基于生物阻抗谱成像的生物组织检测方法

基于电阻抗成像技术和生物阻抗谱技术,提出一种面向生物组织检测的生物阻抗谱成像方法.该方法将目标区域可视化并精准识别目标种类,可用于肺癌早期检测,协助临床医生对早期肺癌进行精准检测,提高早期肺癌的治愈率.本文通过数值仿真的方法验证生物阻抗谱成像方法在肺癌早期检测中的可行性和有效性,仿真结果表明:1)生物阻抗谱成像方法可以实现早期肺癌区域的可视化,并精确判别出早期肺癌种类; 2)生物阻抗谱成像方法中阻抗谱的最佳采集模式是4次循环采集,最佳分类器是Linear-SVM, 5折交叉验证的平均分类准确率可以达到99.9%.为了验证仿真结果,本文选取3种具有不同电学特性的生物组织模拟癌变区域进行了检测.实验结果表明该方法可以对生物组织区域可视化,并判别出生物组织的种类.该方法可以兼顾电阻抗成像和生物阻抗谱方法的优点,有望用于肺癌早期检测.     

重迭穆斯堡尔谱的逐步回归分析方法

对于求解重迭穆斯堡尔谱的超精细参数分布,从多元线性回归分析观点,提出一种带非负约束的逐步回归分析方法。本方法在求解过程中充分利用实验谱的信息,通过显著性和非负性约束合理选择子谱变量,从而可以获得“最佳”拟合结果。本方法既有计算量少的优点,又可进一步降低拟合谱的均方误差和使拟合结果更加合理。 关键词：     

一种新的DEPT 谱编辑方法

提出一种新的基于多元线性回归计算的无畸变极化转移增益法(DEPT)谱编辑方法．该方法使用多元线性回归对谱图中的杂信号进行拟合,获得最佳拟合系数,然后将拟合系数代入拟合公式,通过该公式对DEPT 子谱进行计算,去除杂信号,最终分别得到纯净的CH₃、CH₂、CH 子谱图．实验结果证明,使用新方法对DEPT 谱进行编辑能够很好地减少杂信号的干扰,得到只含有CH_n 信号的子谱．新方法为碳谱的解析尤其是复杂和密集的谱线的解析提供了方便．     

基于自适应变异果蝇优化算法和广义回归神经网络的布里渊散射谱特征提取

针对布里渊光时域反射光纤传感系统散射谱的高精度特征提取的要求,提出了一种基于自适应变异果蝇优化算法和广义回归神经网络的布里渊散射谱特征提取算法。不仅利用了广义回归神经网络在逼近能力、学习速度、模型的泛化等方面具有的优势,而且采用搜索能力较强的自适应变异果蝇优化算法进一步增强了神经网络的学习能力,从而提高了布里渊散射谱的拟合度和频移提取的准确度。在布里渊散射谱中心频率为11.213 GHz,线宽为40～50,30～60和20～70 MHz的散射谱白噪声实验模型中,将新算法分别与基于有限元分析的Levenberg-Marquardt拟合法、粒子群优化和拉凡格式混合拟合法、最小二乘法进行预测比较,新算法获得的最大拟合频移误差为0.4 MHz,平均拟合度为0.991 2,均方根误差为0.024 1。仿真结果表明所提出的算法拟合度较好,绝对误差小。因此,将此算法用于基于布里渊光时域反射的分布式光纤传感系统,可有效提高布里渊散射谱的拟合度和频移提取的准确度。     

一种基于模糊C均值聚类小数据量计算最大Lyapunov指数的新方法

在小数据量计算最大Lyapunov指数的过程中,为了减少人为因素识别线性区域带来的误差,提出一种基于模糊C均值聚类的新方法.该方法根据平均发散程度指数曲线的变化特征,利用分类算法进行识别.首先,利用小数据量算法对混沌时间序列进行计算得到平均发散程度指数集合;其次,利用模糊C均值聚类算法对平均发散程度指数集合进行分类,得到不饱和数据;然后,对不饱和的二阶差分数据进行分类,得到零附近波动数据并剔除粗大误差,再对保留的有效数据利用统计方法识别出线性区域;最后,对线性区域进行最小二乘法拟合得到最大Lyapunov指数.为了验证该算法的有效性,对著名Logistic和Hénon混沌系统进行了仿真,所得结果接近理论值.实验表明,所提出的新方法与主观识别方法比较,计算结果更加准确.     

基于非色散紫外算法的一氧化氮气体检测与分析

提出了一种基于非色散紫外(NDUV)算法,利用光电二极管阵列(PDA)探测器和光谱仪检测一氧化氮气体的分析方法。通过对比分析不同积分次数下一氧化氮吸收谱和无吸收谱内不同波长宽度的总光强,引入光源影响因子F和吸收谱因子B,得到吸光度与浓度的拟合方程及相关系数。结果表明,采用合适的拟合阶数、拟合波长宽度和分析方法,吸光度与浓度的二阶拟合相关系数可达0.999 9以上, 通过拟合方程所获得的待测气体浓度与标准值浓度的误差在3%以内。     

特征提取算法在福美双表面增强拉曼光谱定量分析中的应用

表面增强拉曼散射(SERS)技术具有快速、指纹效应与极低的检测限等优点,被越来越多地应用到有害污染物、有毒物质、危险物质的检测与分析中。在SERS光谱的测量过程中,易受基底、仪器、宇宙射线与测量环境等因素影响,出现波动现象,对后续的分析与检测造成较大的干扰。基于农药福美双SERS光谱数据,尝试利用多种特征提取算法,如主成分分析(PCA)、离散余弦变换(DCT)、非负因式分解(NMF) ,对光谱的主分量进行提取,以减弱光谱数据波动对其后续的定量分析结果的影响。然后将提取后的分量分别结合线性回归算法——偏最小二乘法回归(PLSR),非线性回归算法——支持向量机回归(SVR)建立定量模型。最后,利用5-折交叉验证方法对比不同特征提取算法在不同类型的回归算法下的效果。通过实验验证可知,SVR对福美双溶液的分析精度要明显高于PLSR,这主要是由于SERS光谱强度与被分析物浓度之间为非线性关系。同时针对两种类型回归算法,特征提取算法都能明显地提升了分析结果,主要是由于其提取了源数据的主体信息,去除干扰信息。其中在线性回归中使用PCA效果最佳,在非线性拟合中使用NMF结果最佳,分析误差最好时可降低近3倍。最优回归模型(NMF+SVR)的交叉验证均方误差(RMSECV)为0.0455 μmol·L-1(10-6 mol·L-1),达到国家对福美双的检测标准,为农药快速检测提供一种新的方法。     

多光谱辐射测温的正交多项式回归方法

对于多光谱辐射测温问题,传统的数据处理方法多为最小二乘法、多元线性回归拟合和逐步回归拟合。这些处理方法自身都存在一定的缺陷,使得拟合结果与物体表面真温之间存在一定的误差。文章在可变发射率模型的基础上,提出了对多光谱辐射测温数据处理的另一种新方法——正交多项式回归方法。文章阐述了正交多项式回归的数学基础,并根据钨表面在不同温度下的光谱发射率数据,分别采用逐步回归方法和正交多项式回归方法,对钨表面的真温进行了模拟。通过拟合结果的对比发现用正交多项式回归方法来处理数据,其原理简单、运算量小,拟合结果与表面真温之间的相对误差也较小。得出的结论是用正交多项式回归方法对多光谱辐射测温的数据进行处理,拟合结果比传统方法误差小、速度快、精度高。     

一种基于多准则决策和PSO-LM混合优化算法的多峰Brillouin散射谱的特征提取方法

采用传统方法对多峰Brillouin散射谱进行拟合的过程中,通常是以谱线最大功率点为基准的,却忽略了其他比该点小但却是极值的功率点。这样获得的拟合曲线通常只有一个峰值,相当于把除最高峰之外还有多个小峰的多峰Brillouin散射谱进行了简化,导致大量有用信息的丢失。为了提高Brillouin散射谱的特征提取精度,提出了一种基于MCDM和PSO-LM混合优化算法的多峰Brillouin散射谱特征提取方法(MCDM-PSO-LM)。MCDM可以识别和准确定位多峰Brillouin散射谱的各个波峰和波谷;PSO-LM混合优化算法可以实现分别对各个波峰和波谷的曲线进行拟合并找到每一个波峰的中心频率,该算法既克服了PSO算法过早收敛于局部极值和LM算法依赖初值的问题,又可以将PSO算法的全局搜索能力和LM算法的局部收敛能力结合在一起。较传统算法而言,MCDM-PSO-LM算法保证了对最优值求解的速度和精度,提高了运算能力,使解析解最大限度地接近最优值。分别在不同信噪比和不同线宽条件下进行仿真验证,频移和温度误差分析结果表明,MCDM-PSO-LM方法可以对多峰Brillouin散射谱的各个波峰与波谷进行准确定位,可用于多峰Brillouin散射谱的特征提取,识别效果明显强于传统算法,提高了信息分析的准确性。     

采用动态核特征及贝叶斯最大后验估计的语音转换方法

针对小样本情况下,使用混合概率线性回归(Mixture of Probabilistic Linear Regressions,MPLR)模型进行语音转换容易出现过拟合的问题,提出利用动态核特征替代源说话人语音谱特征后,对转换函数参数进行贝叶斯最大后验估计(Maximum a Posterior,MAP)求解的方法。首先采用核函数将源说话人的语音谱特征转化为动态核特征,再引入转换函数参数的先验知识,最后根据对误差的不同假设,提出两种求解转换函数参数的方法。客观评测实验结果表明,所提出方法的平均谱失真值相对于MPLR模型转换方法平均降低了4.25%。主观评测实验结果表明,所提出的方法在转换语音的相似度和自然度方面的得分均高于MPLR方法。实验结果证明,所提出方法有效地改善了语音转换中的过拟合问题。     

采用动态核特征及贝叶斯最大后验估计的语音转换方法

针对小样本情况下,使用混合概率线性回归(Mixture of Probabilistic Linear Regressions,MPLR)模型进行语音转换容易出现过拟合的问题,提出利用动态核特征替代源说话人语音谱特征后,对转换函数参数进行贝叶斯最大后验估计(Maximum a Posterior,MAP)求解的方法。首先采用核函数将源说话人的语音谱特征转化为动态核特征,再引入转换函数参数的先验知识,最后根据对误差的不同假设,提出两种求解转换函数参数的方法。客观评测实验结果表明,所提出方法的平均谱失真值相对于MPLR模型转换方法平均降低了4.25%。主观评测实验结果表明,所提出的方法在转换语音的相似度和自然度方面的得分均高于MPLR方法。实验结果证明,所提出方法有效地改善了语音转换中的过拟合问题。      

混沌噪声背景下微弱脉冲信号的检测及恢复

构建了一种在混沌噪声背景下检测并恢复微弱脉冲信号的模型.首先,基于混沌信号的短期可预测性及其对微小扰动的敏感性,对观测信号进行相空间重构、建立局域线性自回归模型进行单步预测,得到预测误差,并利用假设检验方法从预测误差中检测观测信号中是否含有微弱脉冲信号.然后,对微弱脉冲信号建立单点跳跃模型,并融合局域线性自回归模型,构成双局域线性(DLL)模型,以极小化DLL模型的均方预测误差为目标进行优化,采用向后拟合算法估计模型的参数,并最终恢复出混沌噪声背景下的微弱脉冲信号.仿真实验结果表明本文所建的模型能够有效地检测并恢复出混沌噪声背景中的微弱脉冲信号.     

基于BP神经网络模型时钟同步误差补偿算法

误差补偿是保证水下传感器网络时钟同步精度的一个重要保障,现有研究方法主要采用线性拟合和最小二乘法对时钟同步参数进行误差补偿,但该类方法并未考虑受海流影响时节点移动所导致的时钟同步精度问题.针对此问题,本文提出一种基于BP神经网络模型的时钟同步误差补偿算法.首先采用深海拉格朗日洋流模型描述水下节点运动规律,模拟水下节点运动速度,进而建立时钟同步参数模型,最后构建符合水下环境的BP神经网络时钟同步误差补偿模型,通过定义激励函数,引入正则项因子和补偿性因子避免模型过拟合,建立误差反向传播的BP神经网络模型时钟同步误差补偿算法.仿真实验表明,本文提出的算法与TSHL算法、MU-sync算法、MM-sync算法相比,在时钟同步精度(即时钟同步时间与标准时间的误差)上分别提升了37.42%, 17.29%和21.86%,并且均方误差得到显著降低.     

一种基于误差补偿的多元混沌时间序列混合预测模型

针对多元混沌时间序列的预测问题, 考虑到单纯改进储备池算法无法明显地提高预测精度, 提出一种基于误差补偿的时间序列混合预测模型. 实际观测的数据既包含线性特征又包含非线性特征. 首先利用自回归移动平均模型预测线性特征, 使得残差数据仅含非线性特征; 然后, 建立正则化回声状态网络模型预测; 最后, 将非线性部分的预测值与线性部分的预测值相加, 以实现高精度的多元混沌时间序列预测. 基于Lorenz和太阳黑子-黄河径流量时间序列的仿真实验验证了本文所提模型的有效性. 关键词： 回声状态网络 混沌 多元时间序列预测 误差补偿     

基于多任务卷积神经网络的浮游藻类群落识别方法

针对混合浮游藻类群落离散三维荧光光谱特征识别,对比分析了简单卷积神经网络(PlainCNN)和文本卷积神经网络(TextCNN)模型对5种常见门类藻(铜绿微囊藻、斜生栅藻、菱形藻、楯形多甲藻和隐藻)混合数据的种类识别准确率及浓度测量精度。结果表明,在藻类独立识别及浓度回归分析中,PlainCNN模型对测试集的平均识别准确率和浓度输出结果的平均均方误差分别为90%和0.052,均优于TextCNN模型。为了同时实现混合藻类种类识别和浓度分析,基于PlainCNN模型提出了多任务卷积神经网络PlainCNN-MT模型。该模型对混合藻类种类识别的平均准确率提高至95%,浓度输出结果的平均均方误差降低至0.039,表明多任务卷积神经网络在浮游藻类群落识别与定量分析中更具优势。     

一种适用于大测绘带合成孔径声呐的运动补偿方法

当合成孔径声呐测绘带较大时,运动误差的空变效应严重,经典的相位中心重叠算法难以适用。为此,提出了一种适用于大测绘带合成孔径声呐的运动补偿方法。首先使用混合调制的拉格朗日时延估计算法对前后两帧回波的时延进行估计,之后使用线性回归方法拟合出运动误差,最后利用运动误差的估计值对回波进行逐点精确补偿。仿真数据的结果表明,该算法能够获得比相位中心重叠算法更好的运动估计结果,运动补偿后成像分辨率接近理论分辨率。使用该算法分别对高、低频合成孔径声呐的湖试数据进行了处理,水下地貌和小目标的成像质量均有明显提高。      

差分吸收光谱技术测量氯气的数据处理方法研究

基于差分吸收光谱(DOAS)技术,结合自主搭建的一套小型便携式DOAS实验系统,开展了对氯气的实验测量。在处理氯气的标准截面时,比较了两种不同的高通数字滤波方法：三角函数滤波和多项式拟合滤波。实验证明采用后一处理方法能够更加准确反演出氯气的浓度。模拟计算的结果显示,采用五阶多项式处理的结果的误差较小;在不同样品池内的测量结果显示,利用该方法测量氯气的线性度达到0.996 1;实际的一条谱的反演结果显示拟合谱与测量谱基本重合,且剩余噪声谱的峰峰值最大值<5‰;给出整个实验过程中可能的误差主要来源。综合以上的实验结果表明,利用DOAS技术采用多项式拟合处理的方法可以实现对于氯气的检测。     

相关向量机在污水硝氮检测中的应用

针对地表水质的复杂性以及紫外光谱数据维数高、谱带重叠严重的特点,提出将相关向量机算法应用于硝氮的连续紫外光谱分析,实现了对实际污水硝氮的快速准确无污染检测。首先介绍了相关向量机算法原理,然后在分析制药污水紫外吸收光谱的基础上选取230～245 nm紫外吸光度数据用于建模,应用多元线性回归、偏最小二乘方法、经典支持向量机方法(SVM)和相关向量机方法分别建立硝氮回归模型并比较分析模型性能。实验结果表明：相关向量机模型预测更准确,模型更稀疏,预测速度快,检测结果的相对满量程误差控制在4.5%以内,适用于对复杂组成成分的实际污水硝氮的有效快速检测。     

紫外光谱法水体COD测量的线性-指数分段数学模型

利用紫外光谱法分析水体COD时,当样品达到一定浓度之后(仍处于朗伯-比尔定律通常被适用的浓度范围内),其溶液紫外吸光度与溶液COD数值会明显偏离线性关系,此现象在许多学者发表的紫外光谱论文中都曾有所提及。对此,选用海洋光学公司的S2000微型光纤光谱仪作为光谱测量仪器,选用PX-2脉冲氙灯作为激发光源,在温度为20℃(±0.5℃)及湿度为35%(±5%)的暗室中进行光谱实验,测量了COD值为40～680 mg·L~(-1)的34组邻苯二甲酸氢钾溶液样品的紫外吸收光谱,并基于样品紫外吸收特性进行了分析建模。采用相关系数法选取优势波段,通过对比样品紫外吸收光谱的第二特征峰和水质COD分析中常用波长处的COD-吸光度关系曲线动态特性,选定优势波长为275 nm。采用逐点延伸的方式,在较低浓度段利用鲁棒线性回归、较高浓度段利用非线性最小二乘回归,反复拟合线性或指数方程,滑动预测下一个数据点,根据均方根误差和相对误差判断预设低浓度临界点和较高浓度临界点,确定了低浓度段和较高浓度段COD-吸光度关系模型的分段点分别为300和560 mg·L~(-1),得到低浓度段模型和较高浓度段模型。通过在优势波长处进行低浓度段、较高浓度段和全浓度范围的鲁棒线性回归和非线性最小二乘法回归等不同模型的拟合精度比较,表明40～300和300～560 mg·L~(-1)范围内COD-吸光度关系的线性-指数分段数学模型,不仅拟合精度最高,而且预测效果好,低浓度段的预测均方根误差为4.944 9,较高浓度段的预测均方根误差为6.768 9,整体预测均方根误差为5.664 7。研究结果对紫外光谱应用于较高COD的水质测量和分析具有一定的参考价值。     

基于Inception网络的好奇号火星车地面标样LIBS光谱定量建模

传统的多变量分析方法是LIBS定量建模的主要手段,但光谱的输入维度较高,很多算法需要提前对光谱进行降维或特征谱线提取,导致部分信息丢失,影响准确率.针对该问题,本文引入以深度卷积神经网络Inception为基础的定量建模方法,算法设计时将原有常规的2D卷积网络改造为1D卷积网络以实现光谱信息的全谱输入和特征提取.该方法不仅不需要对原始光谱的降维操作,且其他的预处理如滤波等操作亦可以省略.经多次实验,训练次数为2 000次时具有较好的预测结果,同时并不会出现明显的过拟合现象.此时其平均决定系数(R2)为0.957 9,其均方根误差相比多元线性回归方法平均降低了61.69%,与深度学习方法 AlexNet对比也获得较好结果.