无机盐混合溶液的太赫兹光谱定量分析

太赫兹生物医学是当前光谱研究领域的前沿热点,其主要难点在于如何在有效避免水分干扰的同时,实现复杂生物体系组分的精准分析。太赫兹光谱产生于分子振动的信息,其吸收谱较弱,吸收峰严重重叠,且多组分复杂样品的太赫兹光谱往往不是各组分光谱的简单叠加,难以用传统的峰高、峰面积标定技术进行定量计算。但采用多元校正技术可以方便地实现太赫兹光谱的定量分析,使太赫兹光谱成为一种快速、简便且适用范围广泛的分析技术。以KCl和NaCl的无机盐混合体系为典型研究体系,两种组分的浓度范围均为0.1～2 mol·L-1,浓度间隔为0.1 mol·L-1。获取20组浓度配比不同的混合溶液的吸收系数和折射率,巧妙利用水溶液体系中无机金属离子的水合氢键作用,由此采集无机盐溶液体系的太赫兹时域光谱,提取各组分的特征信息,建立多尺度数据驱动的定量分析模型,有望实现水溶液中无机金属离子的定量分析。针对太赫兹光谱数据规模大、基质干扰强及数据关联复杂等特点,构建复杂二维小波变换、多变量筛选、贝叶斯数据挖掘、深度学习和数据关联性分析技术为一体的算法数据库,由此构建基于多尺度数据驱动的太赫兹光谱解析方法。论文依据正交实验的原则,构建具备良好数据结构特征的混合溶液数据集,引导后续的光谱解析方法准确提取无机金属离子水合氢键信息。在此基础上,发展自适应算法,寻找光谱数据变量与浓度间的关系,并采用变量筛选技术,从原始光谱数据中提取无机盐水合氢键的特征信息,最终构建浓度与特征信息之间的数据驱动模型。计算结果表明,KCl和NaCl组分的预测误差分别为8.0%和9.1%,能有效满足大部分应用的检测精度要求。多尺度数据驱动模型方法充分利用太赫兹光谱信号的时域和频域多尺度特性,实现数据预处理与多元校正的一体化运算以避免重要信息丢失,具备高度自适应特征。因此,基于数据驱动建模的太赫兹光谱分析新方法为太赫兹生物医学研究提供了新思路。     

基于多光谱特征融合技术的面粉掺杂定量分析方法

提出了一种基于拉曼光谱技术(Raman)和激光诱导击穿光谱技术(LIBS)的多光谱特征融合技术(MFFT),利用拉曼光谱中分子组分信息和激光诱导击穿光谱中原子组分信息之间的互补特性,采用自适应小波变换(AWT)-竞争性自适应加权(CARS)-偏最小二乘回归(PLS)建模技术,获取了面粉体系更为全面的特征信息。在多光谱特征融合技术中,首先采用AWT-CARS方法分别提取拉曼光谱和激光诱导击穿光谱中的特征变量,然后将两者的特征变量融合为一个向量,采用PLS方法构建MFFT模型,实现了面粉掺杂物的定量分析。通过对二氧化钛、硫酸铝钾等面粉掺杂体系建模分析,考察MFFT模型的有效性。结果表明,与单一拉曼光谱技术或激光诱导击穿光谱技术建立的预测模型相比,MFFT模型显著提升了模型的预测性能,二氧化钛和硫酸铝钾预测模型的线性相关系数分别从相对较差的Raman模型的0.884、0.877提升到0.981、0.980,其预测均方根误差分别从相对较差的Raman模型的0.151、0.154降低到0.069、0.068。表明多光谱特征融合技术可以准确提取Raman光谱中的分子信息和LIBS光谱中的元素信息,使其互为补充、互为校正,进而有效克服面粉基质对掺杂组分定量分析的干扰,显著提高模型的预测精度。