有机环境污染物紫外光谱检索的神经网络方法

详细讨论了网络优化参数、模拟的测量过程中噪声及杂质对网络收敛性能及预测误差的影响。为加速网络收敛,提高紫外光谱检索的正确率,采用了导数光谱对反向传播的人工神经网络(BP-ANN)进行训练和检索,该方法对检索光谱中噪声、杂质,尤其是斜坡背景的允许程度明显提高。文章还将ANN方法与普通的相关系数法的识别结果进行了比较。结果表明,优化参数下的人工神经网络的库检索法在抗噪、容杂等方面都明显地优于普通的相关系数法,是一种很有效的紫外库检索方法。     

人工神经网络用于有机环境污染物紫外光谱库检索

本文将人工神经网络（ＡＮＮ）用于有机环境污染物紫外光谱库检索。对该神经网络的参数优化作了讨论。并用ＡＮＮ对噪声、杂质等因素的影响作了详细的考察。为了提高紫外光谱的分辨，本文提出用导数光谱作ＡＮＮ训练和检索，使网络的收敛速度明显加快，对检验光谱中杂质的容允程度明显增加。本文还将ＡＮＮ与传统的相关系数法作了比较。结果表明，ＡＮＮ法在抗噪声和杂质等方面明显优于相关系数法。     

人工神经网络用于有机环境污染紫外光谱库检索

本文将人工神经网络（ＡＮＮ）用于有机环境污染物紫外光谱库检索。对该神经网络的参数优化作了讨论。并用ＡＮＮ对噪声、杂质等因素的影响作了详细的考察。为了提高紫外光谱的分辨，本文提出用光谱作ＡＮＮ训练和检索，使网络的收敛速度明显加快，对检验光谱中杂质的容允程度明显增加。本文还将ＡＮＮ与传统的相关系数法作了比较。结果表明，ＡＮＮ法在抗噪声和杂质等方面明显优于相关系数法。     

1.573μm处CO_2高温谱线参数研究

在吸收光谱测量,特别是高温光谱测量中,吸收分子谱线参数的准确性非常重要,目前普遍使用的HITRAN/HITEMP2004数据库中给出的各项参数具有一定的不确定性,为了对所选1.573μm处的9条可用于燃烧诊断的CO2谱线参数进行校准,文章采用窄线宽二极管激光器作为光源,结合自行搭建的实验室高温测量系统,记录了300～800 K温度范围内所选谱线的高温吸收光谱,获得了各谱线在相应温度下的谱线强度、空气加宽系数及其温度指数等谱线参数.通过实验结果与HITRAN/HITEMP2004数据库中数据间的对比发现两者之间吻合较好,其中谱线强度相对偏差小于3%,空气加宽系数及其温度指数相对偏差分别小于5%和2%.所有各项参数对以后将要进行的燃烧诊断中的CO2浓度监测会有很大帮助.     

基于多层感知器网络的FTIR高光谱数据温度和发射率光谱同步反演

文章以土壤为例,首先指出了典型的温度反射率分离算法由高光谱FTIR数据反演温度和发射率的局限; 当地物出射能量的真值和地物真实温度对应的黑体辐射在数值上的差别与仪器的噪声等效光谱辐射亮度在相同的数量级上时,产生奇异发射率的概率很大, 野外测量时这种现象在714和1 250 cm-1附近经常发生。针对这个局限,构建了一个三层的感知器(MLP)网络,利用ASTER光谱库中的土壤发射率光谱生成训练样本,MODIS光谱库中的土壤发射率光谱生成测试样本,对网络进行训练和测试,取得了比较好的结果。同时利用光谱平滑迭代算法(ISSTES)由测试样本反演土壤的温度和发射率,并与MLP方法的结果进行比较,MLP方法反演的土壤发射率精度在可接受的范围之内,略低于ISSTES算法,MLP方法的优点在于,它能够克服典型的温度发射率算法的局限,可以作为典型的温度发射率分离算法有益的补充。     

基于小波多尺度分解的红外光谱谱图比对检索方法研究

谱图比对检索是指计算提问谱和数据库中标准谱图的相似度,以查出与提问谱相同或近似的谱图,其中,提问谱的质量是影响谱图比对检索结果的一个重要因素.从削弱谱图的无关信息对谱图比对检索的影响、提高检索准确性出发,以提问谱噪声为例,分析了谱图噪声对相似度计算结果的影响;针对红外光谱谱图经过小波多尺度分解后,其有用信息主要集中在低频部分,高频部分主要是噪声的特点,提出了基于小波多尺度分解的红外光谱谱图比对检索方法;分析了小波分解层数对相似度计算结果的影响;选择去噪整波形比对检索作为参照方法,利用MATLAB 7.0分别设计了这两种比对检索程序,实验结果证实了基于小波多尺度分解的红外光谱谱图比对检索方法的可行性.     

UV辐射光谱的光电测量研究

为了设计出符合要求的紫外产生材料和更好地对紫外光谱进行测量，提出了以原子材料为基础产生紫外光谱和采用紫外传感器测量紫外光谱的方法。这在对抗紫外制导方面具有十分重要的研究和实用价值。根据相关理论，重点对原子紫外光谱，尤其是碱金属原子核外电子的能量跃迁进行了分析和计算，列出了计算的谱线数据。介绍了目标紫外光谱的测量原理。在选用合适的紫外材料激发后，采用双光栅单色仪和紫外传感器进行测量。最后，给出了紫外传感器对紫外辐射的测量实验结果和测量曲线。     

舰船噪声识别(Ⅰ)──总体框架、线谱分析和提取

本系列文章的工作是在舰船噪声谱图的基础上，利用模糊神经网络对舰船进行分类识别。文章Ⅰ叙述了舰船噪声的谱特征由可分离的平稳谱和非平稳谱组成，介绍了既利用有效识别特征（有类别共性和异性的特征）又对特定舰船特征作专门记忆的工作路线及识别框架，对特定舰船的记忆具体体现在特定舰船特征模库一包含有线谱模板库、双重频率谱模板库和平均功率谱模板库。文章Ⅰ又具体讨论了特征提取和建立线谱模板时所碰到的理论、模型、分析参数及线谱提取方法，舰船噪声实际情况和理论之间的差异等问题。文章最后介绍了用机器自动提取线谱的一种方法。系列文章Ⅱ将讨论线谱稳定性、唯一性和线谱模板图；文章Ⅲ将讨论双重谱和平均功率谱的特征提取和模板建立；文章Ⅳ将讨论模糊神经网络和识别。     

迭代退卷积法去除光谱中的系统噪声

在测量光谱时,由于光学系统装置响应,会给光谱测量引入噪声,因此对光谱去噪声处理是必须的.本文对乘型迭代算法进行改进,提出了加法迭代退卷积.用加法迭代退卷积去除由于系统装置引入的噪声,得到真实的测量谱.     

一种用于强噪声环境下语音识别的含噪Lombard及Loud语音补偿方法

针对语音识别中由于强噪声的影响而引起的Lombard和Loud效应进行研究,提出了基于训练数据的加性噪声和Lombard及Loud效应的联合补偿法。对于加性噪声是从谱减法的逆向角度对训练数据在频谱域采用谱加法;对于Lombard和Loud语音,则采用基于隐马尔可夫模型(HMM)状态标注的训练数据补偿,该方法同时考虑Lombard和Loud语音不同声学单元的不同状态在倒谱域的多种变化和多种变异情况下不同声学单元的音长及相对音长的变化。这种基于数据的多模式补偿使模型自动适应多种噪声和语音变异情况,在强噪声环境下具有很强的鲁棒性,并且不影响识别系统在正常环境或正常发音时的识别性能.同时,由于补偿是在训练过程中得到,不增加识别时的计算复杂度。     

人工神经网络结合近红外光谱用于木材树种识别

测量了不同产地及品种的89个木材样品的近红外光谱,并分别使用反向传播人工神经网络(back propagation artificial neural networks,BPANN)与广义回归神经网络(generalized regression neural network,GRNN)建立了NIRS树种识别模型。通过方差分析分别选择两种神经网络所用参数,并采用最优参数进行网络训练。考虑到样品光谱的差异,对含不同水平白噪声与不同水平偏置的光谱进行模拟,并使用建立的模型对模拟光谱进行预测。发现两种神经网络模型均有较好的预测结果,其中BPANN模型,对含偏置水平不高于2％、噪声水平不高于4％的模拟光谱识别正确率在97％以上;GRNN模型,对含偏置水平不高于2％、噪声水平不高于4％的模拟光谱识别正确率在99％以上。     

Accuracy of spectrum estimate in fluorescence spectral microscopy with spectral filters

We establish the accuracy of the spectrum that is estimated with an inexpensive fluorescence spectral microscope utilizing a small set of spectral filters [Soriano et al, Opt. Exp. 10, 1458–1464 (2002)]. The spectrum at an arbitrary image location of the fluorescent sample is estimated as a linear superposition of basis spectra that are derived by singular value decomposition (SVD) or principal component analysis (PCA) from a spectral library of fluorescence spectra. Estimation performance is analyzed as a function of library statistics, filter selection and sequencing, minimum negativity constraint and signal to noise ratio (SNR) of fluorescence image. We consider image SNR degradations that arise from weakening of image intensity, additive Gaussian noise, intensity-dependent Poisson noise and quantization errors. The recovery of specific spectral features like spectral resolution, general similarity and peak alignments, is assessed using Linfoot’s criteria of fidelity, structural content, and correlation. We found that estimation with SVD basis spectra is more robust against image noise than that with PCA basis spectra. However for high SNR images, accurate estimation is achieved more quickly with PCA basis spectra and with better response to the application of minimum negativity constraint.     

蒙药材珍珠杆及其伪品的紫外/荧光/红外光谱法鉴别研究

文章用紫外、荧光及红外三种光谱法对四种蒙药材进行了鉴别研究。分别用甲醇、石油醚、氯仿对蒙药材珍珠杆及其代用品钩藤、接骨木和混伪品桂枝进行了超声提取,对提取物分别进行了紫外光谱和荧光光谱测试,并对上述四种药材粉末的红外光谱进行了比较。结果表明,四种药材的紫外光谱特征峰相异。用荧光光谱鉴别时, 对药材的提取溶剂有选择性,以甲醇作提取溶剂时四种药材的荧光光谱能有明显的差异。四种药材粉末的红外光谱有明显区别。     

人工神经网络法鉴别红外光谱

本文将反向传播人工神经网络（ＢＰ－ＡＮＮ）用于ＦＴＩＲ,鉴别未知化合物。结果表明,当训练集样本不含噪声时,纯光谱的预测结果很好。而当训练集样本有少量噪声干扰时,预测结果随预测集样本的不同,而得到不同的改善。     

Towards a universal LC-MS screening procedure - can an LIT LC-MS(n) screening approach and reference library be used on a quadrupole-LIT hybrid instrument?

In contrast to libraries with highly reproducible gas chromatography electron ionization mass spectra, current liquid chromatography (LC-MS) libraries are limited to specific instrument types. Therefore, the aim of the study was to prove whether a recently developed linear ion trap (LIT) LC-MS(n) screening approach and reference library can be transferred to an LC-MS/MS system with a quadrupole-LIT hybrid mass analyzer using SmileMS, a sophisticated search algorithm. The LIT reference library was built with MS2 and MS3 wideband spectra recorded on a ThermoFisher LXQ LIT with electrospray ionization in positive mode and full-scan data-dependent acquisition (DDA). Collision parameter optimizations, including different scan types and energies, were performed on an Applied Biosystems QTRAP 4000 system using electrospray ionization in positive mode and full-scan DDA. Modified library sets were generated to improve the detection of a compound by the used search algorithm. Additionally, 100 authentic human urine samples were screened by both systems for proof of applicability. In the applicability study, 533 compounds were detected by the LXQ and 477 by the QTRAP system using enhanced product ion scan and a modified database. The presented data showed that the LIT screening approach and reference library could be used successfully on a QTRAP instrument with some limitations. These should be overcome by further optimizations regarding DDA settings for better sensitivity and further library modifications to reduce spectra mismatches.     

基于大黄的红外光谱的人工神经网络鉴别研究

将傅里叶变换红外光谱法和人工神经网络用于鉴别正品和非正品大黄样品。在对神经网络训练前用小波变换对测量的红外光谱进行压缩,将原700个数据点的光谱压缩到44个变量,因此加速了神经网络的训练速度。52个大黄样品被用于网络模型的建立,其中包括25个正品大黄和27个非正品大黄的样品。文章还对隐含层神经元数目和动量参数的影响做了考察。结果表明,在优化的条件下用该方法对大黄样品的鉴别正确率达到98％。这种方法可被用于含大黄中药生产的质量控制。     

基于水样类型识别的光谱COD测量方法

基于紫外吸收光谱的COD测量方法,尽管具有快速、实时、免试剂、无污染等优势。但该方法对于组分多变的水样适应性不强,构建的单一计算模型不能适用于所有待测水样类型,导致其在复杂环境下测量准确度较低,从而限制了其应用领域。本研究提出一种基于水样类型识别的测量方法。其过程包括:动态识别水样类型→自动选择相应的"吸光度(Auv)-COD"算法模型→计算COD。该方法有效提高了紫外光谱法COD测量的准确度和适用性。该研究在传统的光谱识别技术的基础上,针对COD实际测量的特点加以改进。选取水样吸光度曲线的形貌特征作为水样类型的表征参数,利用LM-BP神经网络作为识别算法。并引入了"历史数据队列"、"历史识别因子"的概念,在此基础上形成了级联的神经网络结构。该算法实现了COD测量应用中的高准确度的光谱识别,进而提高了复杂环境下COD测量的精度。大量实验测试和结果表明,与传统的光谱识别技术相比,该方法在COD测量应用中具有更好的鲁棒性和准确性。水样类型识别准确率达98%以上。同时算法结构简单,计算量小,适用于资源受限的小型化COD测量仪。当仪器在复杂多变的水环境中进行测量时,采用该算法测量得到的COD精度有显著的提高。该方法的提出为光谱COD测量法在水体组分多变场合的应用及提高其测量精度提供了技术保证,可望解决传统紫外光谱COD测量法难以适应变化和复杂水环境应用的问题。