应用经验模态分解和独立成分分析解译岩矿光谱

岩矿光谱由多种矿物光谱混合而成,解译岩矿光谱能够得到岩矿的组分信息,且该方法具有快速、方便、不损坏样品的特点。经验模态分解(empirical mode decomposition, EMD)不能直接分离出混合信号中的源信号,独立成分分析(independent component analysis, ICA)要求混合信号数目不小于其所包括的源信号数目。将EMD和ICA两种方法相融合,首先用EMD分解混合信号得到本征模态函数(intrinsic mode function, IMF),再选择一定数目的IMF与混合信号一起组成ICA的输入数据矩阵,经过ICA运算可以获取单一混合信号中的源信号信息,克服了EMD和ICA两种方法各自的缺陷。研究表明,综合应用EMD和ICA方法可以获取单一混合信号中的源信号信息,混合信号中源信号含量越大,得到的源信号近似值越理想。参与ICA分离的IMF数目决定了分离得到的源信号近似值的数目,并且选择的IMF与混合信号相关系数越大,得到的源信号近似值越理想。运用该方法定量分析岩矿光谱,可以获取组成岩矿的矿物信息,比较适用于野外作业岩矿的快速分析鉴定及成分初步分析。     

应用经验模态分解和独立成分分析解译岩矿光谱（英文）

岩矿光谱由多种矿物光谱混合而成,解译岩矿光谱能够得到岩矿的组分信息,且该方法具有快速、方便、不损坏样品的特点。经验模态分解(empirical mode decomposition,EMD)不能直接分离出混合信号中的源信号,独立成分分析(independent component analysis,ICA)要求混合信号数目不小于其所包括的源信号数目。将EMD和ICA两种方法相融合,首先用EMD分解混合信号得到本征模态函数(intrinsic mode function,IMF),再选择一定数目的IMF与混合信号一起组成ICA的输入数据矩阵,经过ICA运算可以获取单一混合信号中的源信号信息,克服了EMD和ICA两种方法各自的缺陷。研究表明,综合应用EMD和ICA方法可以获取单一混合信号中的源信号信息,混合信号中源信号含量越大,得到的源信号近似值越理想。参与ICA分离的IMF数目决定了分离得到的源信号近似值的数目,并且选择的IMF与混合信号相关系数越大,得到的源信号近似值越理想。运用该方法定量分析岩矿光谱,可以获取组成岩矿的矿物信息,比较适用于野外作业岩矿的快速分析鉴定及成分初步分析。     

脐橙表皮两种混合农药残留的表面增强拉曼光谱定量检测

针对水果生产中的农药残留问题,利用表面增强拉曼光谱技术(SERS),把害虫防治使用较多的有机磷农药亚胺硫磷与毒死蜱作为研究对象,探索性研究了将金胶用作增强基底检测以脐橙为载体的混合农药残留快速检测。采集混合农药样品的SERS光谱,通过对比农药的特征峰可以对混合农药进行定性分析。同时利用化学计量学方法,建立混合农药的定量数学模型,并通过对比不同的预处理方法和建模波段对混合农药样品拉曼光谱的处理结果,选择出最优预处理方法与算法的组合。在拉曼光谱范围200～2 300 cm-1内,利用PLS算法处理经一阶微分预处理后的光谱数据,建立的脐橙表皮混合农药残留回归模型效果较好,预测相关系数(R_p)为0.912,预测均方根误差(RMSEP)为3.601 mg·L-1。经过波段筛选后并对光谱处理结果对比,发现光谱在200～620,830～1 040及1 250～2 300 cm-1范围内,利用PLS算法处理经一阶微分预处理后的光谱数据,建立的回归模型效果较好,R_p为0.909,RMSEP为3.338 mg·L-1。研究表明使用SERS技术,可以对脐橙表皮上残留的混合农药进行定性与定量的分析。     

改进的FastICA-SVR结合荧光光谱技术测定1-萘酚、2-萘酚

水作为生命之源与人类的生存息息相关，近年来关于水环境污染的报道越来越多，不容忽视。实验以萘酚的两种同分异构体1-萘酚、2-萘酚的混合物作为研究对象，提出了一种新的算法，通过对混合物的三维荧光光谱进行分析来实现水中萘酚的定性定量分析。利用FS920稳态荧光光谱仪对配制的混合溶液进行扫描得到荧光光谱数据，并对数据进行一系列的预处理去除拉曼散射和瑞利散射的影响。将解决盲源分离(BSS)问题的独立成分分析(ICA)算法应用到荧光光谱定性定量分析问题当中，盲源分离技术就是将测量得到的混合信号作为处理对象进行分解，实现未知系统中源信号的求解，并得到混合矩阵。对混合物中单一物质的识别与测量与盲源分离问题类似。采用基于负熵最大的快速独立成分分析(FastICA)算法对实验数据进行分解，将所有样本的三维荧光光谱数据沿发射波长方向展开成为向量，得到一个大小为(N×M)的矩阵(N为样本数，M为波长数)，将该矩阵作为快速独立成分分析的输入进行独立分量提取，输出分别为单组分物质的展开荧光光谱和混合矩阵。FastICA算法的关键是利用牛顿迭代算法得到解混矩阵，但迭代过程中复杂的求导问题会使计算量增大、迭代速度减慢，针对该算法存在的问题，提出用差分法(又称为双点弦截法)代替求导的解决方法。为了验证算法的可行性，用改进后的算法和原有算法分别对荧光光谱数据进行了五次独立分量提取实验，原有算法平均运行时间为17.78 s，而改进后的算法平均运行时间为3.22 s，比原有算法提高了14.56 s，有效地减少了计算量，改善了FastICA算法的迭代速度并且使其收敛性更加稳定。通过实验结果可以看出改进后的算法得到的光谱更接近真实的光谱。利用快速独立成分分析算法分解得到的混合矩阵与物质浓度相关，这是物质定量分析的依据，但它们之间的关系可能是非线性的，采用能实现非线性拟合的支持向量回归机(SVR)进行回归预测，将混合矩阵和实际浓度矩阵分别作为SVR的输入和输出，利用遗传算法(GA)对支持向量回归机的参数进行优化选择，并选择径向基核函数(RBF函数)作为SVR的核函数，建立回归模型，实现对荧光光谱的定量分析。1-萘酚的拟合相关系数(r)为0.998 6，样品回收率(Recovery rate)为96.75%～104.2%，预测均方根误差(RMSEP)为0.119 μg·L-1；2-萘酚的拟合相关系数为0.998 8，样品回收率为96.8%～105.5%，预测均方根误差为0.1 μg·L-1，预测结果比较令人满意，符合预测要求。实验证明改进的基于负熵最大的FastICA-SVR算法能实现对混合物中1-萘酚、2-萘酚准确有效的识别和测量，并且改进之后加快了算法的分解速度。     

基于QPSO-MLSSVM算法的拉曼光谱检测四组分调和油含量

提出了一种运用量子粒子群(quantum-behaved particle swarm optimization,QPSO)算法优化多输出最小二乘支持向量机(multi-output least squares support vector machine,MLSSVM)的新混合优化算法。该算法结合激光拉曼光谱技术可实现对四组分食用调和油中花生油、芝麻油、葵花油和大豆油的快速定量鉴别。采用基线校正去除背景荧光,结合Savitzky-Golay Filters光谱平滑法对原始拉曼光谱进行预处理。构建基于QPSO-MLSSVM混合优化算法的定量分析模型,并采用20个组分组成的预测集对其进行模型校验。实验结果表明,基于QPSO-MLSSVM混合优化算法的定量分析模型对于四组分调和油的预测效果良好,均方差(mean square error, MSE)为0.0241,低于0.05,各油分预测相关系数均高于98%。研究结果充分表明, 应用激光拉曼光谱技术结合QPSO-MLSSVM算法,对四组分调和油中各油分进行快速定量检测可行,具备较强的自适应能力和良好的预测精度,可以满足多组分调和油的成分鉴别。     

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。     

基于多尺度局部信噪比的拉曼谱峰识别算法

拉曼谱峰识别是拉曼光谱定性分析中的关键技术之一。针对现有方法的自动化程度不高、识别率低的问题,提出了一种新的基于多尺度局部信噪比(MLSNR)的拉曼谱峰识别算法。算法通过多尺度二阶差分运算,得到光谱的差分系数,再将差分系数除以估计出的噪声标准差,获得光谱的MLSNR矩阵,通过寻找MLSNR矩阵中的局部极大值形成的脊线来识别拉曼谱峰。算法采用自动阈值估计法去除噪声引起的局部极大值的干扰,可实现谱峰的自动化识别,不需设置任何参数。仿真实验结果表明:无论对单峰还是重叠峰,当拉曼谱峰信噪比大于等于6时MLSNR的谱峰识别准确率均高达100%,即使对处于检测限的单峰,仍有95%以上的识别准确率。MLSNR是一种切实可行的拉曼谱峰识别方法。     

基于独立分量分析的红外线列扫描图像处理方法

独立分量分析(Independent component analysis,ICA)作为一种有效的盲源分离方法,其目的是从由传感器收集到的混合信号中分离出相互独立的源信号,使得这些分离出来的信号之间尽可能的相互独立。针对红外线列扫描图像,提出了一种基于ICA的图像增强方法,该方法能够有效地去除红外线列扫描图像的非均匀性干扰。阐述了ICA的基本原理,介绍了基于负熵判据的FastICA算法,给出了该方法的具体实现步骤及相应的实验处理结果。结果表明,利用该方法能够达到图像增强的目的。     

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。     

激光拉曼光谱法测定天然气组成标准研究

进行了天然气组成分析-激光拉曼光谱法标准化研究,探讨了激光拉曼天然气组成分析方法标准化的可行性。采用激光拉曼光谱进行天然气组成分析,无需将天然气中各组分分离便可实现多组分同步检测,减少分析时长,提高测量的实时性,实现快速分析,通过国内外激光拉曼天然气分析方法和标准的研究和实验,掌握了国内外激光拉曼天然气分析方法技术现状及发展方向,积累了激光拉曼天然气分析试验数据,结果表明激光拉曼天然气分析具有可快速检测(10 s)、连续记录和操作简单的优点,适用于天然气录井、井站、集气站原料气气质分析和天然气净化处理中过程控制中实时快速获取气质数据,建议制定激光拉曼光谱天然气分析方法标准,测量组分为CO₂,N₂,H₂S,CH₄,C₂H₆,C₃H₈,测量范围分别为：CH₄：75%~99.9%,C₂H₆：0.005%~20%,C₃H₈：0.005%~10%,H₂S：0.001 5%~10%,N₂：0.02%~10%,CO₂：0.01%~10%(上述浓度均为摩尔分数),为上游领域天然气勘探开发及过程控制服务。