小波变换及其有色谱重叠峰解析中的应用

本文介绍了小波分析的基本原理、计算方法及其在色谱重叠峰解析中的应用。显示了小波分析的特点，表明了小波分析用于重叠峰的解析与传统的方法相比具有其优越性。     

连续样条小波变换用于分解重叠峰的研究

以B-样条小波为分析小波，提出了用于分析化学重叠信号解析的新方法——连续样条小波变换，结果表明：连续样条小波变换应用于分析化学信号的处理，能使峰变窄同时还能提高信号的信噪比，是一种新型有效的重叠信号解析方法，能从含噪声重叠信号中直接得到重叠峰的峰数目及其相应的峰位置。     

小波变换用于色谱重叠峰的解析

利用小波变换的时频局部化性质，通过对色谱重叠峰信号小波变换后的某些频率段进行放大，使重叠谱峰得到了分离，并将此方法用于苯和甲苯二组分色谱体系的定量分析，重叠峰中各组分均得到了良好的线性关系及令人满意的定量分析。本文还讨论了不同小波基、分解的次数及放大系数在解析结果的影响。     

小波分析和人工神经网络方法用于重叠色谱峰的解析

将神经网络与小波分析相结合,提出一种利用小波变换提取重叠色谱峰信息,再用人工神经网络解析的方法,为色谱峰重叠难于分开的物质的测定提供一种方法,提高了色谱分析的准确度,并将此方法应用于高效液相色谱中,建立了混合体系中3.4-二甲酚和2.5-二甲酚同时测定的新化学计量学方法.     

小波变换用于植物激素重叠色谱峰中组分的定量分析

根据小波变换将信号按频率大小分解的性质，作者提出了一种用小波变换直接提取重叠色谱峰中单一组分信息的方法，并将其应用于植物激素混和体系重叠峰的解析与定量分析。结果表明：单组分的色谱信号经小波变换分解后仍能保持原有的线性关系，用小波变换从重叠信号中提取的单一组分信息也具有良好的线性关系。     

小波变换用于重叠色谱峰组分信息的提取

提出了一个小波变换用于提取重叠色谱中组分信息的理论公式，并将它应用于三组分和五组分重叠色谱实验数据的解析。结果表明：在定定分离度范围内，当相邻色谱峰峰宽相近时，根据此公式的计算结果，可以将各组分的信息从重叠色谱峰信号中提取出来。洒工作对小波变换用于重叠峰的解析具有重要意义。     

小波包分析用于重叠分析化学信号的处理

对小波包分析的算法进行了改进,并将此算法成功地应用于多组分重叠色谱信号的解析.结果表明,本文提出的算法解决了MRSD算法的不足,更适合处理分析化学信号,用于重叠信号的解析时不需重构(逆变换),简化了数据处理步骤,加快了数据解析速度,具有较强的解析能力.对于重叠色谱信号的解析,小波包分析比小波分析具有更强的解析能力.     

二维小波变换与子窗口因子分析法结合用于含噪声HPLC-DAD数据的解析

将二维小波变换与子窗口因子分析法相结合,用于模拟的高噪声HPLC-DAD数据的解析.首先应用二维小波变换滤除噪声,然后采用子窗口因子分析法解析重叠峰.结果表明,信噪比为10的高噪声基本被滤除掉.     

严重重叠的色谱峰对的解析

本文根据指数修正的高斯函数模型(EMG),并利用回归分析提出了一种解析严重重叠的色谱峰对的方法。此法可适用于相对峰谷在50％～95％的严重重叠的色谱峰对的解析。     

二阶样条小波卷积法分辨重叠化学信号

首次提出了二阶样条小波卷积分峰法, 通过二阶样条小波与重叠化学信号的卷积运算, 确定出各组分的峰位置和峰宽之比, 再利用样条函数构造峰分辨器, 分辨重叠信号, 同时给出了方法的理论依据, 并对参数的选择进行了讨论. 对大量仿真信号和实验信号的处理实践表明, 分辨后信号可以达到基线分离, 峰位置相对误差小于0.2%, 峰面积相对误差小于4.0%, 即使对于重叠严重的信号, 也能获得满意结果. 该方法可以直接用于含噪音的及多个峰的重叠体系, 是一种分辨重叠信号的有效新方法.     

样条小波变换用于分辨重叠伏安峰的研究

将样条小波变换技术用于分辨重叠的伏安峰 ,以选定的分辨因子作用于样条小波滤波器 ,使之成为峰分辨器 ,用它来直接处理重叠的伏安峰 ,取得了较好的结果 .被处理峰可达到基线分离 ,且峰位置的相对误差小于 3.0 %,峰面积的相对误差小于 5 .0 %,方法简便易行 .讨论了各种影响分峰效果的因素 ,包括不同的分辨因子及样条小波基等 ,并应用于镉 (Ⅱ ) 铟 (Ⅲ )和铅 (Ⅱ ) 铊 (Ⅰ )体系的实验数据的处理以验证该方法     

信号处理技术在重叠化学信号解析中的应用*

重叠峰解析是目前分析化学中亟须解决的一个重要问题,化学计量学用于重叠峰解析就是借助某些数学或统计学方法,把通过化学方法和仪器未能完全分离的复合量测信号分解成几个单儿组分的信号,从而从重叠谱中获取每个组分的相关信息。本文综述了几种常见信号处理技术在重叠化学信号分辨中的应用,引用文献146篇。     

二维重叠色谱峰解析方法的比较

利用渐进因子分析方法(EFA)和固定尺寸移动窗口因子分析方法(FSMWEFA)与局部正交投影方法(LOPA)相结合,用于模拟的HPLC—DAD二维数据解析。通过比较谱峰部分重叠、光谱完全重叠、色谱拖尾3种情况的结果显示,在谱峰部分重叠和色谱拖尾两种情况下两种方法都可以较好的解析重叠峰。但是在光谱完全重叠时,前一种方法不能得出正确的结论,而后一种方法仍能得到满意的结果。     

径向基函数神经网络用于重叠色谱峰解析

 在高斯基径向基函数神经网络 (RBFNN)学习算法中引入了鲁棒性和随机全局寻优的两阶段遗传算法 :结构学习和参数优化。通过两阶段学习算法的交替使用 ,使网络具有结构自学习和参数优化的能力 ,而后将网络应用于组分数未知的重叠色谱峰解析。该方法具有不需人为干预 ,可自动确定网络结构即组分数的优点 ;并且解析精度较高 ,适用于多组分重叠色谱峰的解析 ;对完全重叠色谱峰也具有良好的解析能力。     

二次微分与样条小波自卷积联用分辨重叠伏安峰

本文采用二次微分法寻找重叠峰的各个峰位置，再利用样条小波自卷积（SWSC）方法直接对重叠的伏安峰进行处理，取得了较好的结果。被处理的重叠峰可达到基线分离，且峰位置的相对误差小于3．0％（完全掩盖峰为5．39％），峰面积的相对误差小于2．0％。方法不用于铅（Ⅱ）－铊（Ⅰ）体系的微分脉冲伏安信号处理，取得满意的结果。     

非对称色谱峰的拟合与重叠峰的拟合解析

 ]利用色谱保留时间tR与色谱峰形模型参数tG、σ、τ间的线性关系、预测了气相色谱填充柱上非对称的和重迭的色谱峰的有关参数，并据此对这两类色谱峰进行了拟合和解析。与常用重叠峰解析方法如中垂线法，三角形法和切线法解析结果的对比证明，曲线拟合法在这些方法中具有最好的准确度。用曲线拟合法进行实际定量的结果表明，对于非对称峰，其定量的相对误差小于0.5％，而对于重叠峰的定量误差则在10％以内。     

基于峭度的重叠峰解析新方法

峭度是表征曲线陡峭程度的物理量。本实验提出了基于峭度的组分分析(component analysis based on kurtosis,CABK)方法来解析重叠峰,从中分离出纯组分信息。这种新方法的优点在于半盲源分离。即只要判断出重叠峰所含组分的数目,就可从混合谱中分离出各组分的纯谱信息。将它用来解析模拟两组分重叠峰体系和酒样的GC-MS混合谱,得到了令人满意的结果。     

修正样条小波最小二乘法用于分辨高噪声重叠峰

采用连续样条小波变换确定重叠信号的组分峰的数目和峰位置,将样条小波最小二乘法加以改进,使其成为既能滤出噪声又能分峰的新方法.对信噪比为1的重叠峰进行处理,得到满意结果.该方法只需对信号进行一次处理,处理速度快,且数据点无须为2n(n∈Z).应用于毛细管电泳电导信号的处理,得到满意结果.     

一种基于光谱分析的二元不完全重叠色谱峰的分离解析方法

基于二极管阵列检测器获得的色谱-光谱数据,建立了一种二元不完全重叠液相色谱峰的解析方法: 色谱数据经过去噪、归一化处理后,计算各时间点的光谱差异并进行系统聚类分析,提取特征光谱后,利用非负最小二乘法对色谱-光谱矩阵进行解析,得到基于特征光谱的流出曲线,进而得到分离后的色谱峰。将解析结果和纯标样的色谱峰进行比较,解析后的光谱图和纯标样的光谱图无显著差异,保留时间相差小于0.01 min。实验结果表明,该方法在二元不完全重叠液相色谱峰的解析方面能取得良好的效果。     

用于电分析化学重叠信号分辨的样条小波自卷积法

以正弦函数为分辨因子与样条小波滤波器相作用,使其构成样条小波自卷积法的峰分辨器,利用样条小波峰分辨器可以直接分开计算机模拟的不同类型的重叠双峰,分峰前后峰面积和峰位置的相对误差均小于5．0％;将其应用于电分析化学重叠信号的实验数据处理,得到较满意的结果。同时,为样条小波峰分辨器分辨因子提供了新的选择。