锌溶液中痕量Cu2+、Co2+的检测光谱预处理方法

针对同时检测锌溶液中痕量Cu~(2+)、Co~(2+)浓度存在的灵敏度低、有效波段窄、光谱信号覆盖严重的问题,提出了一种多目标优化分数阶微分预处理方法。首先根据光谱特点确定影响Cu~(2+)、Co~(2+)同时检测的覆盖度和失真度,并拟合微分阶次与指标的函数关系、约束条件,然后基于多目标粒子群优化算法求解,最后对多目标优化微分阶数方法进行验证。结果表明:所提方法可以重构完全被覆盖的低灵敏度、窄有效波段的离子波峰,解决光谱信号被完全覆盖的问题,并在最大程度降低求导滤波的失真度,降低Cu~(2+)、Co~(2+)的光谱覆盖率。     

WMS的玻璃药瓶内氧气含量检测及其标定方法改进

应用激光波长调制光谱(WMS)技术,建立了一种开放光路短光程检测玻璃药瓶内氧气含量的方法。选择氧气分子位于760.885(13 142.58 cm-1)的吸收谱线,通过多次调试优化了系统相关参数,给出了实时扣背景及实时谱线校正等数据处理的方法和步骤。采集七种不同氧气含量的玻璃药瓶样本,获取相应的二次谐波信号,分别建立二次谐波峰值、半高谱峰面积与浓度的线性回归方程进行定量预测。实验结果表明,其拟合系数分别为0.996 6和0.997 8,后者相比前者的标定方法提高了0.12%。采用完全交互验证的方法来评价两个模型的预测精度,其预测的均方根误差(RMSEP)分别是0.003 1和0.002 0,后者相比前者降低了37.69%。对浓度是4%的气体样品,比较不同时间的20次测量结果,标准差分别为0.002 2和0.001 6,后者相比前者降低了27.3%,同时其测量灵敏度分别为0.198%和0.097%,后者相比前者的灵敏度提高了约51%。证明了该系统及数据处理方法对玻璃药瓶内氧气含量检测是可行的,且利用半高谱峰面积更丰富的幅值信息来反演气体浓度可以降低波峰失真影响,检测精度更高,稳定性更好。     

基于提升小波变换的阈值改进去噪算法在紫外可见光谱中的研究

在紫外可见光谱定量分析中,由于分光光度计内部的光学系统、光源、检测器、电子元器件,电路设计以及外部环境干扰等因素产生的随机噪声,严重影响光谱定量分析结果的准确性,为提高紫外可见光谱分析精度,需要对光谱数据进行去噪预处理。由于小波分析具有多分辨率,低熵性、去相关性等特点,基于小波分析的去噪算法优于传统的去噪算法,目前基于小波去噪的方法主要有模极大值去噪算法,系数相关去噪算法,阈值去噪算法,工程实际应用以Donoho的阈值去噪法最为常用。根据Donoho阈值消噪原理,提出一种基于提升小波变换的阈值改进算法,一方面使用提升小波变换,提升小波变换是第二代小波变换,继承了小波的多分辨率特性,并且不需要进行傅里叶变换,从而具有算法简单,速度快,实现简单的优点;另一方面提出了一种新的阈值函数,克服了硬阈值函数在阈值处不连续以及软阈值函数存在恒定偏差的问题,同时对阈值估计进行了调整,有利于信号小波系数的保留和噪声小波系数的剔除。对三组多金属离子混合溶液的实测紫外可见光谱信号,添加随机噪声后使用该方法进行去噪处理,并使用信噪比(SNR)和均方根误差(RMSE)进行去噪性能评价。试验结果表明,提出的算法优于Donoho的软硬阈值去噪算法,能够有效提高光谱信噪比和降低均方根误差,从而更好地消除光谱信号中的噪声和保留光谱信号中一些重要的细节特征,比较适合用于紫外可见光谱数据建模之前的去噪预处理,在紫外可见光谱信号分析中具有较好的应用前景。     

基于FFT奇异值分解的光谱信号去噪算法

微型光谱仪在采集光谱信号过程中,光谱数据经常受到来自仪器光学系统和电子电路中的干扰出现噪声和光源特征峰,严重干扰了真实光谱信号的图谱特征,因此需要使用合理的预处理方法保留光谱信号中有用信号并尽可能过滤噪声信号同时将光源特征峰滤除,从而提高光谱信息定量分析的稳健性和准确性。并且在线检测系统要求尽可能减少人为参数选择对去噪效果的影响,奇异值分解经常应用于由系统电路引起的噪声去噪,奇异值降噪阶次的选取对提高信号信噪比十分关键,但是往往参数选取主要依赖经验调试和实验验证。因此,提出了一种基于奇异值重构信号分量频率的光谱信号去噪算法。该算法首先重构原始光谱信号单个奇异值分量信号,然后对每个奇异值分量信号作快速傅里叶变换,得到每个奇异值分量信号快速傅里叶变换结果中振幅最大所对应的频率值,最后按照奇异值递减方式对相应分量信号频率值进行一阶滞后差分,得到频率差分谱,研究表明,差分谱第一个谱峰值在大于设定阈值处所对应的奇异值即为奇异值分解降噪的有效阶次。结果表明：对包含多种重金属离子的溶液在线测量的紫外可见光谱信号,添加不同强度的随机噪声,并进行去噪处理,使用信噪比和均方根误差两个性能指标进行对比。所提算法相较于SG滤波算法和小波变换去噪算法信噪比分别提高了22.05%,10.88%,均方根误差分别降低了74.28%,41.29%。所提算法完全基于数据驱动,在处理真实紫外可见光谱信号中不仅抑制了噪声影响,而且将微型光谱仪的光源特征峰有效滤除,在紫外可见光谱信号的定量分析中具有较好的应用前景。     

基于TDLAS检测西林瓶内氧气浓度的多光束干涉抑制方法

应用可调谐半导体激光吸收光谱(TDLAS)技术开放单光路短光程检测西林瓶内氧气浓度，因玻璃瓶壁造成入射光多次反射和透射，形成多光束干涉，严重影响信号波形和检测精度。本文提出了一种改变激光入射角度来抑制瓶壁光学干扰的方法，理论分析了入射角度对透射光强分布的影响，详细推导了使两相干光束叠加部分在接收端探测范围之外的入射角度计算公式，并根据现场参数得到理论最佳入射角度。对氧气浓度1%的样瓶进行多次测量，将二次谐波信号峰值的平均值作为信号，峰值的标准差作为噪声，以信噪比(signal to noise radio, SNR)最大作为系统入射角角度的优化指标，实验获得系统的实际最佳入射角度。与决定系数较高的入射角度进行浓度预测对比，交互验证后的最小二乘拟合结果显示：相关系数分别为0.995 9和0.988 9，前者相比后者提高了0.7%，预测的均方根误差(root mean square errors of prediction, RMSEP)分别是0.003 1和0.005 3，前者相比后者降低了41.5%，说明本文方法所确定的最佳入射角，能有效抑制玻璃瓶壁引起的多光束干涉影响，改善系统检测精度。     

一种基于变量稳定性和可信度的紫外-可见特征波长选择方法

针对多组分金属离子混合溶液的紫外-可见吸收光谱(UV-Vis)重叠严重、难以分离的问题，提出了一种基于稳定性和可信度偏最小二乘法(SCPLS)的特征波长选择方法。在SCPLS中，引入指数衰减函数(EDF)以迭代的方式对波长变量进行选择。在每次迭代中对蒙特卡罗采样所得到的数据集建模，计算各波长变量的稳定性和可信度指标，并通过EDF选择具有较高稳定性和可信度的变量，选择的变量作为新的变量集进入下一次变量选择迭代。迭代全部完成后，计算每一次迭代所选的变量集建模的交叉验证均方根误差（RMSECV），选择RMSECV最小的变量集作为波长变量选择的结果。利用Zn(Ⅱ)， Cu(Ⅱ) 和Co(Ⅱ)混合溶液的紫外-可见光谱数据集和Zn(Ⅱ)和Co(Ⅱ)混合溶液的紫外-可见光谱数据集对所提方法性能进行了验证，并与全波段偏最小二乘、移动窗口偏最小二乘法(MWPLS)、蒙特卡罗无信息变量消除方法 (MC-UVE)、竞争性自适应加权算法 (CARS)和稳定性竞争自适应加权算法(SCARS)进行了比较分析。结果表明：该方法不仅能降低波长选择的复杂度，还能在保证波长选择过程稳定的情况下，选出对模型重要的波长变量，较之其他方法所提出的方法选取的变量建立的模型RMSECV最小，对于Zn(Ⅱ)，Cu(Ⅱ) 和Co(Ⅱ)数据集，使用SCPLS方法得到的Zn(Ⅱ)，Cu(Ⅱ)和Co(Ⅱ)的RMSECV值分别比全光谱PLS下降60.5%，40.2%和31.8%，与SCARS相比分别下降29.8%，26.1%和0.8%，Zn(Ⅱ)，Cu(Ⅱ)和Co(Ⅱ)平均相对误差分别为2.14%，1.25%和0.74%，其中Zn(Ⅱ)的最大相对误差为4.67%，Cu(Ⅱ)的最大相对误差为3.99%，Co(Ⅱ)的最大相对误差为3.12%；对于Zn(Ⅱ)和Co(Ⅱ)数据集，使用SCPLS方法得到的Zn(Ⅱ)和Co(Ⅱ)的RMSECV值分别比全光谱PLS下降39.4%和24.9%，与SCARS相比分别下降35.3%和13.3%，Zn(Ⅱ)和Co(Ⅱ)平均相对误差分别为1.23%，1.10%，其中Zn(Ⅱ)的最大相对误差为4.45%，Co(Ⅱ)的最大相对误差为4.57%，有效提高光谱建模精度。     

基于特征区间联合-偏最小二乘的Zn(Ⅱ)、Co(Ⅱ)同时测量方法EI北大核心CSCD

针对Zn(Ⅱ)、Co(Ⅱ)混合溶液的紫外可见(UV-Vis)吸收光谱重叠严重、难以分离的问题,提出了一种基于特征区间联合-偏最小二乘的Zn(Ⅱ)、Co(Ⅱ)同时测量方法。针对混合溶液在400~800nm波长段的吸收光谱,利用特征区间联合法以分区的方式对Zn(Ⅱ)、Co(Ⅱ)的特征区间进行筛选,并以留一交叉验证均方根误差VRMSECV最小和决定系数R^2最大挑选出Zn(Ⅱ)、Co(Ⅱ)的最优特征区间;再联合这些最优子区间建立偏最小二乘(PLS)模型,从而获得Zn(Ⅱ)、Co(Ⅱ)离子浓度。结果证明,该方法不仅能降低波长筛选的复杂度,还能保证波长筛选过程的稳定性,从而将Zn(Ⅱ)模型的VRMSECV及预测平均相对误差降低到0.0483和3.48%,Co(Ⅱ)模型的VRMSECV及预测平均相对误差降低到0.0501和4.25%,并将Zn(Ⅱ)、Co(Ⅱ)模型R^2值提高到99.41%和99.22%;同时,还可以将光谱仪的Zn(Ⅱ)、Co(Ⅱ)扫描波段固定在所选的特征区段,大幅提高光谱检测效率。     

基于分区建模的锌液痕量铜离子光谱检测方法

炼锌溶液中痕量铜离子的光谱信号被掩蔽、干扰严重,以及铜离子的非线性特性在高、低浓度区间的显著差异,都会导致痕量铜离子的浓度检测比较困难。针对该问题,提出了一种基于分区建模的锌液中痕量铜离子的光谱检测方法。该方法采用导数光谱结合小波去噪的方法对光谱信号进行预处理,重现待测铜离子的谱峰。以相关系数-稳定性值作为变量的评价指标对波长变量进行排序,并结合支持向量回归(SVR)模型选取最佳波长变量,在此基础上,根据混合溶液中铜离子光谱信号非线性特性将浓度划分区间,并分别针对每个区间建立粒子群优化支持向量回归(PSO-SVR)模型,计算出铜离子的质量浓度。将所提方法与现有多种回归方法进行比较,结果表明:所提方法将预测方均根误差降低至0.0678,模型决定系数提高至99.61%,该方法的最大相对误差为6.94%,平均相对误差为2.74%。