修正峭度法在二维相关光谱处理混合物色谱-光谱体系数据中的应用

在前期工作中,运用二维光谱研究对二组分体系色谱-光谱联用数据进行分析。当光谱中存在独立峰时,我们可能得到纯物质光谱。当不存在独立峰时,若两组分光谱中均有高斯峰,且两高斯峰等宽,可以根据非负原则得到纯物质光谱。然而,若两高斯峰宽度存在差异,非负原则不足以得到组分光谱。在该工作中,引入了修正峭度这一参量,发现修正峭度为3可作为有效的约束条件用于求解组分光谱。     

一种危险液体混合物的拉曼光谱定性定量识别方法

危险液体混合物的拉曼光谱定性定量分析一直是现场应用难点,为解决该问题,分析了多种物质混合后拉曼光谱的峰位、峰值、峰型变化情况,选取拉曼光谱关键特征峰进行数学简化,构建了从混合物物质成分到混合物拉曼光谱的映射关系,该映射关系描述多种物质成分混合的混合物拉曼特征峰响应只和混合物中各成分本身拉曼特征峰响应以及各物质成分混合比例有关,各物质成分按混合比例贡献拉曼特征谱峰,共同形成最终的混合物拉曼光谱。由该映射关系求逆,可实现从采集到的混合物拉曼光谱计算出各物质成分的混合比例。基于此,设计了危险液体混合物成分定性定量识别方法,主要方法步骤包括,首先进行拉曼光谱数据采集,然后进行拉曼光谱数据处理并获得拉曼特征峰,再进行测试样品与数据谱库标准品的正反向特征峰匹配,如果正反向特征峰匹配系数都比较高,在满足一定阈值条件下,可认定测试样品是某种纯净物,如果不是纯净物,则进入混合物分析,通过拉曼光谱特征峰反向匹配系数筛选,确定混合物成分构成,混合物成分确定后再进行混合物成分比例计算,最终实现危险液体混合物定性定量分析。实验部分,选定丙酮、甲苯、三氯甲烷、乙醇及其混合物进行实验验证,当混合物样品是丙酮、乙醇两种成分按3∶7比例混合时,经拉曼光谱识别方法计算,混合成分计算值是丙酮占比0.245 7,乙醇占比0.706 0;当混合物样品是甲苯、三氯甲烷两种成分按3∶7比例混合时,经拉曼光谱识别方法计算,混合成分计算值是甲苯占比0.323 4,三氯甲烷占比0.763 0;当混合物样品是丙酮、甲苯、乙醇三种成分按4∶3∶3比例混合时,经拉曼光谱识别方法计算,混合成分计算值是丙酮占比0.795 9、甲苯占比0.303 5、乙醇占比0.287 5,实验结果表明,当危险液体混合物成分是两种或三种成分混合时,混合成分计算值基本和实际值吻合,应用危险液体混合物的拉曼光谱定性定量识别方法,可较准确的从拉曼混合光谱中解析出各混合物成分以及各成分在混合物中的比例,可以判断混合物每个拉曼特征谱峰都来自于哪个成分或哪些成分拉曼特征谱峰的混合,谱图解析结果良好,对危险液体混合物现场分析鉴别有较大应用价值。     

吸收峰混叠的太赫兹光谱区间组合特征提取算法

太赫兹光谱是物质识别的前沿方法之一。由于不同物质的分子组成或结构各异,许多物质的太赫兹吸收谱会在特定频率上出现吸收峰,可以作为混合物成分检测的重要特征。有效准确地提取这些吸收峰的参数,是提高识别率的关键。多峰拟合算法将光谱曲线拟合成若干个标准峰函数之和,能够同时提取到吸收峰的频率、峰高、峰宽等信息。但是该算法以寻峰算法结果为基础确定吸收峰的大致位置和数量,寻峰结果不一定是最优的拟合结果,而且很难准确识别定位混叠状态的吸收峰。为了提高混叠光谱中吸收峰的识别定位精度,提出以大幅度平滑后的曲线波谷为分界点,将预处理后的光谱分成若干个子区间。然后将子区间组合起来进行多峰拟合,通过遗传算法得到最优的拟合子区间组合和吸收峰频率近似值,拟合时每个子区间中通过峰数递增最优化方法确定拟合的吸收峰数,最后微调优化得到最优的吸收峰频率、峰高值。为了实现物质的识别,通过密度聚类算法得到同一类纯净物在多次测量中的共同吸收峰,以此作为标准数据,通过提出的基于吸收峰特征的光谱匹配算法实现了纯净物和不同含量混合物的快速识别。对10类纯净物的实际光谱数据进行拟合聚类,得到其吸收峰参数,结果与太赫兹光谱数据库一致。通过识别算法对纯净物测试集进行识别的识别率为100%,证明了特征提取和物质识别算法的有效性。对于含有混叠峰的混合物光谱,二阶导数法对葡萄糖-乳糖混合物光谱中被掩盖吸收峰(1.280 THz)的识别率仅为70%,提取到的频率平均值为1.316 THz;而该算法提高识别率至95%,频率平均值为1.281 THz,该算法提高了对混叠峰的分辨能力,能够精确定位混叠峰。对10类纯净物构成的6类不同程度混叠的二元混合物前二、三识别率分别达到90.8%和98.3%,提取到的特征能够有效应用于混合物的成分检测。该算法能够以纯净物数据为标准数据实现成分各异的混合物成分检测,对于太赫兹光谱混合物成分检测有重要意义。     

基于拉曼光谱的已知混合物组分定量分析方法

利用拉曼光谱进行混合物组分定量分析一直是分析化学领域的一大难题。针对现有的基于机器学习(如支持向量回归机、偏最小二乘)的混合物定量分析方法存在的训练样本难以获得、模型推广性能差的问题,提出了一种基于拉曼光谱谱峰强度最小二乘拟合的已知混合物组分直接定量分析方法。该方法首先采集已知混合物及其各组分的拉曼光谱,利用连续小波变换和惩罚最小二乘法相结合的方法对采集的拉曼光谱进行去噪、基线校正等预处理。通过斜率比较法将预处理后的拉曼光谱分为多个光谱子区间,将各子区间的拉曼光谱看作是多个Voigt函数的线性叠加,并利用levenberg-marquardt-fletcher(LMF)算法求解获得各谱峰的位置、强度、半高宽等表达系数。根据各组分参考光谱的谱峰位置,确定各组分对混合物光谱中每个谱峰的贡献度。依据朗伯-比尔定律中拉曼光谱的谱峰峰强与其所对应的浓度的正比关系,建立超定方程;最后利用最小二乘法拟合该超定方程得到各组分对应的系数,从而获得各组分的体积浓度。利用乙醇、乙腈、丙酮、环己烷、二丙酮醇、丙二酸二乙酯六种组分配置了10种三元混合物(每种三元混合物9个体积浓度比),采集了90组混合物及6种组分的拉曼光谱数据。在混合物及其组分参考光谱测量条件(功率和积分时间)相同情况下,所有组分的相关系数(r)均在0.96以上,均方根误差(RMSE)小于6%,剩余预测偏差(RPD)均大于2.5;在混合物及其组分参考光谱在不同测量条件下,各组分的r均大于0.93,最大RMSE为7.94%, RPD均大于2.0,证明了算法具有良好的准确性和鲁棒性。所提出的方法能够实现对三组分混合物的快速、准确的直接定量分析,为混合物的定量分析提供了一种有效的途径。     

一种混合物体系荧光分析消除干扰的新方法

荧光分析法在测量混合物体系时,有些组分的最大激发峰相距较近,彼此之间会因存在干扰而得不着准确的荧光光谱。以中药苦参沸水浸取液为例,介绍了混合物体系中消除干扰的一种新方法。首先通过扫描苦参水浸液的荧光光谱,发现其中一种组分B对另一种组分A有明显干扰;然后通过几何作图法在组分B激发光谱中找到具有与组分A最大激发波长处同样荧光强度(也就是与在该点等高的位置处)的波长,以该波长作为激发波长扫描得到组分B在该波长处激发而得到的发射光谱;最后以受干扰的组分A的发射光谱减去该发射光谱即得到纯组分A的发射光谱。该方法使得在无法得到组分A和B的纯品时,对二者进行单独的荧光分析成为了可能。     

应用FTIR研究模式植物拟南芥和烟草甲醛代谢机理的差异

运用FTIR技术分析模式植物拟南芥和烟草在甲醛胁迫条件下体内各物质含量的变化规律及光谱表征,为推定两种植物甲醛代谢机理的差异提供线索。拟南芥红外光谱中1 376 cm-1的纤维素峰没有出现在烟草样品中。在应对甲醛胁迫时,它的强度值下降趋势比其他吸收峰小,说明拟南芥体内的甲醛主要流向氧化生成甲酸和CO₂的途径。胁迫后期该吸收峰强度值下降,而其他物质的峰持续上升,说明该途径中相关酶基因的表达可能受到甲醛抑制,而其他途径的酶基因表达不受影响。烟草用甲醛处理后红外光谱中各化学成分的含量变化趋势一致,说明甲醛进入各代谢途径的流量差别不大。第4天时烟草红外光谱各吸收峰的强度值再次下降是其甲醛代谢能力较弱结果,表明烟草对甲醛的抗性不如拟南芥强。     

DAOSD方法对气相条件下甲醇-氯仿体系分子间相互作用的研究

本工作中使用本课题组设计并制造的气体池,通过DAOSD方法考察了甲醇与氯仿在气相条件下的相互作用。通过对混合物气相红外光谱进行二维异步相关处理得到二维谱图,谱图上的交叉峰表示两种分子间存在相互作用。这种方法排除了溶剂的干扰,扩展了DAOSD及相关方法的应用范围。     

基于太赫兹光谱的奶粉中葡萄糖及蔗糖定性定量检测方法

奶粉富含人体所需的五大营养物质,是婴幼儿主要的营养来源之一,奶粉中的营养成分对婴幼儿的生长发育具有重要影响,除乳糖外的糖类含量超标可能对婴幼儿健康产生不良影响。由于奶粉成分复杂,目前的色谱法和近红外光谱法检测技术都难以满足奶粉糖分快速无损检测的要求,因此亟须探索一种奶粉中葡萄糖、蔗糖含量快速无损检测方法。太赫兹波对不同大分子物质的吸收峰具有“指纹”特性,可利用该特性对不同的大分子物质进行识别。应用太赫兹时域光谱技术（THz-TDS）并结合化学计量学方法对奶粉中葡萄糖、蔗糖两种糖分的定性定量检测方法进行了研究。实验装置采用TAS7500TS太赫兹光谱系统,实验样品为不含糖的婴幼儿奶粉和纯度大于99%的葡萄糖、蔗糖晶体及不同梯度浓度的奶粉-葡萄糖、奶粉-蔗糖混合物,实验分别采集了3种纯品样品及15种不同梯度浓度的奶粉-葡萄糖、奶粉-蔗糖混合物样品的太赫兹时域信号,每个样品采集三次并取平均值作为其时域光谱信号,经快速傅里叶变换（FFT）得到各样品的太赫兹频域信号,再根据Dorney提出的光学参数提取公式计算得到各样品的吸收系数谱和折射率谱。最后分别基于两组混合物样品的吸收系数谱和折射率谱数据,采用偏最小二乘法（PLS）建立相应的定量分析模型,校正集和预测集样品比例为2∶1。实验结果表明,奶粉在太赫兹波段无明显特征吸收峰,葡萄糖和蔗糖分别在1.45,1.8,1.98,2.7 THz和1.5,1.9,2.6 THz频率处有较强的特征吸收峰,可根据两种物质的太赫兹指纹特征峰进行定性分析。不同梯度浓度的两组混合物的整体吸收峰位置与葡萄糖、蔗糖纯品太赫兹吸收峰位置基本一致,具有稳定的吸收特性。基于吸收系数谱和折射率谱数据建立偏最小二乘法模型,均可实现奶粉中葡萄糖和蔗糖的定量分析,且由折射率谱建立的葡萄糖、蔗糖定量回归模型效果均优于由吸收系数谱建立的模型效果,其中,奶粉-葡萄糖混合物中葡萄糖含量PLS模型的校正集相关系数（R_c）及均方根误差（RMSEC）分别为0.99和0.18%,预测集R_P及RMSEP分别为0.96和0.66%,奶粉-蔗糖混合物中蔗糖含量PLS模型的校正集R_c及RMSEC分别为0.96和0.55%,预测集R_P及RMSEP分别为0.99和0.25%,葡萄糖和蔗糖定量模型的预测效果均较为理想。研究结果表明THz-TDS技术可有效用于奶粉中葡萄糖和蔗糖定性定量分析,为运用THz-TDS技术开展奶粉掺假及品质快速检测方法研究提供参考。     

双光谱二维异步相关光谱表征分子间相互作用的可行性研究

双光谱二维异步相关光谱(2T2D-异步相关光谱)是一种利用两幅一维光谱创建异步相关光谱的新方法。相对于最少需要三幅一维光谱的传统异步相关光谱, 2T2D-异步相关光谱可简化实验过程,有利于样品昂贵体系的表征。利用数学分析、模拟及实际体系实验对2T2D-异步相关光谱应用于表征分子间相互作用的可行性进行了研究。首先建立一个包含P和Q两种溶质的模拟体系,设定P有光谱峰, Q没有光谱峰。数学分析表明:(1)不正确设置P和Q初始浓度,可导致2T2D-异步相关光谱的强度恒为零;(2) 2T2D-异步相关光谱不能反映与分子间相互作用相关的峰强变化;因此,利用2T2D-异步相关光谱表征分子间相互作用可能得到错误的结论。为将2T2D-异步相关光谱发展成为表征分子间相互作用的可靠方法,首先对2T2D-异步相关光谱中P和Q初始浓度的设置方法进行了研究,得出当P和Q初始浓度满足文中式(6)时,可避免不正确设置P和Q初始浓度导致2T2D-异步相关光谱强度恒为零的情况;在此基础上,为解决2T2D-异步相关光谱不能反映与分子间相互作用相关的峰强变化问题,通过向体系中加入具有独立光谱峰和适合浓度的虚拟物质S,发展出带有辅助交叉峰的2T2D-异步相关光谱(ASAP-2T2D-异步相关光谱)。模拟体系实验表明ASAP-2T2D-异步相关光谱可正确反映与分子间相互作用相关的峰宽、峰位及峰强变化,是表征分子间相互作用的可靠方法。最后,将ASAP-2T2D-异步相关光谱应用于表征苯并-15-冠醚-5(BC)与Li^+间的相互作用,实验结果表明ASAP-2T2D-异步相关光谱可同时反映BC特征峰的峰位及峰强变化,进一步证实ASAP-2T2D-异步相关光谱可正确表征分子间相互作用。     

三种多环芳烃混合溶液二维荧光相关谱解析

多环芳烃为优先控制污染物,但是由于其含量很低,多组分多环芳烃荧光峰相互重叠,所以常规荧光光谱法无法对其荧光峰进行有效解析。采用二维荧光相关分析方法对三种多环芳烃,蒽、菲和芘的混合溶液进行荧光峰解析。根据研究目标,按照三种多环芳烃浓度比的不同配制了三种混合物体系,共27个样本,每种体系的三种溶液浓度彼此间按规律递增和递减。在此基础上,以浓度为外扰,构建了各体系的同步和异步二维荧光相关谱。同步谱中,在425,402,381,373,365,393及347 nm处产生自相关峰。以未被覆盖的菲在347 nm处荧光峰为线索,通过其与各波长处荧光交叉峰的正负,判断出了402,381,425和452 nm处荧光峰源于混合溶液中的蒽; 373与393 nm处荧光峰源于混合溶液中的芘; 365,356及347 nm处荧光峰源于混合溶液中的菲。通过异步谱解析出菲的385 nm处荧光峰,证明了异步谱比同步谱具有更好的光谱分辨率。研究结果表明,采用二维荧光相关方法对光谱严重重叠的多组分多环芳烃的解析是可行的,并具有一定的优势,可推广到对环境中其他污染物质的检测。     

基于太赫兹光谱技术的D-无水葡萄糖定性定量分析研究

葡萄糖是生命活动中重要的有机分子,研究葡萄糖在太赫兹波段的吸收特性并开展定性定量分析研究具有重要意义。太赫兹光谱对大分子物质具有特异性,当光谱穿透生物大分子时,由于分子间作用力和分子转动振动等因素影响,会产生太赫兹光谱下的特征指纹峰,不同大分子物质的指纹峰具有特异性,利用这一特征可以对不同大分子物质进行鉴别。本研究选取D-无水葡萄糖为研究对象,首先运用太赫兹时域光谱技术测量得到葡萄糖样品的时域光谱,测得的时域光谱经过傅里叶变换得到频域光谱,再采用Dorney和Duvillaret方法计算得到吸收系数,研究样品的吸收特性,然后开展了数学建模研究并建立了D-无水葡萄糖含量与太赫兹光谱的定量预测数学模型。研究结果表明,D-无水葡萄糖在太赫兹波段呈现明显的吸收特性,比较多元线性回归与偏最小二乘方法建立的回归模型,通过多元线性回归对样品的特征指纹峰建立的回归模型,得到的预测模型精度较高,稳定性较好,模型的校正集相关系数达0.977 2,均方根误差为0.061 6,预测集相关系数为0.992 7,预测均方根误差为0.055 2,从而太赫兹时域光谱技术可用于有效开展D-无水葡萄糖定性定量研究,该研究为运用太赫兹光谱技术手段开展果蔬、食品、药品中葡萄糖含量快速检测提供方法参考。     

基于离散极大值法的太赫兹光谱特征吸收峰提取方法

太赫兹波在电磁波谱中介于微波和红外辐射之间，具有指纹特性、安全无损、强穿透性等特点，因此太赫兹光谱技术在药品成分和组成检测领域具有广泛应用价值。针对高纯度物质识别研究中存在部分弱吸收峰不易识别，以及混合物的太赫兹光谱中吸收峰强度降低而导致吸收峰位信息模糊化的问题，提出了一种基于离散极大值法的光谱吸收峰位识别方法，即伴随拐点法。伴随拐点法首先利用目标检测物太赫兹吸收系数谱图的一阶和二阶导数确定吸收峰位的伴随拐点和基线谱，其次将原始吸收光谱与基线谱进行差分运算得到差谱，最后根据离散极大值法确定吸收峰位，从而实现特征吸收峰的识别。为验证伴随拐点法的有效性，采用伴随拐点法对四种硝基呋喃类样品光谱进行吸收峰提取，并将吸收峰位识别结果与仿真结果进行比较。实验结果证明，伴随拐点法能有效识别目标检测物的强吸收峰和弱吸收峰。该方法不仅在含峰目标物的太赫兹特征吸收峰识别问题中具有广泛的应用前景，还适用于其他光谱的谱峰峰位检测。     

时频域分形维数分析的光谱信号重叠峰解析算法

由于光谱谱线存在自然展宽、多普勒展宽、碰撞展宽等,使混合气体中多种成分的吸收光谱信号出现相邻谱峰重叠现象,给混合气体组成成分的定性或定量检测带来较大的困难。现有的方法在获取先验知识、处理精度、运算效率等方面存在不足。提出基于时频域分形维数分析的光谱信号重叠峰解析算法,结合小波的多尺度观测能力和分形的自相似度的度量能力,识别、定位和解析光谱信号中的重叠峰。首先利用小波对具有重叠谱峰的光谱信号进行光谱频率域和尺度域的分析,然后对该时频域的光谱信号在同一光谱频率下的多尺度数据进行自相似性度量和分形计算。逐频率计算后得到光谱信号在频率域的分形维数曲线。该曲线体现了光谱信号在不同尺度的自相似性,其极值位置与光谱信号的各独立峰的位置具有相关性。依据此特性,结合分形曲线的特征参数,最后利用神经网络解析出对应混合气体成分的混叠在一起的各个独立谱峰。该方法利用小波的多分辨率特性,对信号进行不同尺度的精细度量。分形模型则提高了系统解析复杂信号的能力,对重叠程度高的多谱峰重叠信号也有很强的处理能力。借助人工神经网络,实现了整个算法的自动测量。通过实验结果分析,验证了算法的有效性,并讨论影响算法效果的主要因素。     

湖泊水体三维荧光光谱的PARAFAC法在污染源解析中的应用

基于三维荧光光谱矩阵的PARAFAC模型中因子得分反映混合物各因子相对浓度和比例这一特征,将其应用到混合物源解析的研究。对于因子与来源物质光谱不一致的情况考虑将来源物质荧光矩阵和混合物荧光矩阵均作为模型三维数据矩阵的元素进行分析,推导出混合样品与源物质荧光矩阵之间的关系式。该关系式系数由因子得分组成,反映了混合样品各来源物贡献率的相对大小,能够作为来源物量化研究的参考指数。在湖泊污染物源解析的应用中,利用混合水样和污染源水样荧光光谱矩阵建立上述关系式,关系式各系数可作为湖泊水体污染源源解析研究的参考。     

因子分析法分离混合物光谱

本文发展了一个因子分析软件(FACANA),它包括主因子分析、非正交变换以及目标检测。因子分析在自然科学和社会科学中有着广泛的应用。在分析化学方面,因子分析可以分解混合物的原始数据矩阵,得出抽象行矩阵和列矩阵,行矩阵和列矩阵分别相应于本征光谱矩阵和浓度矩阵。但不幸的是,抽象行矩阵和列矩阵不具有明确的物理和化学意义。FACANA的核心是采用非正交变换将抽象行矩阵和列矩阵转换成具有物理意义的本征光谱矩阵和浓度矩阵。FACANA可以从混合物中分离纯化合物光谱,混合物中组分数可达6个。如果组分数超过6个,可将非正交变换得到的结果作为FACANA的目标检测子程序的初始检测矩阵,目标检测程序可以用迭代逼近优化行矩阵,使之成为可供解释的光谱矩阵。除非正交变换和目标检测以外,本文研究、比较了不同的主因子分析方法并提出一个综合方法,提高了确定因子数目的准确度。因此,FACANA可用于分离混合物中的各组分光谱,特别是在对混合物的组成缺乏了解的情况下,它是得到纯组分光谱的有力手段。     

浓度序列对基于双异步正交样品设计构建的二维异步谱峰信噪比的影响

双异步正交样品设计(DAOSD)是通过对样品体系施加浓度的微扰,诱导光谱信号产生动态变化,并通过数学处理研究样品中物质间相互作用的二维相关光谱方法。提高二维谱图的信噪比对于谱图中交叉峰的分辨乃至物质间相互作用的考察有着十分重要的意义。通过计算机模拟考察了DAOSD构建二维相关光谱的方法中样品浓度序列对光谱行为影响。结果表明,在溶液数量较少的情况下,通过改变样品的浓度和组合顺序,可以有效提高交叉峰的信噪比,从而得到更高质量的二维谱图。     

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。     

基于小波系数图和卷积神经网络的太赫兹光谱物质识别

许多太赫兹光谱物质识别方法依靠寻找该物质在太赫兹波段范围内不同光谱表现出的不同特征来识别特定物质。吸收峰提取法是常用的光谱特征提取算法,但当光谱无明显特征吸收峰或峰位、峰值相近或难以识别时,难以利用吸收峰特征辨别物质。将机器学习和统计学习技术用于太赫兹光谱的识别中虽减少了吸收峰的干扰,但常常需要人为定义特征而导致分类误差。深度学习法能自动提取特征,但在识别前往往需要进行复杂的预处理操作,并且在特征提取的过程中容易丢失部分特征从而导致分类误差。针对以上问题,提出了一种基于小波系数图和卷积神经网络的太赫兹光谱识别方法。利用太赫兹光谱信号进行小波变换时,由于小波系数矩阵的每一行系数与原始光谱信号存在着对应关系,因此将太赫兹光谱的吸收系数通过小波变换在频率域上展开,能得到不同的二维的频率-尺度分布图,又称小波系数图。然后构造一个卷积神经网络(CNN)对小波系数图进行分类,可得到太赫兹光谱物质的分类结果。为了验证所提出算法的有效性,将三组小波系数图数据与原始光谱数据分别输入CNN、Support Vector Machin (SVM)、Multilayer Perceptron (MLP)三种不同的分类器作对比,从实验结果可以发现本文算法在三组数据中的识别率均达到了100%,说明相比于传统方法,本文方法能准确分类没有明显特征吸收峰的光谱,证明了使用卷积神经网络识别小波系数图的有效性。为了体现本文算法的优势,与小波脊线寻峰识别算法作对比,实验结果表明本文算法几乎不受峰频、峰位、峰值的影响,无论是识别不存在吸收峰的淀粉,还是识别相似度高的蔗糖和葡萄糖,都具有较高的识别率,分类准确率达97.62%,证明了所提算法的优越性。该算法为太赫兹光谱数据识别提供了一种新思路,同时也可以推广运用到其他谱图物质的识别中。     

基于扩散映射的太赫兹光谱识别

特征提取对于太赫兹光谱识别来说至关重要。传统方法是通过人工选取太赫兹光谱中差异性较大的吸收峰作为特征进行光谱识别,但当部分物质在太赫兹波段没有明显波峰、波谷等光谱图形特征时,这种方式便不再适用。为此,研究人员利用统计学习与机器学习方法对高维太赫兹光谱数据进行降维和特征提取。由于物质的太赫兹光谱数据各维度呈现非线性,尤其是当不同物质的太赫兹光谱曲线整体非常相似时,线性处理方法易产生较大误差。针对这一问题,提出了一种基于扩散映射(DM)的太赫兹光谱识别方法。扩散映射能在保持数据内在几何结构的同时对其进行非线性降维,提取的流形特征区分度较高,对数据还有聚类效果。首先用S-G滤波器对Alloxazine等10种物质的太赫兹光谱样本进行滤波,并用三次样条插值法对截取相同频段后的光谱样本进行统一分辨率处理;然后利用DM将高维太赫兹光谱数据映射到低维特征空间并提取太赫兹光谱的流形特征;最后用多分类支持向量机(M-SVM)对十种物质的太赫兹透射光谱进行分类。实验结果表明,相比于主成分分析(PCA)和等距映射(ISOMAP),使用DM提取的太赫兹光谱流形特征具有更高的区分度,而且DM可以直接得到太赫兹光谱数据本征维数的估计值,这为相似太赫兹光谱的快速精准识别提供了一条新的途径。     

拉曼及近红外吸收光谱的燃油混合物量化分析

生物柴油是典型的"绿色能源",具备良好的环保性和燃料特性,通常与柴油混合使用在柴油发动机上。但是目前世界各国柴油与生物柴油混合的比例标准参次不齐,没有一个统一的标准,并且不同比例的柴油/生物柴油混合物具有不同的燃烧性能,也会对柴油发动机产生一定程度的影响。为了能够快速、准确的测量柴油/生物柴油混合物中的生物柴油浓度,近红外光谱和拉曼光谱在燃油检测方面已经得到广泛的应用。利用拉曼及近红外光谱对柴油/生物柴油混合物中的生物柴油浓度进行了量化分析研究。首先采集了柴油/生物柴油混合燃油的拉曼光谱及近红外吸收光谱,然后利用平滑、基线校正、归一化等方法对采集到的光谱进行预处理。从光谱图中观察到,在柴油/生物柴油混合物的拉曼光谱和近红外光谱中都有C=O特征光谱区域,且该光谱区域的光谱峰都随生物柴油的浓度增加而越来越明显。拉曼光谱中,随生物柴油浓度变化的主要C=O特征光谱区域是在1 743 cm~(-1)位置处的特征峰,在近红外光谱中,随生物柴油浓度变化的主要C=O特征光谱区域是在4 659 cm~(-1)处的特征峰。然后分别根据强度比方法和偏最小二乘(PLS)回归方法建立了相应的混合燃油中生物柴油浓度预测模型。结合强度比方法建立特征峰强度比的生物柴油浓度预测模型,由混合燃油的拉曼光谱和近红外光谱建立的C=O特征峰线性预测模型相关系数分别为0.947 2和0.996 2;结合偏最小二乘(PLS)回归法建立特征光谱区域的生物柴油浓度预测模型,由混合燃油的拉曼光谱和近红外光谱特征区域建立的相应预测集相关系数(R~2)分别为0.981 5和0.991 2,相应的预测均方根误差(RMSE)分别为0.093 7和0.012 9。结果表明,在混合燃油中,使用近红外光谱中的C=O光谱区域建立的生物柴油浓度预测模型会得到更准确的预测结果。