不同数据重构方法对多元曲线分辨的影响

多元曲线分辨在实际应用中能够对未知体系解析获得其中的主成分对应的纯光谱信息和浓度信息。但是当信号响应中存在非线性响应的情况下往往会出现一些难以解释的结果。为此本文分别采用主成分分析、小波变换、流形学习等线性和非线性的方法对原始数据进行重构,去除其中可能存在的干扰背景和非线性主成分,然后通过MCR的方法在特定约束条件下解析其中的主成分信息,获得更接近于真实情况的结果。本文通过MCR方法分析了重构后的宫颈癌组织切片成像和萌发种子成像数据,消除了拉曼光谱中的荧光背景的影响,也降低了一部分极强的拉曼吸收峰波段产生的非线性影响,提供了更为清晰地光谱解析结果,使光谱中更为细微的特征峰凸显出来,并提高了分析结果的可解释性。