导数光谱Kalman滤波法校正ICP—AES光谱干扰的研究

本文以导数光谱Ｋａｌｍａｎ滤波法研究了ＩＣＰ－ＡＥ可典型的光谱干扰，考察了该法的检出限和准确度，探讨了该法的影响因素，结果表明，该法能有效地消除和校正光谱干扰，降低检出限，结果准确可靠。     

卡尔曼滤波ICP－AES法分析稀土元素及其对光谱干扰的校正

本文以卡尔曼（Ｋａｌｍａｎ）滤波ＩＣＰ－ＡＥＳ法进行稀土元素分析，并研究了卡尔曼滤波对其光谱干扰的校正，以及富线基体元素对待测元素、待测元素之间的影响，考察了该方法的检出限、精密度和准确度以及影响滤波的因素。结果表明，该法能有效地消除和校正光谱干扰，减少对分析谱线的选择，改善分析的检出限，分析速度快，结果准确可靠，可适合各种稀土试样（高纯稀土、混合稀土）的日常分析。     

ICP-AES测定Nd-Pr合金中的杂质元素

用ICP－AES同时测定了Nd-Pr合金中的Dy、Gd、La、Sm、Ce等5种稀土杂质元素，并研究了基体元素Nd及主量元素Pr对杂质元素的光谱干扰，选择了合适的分析线，用基体匹配法对存在的背景干扰进行了校正。方法的检出限为0．009－0．044μg/mL；回收率为90％－103％。该方法准确可靠、简便快速。     

ICP-AES测定钢中的微量钒、铈、钛

采用ICP－AES法同时测定了钢中微量V、Ce、Ti,并研究了基体元素和共存元素对分析元素的光谱干扰，无需用基体匹配。进行了加入回收试验、精密度试验和方法检出限的测定。方法准确、可靠、简便、快速。     

ICP-AES测定镁合金中的痕量Zr、Fe、Ni

用ICP－AES同时测定了镁合金中痕量Zr,Fe,Ni等杂质元素，不采用基体匹配法，研究了基体元素和共存元素对分析元素的光谱干扰，并进行了加入回收试验，精密度试验和方法检出限的测定。方法准确可靠，简便快速。     

西洋参鲜细胞中微量元素的ICP－AES方法的测定

本文应用ＩＣＰ－ＡＥＳ法同时测定西洋参鲜细胞中１４种微量元素。用硝酸－高氯酸混合消解样品。选用了仪器最佳折衷条件，并采用了干扰等效浓度消除光谱干扰。本法的准确度及精密度均达到满意结果，方法简便，快速。     

计算机差谱法消除ICP－AES中光谱干扰

本文提出了在光电二极管阵列检测器－ＩＣＰ－ＡＥＳ与微机处理的联机系统中，采用差谱法以直接消除光谱干扰的方法。详细讨论了差谱原理，差谱程序及差谱效果。应用差谱法测定了两个参考样品，结果符合要求。     

超声雾化空气－氩ICP－AES的检出限

医用超声雾化器改装后作为ＩＣＰ－ＡＥＳ的进样装置。在高频功率３．８×０．８０ｋＷ，载气流量０．８０Ｌ·ｍｉｎ（－１），观察高度１．０ｃｍ的折衷条件下，测定了２７种元素的检出限，１５种稀土元素中Ｄｙ、Ｅｕ、Ｈｏ、Ｙ和Ｙｂ的检出限低于１μｇ·Ｌ（－１）。     

固态检测器－ICP－AES中的计算机差谱改进技术──Ⅰ．原理和实验

本文使用固态检测器－光电二极管阵列（ＰＤＡ）或电荷耦合器件（ＣＣＤ）在ＩＣＰ－ＡＥＳ上实现了无需知道基体浓度情况下对复杂组分中微量元素进行测定的计算机差谱改进法。用Ｃ语言编写了实施差谱技术以及实验室例行分析的软件，探讨了方法的原理，对Ｖ基体中Ａｌ，Ａｌ和Ｍｇ基体中Ｖ的测定结果表明，该差谱技术能准确消除复杂基体产生的光谱干扰。     

ICP-AES法同时测定硝酸锶晶体中十种掺杂元素

本文报道了用ＩＣＰ－ＡＥＳ法同时测定硝酸锶晶体中掺杂元素Ａｇ、Ｃａ、Ｃｅ、Ｃｕ、Ｆｅ、Ｌａ、Ｍｇ、Ｍｎ、Ｎａ、Ｚｎ的分析方法。本方法采用基体匹配法与背景扣除法对基体干扰及光谱干扰进行校正,被测元素检出限为０．１－１６ｎｇ／ｍＬ,合成样品的回收率为９０％－１１６％。相对标准偏差均小于１３％。本法简便、快速、准确。     

光谱导数Kaiman滤波同时测定苯酚-邻氯苯酚和2，4二氯苯酚

文中提出了一个新的、稳定的光谱导数Kalman滤波紫外分光光度法同时定量分析方法，并且成功地将其应用于极难分辨的苯酚一邻氯苯酚和2，4二氯苯酚三组分混合体系的同时测量。选择分析光谱导数的原因是其不仅包含着吸光度，还包括在指定波长位置变化趋向等更多的信息量，这样更利于在吸收峰重叠的位置捕捉有较大差异的信号。利用Kalman滤波可以解决由光谱导数而引起的噪声放大问题，也可以过滤源于实验的噪声以及来自传递模型误差。在260-290nm区间测量了30组浓度各自在1～10mg·L^-1范围的苯酚一邻氯苯酚和2，4二氯苯酚标准混合溶液紫外吸收光谱图。利用分段延伸高次多项式回归模拟求导准确获得吸光度导数，并且利用偏最小二乘法将其制作成Kalman滤波标准工作系数矩阵。通过随机线性离散系统的Kalman滤波器最优平滑计算，对混合体系中的各组分进行定量分析。回收实验显示出，光谱导数Kalman滤波分析法应用于本实验的极难分辨的三组分体系，得到了非常高的回收率，并且在整个实验范围内光谱导数Kalman滤波分析法具有非常好的稳定性。     

Windows环境下的ICP-AES信息系统

在本实验室开发的ＭＳ－ＤＯＳ下的ＩＣＰ－ＡＥＳ分析信息系统的基础上,进一步发展了Ｗｉｎｄｏｗｓ下图形用户界面的ＩＣＰ－ＡＥＳ信息系统。该系统不仅包括了２８０００余条谱线的信息,还可作ＩＣＰ发射光谱模拟,因而对谱线选择有很大帮助。该系统还有可进行光谱峰位优化的卡尔曼滤波和因子分析的应用程序,并包括了大量的实际光谱扫描实例可供使用中参考,使该系统具有更强的实用性     

Kalman滤波法在电感耦合等离子体原子发射光谱分析中的应用──Ⅱ．测定高纯氧化铕中的14种稀土杂质

本文研究了电感耦合等离子体原子发射光谱分析Ｋａｌｍａｎ滤波法测定高纯氧化铕中的１４种其他稀土杂质的方法。Ｋａｌｍａｎ滤波法有效地消除光谱干扰，可利用受干扰的光谱灵敏线，因而可提高灵敏度，是一种在大量基体存在下测定痕量杂质的有效方法。     

Kalman滤波法在电感耦合等离子体原子发射光谱分析中的应用 Ⅰ．测定高纯氧化铥中的14种稀土杂质

本文研究了电感耦合等离子体原子发射光谱分析Ｋａｌｍａｎ滤波法测定高纯氧化铥中的１４种其他稀土杂质的方法。Ｋａｌｍａｎ滤波法有效地消除光谱干扰，可利用受干扰的光谱灵敏线，因而可提高灵敏度，是一种在大量基体存在下测定痕量杂质的有效方法。     

Adaptive autoregressive modeling of non-stationary vibration signals under distinct gear states. Part 1: modeling

Non-parametric time-frequency techniques are increasingly developed and employed to process non-stationary vibration signals of rotating machinery in a great deal of condition monitoring literature. However, their capacity to reveal power variations in the time-frequency space as precisely as possible becomes a hard constraint when the aim is that of monitoring the occurrence of mechanical faults. Therefore, for an early diagnosis, it is imperative to utilize methods with high temporal resolution, aiming at detecting spectral variations occurring in a very short time. This paper proposes three new adaptive parametric models transformed from time-varying vector-autoregressive model with their parameters estimated by means of noise-adaptive Kalman filter, extended Kalman filter and modified extended Kalman filter, respectively, on the basis of different assumptions. The performance analysis of the proposed adaptive parametric models is demonstrated using numerically generated non-stationary test signals. The results suggest that the proposed models possess appealing advantages in processing non-stationary signals and thus are able to provide reliable time-frequency domain information for condition monitoring.     

因子分析法校下在ICP—AES中光谱干扰及与其他方法的比较

本文将目标变换因子分析用于电感耦合等离子的子发射光谱分析中光谱干扰的校下在，对因子分析法校正谱线重叠和结构背影干扰作屯较详细的讨论。     

Stochastic stability of the derivative unscented Kalman filter

This is the second of two consecutive papers focusing on the filtering algorithm for a nonlinear stochastic discretetime system with linear system state equation. The first paper established a derivative unscented Kalman filter(DUKF) to eliminate the redundant computational load of the unscented Kalman filter(UKF) due to the use of unscented transformation(UT) in the prediction process. The present paper studies the error behavior of the DUKF using the boundedness property of stochastic processes. It is proved that the estimation error of the DUKF remains bounded if the system satisfies certain conditions. Furthermore, it is shown that the design of the measurement noise covariance matrix plays an important role in improvement of the algorithm stability. The DUKF can be significantly stabilized by adding small quantities to the measurement noise covariance matrix in the presence of large initial error. Simulation results demonstrate the effectiveness of the proposed technique.     

Tracking noisy limit cycle oscillation with nonlinear filters

For engineering systems, the dynamic state estimates provide valuable information for the detection and prediction of failure due to noise and vibration. From this perspective, nonlinear filtering techniques are applied to the problem of state estimation of dynamical systems undergoing noisy limit cycle oscillation. Specifically, the extended Kalman filter, ensemble Kalman filter and particle filter are used to track the limit cycle oscillations of a Duffing oscillator using noisy observational data. The noisy limit cycle oscillations feature highly non-Gaussian trends. The efficiency and limitations of the extended Kalman filter, ensemble Kalman filter and particle filter in tracking limit cycle oscillations are examined with respect to the model and measurement noise and sparsity of measurement data. For the limit cycle oscillations considered here, it is demonstrated that the ensemble Kalman filter and particle filter outperform the extended Kalman filter in the presence of sparse observational data or strong measurement noise. For moderate measurement noise and frequent measurement data, the ensemble Kalman filter and particle filter perform equally well in comparison to the extended Kalman filter.     

高光谱遥感图像微分域三维混合去噪方法

高光谱遥感图像是一种三维数据,由二维空间信息和一维光谱信息组成。普通的对二维静态图像或一维光谱信息去噪的算法忽视了高光谱图像强烈的谱间相关性和图谱合一的特点,无法取得令人满意的效果。同时现代的高光谱遥感图像噪声级别相对较低,噪声方差随波段不同而不同。针对以上特点,提出一种微分域三维混合去噪方法。首先将高光谱遥感图像变换到光谱微分域,使细微的噪声变得显著。然后在微分域中,对二维空间域采用基于小波的非线性阈值去噪BayesShrink算法。为克服噪声方差不同的特点,对光谱维不再采用小波阈值去噪方法,而采用Savitzky-Golay滤波进行平滑。最后对微分域去噪平滑处理后的图像进行光谱积分,并进行积分修正,消除光谱积分中引入的积累误差。对信噪比为600∶1的机载可见红外成像光谱仪数据(AVIRIS)实验表明,该算法能有效地降低噪声,将信噪比提高到2 000∶1以上。     

高纯氧化钇中镧、铈、钐、铝、铅和铜的电感耦合等离子体原子发射光谱法测定

本文以纯Y_2O_3中杂质元素的ICP-AES测定为例,研究用数值微分技术解决光谱干扰同题。结果表明,导数光谱法不仅可以有效地消除来自基体的光谱干扰,还能减小谱线干扰对检测能力的影响。当分析物浓度较低时,导数光谱法的加入回收率明显优于离峰分析法,多数情况下也优于在峰法校正光谱干扰时的回收率。