氢同位素转动跃迁拉曼频移的理论计算

激光拉曼光谱作为一种非侵入式的物质结构和成分分析的测试手段特别适合于核工业中含氚放射性同位素气体的定性和定量分析。将经典物理学方法和量子力学理论相结合,采用非刚性转子校正模型,计算获得了H2、HD、HT、D2、DT、T26种氢同位素气体分子的转动跃迁拉曼频移,为氢同位素气体拉曼光谱谱峰的辨识提供理论数据。通过实验测定H2和D2的转动拉曼光谱,得到这2种分子的转动拉曼图谱和拉曼频移,并将测定结果与计算结果进行比较,验证了理论计算方法的可行性和正确性。     

拉曼直角反射共焦腔检测空气中二氧化碳

拉曼光谱作为一种激发光谱,采用激光作为激发光源,在气体检测中可以激发所有气体分子的拉曼信号。由于气体的分子密度低、透光度高、拉曼散射截面小,导致激发光能量的利用效率低;拉曼信号散射向四周立体空间而常规收集方法只能收集较小的空间立体角,从而造成检测限较差而不能广泛应用于气体的检测。提出了一种拉曼直角反射共焦腔用来提高气体等透明样品的拉曼检测的检测灵敏度。拉曼直角反射共焦腔利用直角反射镜将入射光反射回原方向但是光路具有空间偏移的特点,采用两个相对放置、互相平行的直角反射镜,将光束直径为0.7 mm的激光在工作直径为25.4 mm的共焦腔内10次来回反射,并采用共焦点相对放置的两个透镜将激发光聚焦到焦点,从而提高激发光能量的使用效率。拉曼散射向激光传输方向的信号被直角反射镜反射向原方向,经过透镜聚焦到焦点后和拉曼散射向激光入射方向的信号一起经过长通滤光片后传输向拉曼光谱仪,从而提高了拉曼散射信号的收集效率。以空气作为测试对象进行实验, 300 s内可以获得清晰的CO_2的拉曼光谱和N_2, O_2的精细拉曼光谱并对其强度比进行了分析,其中N_2的2 332 cm~(-1), O_2的1 557 cm~(-1), CO_2的1 388 cm~(-1)的拉曼峰的峰高比是785∶257∶1。拉曼直角反射共焦腔在常规拉曼散射激发收集光路的基础上增加了两个直角反射镜和一个聚焦镜,具有体积小,结构简单,易于调节的特点。拉曼散射向周围空间的信号强度分布与入射光的入射方向有关,在沿入射光方向及其相反方向散射信号强度最大,拉曼直角反射共焦腔设计的收集散射信号的角度与散射信号强度分布最强方向一致,并且利用了光学景深的优势,最大化的提高了拉曼散射信号收集效率。拉曼直角反射镜腔可以拓展拉曼光谱技术在气体检测中的应用,例如用于气相化学反应的原位监控、发动机燃烧过程及排放物检测、未知污染物气体分析等气体成分复杂的领域。     

基于空芯光纤增强拉曼光谱气体探测方法研究

拉曼光谱技术具有多组分同时探测、分析周期短和非接触等特点,被应用于多个领域,但是由于较低的探测灵敏度,限制了拉曼光谱技术的发展。针对提高拉曼光谱技术对气体探测灵敏度问题,本文设计并搭建了一套基于空芯光纤气体拉曼光谱增强系统,开展了空芯光纤拉曼光谱系统和后向散射拉曼光谱实验系统对比实验研究。实验结果表明,空芯光纤对信号、背景和噪声都具有放大效果,以空气中氮气和氧气为探测物质,与后向拉曼光谱信号相比,在相同探测时间情况下,信号强度增强60倍以上,信噪比增强约6倍;在相同探测强度情况下,探测时间仅为后向散射的1/60,噪声为后向散射拉曼系统的1/2。     

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。     

激光拉曼光谱在类胡萝卜素研究中的应用

本文简述了类胡萝卜素的组成、特性及功能;激光拉曼光谱在类胡萝卜素浓度测量中的应用。类胡萝卜素作为一种广泛存在的天然色素,在预防人类的某些疾病,尤其是癌症方面有着比较重要的作用。拉曼光谱技术作为一种快速、无损、安全、所需样品少、可在体测量的分析测试手段而被广泛的应用,而类胡萝卜素以其独特的链式结构又比较容易被激发出强的拉曼信号,随着对类胡萝卜素各种功能的研究和相关产品的开发应用,激光拉曼光谱技术也必在此领域中有广阔的发展空间。     

基于空间外差的三叶草拉曼特征光谱测量实验研究

空间外差光谱技术凭借超高光谱分辨率、高通量、瞬态探测、无运动部件等优势,在星际暗物质及大气微量气体成分等微弱光谱信号检测方面得到广泛应用。为了探索一种基于空间外差光谱技术实现物质拉曼光谱(RS)快速、直接检测的可行性,选择三叶草作为测量对象,使用一体化HEP-765-S空间外差光谱系统作为拉曼特征光谱探测器,配合特定波长激光器搭建系统,开展拉曼特征光谱直接测量实验。首先使用Gaussview6.0构建三叶草所含主要色素:叶绿素a、叶绿素b、α-胡萝卜素和β-胡萝卜素的分子结构,然后利用Gaussian16获取优化的仿真RS,分析四种色素最强拉曼谱峰的波段范围,确定四种成分的强信号特征波段为1 537～1 800 cm~(-1)。根据激发光源与拉曼位移的理论关系,结合探测系统759～769 nm的检测波段范围,计算出用波长680 nm的激光器作为光源激发拉曼信号,可保证四种色素强特征拉曼信号正好落在探测范围,且可避开光源瑞利散射光及荧光干扰的影响。最终购置中心波长为680.28 nm的激光器与HEP-765-S空间外差光谱系统搭配开展三叶草强峰拉曼信号的直接检测实验。实验结果表明:搭建系统能够实现三叶草RS的直接测量,但是所测拉曼信号强度偏弱,这主要是两方面原因造成:(1)由于所用激光器的输出功率峰值偏小,约为130 mW;(2)所用HEP-765-S空间外差光谱系统为一体化设计仪器,软硬件系统及参数固化后不能进行调整,仪器数据采集的最大积分时间偏小,设定值为832 ms。光源功率不够大且仪器积分时间小共同导致采集信号偏弱。通过与仿真光谱比较,实测光谱在使用空间外差系统探测波段与三叶草叶片内四种主要色素拉曼信号叠加的包络基本一致,中央主峰与两端次峰都符合较好,实测光谱与仿真光谱具有较好一致性,说明采用空间外差系统对物质拉曼信号进行快速、直接检测具有可行性。     

激光拉曼光谱分析氢同位素的应用

拉曼光谱作为一种物质结构和成分分析的测试手段而被广泛应用.介绍分析了激光拉曼光谱法用于氢同位素分析的可行性,并综述介绍了国内外研究人员利用激光拉曼光谱在氚参与的放射反应监测分析、氢同位素定性检测、定量分析方法研究等方面开展的工作.     

共焦腔增强的空气拉曼散射

拉曼光谱是一种无损、快速的物质成分分析和检测方法.由于拉曼信号强度微弱,使得拉曼光谱的检测应用受到极大的限制.针对增强拉曼散射信号强度、提高检测灵敏度这一问题,设计了一种用于自发拉曼散射信号增强的共焦腔样品池,开展了基于该共焦腔的空气拉曼散射信号增强研究.共焦腔的腔镜反射率为92%,这一设计在保证共焦腔通带宽度与激光器线宽匹配的同时能有效地降低共振调节难度.实验中采用0°探测构型收集拉曼信号,并由成像式拉曼光谱仪获取光谱信号.实验发现,在共振状态下,共焦腔的耦合效率达到87.5%,单向激光功率实现约11倍放大;与无共振腔相比,共焦腔对拉曼信号实现17倍放大,信噪比提高2倍.此外,空气中CO_2的3σ检测限达到200 ppm量级.结果表明,该系统对自发拉曼散射信号增强效果显著,并且有较高的检测灵敏度.     

人全血的毛细管显微拉曼光谱分析

血液中含有众多生物信息,如激素、酶、抗体等丰富的蛋白质成分。通过对血液中众多生物信息进行检测鉴定可以起到对该血液种属判定、溯源的目的。因此,血液检测技术的发展在诸如刑事案件侦破、物种鉴定、疾症预防等领域具有重要意义。目前,传统血液检测手段多为显微观测、免疫法、DNA/基因检测法等,这些技术会对血液样本造成不可逆转的破坏性,且存在分析周期长、结构装置复杂、试验价格昂贵等问题。随着激光技术的发展,拉曼光谱技术作为一种非线性散射光谱技术,在血液检测技术中得到了应用。在血液检测技术中,拉曼光谱技术通常与共聚焦显微系统结合,对涂在载玻片上或盛放在透明容器中的血液样品进行光谱信号采集。该技术具有快速、无损等优势,但复杂的光路系统及昂贵的实验装置限制了该技术的广泛推广。为提出一种装置简单、操作简便的血液拉曼检测新技术,研究采用基于毛细管的显微拉曼技术方案采集并分析人全血的拉曼信号。血液样品通过毛细管的虹吸效应取样,与载玻片的涂样方式相比毛细管的方案具有模拟人血管、维持血液活性、减小空气对实验过程中血液成分的影响、降低激光对血液样品的灼伤效果等优势。为避开可见光部分荧光较强区域的荧光干扰,研究采用360 nm紫外激光器作为激发光源,防止可见荧光信号的干扰。积分时间设为800 ms,有效避免因激光长时间照射对血液样品的灼伤效果,影响实验数据的稳定性与真实性,光谱平均次数为2次,避免单次测量所带来的数据的不准确性影响。光谱扫描范围为500～1 800 cm-1, 结果表明此范围内可较好的避开可见光部分荧光较强区域的干扰。测得的拉曼光谱信号通过滤波去噪及基线校正进行处理。首先采用5阶离散小波变换滤波,进行1层信号分解,滤除高频噪声信号,保留低频有效信号,从而去除杂散信号,对光谱有效信号进行提取。其次,采用4阶多项式拟合扣除基底的基线校正,实现人全血的毛细管显微拉曼光谱峰值信号的提取。最终,通过查询SDBS数据库以及人血样本通过reishaw共聚焦显微拉曼光谱仪测量所得光谱图进行验证发现测得信号中部分为人体内数种氨基酸成分的拉曼信号。实验研究发现,基于毛细管的显微拉曼实验系统与常规拉曼探头实验系统相比,拉曼信号更稳定、重复性高,可有效提取人全血中的拉曼光谱信号, 而其与高精度的共聚焦显微拉曼系统相比价格便宜、结构简单、易于推广等优点,但信号信噪比、有效信号的峰值强度上仍有进一步的提升,是一种测量人全血拉曼信号的可行方案。     

拉曼光谱编码技术及其应用研究进展

光谱编码指的是将有限的光谱信号输出进行组合,从而得到更多光谱信号输出的手段,满足了高通量的生物检测和成像及高容量信息存储等需求。通常用于光谱编码的信号输出包括荧光光谱、拉曼光谱和反射光谱等。其中,拉曼光谱由于带宽窄、不易重叠,尤其是生物静默区的三键拉曼谱带尖锐、特异,无背景干扰,在光谱编码领域潜力巨大。本文综述了拉曼光谱编码技术的类型和编码方法,同时还介绍了拉曼光谱编码在生物医学检测、成像及信息安全等领域的应用。     

K-SVD和OMP算法在超声信号去噪中的应用

针对在线采集时超声波检测信号中存在大量噪声,降低了材料内部缺陷诊断准确性的问题,提出了一种基于广义K+奇异值分解算法(K-SVD)和正交匹配追踪算法(OMP)相结合的超声回波信号去噪算法。该算法利用K-SVD算法将Gabor字典训练成能够最有效反映信号结构特征的超完备字典,然后基于训练完成的超完备字典,用OMP算法把一定数量的字典原子进行线性组合来构成原始信号,从而实现信号的去噪。通过仿真实验将本文方法与传统的小波阈值去噪方法进行了对比研究。实验结果表明,该方法对超声回波信号的去噪效果优于小波阈值去噪方法,且噪声越大对比越明显,不仅可更有效地滤除信号中的高斯白噪声,提高信噪比,且尽可能保留了原始信号有用信息。     

基于小波变换的压缩感知理论对水质检测紫外-可见光谱数据的去噪研究

消除噪声影响对提高直接光谱法水质检测系统的测量稳定性和精度都具有重要意义。直接光谱法在线水质检测系统通常采用长寿命、无需预热的脉冲氙灯和适用于复杂检测环境的工业级光谱探测装置。针对整个光谱探测系统受到光源、光路和光电转换器件的严重影响,测定的光谱数据含有大量噪声这一实际问题,提出了基于小波变换的压缩感知去噪算法,并与传统小波阈值去噪方法进行了比较实验。针对化学需氧量为200 mg·L-1的邻苯二甲酸氢钾标液的紫外-可见光谱数据进行去噪处理,采用压缩感知去噪算法,将信号在小波域内分解,得到含噪高频系数;采用随机高斯矩阵作为压缩感知算法的观测矩阵,压缩比设置为2,对高频系数进行观测;选择正交匹配追踪算法恢复高频小波系数的稀疏性,从而达到去噪目的。同时针对传统的小波阈值去噪,采用daubechies4作为小波基的软阈值滤波方法对光谱数据进行去噪处理。为验证去噪算法的可行性,采集某溪水和城市生活污水的光谱信号分别采用以上两种方法进行去噪处理,实验结果表明：基于小波变换的压缩感知去噪算法适用于紫外-可见光谱法在线水质检测系统,该方法能在保留水样原始光谱信号的吸收特征的前提下有效地去噪,且去噪效果优于小波阈值去噪算法。与小波阈值去噪算法相比,信噪比提高了12.201 5 dB,均方根误差减小了0.009 3,峰值信噪比增加了5.299 dB。不仅避免了小波阈值去噪过程中阈值的选取依靠主观判断问题,而且在重构过程中有效地抑制了噪声,为直接光谱法检测水质参数提供了一种新的解决方案。     

近似零伪范数约束的水声信号压缩与重构

提出近似零伪范数约束的稀疏压缩与重构方法。该方法首先采用稀疏二进制矩阵作为测量矩阵,对信号进行压缩和传输;在接收端仅给定测量矩阵和压缩信号的条件下,采用小波滤波器设计字典,利用最陡梯度法寻优和投影方法求得信号的稀疏表达,最终结合稀疏表达值与字典用于水声数据重建,海试实验结合扫频以及单载频信号进行处理,采用NMSE、SNR以及算法运行时间作为算法的评估指标,以验证本文方法相对于传统算法在恢复精度上的提高。      

面向低信噪比的自适应压缩感知方法

在压缩感知工程应用中, 信号往往被噪声和干扰所影响, 常规的压缩感知方法难以达到理想的重构效果, 特别是低信噪比应用场景中, 稀疏重构往往会失效. 分析了压缩感知中噪声对重构性能的影响, 从理论上解释了压缩感知中的噪声折叠原理, 并在此基础上提出了一种基于方向性测量的自适应压缩感知方案. 该方案通过后端信号处理系统估计出噪声的相关信息并反馈至压缩感知前端, 前端根据反馈的噪声信息调整测量矩阵, 从而改变感知矩阵的方向, 自适应地感知稀疏谱, 从而有效地抑制信号噪声. 仿真实验表明, 所提的自适应压缩感知方法对稀疏信号重构性能有较大的提升.     

稀疏阈值的超分辨率图像重建

为了解决基于字典学习的超分辨重构算法耗时过长的问题,提出了基于稀疏阈值模型的图像超分辨率重建方法。首先,将联合字典理论与图像块稀疏阈值方法相结合,训练得到高、低分辨率过完备图像字典对。接着,通过稀疏阈值OMP算法对图像特征块进行稀疏表示。然后,通过高分辨率字典重构出初始的超分辨图像。最后,通过改进迭代反投影算法对初始的超分辨图像进行全局优化,从而进一步提高图像重构质量。实验结果表明,超分辨图像重构平均峰值信噪比(PSNR)为30.1 d B,平均结构自相似度(SSIM)为0.937 9,平均计算时间为10.2 s。有效提高了超分辨重构的速度,改善了重构高分辨图像的质量。     

基于K-SVD和残差比的低信噪比图像稀疏表示去噪算法

针对低信噪比图像去噪问题,提出了一种基于K-SVD(Singular Value Decomposition)和残差比(Residual Ratio Iteration Termination)的正交匹配追踪(Orthogonal Matching Pursuit,OMP)图像稀疏分解去噪算法。该算法利用K-SVD算法将离散余弦变换(Discrete cosine transform,DCT)框架产生的冗余字典训练成能够有效反映图像结构特征的超完备字典,以实现图像的有效表示。然后以残差比作为OMP算法迭代的终止条件来实现图像的去噪。实验表明,该算法相对于传统基于Symlets小波图像去噪、基于Contourlet变换的图像去噪,以及基于DCT冗余字典的稀疏表示图像去噪,能够更加有效地滤除低信噪比图像中的高斯白噪声,保留原图像的有用信息。     

分段匹配追踪式Karhunen-Loeve非相干字典语音压缩感知

压缩感知(Compressed Sensing,CS)理论突破了经典采样定理的理论边界,为信号压缩提供了另一种途径。基于CS理论框架,做了两方面工作:为提高语音字典对信号的匹配性,设计了一种基于K-L展开的非相干语音字典;针对现有匹配追踪(MP,OMP)算法的不足,提出分段匹配追踪(Segment MP,SegMP)算法。首先对语音自相关函数进行建模并估计模型参数,构造语音自适应非相干字典,然后采用SegMP对语音稀疏向量分段观测,获得多个低维矢量,最后结合模型参数重建字典并重构信号,实现了语音压缩感知。语音测试结果表明:相比现有方案,本文方案对信号的稀疏表示更为精准,具有更好的重构质量,且降低了计算复杂度。      

一种强噪声背景下微弱超声信号提取方法研究

为解决在强噪声背景下获取超声信号的难题,基于粒子群优化算法和稀疏分解理论提出一种强噪声背景下微弱超声信号提取方法.该方法将降噪问题转换为在无穷大参数集上对函数进行优化的问题,首先以稀疏分解理论和超声信号的结构特点为依据构建了粒子群优化算法运行所需要的目标函数及去噪后信号的重构函数,从而将粒子群优化算法和超声信号降噪联系在一起;然后根据粒子群优化算法可以在连续参数空间寻优的特点建立了用于匹配超声信号的连续超完备字典,并采用改进的自适应粒子群优化算法在该字典中对目标函数进行优化;最后根据对目标函数在字典上的优化结果确定最优原子,并利用最优原子按照重构函数重构出降噪后的超声信号.通过对仿真超声信号和实测超声信号的处理,结果表明本文提出的方法可以有效提取信噪比低至-4 dB的强噪声背景下的微弱超声信号,且和基于自适应阈值的小波方法相比本文方法表现出更好的降噪性能.     

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。     

基于回溯筛选的稀疏重构时延估计算法

针对无线定位中时延估计在小样本(单快拍)、低信噪比条件下需要大量独立分布测量数据问题,提出了一种基于回溯筛选的稀疏重构时延估计算法,实现了单快拍、低信噪比条件下接收信号的精确时延估计.该算法首先建立接收信号的稀疏表示模型,然后基于该模型建立正交观测矩阵,最后在重构算法中引入回溯筛选思想,利用时延与观测矩阵之间的一一对应关系得到时延的无偏估计.对该模型下时延估计的克拉美罗界进行了推导.仿真分析表明,所提方法在单快拍、低信噪比条件下精度远高于求根多重信号分类算法,相比于正交匹配追踪算法,在较小的复杂度代价下性能得到了较大提升.