基于中值滤波和非均匀B样条的拉曼光谱基线校正算法

基线校正是拉曼光谱数据预处理的关键步骤之一,是消除荧光干扰的有效方法.传统的多项式拟合和均匀B样条拟合算法原理简单、易于实现,但拟合阶数和内节点的不确定性限制了其灵活性.因此,本文提出了一种基于中值滤波和非均匀B样条的拉曼光谱基线校正算法.该算法首先通过平滑预处理、差分计算和设置阈值筛选波谷点,并根据光谱数据的波谷位置自适应地选择非均匀B样条的内节点;接着利用中值滤波算法对光谱数据进行处理,使非均匀B样条算法能够更好地拟合基线.该算法克服了传统B样条算法需要根据不同的拉曼光谱手动选择内节点的缺点,同时避免了光谱数据中的随机噪声对基线拟合的影响,且进一步提高了光谱基线校正效果.实验结果表明,该算法能较好地消除拉曼信号基线漂移,且不存在过拟合和欠拟合现象.因此,该算法可以为光谱数据的进一步分析提供更准确、可靠的信息.     

基于B样条的拉曼光谱基线校正方法

基线漂移是光谱检测仪器普遍存在的现象,会对光谱信号的特征提取带来十分不利的影响,而基线校正是解决该问题的重要手段,也是拉曼光谱信号预处理的重要组成部分。基线校正的原理一般是通过拟合基线的方法来去除光谱信号中的基线漂移。传统的基线校正方法是利用多项式拟合的方法对拉曼光谱信号的基线进行拟合的,但是该方法容易出现过拟合和欠拟合现象,且拟合阶数难以确定。针对传统方法的缺点进行了改进,利用B样条方法对拉曼光谱信号的基线进行拟合,发挥B样条低阶光滑的优点,能够有效地克服多项式方法的缺陷。在实验中,利用该方法对孔雀石绿、罗丹明B的拉曼光谱信号进行了基线校正,观察并比较该方法和传统方法的校正结果。实验结果表明,该方法能够有效地消除拉曼光谱信号的基线漂移,在基线漂移较小和较大的位置,可以采用相同的拟合阶数,不会出现欠拟合和过拟合的现象,获得了良好的基线校正效果,为进一步分析光谱数据提供准确可靠的信息。     

基于自动线性拟合的快速拉曼基线校正算法

近年来拉曼光谱以其无创、灵敏度高等众多优点在化学表征、生物医药、材料等领域引起广泛关注,而基线漂移的存在为后续的定性定量分析带来严重困扰,因此设计高性能的基线校准算法以提高分析结果的有效性及准确性具有重要意义。针对传统算法在批量拉曼光谱数据基线校正方面的不足,基于自动线性拟合算法提出一种快速基线校正算法以校正具有相似背景的批量拉曼光谱数据并详细阐述了该算法的核心思想以及算法实现流程。该算法首先从批量拉曼光谱数据中自动选择一条拉曼光谱数据作为基准光谱,使用自动线性拟合算法对其进行基线校准得到其基线以及分段标记点,然后利用标记点快速计算出组内其他与基准光谱具有较高相关性的拉曼光谱数据的基线,对于组内与基准光谱相关性不满足阈值要求的拉曼光谱则使用自动线性拟合算法对其进行单独基线校正,这使得算法具有具有较强的鲁棒性,可以适应复杂的拉曼光谱基线校正情形。分别使用快速基线校正算法与单独基线校正算法对多组实际拉曼光谱数据进行基线校正以对比分析算法基线校正效果,结果表明该算法可以实现对批量拉曼光谱数据的快速校正,基线校正效果良好,并且相较于单独进行基线校正算法耗时减少了30%以上,算法无参,简单易行,无需额外人工干预,是一种切实可行的批量拉曼数据自动基线校正算法。     

基于DE算法和NURBS曲线的ICP-AES光谱基线校正方法研究

电感耦合等离子体原子发射光谱(ICP-AES)分析法是一种常用的溶液元素浓度分析方法,但在ICP-AES测量过程中,由于温度漂移、杂散光和仪器暗电流等原因,光谱往往会存在一定程度的基线漂移,导致元素光谱强度值的测量结果存在误差,进而影响元素浓度的定量分析结果,因此基线校正是ICP-AES分析法中的必要环节之一。对传统光谱基线校正方法进行简要分析,在此基础上设计了一种基于非均匀B样条曲线和差分进化算法的ICP-AES光谱基线漂移校正方法;首先验证了光谱信号中噪声的概率密度分布服从高斯分布,然后对原始光谱进行预处理,通过高斯滤波对光谱信号去噪;然后以光谱基线校正过程中极小值序列的标准偏差作为评价指标,以非均匀B样条曲线作为基线模型,以曲线的控制点序列C和内接点序列T作为评价函数特征参数,建立ICP-AES光谱基线校正评价函数,将光谱基线校正问题转换为求解评价函数特征参数全局最优解的问题;最后简要介绍了差分进化算法的流程,通过差分进化算法求解使得评价函数取得最小值时的特征参数的全局最优解,即非均匀B样条曲线的控制点序列C与内接点序列T的取值,并以此拟合相应的非均匀B样条曲线作为光谱基线,实现...     

基于改进的自适应迭代重加权惩罚最小二乘的空间外差拉曼光谱基线校正方法

空间外差拉曼光谱技术因其非接触、无损、快速、高稳定性和高光谱分辨率等特点,已经广泛应用于各个物质探测领域。由于复原光谱中存在荧光背景干扰,对样品进行定性和定量分析时需要对光谱进行基线校正。为了解决由拉曼峰引起的拟合基线抬升的问题,提出了一种改进的自适应迭代重加权惩罚最小二乘（airPLS）的基线拟合方法,即基于拉曼峰截断的airPLS基线拟合方法。该方法能够自动识别拉曼峰,并在对光谱进行拉曼峰截断后进行airPLS迭代拟合,以获得更准确的基线。使用仿真光谱和实测光谱进行验证,并与常见的基线拟合方法进行对比,结果显示,改进的airPLS基线拟合准确度显著提升,仿真光谱的基线拟合均方根误差优于0.0052。实测拉曼光谱的校正谱特征峰清晰可见,荧光基线趋势被有效去除,满足拉曼光谱数据处理的需求。     

基于非均匀B样条曲线的红外数据的精确拟合及校正

红外谱图数据的精确拟合是建立标准谱图的重要组成部分,是光谱仪器正确进行定性和定量分析的基础。文章采用非均匀B样条对红外谱图数据进行曲线拟合,通过采用基于最大范数距离的B样条拟合算法,不仅解决了大容量红外谱图的精确拟合问题,同时对谱图峰值精确定位也提供了方便。文章介绍了非均匀B样条曲线,以及二阶(三阶)非均匀B样条曲线拟合的实现,重点描述了红外谱图数据拟合精度的控制方法。     

分段式线性拟合校正拉曼光谱基线漂移

基线漂移是目前光谱仪收集拉曼光谱时难以避免的现象,基线校正是光谱数据处理中一个不可或缺的重要步骤。针对传统的基于多项式拟合的基线校正方法存在的不足,本工作采用线性拟合的方法分段拟合背景基线,与计算机相结合,实现快速、准确、自动的基线校正;经聚苯乙烯小球、红细胞和酿酒酵母等多批次拉曼光谱数据处理的验证,表明该改进方法可以有效地对拉曼光谱进行基线校正,为进一步分析光谱数据提供更准确的信息,是一种可行的基线校正方法。     

采用非均匀有理B样条曲面延展光学元件面形误差

在离子束抛光工艺中,为了提高驻留时间求解算法在工件边缘处的求解精度,通常需要对原始面形误差数据进行边缘虚拟延展。要求原始面形误差数据与虚拟延展面光滑拼接,并在延展区域具有可控的不确定性。非均匀有理B样条(NURBS)曲面常用在机械制造领域对复杂形状物体进行三维建模。引入非均匀有理B样条曲面并结合泽尼克(Zernike)多项式拟合对一典型的圆形光学元件面形误差自由曲面数据进行延展。通过对典型面形误差曲面延展前后的等效功率谱密度曲线分析可以看出,延展后在面形误差频率大于0.05mm-1时其面形误差改善量均大于70%;将该典型延展面应用于特定驻留时间求解算法中,使得预测加工精度的均方根值由1.18nm改善至0.19nm。这表明,采用非均匀有理B样条曲面延展光学元件面形误差能够获得光滑拼接的虚拟延展曲面,并能大大改善离子束抛光工艺中驻留时间算法的求解精度。     

基于自适应加窗spline曲线拟合的拉曼光谱去基线方法

拉曼光谱是一种无损快速检测技术,可以提供材料的定性和定量信息,因而在医药、化工等诸多领域得到了广泛的应用。但是,由于样品荧光背景噪声的影响,造成拉曼光谱信号出现基线漂移现象,这给拉曼光谱的特征峰识别和拉曼成像带来十分严重的影响。目前,改进实验方法和数值处理是解决该问题的两种重要手段。改进实验方法上,有偏振调制法和高频调制法等,但存在实验设备复杂,检测技术难度大等缺点;数值处理上,有多项式拟合和小波变换等,但容易出现欠拟合和过拟合等现象。本文在不改换高精密设备的前提下,针对传统基线校正的方法进行了改进,提出一种基于自适应加窗spline曲线拟合的拉曼光谱去基线方法。首先,基于谱峰识别算法和初始搜索步长求得谷值的最优搜索间距,并利用谱谷识别算法完成谷值曲线的拟合;其次,利用最优搜索间距和谱峰识别算法,求得谷值曲线峰值位置,并在该位置处对称添加自适应矩形窗函数去除峰值,重新划分整个区间,拟合谷值曲线;再次,逐点比较拟合曲线与原拉曼光谱信号,取较小值,拟合曲线;最后,重复加窗去除峰值操作,直至自适应窗函数宽度低于阈值,完成拉曼光谱信号的基线拟合。在实验中,选用乙酸丁酯、聚甲基丙烯酸甲酯(polymethyl methacrylate, PMMA)作为实验样品,利用该方法对其拉曼光谱信号进行了基线校正,观察并比较该方法和传统方法的校正结果。实验结果表明,该方法能够有效地消除拉曼光谱信号的基线漂移,较好的保留一些较弱的拉曼特征峰,且不易出现欠拟合和过拟合的现象,获得了良好的基线校正效果,为进一步分析光谱数据和实现拉曼成像提供准确可靠的信息。     

基于三次样条插值的IRFPA非均匀性校正算法

针对红外成像制导跟踪系统工程应用的实际要求,对红外焦平面阵列工作在大动态范围条件下的非均匀性校正算法进行了深入研究,依据函数插值原理,导出了三次样条插值非均匀性校正算法.用模拟的非均匀性图像和实际的红外图像对算法进行了校验.结果表明该算法具有动态范围大、校正准确度高的优点,可对红外焦平面阵列实现非均匀性和非线性双重校正效果.     

拉曼光谱的局域动态移动平均全自动基线校准算法

基线校准是极其重要的光谱预处理步骤,能够显著提高后续光谱分析算法的准确性。目前基线校准算法大多数都是手动或半自动的,手动基线校准算法完全依赖于用户的经验,个人主观因素会严重影响基线校准的准确性,半自动基线校准需要针对不同的拉曼光谱设置不同的优化参数,使用不便。提出了一种局域动态移动平均(LDMA)全自动基线校准算法,并且详细阐明了该算法的基本思想和具体算法步骤。该算法采用了改进移动平均算法(MMA)实现拉曼光谱峰的逐渐剥离,通过自动识别原始拉曼光谱的基线子区间来将整个拉曼光谱区间自动分割为多个拉曼峰子区间,从而实现了在每个拉曼峰子区间中动态改变MMA窗口半宽度和控制平滑迭代次数,最大程度地避免了基线校准过度和基线欠校准现象。无论对于凸形基线、指数形基线、反曲线形基线模拟拉曼光谱,还是真实物质的拉曼光谱,LDMA全自动基线校准算法都取得了很好的基线校准效果。     

近红外光谱气体在线分析中基线校正方法的研究

光谱数据的预处理对于光谱定标及定量分析非常重要,尤其是校正测量条件、环境变化引起的光谱基线漂移是现场近红外光谱分析中的关键之一。利用BRUKER EQUINOX 55傅里叶近红外光谱仪对不同浓度的异丁烷气体的近红外吸收光谱进行测量,对 “微分-平滑”法和光谱仪自带的基线校正方法分别进行了理论分析和实验数据的对比。理论分析和实验结果表明,对于稳态、线性的背景光谱漂移光谱仪自带方法可以得到高的信噪比及分析精度,而“微分-平滑”法则具有更好的适应性,对于非稳态、或非线性漂移具有更好的抑制作用,是一种很好的在线数据预处理方法。     

基于基线漂移模型的气体光谱自动基线校正

傅里叶红外光谱是监测污染源废气排放的一种重要手段。发展针对气体光谱的自动基线校正方法对于污染气体快速检测及长时间在线监测具有重要意义。目前自动基线校正中的一个难点是如何准确校正存在宽峰的光谱：宽峰在频域中具有一定低频成分,基于频域滤波提取光谱中低频基线信息的方法因难以选择合适的分离条件容易产生基线扭曲。采取自动识别基线点,基于预先设定的基线模型拟合光谱基线的方法可以规避频域方法中分离条件选取的环节,但其校正效果对所采用的基线模型非常敏感。当基线模型中的自由度过小时,拟合基线无法准确逼近光谱基线漂移,基线校正的误差较大;而当基线模型中的自由度过大时,尤其是含有实际基线漂移中不存在的虚假自由度时,容易产生基线扭曲。目前常用的基线模型有线性、多项式、样条插值、指数模型等,在基线模型的选择上缺乏较为统一的标准。本研究着眼于避免基线模型缺乏必要自由度或含有虚假自由度,提出基于实际基线漂移的自由度建立基线模型。研究发现,气体光谱中主要的基线漂移在光谱中可被近似表示为波数的特定阶次(0次、1次、2次和4次项)的形式。以此作为基线模型提出了一种自动基线校正新方法。新方法以传统迭代多项式拟合自动基线校正方法作为基础,将其中仅设定多项式最高阶次的基线模型改进为上述由具有物理意义支撑的特定阶次构成的基线模型;此外,增加了对吸收峰尾部的判定,用于避免在采用阈值分辨吸收峰与基线时,吸收峰尾部因吸光度较低被误识别为基线的问题。以实测获得的含有水汽宽峰的空气光谱作为样本,对所提方法的基线校正效果进行了验证,并与迭代多项式拟合方法中两种较有代表性的Lieber和Mahadeven-Jansen(LMJ)方法以及Liu和Koenig(LK)方法的基线校正效果进行了对比。实验结果表明,所提方法与采用不同最高多项式阶次的LMJ及LK方法相比,可更好的避免基线扭曲,同时其校正后的光谱基线与吸光度0线间具有最低的方差平均值。研究表明,采用实际基线漂移的自由度建立光谱基线模型可获得良好的基线校正效果。     

空间外差光谱自适应基线校正研究

空间外差光谱具有较高的信噪比与光谱分辨率,在大气微量气体遥感领域得到重要应用,实现基线的自适应校正是光谱预处理的重要环节。基于光谱的特点,分别采用阈值拟合法和改进的经验模态法对实测近红外水汽空间外差光谱进行基线校正。结果表明,两种方法均能实现光谱基线的自动扣除;以光谱扭曲程度及光谱相似度对两种方法的校正效果进行定量评价,阈值拟合法校正后的光谱扭曲程度及光谱相似度为0.761和0.955,改进经验模态法的结果分别为0.717和0.954,说明改进经验模态法略优。在校正方法的耗时上,改进经验模态法以其特有的算法优势仅需较少的迭代次数就能获得最终的基线光谱,完成校正,耗时不足阈值拟合法的十分之一,效率更高。     

自适应的EEMD残余相关基线校正算法

基线校正是光谱分析的重要环节,现有算法通常需要设定关键参数,不具备自适应性。根据总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)残余量特点,提出用残余量拟合光谱基线。通过残余量与信号相关性、残余量自相关和互相关性(称为残余相关准则)判断残余量是否是基线组成部分,以此为基础提出一种自适应的EEMD残余相关基线校正算法。对叠加曲线背景和线性背景的模拟光谱数据进行实验,结果显示在已知基线数学假设情况下,EEMD残余相关法逊于多项式拟合,同非线性拟合相差不多,优于小波分解。在没有光谱背景知识情况下,对真实拉曼光谱数据进行试验。经过上述方法预处理过的玉米叶片光谱采用3层BP神经网络建立与叶绿素之间预测模型,经过残余相关基线校正的模型具有最大校正相关系数和预测相关系数,最小交叉验证标准差和相对分析误差。各种基线校正方法中,残余相关基线校正对特征峰峰位、峰强和峰宽影响最小。实验表明,该算法可用于拉曼谱图基线校正,无需分析样品成分的先验知识,无需选择合适的拟合函数、拟合数据点、拟合阶次以及基函数和分解层数,也无需基线信号分布的数学假设,自适应性很强。