱的线性加权和;另一方面,基于拉曼光谱分解系数建立的定量分析模型可以准确地预测出循环液中各组分的含量,对测试样本中甲苯、乙苯、对二甲苯、间二甲苯、邻二甲苯和对二乙基苯含量的标准预测误差分别为0.301%,0.088%,0.563%,0.384%,0.366%和0.536%。为PX装置中吸附塔循环液的在线分析提供了改进方法。     

柑橘叶片叶绿素含量拉曼光谱定量分析方法研究

柑橘叶片叶绿素含量的准确检测对柑橘营养状况和生长态势具有极其重要的意义。研究了快速无损诊断柑橘叶片中叶绿素含量的方法,以期为拉曼光谱检测技术用于柑橘叶片叶绿素含量检测提供参考。采集不同冠层高度和不同地理分布的柑橘叶片120片,拭去叶片表面的灰尘,用去离子水对其清洗、晾干装入密封袋中并用标签分类标注。然后对柑橘叶片进行拉曼光谱采集,参数设置如下：分辨率为3 cm-1,积分时间为15 s;激光功率为50 mW。分别采用BaselineWavelet、迭代限制最小二乘（IRLS）和不对称最小二乘(ALS)三种算法对柑橘叶片的拉曼光谱背景进行扣除,使用偏最小二乘（PLS）方法建立定量模型;四种光谱预处理方法归一化(Normalization),Savitzky-Golay卷积平滑(SG smoothing, SG平滑)、多元散射校正(MSC)和Savitzky-Golay一阶导数(SG 1st Der)对扣除背景后的光谱进行进一步的优化处理。结果表明：采用原始光谱、BaselineWavelet、IRLS、ALS背景扣除处理后的光谱建立PLS模型,模型的相关系数r分别为0.858,0.828,0.885和0.862,交互验证均方根误差(RMSECV)分别为5.392,5.870,4.934和5.336,最佳因子数分别为8,3,8和8;IRLS背景扣除处理后的PLS模型的RMSECV最小,相关系数最高,建模效果最好。分别采用SG平滑、归一化、MSC和SG 1st Der预处理方法对IRLS背景扣除后光谱进行预处理并建立PLS模型,结果表明：IRLS光谱及其结合SG平滑、归一化、MSC和SG 1st Der四种预处理方法的PLS模型的R分别为0.885,0.897,0.852,0.863和0.888,RMSECV分别为4.934,4.715,5.595,5.182和4.962;最佳因子数分别为8,8,8,8和5;IRLS-SG平滑后PLS模型的RMSECV最小,模型效果最优。对IRLS-SG平滑预处理后的PLS模型展开验证,预测相关系数r为0.844,预测均方根误差(RMSEP)为5.29,预测精确度较高。采用拉曼光谱结合三种光谱背景扣除方法和四种预处理方法对柑橘叶片叶绿素含量进行定量分析表明：采用IRLS背景扣除结合SG平滑预处理后的PLS模型最优,建模集r为0.897,RMSECV为4.715;预测集r为0.844,RMSEP为5.29,预测精度较高。拉曼光谱结合背景扣除方法可以为柑橘叶片叶绿素含量的定量分析提供一种快速简便的分析方法。     

拉曼光谱定量分析乙醇含量的非线性回归方法研究

传统拉曼特征峰峰比法一般采用线性回归法建立乙醇浓度与峰峰比的线性关系从而反演乙醇浓度实现乙醇定量分析,但仅在较低浓度范围适用。针对这一问题,采用自主研制的激光拉曼乙醇含量检测系统实验研究了不同浓度乙醇溶液拉曼光谱特征峰(非对称CH₂伸缩振动2 924.0 cm-1)与本底水峰(3 350 cm-1)相对强度关系,提出适用于大范围乙醇浓度测量的非线性回归分析方法。利用邻域平均算法去除拉曼光谱突变噪声,结合多点插值处理实现光谱基线校准。基线校准及归一化处理后,可有效消除突变噪声及强荧光背景的影响。分别采用二次多项式和e指数数学模型对拉曼峰值强度比随乙醇浓度变化关系进行非线性回归并与线性回归分析进行对比。结果表明,线性拟合相关系数约为0.991,线性回归模型乙醇浓度准确测量的适用范围为15%～60%;非线性拟合相关系数高于0.997,非线性回归模型乙醇浓度精确测量的适用范围为3%～97%。非线性数学模型可为乙醇溶液浓度定量分析提供理论基础,将该数学模型应用于乙醇含量检测系统,可实时反演较为精确的乙醇浓度,从而实现大浓度范围内具有荧光背景干扰的乙醇溶液快速、实时、准确的定量分析。     

拉曼光谱的局域动态移动平均全自动基线校准算法

基线校准是极其重要的光谱预处理步骤,能够显著提高后续光谱分析算法的准确性。目前基线校准算法大多数都是手动或半自动的,手动基线校准算法完全依赖于用户的经验,个人主观因素会严重影响基线校准的准确性,半自动基线校准需要针对不同的拉曼光谱设置不同的优化参数,使用不便。提出了一种局域动态移动平均(LDMA)全自动基线校准算法,并且详细阐明了该算法的基本思想和具体算法步骤。该算法采用了改进移动平均算法(MMA)实现拉曼光谱峰的逐渐剥离,通过自动识别原始拉曼光谱的基线子区间来将整个拉曼光谱区间自动分割为多个拉曼峰子区间,从而实现了在每个拉曼峰子区间中动态改变MMA窗口半宽度和控制平滑迭代次数,最大程度地避免了基线校准过度和基线欠校准现象。无论对于凸形基线、指数形基线、反曲线形基线模拟拉曼光谱,还是真实物质的拉曼光谱,LDMA全自动基线校准算法都取得了很好的基线校准效果。