X射线荧光光谱中低分离度重叠峰分解的方法研究

由于轻元素自身特征X射线以及测量元素间特征X射线的相互干扰,受仪器能量分辨率的影响,实测X射线荧光光谱会产生严重重叠。以色谱分离度Rs作为计算谱峰重叠程度的指标,Rs低于0.5的重叠峰作为研究对象,提出一种峰锐化法结合双树复小波变换分解低分离度重叠峰的新方法,并对模拟X射线荧光光谱和实测X射线荧光光谱进行了新方法的验证。首先,在详细介绍峰锐化法和双树复小波变换分解重叠峰原理的基础上,通过仿真结果发现:当Rs=0.38时,两种方法皆不能单独实现重叠峰的分解;然而,峰锐化法处理后的信号不仅保留了原始信号的峰位特征,还出现了分离度明显变大的现象。因此,可以通过调节峰锐化法的权值实现对低分离度重叠峰的初步锐化,再对锐化后的信号做双树复小波变换,结果实现了对模拟重叠峰的分解,验证了新方法分解低分离度重叠峰的优越性。其中,双树复小波变换的分解层数为2～6层,第一层选择near_sym_b滤波器,第一层以上选择qshift_d滤波器,且当细节系数放大倍数为1～10时,重叠峰的分解结果更准确。然后,模拟了K元素K_α能量峰与其K_β能量峰的重叠光谱(Rs=0.44)以及Fe元素K_β能量峰与Co元素K_α能量峰的重叠光谱(Rs=0.34),用新方法对谱线进行处理,结果实现了重叠峰分解,且分解后峰位和峰面积的相对误差分别在1%和6%以内,验证了该方法分解光谱中低分离度重叠峰的可行性。最后,用新方法对实测的Ca元素X射线荧光光谱进行处理,最终也实现了重叠峰分解,且分解后的峰位相对误差分别为0.8%和0.7%。结果证明:峰锐化法结合双树复小波变换能够有效分解低分离度重叠峰,且在解决X射线荧光光谱中谱峰严重重叠的问题上具有实用性。     

一种锐化误差小波EDXRF光谱解析方法研究

在轻元素自身和实测元素间的特征X射线相互影响之下，受仪器能量分辨率的制约，实测X射线荧光光谱会产生严重重叠。以色谱分离度Rs判定谱峰重叠程度，针对Rs低于0.3的重叠峰，提出一种解析EDXRF光谱的新方法，并对模拟X射线荧光光谱进行了新方法的验证。首先，详细介绍基于四阶导的峰锐化法和提出误差小波变换。通过仿真结果发现：当Rs=0.27时，两种方法皆不能单独实现重叠谱峰的解析与识别；然而，原始信号在四阶峰锐化法处理后保留了峰位特征的同时，还出现了Rs明显增大的有利现象。因此，只需要通过调节四阶峰锐化法的权重完成对低分离度重叠峰的初步锐化处理，再对锐化后的信号进行误差小波变换，结果实现了对模拟重叠峰的分解，证明了结合后的新方法(锐化误差小波变换)针对极低分离度的重叠谱峰具有强大的分解能力。对两组重叠谱峰采用叠加的高斯函数进行模拟，分别是Mn的K_β能量峰与Fe的K_α能量峰的重叠光谱(Rs=0.19)以及Al的K_α能量峰与其K_β能量峰的重叠光谱(Rs=0.11)。用新方法对谱线进行处理，实现了重叠峰分解，结...     

人血清血卟啉荧光光谱的双正交样条小波识别

人血清中血卟啉含量很低,其荧光光谱强度很弱,往往呈肩峰形态,难以识别其位置和荧光强度。双正交样条小波可实现对其弱信号的分辨。在血清背景荧光光谱上叠加血卟啉荧光信号,并改变其荧光强度,得到一系列强度改变的 血清血卟啉荧光光谱。用双正交样条小波bior5.5对获取的荧光光谱通过7次小波分解,将背景与卟啉荧光信号分离,得到了离散逼近信号(a₁～a₇)和离散细节信号(d₁～d₇)。结果 表明,信号频率随着分解次数的增加逐步降低。当分解到第7次时,出现了血卟啉荧光特征峰。信号峰的位置随着信号强度的下降蓝移约2.5 nm,而通过小波滤波器提取的信号峰的位置不变。随着信号的强度降低,信号峰的位置逐渐消失 ,因而其荧光强度与荧光峰的位置无法确定,而通过小波滤波器提取的信号则不受影响,且灵敏度高,从而实现了用双正交样条小波对人血清血卟啉荧光光谱的识别。由于小波变换是线性变换,离散细节信号保持信号原有的线性关系,可 以用来对血清中所含血卟啉的准确成份和定量信息,从而进行定性和定量分析,为血清荧光光谱用于肿瘤的早期诊断提供了一种方法。     

小波变换与高斯拟合在光谱重叠峰解析中的应用

利用小波变换对小波低频系数置零、高频系数阈值量化,实现了光谱信号的基线校正和谱线去噪;对光谱信号进行多尺度小波变换,搜寻各层小波系数模极值所构成的脊线,并对其中复合脊线进行校正,脊线中小波尺度参量最大时所对应的位置即为峰位;根据得到的峰位值,在最小二乘意义下寻找由多个单峰高斯函数叠加而成的最佳拟合光谱,得到谱峰峰强以及峰宽信息.利用该算法对含有基线漂移和随机噪声的光谱重叠峰进行解析,结果表明该算法能够较好地分离重叠峰,其中利用多尺度小波变换求解得到的峰位值偏差在±1.3以内,通过高斯拟合得到的峰强值偏差不超过8.5%.与现有算法求解得到的谱峰信息对比可知,本文所设计的光谱重叠峰解析算法具有一定优势.     

基于多峰协同和纯元素特征峰面积归一化的重叠峰快速解析算法

由于元素间特征峰的相互干扰,受实验仪器能量分辨率的影响,当多个元素的特征峰峰位相近且展宽较宽时就会形成重叠峰。以分离度低且分解需求精度高的重叠峰为研究对象,提出一种基于多峰协同和纯元素特征峰面积归一化的重叠峰快速解析算法,并结合实际的X射线荧光光谱进行了新方法的验证。选取镝铁合金的X射线荧光光谱图作为实例,在该实验条件下镝L_α特征峰和铁K_α特征峰形成的重叠峰分离度约为0.273 5,同时还存在分离度较大但荧光产额较低的镝L_β特征峰和铁K_β特征峰。首先,配置浓度范围(7.8～8.2 mg·mL^-1)的镝标液和浓度范围(1.8～2.2 mg·mL^-1)的铁标液进行测量获取到纯元素谱图,分别进行面积归一化处理并取平均得到镝L_α峰和铁K_α峰的归一化特征峰。然后,使用镝、铁标液混兑出铁元素质量百分比范围在19.1%～21%,梯度为0.1%的20组样品液进行测量。由于重叠峰部分仅由镝L_α峰和铁K     

基于多适应度量子遗传算法的X射线荧光重叠峰分解

智能算法在对谱峰重叠严重的复杂地质样品进行分析时,往往存在计算量过大、弱峰误差较大、收敛于局部极小值或不收敛等问题。量子遗传算法因其具有良好的收敛性,可用于X射线荧光光谱重叠峰的分解。针对X射线荧光分析过程中经常遇到的谱峰重叠问题,提出了一种基于元素关联高斯混合模型（GMM-ER）和多适应度量子遗传算法的重叠峰分解方法。首先介绍了基于元素K系和L系特征X射线的重叠峰GMM-EB模型。然后基于X射线荧光光谱的物理特性,对传统量子遗传算法进行了改进,引入了多适应度函数。由锰、铁、钴和镍的特征X射线产生一段谱峰严重重叠的模拟光谱,然后基于GMM-EB模型,分别用传统量子遗传算法和改进的多适应度量子遗传算法对模拟光谱进行了10次解析。实验结果显示,改进后的量子遗传算法的重叠峰分解精度平均提高了32.1%,最佳分解精度提高了73.9%。应用改进量子遗传算法进行分解时,含量比例低的元素分解精度得到较大改善,最佳情况下元素分解的相对误差范围缩小了64.5%。并且,改进算法收敛速度快于传统算法。该方法适合严重重叠谱峰的分解,且对弱峰有较高的分解精度。     

基于小波变换的人血清血卟啉荧光光谱分析法

卟啉是生命活动的重要物质,原卟啉可做为肿瘤血液标志物.人血清中血卟啉含量很低,且受多种因素影响.基于小波变换的人血清血卟啉荧光光谱分析法可实现对其弱信号的分辨.用多功能光谱测量系统获取人血清血卟啉荧光光谱,对获取的荧光光谱通过数次小波变换进行分解,将噪声与光谱信号分离,滤波后的荧光光谱进行6次分解后得到了离散逼近信号(a1～a6)和离散细节信号(d1～d6).信号频率随着分解次数的增加逐步降低.当分解到第6次时,出现了血卟啉荧光特征峰,成功地观测到血卟啉的荧光发射峰,实现了弱信号分辨,得到了血清中所含血卟啉的准确成份和定量信息,从而进行定性和定量分析,为血清荧光光谱用于肿瘤的早期诊断提供了一种方法.     

基于高斯锐化法的重叠峰分解方法研究

在放射性能谱测量中,由于探测器分辨率较低、待测样品中原子能级相近,往往会出现全能峰的重叠现象,对放射性核素的定性或定量检测带来较大的困难;常规的分离算法一般需要复杂的谱变换或大量的标准谱样本,不适用于现场测量中重叠峰的实时分解。因此,提出一种基于高斯锐化法的能谱重叠峰解析方法(GSM),结合峰锐化法的分辨率增强能力和褶积滑动变换法的平滑特性,可快速地识别、定位和解析γ能谱中的重叠峰。该方法首先对高斯函数进行锐化并做归一化处理,并以此作为变换算子,选择合适的高斯参数及窗宽度,通过对原始γ能谱数据进行褶积滑动变换,达到滤波和提高重叠峰分离度的目的;然后求解GSM成形处理后的谱线近似函数作为目标函数,并选取峰位中心附近若干点作为初始参数,最后以非线性拟合的方法进行重叠峰特征峰参数的解析。实验中,首先验证了该方法变换前后峰位、峰面积特征值的不变性,其次分别对重叠峰能谱段以及MCNP模拟的131I,137Cs,214Bi,206Bi和26Al混合放射源γ能谱进行方法验证。实验结果表明,该方法对于分离度大于0.375、信噪比大于40 dB的重叠峰具有较好分解效果,分解前后的峰位和峰面积的相对误差分别在1%和4.5%以内;对于γ能谱进行全谱解析后,重叠峰的峰位分离相对误差在1%以内,单峰的分离相对误差约为0.1%以内,且当变换算子的半宽度接近探测器能量分辨率时,重叠峰的分解结果更准确。该方法具备较好的噪声抑制性能,在全谱解析中无需进行能谱光滑及本底扣除等谱线预处理操作,且计算资源耗费少,分解精确度较高,便于能谱测量系统的嵌入式实时解谱应用,对放射性测量中能谱的现场快速解析具有实用性。     

一种提高生物体拉曼光谱痕量测量精度的方法

微量物质拉曼光谱测量精度的提高是拉曼分析技术的难点之一,特别是高荧光背景下生物体中微量物质的测量。根据拉曼谱峰突发、离散特点,分别给出荧光背景和噪声拟合函数,通过监测总体拟合偏差A类不确定度函数实现拉曼谱峰定位和干扰信号滤波;进一步根据谱峰位置划分光谱区间,在单调区间内弱化非谱峰信号,实现谱峰信号增强。与其他光谱处理方法比较,可以准确拆分重叠特征峰,不会降低特征峰高度,提供更加灵敏的半谱峰面积指标。实验表明,该方法在处理皮肤拉曼光谱时,可以准确得到螺旋构象的酰胺I带、神经酰胺和CO的归属拉曼谱峰;另外经过该方法处理后数据建立水溶性糖(水稻叶片)含量测量模型,其精度优于小波分解、多项式拟合和非线性最小二乘法。     

非下采样小波变换红外光谱数据去噪

为了降低噪声对实测红外光谱信号的影响,引入了一种非下采样小波变换的红外光谱数据去噪方法。采用非下采样小波变换对原始光谱信号进行多尺度分解,提取信号的多尺度细节特征;根据光谱信号和噪声在不同尺度上的差异,通过应用变分偏微分方程方法调整分解后的各子带系数;重构各子带就可以将原始光谱信号中真实信号和噪声分离,从而达到剔除噪声的目的。通过两组实验对比传统小波和该方法针对红外光谱数据的消噪效果,实验结果表明:非下采样小波变换在红外光谱数据去噪方面具有明显的优势,不仅能够有效地去除噪声,很好地保持信号的形状,并且均方误差较小;在实际的红外光谱数据处理中能够获得较好的去噪效果。     

一种基于连续小波变换的LIBS光谱自动寻峰方法

谱线寻峰在激光诱导击穿光谱(laser-induced breakdown spectroscopy)中是必不可少的步骤,然而噪声和背景的存在,干扰了寻峰的准确性。为了提高LIBS寻峰中重叠峰分辨能力和自适应能力,提出一种适用于LIBS谱图的自动寻峰方法。将基于连续小波变换的脊线寻峰法引入到LIBS中,探讨了连续小波变换中的小波母函数的选择并优化了尺度参数和平移参数,提出一套脊线校正方法对脊线寻峰法进行了改进。实验结果表明,该方法与直接比较法、导数法和脊线寻峰法相比,在重叠峰分辨能力和寻峰精度等方面优势显著,可应用于LIBS数据处理。     

基于统计遗传算法的X射线荧光重叠峰分解

针对X射线荧光分析中相邻谱峰之间的重叠问题,结合光谱形成过程的随机物理特性,提出了一种基于高斯混合统计模型(Gaussian mixture statistics model, GMSM)和遗传算法的重叠峰分解方法。首先,提出了重叠峰的GMSM描述方法,并分析了期望最大化法(expectation maximization, EM)的局部收敛问题;接着,将GMSM参数看作个体基因,以重叠峰随机数据序列的对数似然函数作为适应度函数,并给出了目标函数值的快速算法;然后,采用遗传算法的群体搜索技术找出全局最优解,实现重叠峰分解。该方法将所有测量的随机数据都当作“有用”来处理,其“有用”程度由其概率大小来体现,实现了原谱数据的“零损失”,搜索到的GMSM是全局最大概率意义下的“最佳匹配”模型,符合放射性测量过程的随机性。通过对四个严重重叠峰分解的实验表明,分解后的峰位、峰面积及标准偏差具有较高精度,最大误差分别为0.7道, 2.3%, 2.17%,特别适合于严重重叠的情况,并可广泛用于其他能谱重叠峰的分解。     

粒子群和GMM-SDR模型在重叠谱峰解析中的应用

针对X光谱分析研究中经常遇到的谱峰重叠问题,提出了一种基于标准差关联的高斯混合模型(GMM-SDR)和粒子群算法的重叠谱峰解析方法。首先,介绍了重叠峰的GMM-SDR模型,并以GMM-SDR参数构成粒子位置,给出了粒子目标函数及适应度值的快速算法;然后,利用粒子群算法的群体搜索能力,以搜索最优GMM-SDR模型,进而实现重叠峰的分解。初始值采用随机设定,将测量的所有随机数据作为一个整体,以其对模型的概率匹配程度作为适应度值,故该方法避免了初值设定不当带来的局部收敛问题,克服了传统曲线拟合方法对原始有用数据的破坏,所搜索到的模型是一个全局最优解。通过对四个及以下重叠谱峰的分解表明,该方法分解精度较高,其中,两峰重叠谱分解后的峰位、峰面积及标准差最大相对误差分别为0.4%,0.05%和2.07%,三峰重叠谱分解后的峰位、峰面积及标准差最大相对误差分别为1.2%,0.04%和0.74%,可适用于各种严重重叠谱峰的分解。     

基于荧光光谱—模拟退火法年份白酒中乙酸浓度预测研究

近年来年份白酒市场中行业规范有所缺失,因此年份白酒的研究具有深远意义和市场价值。白酒中单体物质的浓度会随着白酒的年份改变,检测白酒中单体浓度可用来鉴定白酒质量及其年份。基于国内某品牌年份原桨白酒的三维荧光光谱,对其中乙酸浓度进行了建模研究。对原始光谱进行了小波分解和求导预处理。研究发现小波分解第一层和第二层呈噪声特征,浓度信息主要分布在第三层和第四层信号中。不同激发波长的荧光发射光谱强度分布不同,如何选择合适的激发波长目前还没有一个统一的方法。根据小波分解信号引入有效信号强度概念并获得了合适的建模激发波长（200 nm）;导数光谱的细节特征比原始光谱丰富,光谱求导可以提高光谱的分辨率。研究了乙酸浓度与荧光光谱的相关性,原始荧光光谱与乙酸浓度之间相关性较小,小波分解光谱和导数光谱与浓度的相关性达0.8以上,且呈现出更多离散化的相关性特征峰。因此,小波分解光谱和导数光谱中包含更多乙酸浓度信息且分布比原始光谱更广。基于荧光光谱和模拟退火法研究了乙酸浓度偏最小二乘法（PLS）多元回归模型。研究发现原始光谱的乙酸浓度预测集的均方根误差高达70.03 mg·L-1,模型效果较差;小波分解光谱和导数光谱由于光谱之间多重相关性降低且分辨率提高的特点,模型预测效果更好,其中二阶导数光谱的乙酸浓度预测集的均方根误差和相关系数分别为20.32 mg·L-1和0.999 8,建模效果最好。基于1 000次循环执行模拟退火算法建模得到的光谱信息密度曲线显示出二阶导数光谱比原始光谱包含更多的乙酸浓度信息。以乙酸为例,为年份白酒中物质浓度预测提供了一种简易的光学方法,研究方法对研究多组分渐变体系浓度预测具有一定的参考价值。     

种群算法在能量色散X荧光重叠谱拟合中的应用

在能量色散X荧光光谱分析中,常用的闪烁探测器如NaⅠ(Tl)探测器的能量分辨率都不高,均在8%左右。能量分辨率低下往往对谱数据分析带来较大的难题,特别是在高本底低计数的情况下剥离仪器谱重叠峰会受到很大限制,越是重叠严重的峰越是无法剥离,进而无法分辨峰值和峰面积,更无法进一步对元素进行定性定量分析。为此,结合遗传算法和免疫算法的优势建立新的种群算法应用在重叠谱分析上,该算法以欧式距离为进化的判断依据,以最大相对相似误差值为迭代准则进行迭代。利用高斯函数模拟不同重叠程度的仪器谱图,将种群算法应用在重叠峰分离和全谱模拟中,峰道址偏差在±3道以内,峰面积偏差不超过5%,证明该方法在能量色散X荧光重叠谱分析中有较好的效果。     

小波变换的EDXRF光谱金属组分特征峰位置识别

主要研究X射线荧光光谱金属组分特征谱位置的确定。依据不同金属组分的特征谱特性,分析了特征谱的选取规律,在奇异值分析理论和模极大值理论的基础上,分析了基于特征谱小波分解系数的模极大值提取方法,在不同分解尺度下的特点及其传播特性,提出了基于模极大值传播的区间特征峰筛选方法,并对实际测量光谱进行了实验分析。结果表明：利用bior4.4小波作为基函数对实验测量的全能谱数据进行4层小波变换,利用模极大值传播特性,可以消除全能谱上叠加的部分噪声对光谱分析造成的阶跃影响;为提高特征峰的位置识别概率,对小波变换中小于给定阈值的分解系数进行压缩,将实验获取的X射线荧光全能谱第4层小波分解系数直接进行特征峰识别,得到的677个峰值位置,压缩到186个;在此基础上,再采用模极大值传播的区间特征峰筛选方法,筛选区间初始值设置为600 eV,经识别得到的特征峰峰值位置仅为27个,识别准确率得到有效提高。