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。     

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。     

局部扫描情况下多项式拟合的X射线硬化校正

在进行X-CT成像时,容易诱发射束硬化效应。通过多项式拟合建立起多色投影同透射距离的数学模型,然后将多色投影校正为单色投影,是一种简单高效的射束硬化校正方法。对于局部扫描的情况,在重建图像域通过正投影方法计算得到的透射距离不再代表真实的射线穿过长度,拟合数据不再有效。因此借助一圆柱模体,根据圆柱自身的几何特性,通过解析的方法计算得到射线真实的透射距离,并用于射束硬化校正。实验结果表明,该方法能够有效抑制射束硬化引起的图像伪影,提高CT重建图像质量。     

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。     

维生素C在不同PH值下的拉曼光谱和表面增强拉曼光谱

报道了维生素C(VC)的FT-拉曼光谱和在银胶基底上的表面增强拉曼光谱(SERS),并对它的拉曼特征谱带进行了初步的指认和归属.结合pH值的变化探讨了吸附作用的特点和规律.实验结果表明,1748、1651、1372、1256、562、446cm-1、和149cm-1处都能看到表面增强,VC的内酯环是以倾斜的方向吸附于银胶表面,并且VC分子是通过O-H键吸附在银胶表面上的,并在吸附过程中与银发生了电荷转移而形成负离子自由基,碳氧双键打开.     

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。     

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。     

基于非均匀B样条的拉曼光谱基线校正算法

基线校正是一种常用的消除光谱荧光干扰的方法,是拉曼光谱数据处理的必要步骤之一。传统的多项式拟合基线校正算法,简单且易于实现,但是拟合阶次难以确定,灵活性较差。使用非均匀B样条代替多项式进行拟合,在保留原有算法优点的基础上,利用原始拉曼谱图的峰位置信息自适应地确定非均匀B样条的节点向量,然后以固定阶次拟合光谱基线。B样条自身具有分段光滑的特性,而计算样条节点的节点向量自适应选取算法中的峰位置信息通过使用两次具有不同母函数的连续小波变换(continuous wavelet transform, CWT)来获取,既加强了原始光谱数据与B样条算法本身的联系,也克服了传统多项式拟合的不足。为了验证本文算法的有效性,选取了甲基对硫磷和某品牌菜籽油两种被测物进行实验,并使用该算法进行了基线校正,并与两种其他的基线校正算法与进行了对比。实验结果表明,该方法利用固定的拟合阶次就能达到较好的校正效果,所需要的参数较少,校正结果不会出现过拟合或欠拟合的现象,是一种有效的拉曼光谱基线校正算法。     

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。     

基于改进光谱特征拟合算法的高光谱数据矿物信息提取

根据光谱特征拟合算法在实际应用中存在的问题,介绍一种改进光谱特征拟合算法,该算法综合常规的特征拟合处理和地物光谱吸收特征参量约束为一体,能更细致地进行高光谱数据地物信息提取.实验基于不同空间分辨率和信噪比的高光谱数据,编程实现改进光谱特征拟合算法对实验区的白云母、方解石、绿泥石等蚀变矿物信息提取,与常规光谱特征拟合和光谱角制图处理结果的比较分析发现改进算法在矿物混淆区分、信息提取精细度上均得到提高,有较强的实用性.     

矿石拉曼光谱模型拟合分类方法

拉曼光谱因具有简单、快速及无损等特点,非常适合矿石的分类与鉴别。拉曼光谱模型拟合分类方法无需构建参考光谱库且避免了复杂的逐项光谱匹配,具有明显的优势。然而,已有的基于机器学习及深度学习的矿石拉曼光谱分类研究所采用的学习模型比较单一,缺乏具有参考意义的综合比较。对基于机器学习及深度学习的矿石拉曼光谱模型拟合分类方法进行综合评估验证,对比了KNN, XGBoost, SVM, RF四种传统机器学习方法和CNN, DNN, RNN三种深度学习模型在RRUFF矿物拉曼光谱数据集上的分类效果,验证了4种数据预处理方法和样本量对模型分类效果的影响。为提升机器学习模型的分类性能,本文还提出了一种拉曼光谱强度曲率的数据预处理方法,对经基线矫正后的拉曼光谱序列强度计算曲率作为构造特征,使模型更有效的提取出拉曼光谱的特征峰位置。实验结论：数据预处理对提升机器学习模型的分类性能效果明显,而对深度学习模型不敏感;样本量为影响模型分类效果的关键因素,当样本量较大时,深度学习模型的分类效果优于传统的机器学习模型;对于微小样本,深度学习模型难以发挥其优势,而辅以预处理的机器学习具有更优的分类性能。     

基于拉曼光谱高斯分峰拟合的硫化锑含量检测方法

针对硫化锑含量采用化学分析方法检测存在操作复杂、检测时间长的问题,提出了一种基于拉曼光谱高斯分峰拟合的硫化锑含量快速检测方法。采用拉曼光谱系统测定锑矿样品的拉曼谱图,对原始拉曼谱图进行平滑去噪、背景扣除、谱段选择及归一化等预处理。基于高斯曲线的高斯峰、峰面积、半高宽和峰位置等信息,建立单个高斯峰的数学模型,提出高斯分峰拟合算法对光谱进行拟合,采用状态转移算法对高斯峰模型进行优化求解,得到表征光谱信息的特征参量,结合偏最小二乘回归方法,确定特征参量和硫化锑含量之间的关系,从而建立模型,实现对硫化锑含量的预测。实验中通过训练样本建立校正模型,对测试样本进行预测,同时从训练样本中随机挑选出检验样本,利用已建立的模型,对其硫化锑含量进行预测,以检验模型的正确性和外推性。实验结果表明：与预处理后全光谱建模相比,采用高斯分峰拟合后建立的预测模型的预测效果更好,证明了模型的正确性和良好外推性。因此,拉曼光谱结合高斯分峰拟合算法应用于锑矿中硫化锑含量的检测是可行的,且测量过程更简单,适用于矿物成分的快速分析。     

基于Zernike多项式进行波面拟合研究

基于Zernike多项式利用Householder变换法对不同空间频率径向误差和不同口径局部误差进行了拟合,得到了拟合误差的均方根(RMS)值,分析了Zernike多项式的局限性。结果表明,Zernike在拟合径向误差时,受到最大空间频率的限制;在拟合局部误差时要受到局部误差口径大小的限制,并且会引起额外的波动。     

基于拉曼光谱的改进投影算法快速鉴别药品

投影算法常用于混合物分析中确定灰色体系是否存在未知干扰,而在用于药品鉴别时,由于其判定标准不充分,故不能同时准确鉴别不同药品和相似药品。提出将投影算法的判定标准(待测物质光谱的量测误差大小是否在限定水平)改进为待测物质光谱与标准物质光谱的量测误差大小水平是否相当、量测误差分布是否相近。将改进投影算法与未经改进投影算法用于六种(拜耳阿司匹林肠溶片、泰诺对乙酰氨基酚缓释片、拜耳复方对乙酰氨基酚片Ⅱ、华中复合维生素C片、华中维生素B片、吗丁啉多潘立酮片)不同药品的鉴别以及三种相似药品(拜耳阿司匹林肠溶片、上海信宜药阿司匹林肠溶片、巴米尔阿司匹林泡腾片)的区分,实验结果表明改进投影算法实现了不同药品的准确鉴别及相似药品的准确区分,准确率均高达100%,有望发展成为普适,可靠的自动化药品识别算法,并为基于拉曼光谱的物质识别算法研究提供参考依据。     

酿造酒的激光拉曼光谱

用激光拉曼光谱的方法对市场销售的几种酿造酒进行了研究，对酿造酒的拉曼光谱的归属进行了设定，并指出了拉曼光谱对鉴别酒的质量所具有的意义     

基于奇异值分解的数字波前拟合算法

提出了基于奇异值分解、采用泽尼克多项式拟合干涉波前的算法,该算法直接从线性方程组入手,对矩阵进行奇异值分解分解,在求解逆矩阵的过程中,采用阈值法对奇异值的倒数进行非常规的置换(∞→0),可直接得到系数向量。理论分析和实验证明,相对于传统的格拉姆施密特正交法,该算法可首先通过求解条件数判断线性方程矩阵是否奇异,对于解决病态方程组或奇异矩阵的最小二乘问题,有很好的稳定性,避免了由最小二乘构造的法方程组出现病态而引入的计算误差,且易于编程。     

木糖醇的红外光谱和拉曼光谱研究

实验测量了木糖醇的拉曼光谱和红外光谱,在相关文献的帮助下,对其谱带进行了初步指认。在拉曼光谱中,1000cm-1～1110cm-1之间的中等强度振动属于C-O伸缩振动和H-C-O弯曲振动。850cm-1到920cm-1之间的振动属于C-C伸缩振动。羟基面内弯曲振动在红外吸收光谱中出现在1300～1500cm-1,O-H的变形振动δO-H出现在1420～1380cm-1。