一种基于石墨化炭黑过滤吸附处理荧光抑制和改进系统聚类分析的轻质燃油种类拉曼光谱快速识别方法

提出了一种石墨化炭黑过滤吸附前处理抑制轻质燃油拉曼光谱荧光背景干扰的方法和一种改进的系统聚类分析算法,实现了39个样品的种类快速识别,即能自动将样品识别为0#车用柴油、0#普通柴油、97#车用汽油、93#车用汽油、90#车用汽油和3#喷气燃料等6种类型。过滤吸附处理方法是用定制的50 mg石墨化炭黑过滤吸附0.75 mL油样,然后对其进行拉曼光谱数据采集。试验结果证明：石墨化炭黑过滤吸附处理对无荧光背景干扰的3#喷气燃料和车用汽油样品拉曼光谱特征无明显影响,且能够有效抑制车用汽油和车用柴油样品的拉曼弱荧光背景干扰,以及车用汽油和普通柴油的强荧光背景干扰。改进的有监督系统聚类分析算法将普鲁克距离作为系统聚类分析中样本间相似度的评价方法;并将经典的系统聚类分析视为标准校正样品集的“建模”过程,通过计算未知样品与各类属中心向量之间的普鲁克距离,依据距离最小原则判断未知样品的类属。通过对39个具有不同拉曼荧光背景干扰特征油样的石墨化炭黑前处理和“留一法”交互验证分类识别,分析结果证明：石墨化炭黑过滤吸附前处理抑制拉曼光谱荧光背景的方法能够有效提取轻质燃油的拉曼光谱特征并应用于定性种类识别。     

基于自适应免疫算法重叠拉曼谱峰的解析

拉曼光谱测量速度快,可以实现原位实时测量,现已成为过程控制中物料检测的一种重要手段。但由于环境的复杂性以及拉曼光谱信号特点,目前在线检测时难免会出现一些重叠谱峰。基于免疫算法特点,将该方法用于芳烃重叠拉曼谱峰信号的解析中,提取混合物质中单个组分拉曼谱峰信息进行分析,结果表明该方法解析快速、定量准确,相对误差低于1%,是解析重叠拉曼光谱信号的有效方法。针对现场样品检测中出现的重叠谱峰伴随荧光背景信号,提出了结合独立成分分析的自适应免疫算法,有效地解析出荧光背景信号,为复杂样品的拉曼光谱检测分析提供了新的手段。     

基于匹配追踪的拉曼光谱信号重构算法

拉曼光谱技术是一种高灵敏度、无损伤、振动分子光谱技术,在医药、生物、分析化学等诸多领域有着重要的作用。然而,由于拉曼散射强度低,实际测得的拉曼信号容易被噪声所污染。特别是在较短的曝光时间,收集到的拉曼光谱的信噪比很低。因此,提出了一种基于匹配追踪算法的信号重构方法,用于提取低信噪比的拉曼信号。该方法首先通过阈值循环迭代的方法在平均谱上找出特征峰的位置、估计峰的区间。根据峰的位置区间等信息,用高斯密度函数生成字典。在噪声谱上,根据特征峰位置和区间,将其区分为有信号区间和无信号区间,在有信号区间上利用匹配追踪算法重构被噪声所掩盖的拉曼信号。该算法不仅能够很好的逼近掩盖在噪声中的拉曼信号,且在重构信号的过程中也会对基线进行扣除,无须作基线校正处理。在仿真和实验中对该算法与常规算法进行了比较,结果证明,该算法在低信噪比条件下能够较好的恢复拉曼信号。该算法不同于传统光谱去噪算法,能同时对拉曼光谱进行了基线扣除以及噪声的处理,且能取得较为理想的结果,不需要使用不同的算法对基线和噪声分别处理。其次,在算法上我们创造性地将匹配追踪算法用于拉曼光谱信号的稀疏逼近求解。     

多波长消荧光拉曼光谱仪的研制及应用研究

拉曼光谱技术作为探究分子、晶体及其结构特征的有力手段,具有快速、无损、样品用量小、无需前处理且适应性强等优点,已被广泛应用于食品安全、石油化工等领域。但在拉曼光谱应用中,常常受到荧光背景干扰,导致拉曼信号降低,严重的情况下拉曼信号甚至会淹没在荧光背景中。为解决拉曼技术在实际应用中荧光背景干扰的问题,从仪器角度出发,采用二色镜对多波长拉曼光谱进行光路耦合设计,研制了近红外拉曼光谱与移频差分拉曼复合一体的多波长消荧光拉曼光谱检测系统,其中近红外拉曼光谱采用1 064 nm激光光源设计,移频差分拉曼光谱选取784.5和785.5 nm两组激光光源进行时分复用,在移频差分拉曼光谱检测的同时,亦可获得两组单波长拉曼光谱数据。通过对比同步测试和分时逐次测试的强度及峰位稳定性,验证了多波长消荧光拉曼光谱仪的同步测试性能;选取了多种荧光背景强弱不同的样品,进行了单波长拉曼、近红外拉曼及移频差分拉曼光谱的对比分析。针对丙酮、乙腈等荧光背景较弱的样品,可采用单波长拉曼光谱对样品进行定量及定性分析;针对食用油、红色塑胶微粒等荧光背景与拉曼信号强度相当的样品,可采用近红外拉曼光谱对样品进行定量及定性分析;针对红酒、棕色塑胶微粒等荧光背景较强的样品,需结合近红外拉曼光谱和差分拉曼光谱对样品进行定性分析。研究表明：通过多波长消荧光拉曼光谱检测系统的研制,在常规单波长拉曼光谱技术的基础上,将两种抑制荧光干扰技术有机结合,有效扩充了应用领域及样品检测范围。     

荧光褪色效应与拉曼光谱基线干扰消除

荧光是直接测定的拉曼光谱中背景的最主要来源,需要采用真实、准确的方法消除,以得到纯净的拉曼响应。基线拟合消除和查找荧光贡献扣除是解决背景问题的两条思路,目前多采用基线拟合方法,其优点是满足用户“视觉”要求,无需额外硬件,但并非机理或实质上的解释,因而难以保证数据的真实性与合理性;查找荧光的方法,更为真实,但是目前提出的方法,需要增加光源等额外设计和成本。另外,在实验方法上,也有采用消荧光剂和长时间照射漂白的,存在操作繁琐、效率低等不足。利用稳定体系中拉曼和荧光的时间差异解决体系中荧光问题。在微小的时间段内,例如几个毫秒,激发光不会导致体系性质发生显著变化,荧光具有寿命周期,会随激发时间延长强度下降的“褪色”,“褪色”的强度差异可以被认为是整体荧光的一个微元;与此同时,由于体系组成未发生显著变化,拉曼光对于短时间照射可以保持稳定。利用此差异可以区分出混合信号中的荧光和拉曼光。根据该原理,提出了荧光褪色差分法(FBDA),实现拉曼光谱的背景校正。方法的主要步骤：测量微小时刻内的多张直接拉曼光谱,求取系列光谱的差分,对差分值作高频滤波降噪,可获得荧光强度微元;然后,多个荧光微元平均归一化后,得到荧光强度单元。以拉曼光谱2 000～2 500 cm-1的静默区,即通常不会出现拉曼信号的频段为基准,对荧光单元作逆差分,逆差分累计值与原始光谱在此频段一致时,得到整体荧光响应;最终,从原始光谱中扣除荧光成分,完成背景扣除和基线校正。以盐酸二甲双胍片的拉曼测量为例,说明和讲解了所提出的原理和方法,验证方法的有效性。与目前效果较好的基线校正方法(不对称最小二乘和自适应迭代再加权惩罚偏最小二乘)进行了对比,表明FBDA方法更为客观真实,FBDA的另一个优势是不需要额外的设计和成本,所有数据都是在现有设备直接采集和完成。需要说明的是,微小时刻光谱差异的要求,可以确保FBDA光谱实时性,长时间的光谱差异,将会影响结果的准确性;另外,对于光化学反应体系和其他非荧光引起的复杂背景,FBDA的适用性有待改善。     

拉曼光谱乙醇含量测量基线校正算法研究

采用拉曼特征峰峰比法进行乙醇含量的定量分析时,两峰值强度对定量分析精度有决定作用。为获得准确的乙醇含量信息,本文采用自主研制的激光拉曼乙醇含量检测系统实验获得不同浓度乙醇溶液拉曼光谱特征峰与本底水峰相对强度关系,研究了适用于大范围乙醇浓度定量分析的快速实时基线扣除算法。分别采用小波分析和基于极值自适应缩放的方法去除荧光背景,实现光谱基线校准。基线校准处理后,两种方法均能消除突变噪声及强荧光背景的影响而读取出拉曼峰强度。采用e指数数学模型对拉曼峰值强度比随乙醇浓度变化关系进行非线性回归分析。结果表明,小波分析方法非线性拟合相关系数高于0.980,基于极小极大值自适应缩放的方法非线性拟合相关系数高于0.982。     

爆炸物、毒品的标准拉曼谱图库的建立及自动检索系统

采集31种爆炸物和73种毒品的标准拉曼谱图,分析其谱图,选出适合作为搜索条件的光谱范围。通过编程,建立标准拉曼谱图库和自动检索系统。在选定光谱范围内,拉曼谱图库选择信号较强的特征峰,进行曲线拟合,将获得的峰位置、相对峰强等数据作为参数写入标准拉曼谱图库。通过自动检索系统将未知拉曼光谱与数据库中的标准谱图进行分析比对,搜索软件自动给出正确结论。数据库具有添加、删除、备份、恢复等辅助功能,并具有自动扣除荧光背底,优化拉曼光谱图等功能。本文进一步分析了可能对分析比对结果造成影响的因素。     

基于高斯核主成分分析的多通道拉曼光谱重建

针对多通道拉曼成像系统常会受荧光背景、噪声等非线性因素的影响而导致拉曼光谱重建结果一般的问题,提出了一种基于高斯核主成分分析的拉曼光谱重建算法.首先利用相似度因子对标定样本数据集进行预处理,其次通过高斯核函数将标定样本以非线性形式映射至高维特征空间,接着在特征空间中对映射后的数据集提取基函数并通过伪逆法求得与之对应的基函数系数.使用聚甲基丙烯酸甲酯作为测试样本,并引入均方根误差来评估拉曼光谱重建结果的准确性.实验结果表明,相比传统的伪逆法与维纳估计法,该算法具有更高的重建精度及抗噪能力,且能有效降低标定样本中不良数据和成像系统中非线性因素对拉曼光谱重建的影响.因此,该算法可以为多通道拉曼快速成像提供一种有效的拉曼光谱重建算法.     

乙醇含量拉曼光谱检测中噪声与背景同时消除方法研究

乙醇含量拉曼光谱检测中,拉曼光谱信号中的各种噪声及光谱荧光造成的基线漂移和样品池背景等,影响了校正模型的预测精度。利用总体平均经验模态分解,将光谱信号分解成若干无模态混叠的内在模式分量,根据排列熵的信号随机性检测判据判断出代表背景信息和噪声信息的内在模式分量,将其置零即可同时消除拉曼光谱中的噪声与背景。将总体平均经验模态分解与排列熵相结合的预处理方法应用于乙醇含量的拉曼光谱检测中,并与小波变换和平均平滑滤波做了对比。实验结果表明：应用总体平均经验模态分解与排列熵相结合的方法能够有效的同时消除乙醇含量拉曼光谱检测中的噪声和背景信息,提高校正模型的预测精度,且使用简便,无需参数设置,对乙醇含量拉曼光谱检测具有实用价值。     

一种自适应的三维荧光光谱去散射方法

三维荧光光谱因其数据量大、灵敏度高等优点,在食品科学、分析化学、生物化学和环境科学等领域应用广泛。然而,因为同时存在瑞利散射和拉曼散射,给三维荧光光谱的定量分析和数据显示带来了困难。因此,在数据处理前期,消除散射干扰对其具有重要意义。在已有方法中,对较低浓度溶液和散射峰与物质荧光信号重叠严重光谱的去散射算法的研究相对空白。针对现有问题,提出了一种自适应的三维荧光光谱去散射方法。首先,该方法通过减去每次实验获取的溶剂的光谱基线来校正拉曼散射和背景干扰。然后综合考虑散射峰与物质峰的荧光强度和重叠程度将光谱分为五类情况对应三个重叠等级：无重叠、微弱重叠和严重重叠,分别采用置零法、分段三次Hermite插值多项式算法和高斯拟合-分段三次Hermite插值多项式耦合算法对瑞利散射进行校正处理。此方法基于一维插值,仅对单个发射光谱进行研究,降低了算法复杂度,计算时间较短。通过对酪氨酸、黄腐酸、萘乙酸和罗丹明B四种典型有机化合物进行实验,评估了该方法扣除散射干扰的有效性。并且与现阶段研究中使用最多的Delaunay三角形内插值法进行比较,以重叠区域散射校正后的数据对四种有机化合物分别进行浓度回归,此...     

对强荧光背景拉曼光谱定量分析的研究

针对拉曼光谱定量分析中的难点问题—对具有强荧光背景物质的定量分析,文章分别对具有较强荧光背景的不同浓度下的纯甲醇溶液及不同浓度比例的甲醇和乙醇混合溶液的拉曼光谱数据采用新的归一化法结合基线校准技术进行拉曼光谱定量分析;同时,对由数据采集时的时空差异所引起的样品数据组间的波动性进行了研究。模拟时空变化来采集定量分析中所需的谱数据,并使用统计学方法评价样品的组间差异,讨论了此方法对样品组间差异的消除效果。研究证明,此方法具有较好的分析精度和消除不同样品组数据的组间差异的能力,对甲醇的定量分析,其相对误差为4.7%,组间数据的相对标准偏差为4.2%。从而使对具有强荧光背景干扰的溶液进行简单、快速、精确的定量分析成为可能。     

Laser wavelength dependence of background fluorescence in Raman spectroscopic analysis of synovial fluid from symptomatic joints

Gout is a disease process where the nucleation and growth of crystals in the synovial fluid of joints elicit painful arthritis‐like symptoms. Raman spectroscopy is evolving as a potential diagnostic tool in identifying such crystals; however, attainment of sufficient Raman signal while overcoming the background fluorescence remains as a major challenge. The current study focused on assessing whether excitation in 532–700 nm range will provide greater signal intensity than the standard 785 nm while not being impeded by background fluorescence. We characterized the fluorescence spectra, absorption spectra and Raman spectra of synovial fluid from patients who presented ‘gout‐like symptoms’ (symptomatic) and controls (asymptomatic). A digestion and filtration method was developed to isolate crystals from synovial fluid while reducing the organic burden. Spectral profile and photobleaching dynamics during Raman spectroscopy were observed under an excitation wavelength range spanning 532 to 785 nm. Absorbance and fluorescence profiles indicated the digestion and filtration worked effectively to extract crystals from symptomatic synovial fluid without introducing additional fluorescence. Raman spectral analyses at 532 nm, 660 nm, 690 nm and 785 nm indicated that both asymptomatic and symptomatic samples had significant levels of fluorescence at excitation wavelengths below 700 nm, which either hindered the collection of Raman signal or necessitated prolonged durations of photobleaching. Raman‐based diagnostics were more feasible at the longest excitation wavelength of 785 nm without employing photobleaching. This study further demonstrated that a near‐infrared (NIR) OEM‐based lower‐cost Raman system at 785 nm excitation has sufficient sensitivity to identify crystals isolated from the synovial fluid. In conclusion, while lower excitation wavelengths provide greater signal, the fluorescence necessitates NIR wavelengths for Raman analysis of crystal species observed in synovial aspirates. Copyright © 2013 John Wiley & Sons, Ltd.     

A robust method for automated background subtraction of tissue fluorescence

This paper introduces a new robust method for the removal of background tissue fluorescence from Raman spectra. Raman spectra consist of noise, fluorescence and Raman scattering. In order to extract the Raman scattering, both noise and background fluorescence must be removed, ideally without human intervention and preserving the original data. We describe the rationale behind our robust background subtraction method, determine the parameters of the method and validate it using a Raman phantom against other methods currently used. We also statistically compare the methods using the residual mean square (RMS) with a fluorescence‐to‐signal (F/S) ratio ranging from 0.1 to 1000. The method, ‘adaptive minmax’, chooses the subtraction method based on the F/S ratio. It uses multiple fits of different orders to maximize each polynomial fit. The results show that the adaptive minmax method was significantly better than any single polynomial fit across all F/S ratios. This method can be implemented as part of a modular automated real‐time diagnostic in vivo Raman system. Copyright © 2007 John Wiley & Sons, Ltd.     

Improved methods for fluorescence background subtraction from Raman spectra

Raman spectroscopy has attracted interest as a non‐invasive optical technique to study the composition and structure of a wide range of materials at the microscopic level. The intrinsic fluorescence background can be orders of magnitude stronger than the Raman scattering, and so, background removal is one of the foremost challenges for quantitative analysis of Raman spectra in many samples. A range of methods anchored in instrumental and computational programming approaches have been proposed for removing fluorescence background signals. An enhanced adaptive weighting scheme for automated fluorescence removal is reported, applicable to both polynomial fitting and penalized least squares approaches. Analysis of the background fitting results for ensembles of simulated spectra suggests that the method is robust and reliable and can significantly improve the background fit over the range of signal, shot noise and background parameters tested, while reducing the subjective nature of the process. The method was also illustrated by application to experimental data generated from aqueous solutions of bulk protein fibrinogen mixed with dextran. Copyright © 2013 John Wiley & Sons, Ltd.     

正常人和结直肠癌患者血清的拉曼光谱探测与区别

本文对比分析了正常人和结直肠癌患者的血清的拉曼光谱.选择拉曼峰信息和荧光背景信息作为参数进行统计分析.用主成分回归(Principal component regression,PCR)和线性辨别分析(linear discriminant analysis,LDA)对所选参数进行分析以观察这些参数对光谱的代表性,得到...     

Background removal from polarized Raman spectra of tooth enamel using the wavelet transform

A wavelet transformation method is introduced to remove the large fluorescence background from polarized Raman spectra of stained tooth enamel. This method exploits the wavelet multiresolution decomposition where the experimental Raman spectrum is decomposed into signals with different frequency components, and where the lowest frequency background and highest frequency noise are removed. This method is optimized using a simulated collection of parallel‐polarized and cross‐polarized Raman spectra of the enamel and then applied to a set of experimental data. The results show that the wavelet transform technique can extract the pure spectra from background and noise, with the depolarization ratio used to discriminate between early dental caries and sound enamel preserved. Copyright © 2010 Crown in the right of Canada. Published by John Wiley & Sons, Ltd.