拉曼光谱结合WGANGP-ResNet算法鉴别病原菌种类

快速准确识别病原菌在防止传染病的传播、帮助对抗抗菌素耐药性和改善病人预后方面起着关键作用。拉曼光谱结合机器学习算法能够简单快捷地对病原菌进行无标记检测。然而,病原菌种类和表型繁多,并且深度学习需要依赖大量样本训练,而收集大批量病原菌拉曼光谱劳神费力,且易受荧光等因素影响。针对上述问题,提出一种基于WGAN-GP数据增强方法和ResNet结合的病原菌拉曼光谱检测模型。采用五种常见眼科病原菌的拉曼光谱。将采集到的原始数据归一化作为ResNet和传统卷积神经网络(1D-CNN)的输入,将经过SG滤波、 airPLS基线校正、 PCA降维等预处理后的数据作为K近邻(KNN)的输入,对比分析发现ResNet模型效果最优,其分类精度可达96%;搭建Wasserstein生成式对抗网络加梯度惩罚模型(WGAN-GP),生成大量与真实数据相似的高分辨率光谱数据。同时与偏移法、深度卷积生成式对抗神经网络(DCGAN)2种数据增强方法进行比对,证明WGAN-GP的可靠性;为验证生成数据可以丰富数据多样性,进而提高分类精度,将扩充后的数据集重新放入ResNet进行训练,最终WGAN-GP结合ResNet的分...     

基于两步迭代收缩阈值的编码孔径光谱数据复原算法

编码孔径光谱成像仪根据压缩传感理论,对物体进行光谱成像。编码孔径光谱数据复原的特点在于能将探测器上所得到的二维编码像复原成三维的数据立方体。两步迭代收缩阈值算法是在迭代收缩阈值算法和迭代加权收缩算法基础上加以改进而得出的,采用两步迭代收缩阈值算法对编码孔径光谱数据进行复原,成功地由二维编码像复原出了三维数据立方体,具有迭代步数少,收敛速度快的特点。     

基于奇异值分解和中位数绝对偏差的拉曼成像数据去噪方法

拉曼成像是一种无损伤、无需标记的光谱成像技术,它可以提供样品的不同组分的分子指纹信息以及空间分布特征,相比其他成像技术有着更重要的应用。但是拉曼散射的截面积小,灵敏度低,加上在很多实验中为了观察某些组分的动态分布而缩短扫描时间,导致最终得到的成像数据被噪声干扰,因此往往需要对信号进行去噪处理。常规的算法一般都是基于一个给定的数学模型对光谱进行处理,容易造成过滤波,使得信号失真;另外,在处理拉曼成像数据时,常规算法往往是对数据进行逐条光谱去噪,从而忽略了多条光谱之间的相互关系,导致最终的拉曼图像仍然受许多噪点干扰。因此,提出了一种基于奇异值分解和中位数绝对偏差的拉曼成像的信号处理方法,用于拉曼成像数据的去噪处理。该方法首先对拉曼成像数据进行奇异值分解,获得一个奇异值矩阵与两个正交矩阵;然后通过中位数绝对偏差法对奇异值矩阵中的各奇异值进行离群值检测,选取前k个被连续标记的离群值作为要保留的奇异值,并将其余的奇异值赋值为零,得到新的奇异值矩阵;最后用新的奇异值矩阵与两个正交矩阵重新求解得到去噪后的拉曼成像数据。实验中,首先验证了中位数绝对偏差法确定前k个奇异值的正确性,其次分别从处理后的图像质量和信号波形两方面对比了该算法与常规算法的去噪效果。结果证明,中位数绝对偏差法可以快速地确定出合理的k值大小,而且,依据该k值处理后的成像数据不仅在成像质量上消除了大量的噪点,使得组分的空间分布特征清晰可见,也在信号波形上较完美地保留了微小谱峰,并恢复光谱信号。该算法不同于常规算法,能同时对整个拉曼成像数据进行处理,并保留光谱之间的统计特征,是一种更加有效的拉曼成像数据的去噪方法。     

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UKF的自适应野值剔除算法

在基于RSSI信号的无线定位系统中,由于外界环境中各种存在随机干扰噪声,使得采样到的RSSI信号往往具有非线性、不稳定等特点,很大程度上偏离了其真实值,它直接影响了定位系统的定位精度。为了提取RSSI信号的真实值,提出一种基于UKF的自适应野值剔除算法,它根据信息来修正其预测值和增益,可以实时对动态观测数据中的野值进行检测和剔除。并通过与UKF算法对比仿真实验,matlab仿真结果表明,使用改进算法对RSSI信号进行滤波处理,提取的RSSI信号值更接近其真实值,收敛速度更快,误差更小,稳定性更好, 可以有效地剔除野值信号,并抑制了野值信号对滤波的影响。     

水天线附近红外弱点目标的检测

弱点目标的检测是舰载红外警戒系统中的一个关键问题。由于目标处于海天线附近的高强度背景杂波中，因此，采用常规的点目标检测算法对其进行检测的结果都不够理想。针对这一问题，本文提出了一种改进方法：首先用中值滤波方法对海空背景进行预测和抑制，自适应阈值分割后根据目标点和背景杂波残留在多向梯度上的差异，通过多向梯度检测进一步剔除背景杂波残留，提高了单帧图像的检测概率。     

狙击步枪瞄准线偏差测量与电击发控制研究

为了测量智能瞄具狙击步枪系统瞄准线偏差,控制击发时机并提高射击精度,提出了滤波加权融合方法与线性预测击发判据。运用卡尔曼预测滤波对脱靶量滞后进行补偿,得出瞄准线偏差; 将陀螺数据滤波后积分得出另一瞄准线偏差; 根据加权融合算法,得到加权融合后瞄准线偏差。建立了基于陀螺信号、融合信号和电动击发装置特性的线性预测击发判据; 搭建了dSPACE实验测试系统,进行了瞄准线偏差测量实验和模拟对比射击实验,结果表明:滤波加权融合后的信号基本可表示瞄准线实际偏差;在滤波加权融合方法与线性预测击发判据条件下模拟射击时,弹着点分布在0.05 mrad圆内的概率为85.7%,高于简单控制击发模式下53.33%的概率。     

三维荧光结合三阶校正算法快速检测水中酚类化合物

苯酚和麝香草酚等酚类化合物对人体和动植物有着严重危害,且这些酚类化合物往往同时存在于水体。由于苯酚和麝香草酚的激发和发射光谱重叠严重,常规荧光方法不能实现直接快速测定。基于三维荧光光谱结合四维平行因子（4-PARAFAC）算法,对存在未知干扰物的湖水中苯酚和麝香草酚进行定性和定量分析。利用三维平行因子和四维平行因子算法分解光谱数据,探索三阶校正算法的“三阶优势”。通过引入温度维来构建四维数据阵,将不同温度下扫描得到的激发发射矩阵沿样本维叠加得到四维数据阵,结合基于四维平行因子的三阶校正算法对目标分析物进行定性定量分析。为避免溶剂散射和仪器的影响,需要对扫描得到的激发发射矩阵信号进行预处理。通过空白扣除法和Delaunay三角内插值法去除激发发射矩阵中散射信号,再进一步进行激发发射校正,得到真实光谱。然后分别使用基于平行因子的二阶校正算法和基于四维平行因子的三阶校正算法对光谱数据进行分析,对比两种算法的分析结果。结果表明,四维数据阵并不是三维激发发射矩阵简单的叠加,得到的四维数据可能含有丰富的高维信息,有助于改善对分析物的测量结果。四维平行因子算法解析得到的湖水中苯酚和麝香草酚的平均回收率分别为97.7%±9.2%和96.5%±8.8%,预测均方根误差为0.047和0.057 μg·mL-1,预测相对误差低于10%,分析结果优于三维平行因子（平均回收率分别为105.7%±15.3%和111.0%±3.6%,预测均方根误差为0.090和0.056 μg·mL-1,预测相对误差高于10%）。实验表明,样本中存在复杂干扰背景和数据共线性严重时,三阶校正算法能够得到比二阶校正算法更满意的结果,为复杂体系中苯酚和麝香草酚的检测提供了可靠方法。     

基于特征提取的低信噪比拉曼光谱去噪方法研究

为了提高拉曼光谱检测系统的时间分辨率,常常需要采用较短的采样积分时间,此时带有分子结构振动谱的有用拉曼信号可能完全淹没在噪声中,严重影响信号的进一步分析,因此有必要对测量所得的光谱信号进行噪声消除处理。传统的消噪方法是基于信号与噪声在频域或统计特性之间的差异,通过平滑滤波或取平均值的方法来消除噪声,一般适用于噪声强度不高的情况,对于信噪比较低的情况处理效果并不理想。针对传统去噪方法的不足,从信号重构的角度,利用基于小波变换的谱峰识别、半峰宽检测提取光谱特征参数,再利用最小二乘拟合的方法,能够有效地提取淹没于强噪声背景下的有用拉曼信号。在仿真中,运用该算法得到的光谱曲线光滑,峰位置准确,信噪比改善明显。在实验中,分别利用该方法处理头孢呋辛酯片和罗红霉素拉曼光谱数据,得到了清晰的谱峰位置、幅值及半峰宽信息,实现了对短积分时间、强噪声背景的拉曼信号的有效还原,提高了检测系统的时间分辨率。仿真和实验结果表明,该方法需要调整参数少,易于实现,在信噪比比较低的情况下依然能够得到良好的去噪效果,为进一步分析光谱数据提供准确可靠的信息。     

基于FFT奇异值分解的光谱信号去噪算法

微型光谱仪在采集光谱信号过程中,光谱数据经常受到来自仪器光学系统和电子电路中的干扰出现噪声和光源特征峰,严重干扰了真实光谱信号的图谱特征,因此需要使用合理的预处理方法保留光谱信号中有用信号并尽可能过滤噪声信号同时将光源特征峰滤除,从而提高光谱信息定量分析的稳健性和准确性。并且在线检测系统要求尽可能减少人为参数选择对去噪效果的影响,奇异值分解经常应用于由系统电路引起的噪声去噪,奇异值降噪阶次的选取对提高信号信噪比十分关键,但是往往参数选取主要依赖经验调试和实验验证。因此,提出了一种基于奇异值重构信号分量频率的光谱信号去噪算法。该算法首先重构原始光谱信号单个奇异值分量信号,然后对每个奇异值分量信号作快速傅里叶变换,得到每个奇异值分量信号快速傅里叶变换结果中振幅最大所对应的频率值,最后按照奇异值递减方式对相应分量信号频率值进行一阶滞后差分,得到频率差分谱,研究表明,差分谱第一个谱峰值在大于设定阈值处所对应的奇异值即为奇异值分解降噪的有效阶次。结果表明：对包含多种重金属离子的溶液在线测量的紫外可见光谱信号,添加不同强度的随机噪声,并进行去噪处理,使用信噪比和均方根误差两个性能指标进行对比。所提算法相较于SG滤波算法和小波变换去噪算法信噪比分别提高了22.05%,10.88%,均方根误差分别降低了74.28%,41.29%。所提算法完全基于数据驱动,在处理真实紫外可见光谱信号中不仅抑制了噪声影响,而且将微型光谱仪的光源特征峰有效滤除,在紫外可见光谱信号的定量分析中具有较好的应用前景。     

一种简单的在线拉曼光谱spike剔除方法

拉曼光谱体现了物质中不同分子基团的振动情况,可以精确地进行物质的定性和定量分析.凭借着这样的优势,拉曼光谱技术已经成功应用在化工生产、管道传输、生化反应监测等工业在线分析领域.然而,在线拉曼分析很容易受到宇宙射线的干扰.宇宙射线在拉曼谱图上体现为一系列峰宽较窄的尖锐的峰,也被称为spike.这些spike使待测物质的拉...     

`Spiking' radiation in the Columbia free electron laser

A report is presented on the observation of spikes of high-intensity radiation emitted from a 2-mm wavelength Raman free electron laser oscillator. The spikes are correlated with a well-developed sideband spectrum, including several sideband harmonics, together with the carrier. A pulse width ~150 ps is obtained from analysis of data obtained with a two-slit Young's experiment. An even shorter pulse width results from a numerical model. Using an elementary model of the spike, it is estimated that the peak spike pulse power is ~100 MW     

基于背景信息的磁共振成像尖峰噪声消除

磁共振成像扫描过程中如果在K空间中出现尖峰噪声,将会严重影响图像质量. 该文提出了一种利用磁共振图像背景信息来定位并修复尖峰噪声的方法. 首先将K空间数据沿着频率编码k_x和相位编码k_y 2个方向分别进行一维傅立叶变换,然后在获得的2个中间域数据中,分别截取出背景区域, 进行一维反傅立叶变换得到与背景对应的频率域数据,通过对背景频率域数据的分析,获得尖峰噪声的k_x和k_y坐标,最后对异常点进行修复. 该算法可以很好地消除各种模式的尖峰噪声,与已有的算法相比,能够更好地处理K空间中连续多个相位编码行上出现尖峰噪声的情况,有效地消除图像伪影.     

基于双尺度相关运算的拉曼谱峰识别方法

拉曼谱峰识别是拉曼定性分析中的关键技术之一, 针对现有拉曼谱峰识别方法中存在的缺陷和不足提出了一种双尺度相关拉曼光谱谱峰识别方法,即采用两个尺度下的相关系数与局部信噪比相结合来实现拉曼谱峰识别。利用MATLAB对所提算法与传统的连续小波变换法进行了对比分析,并通过实测拉曼光谱进行验证。分析结果：双尺度相关法识别一幅拉曼谱的平均时间为0.51 s,连续小波变换法为0.71 s;当谱峰信噪比≥6时(现代拉曼光谱仪器均可达到较高的信噪比),双尺度相关法的谱峰识别准确率高于99%,连续小波变换法的谱峰识别准确率小于84%,且双尺度相关法谱峰位置识别误差的均值与标准差均要小于连续小波变换法。通过仿真对比分析和实验验证表明：双尺度相关法具有无需人工干预,无需做去噪及去背景等预处理操作,识别速度快,识别准确率高等特点,是一种切实可行的拉曼谱峰识别方法。     

A robust method for automated background subtraction of tissue fluorescence

This paper introduces a new robust method for the removal of background tissue fluorescence from Raman spectra. Raman spectra consist of noise, fluorescence and Raman scattering. In order to extract the Raman scattering, both noise and background fluorescence must be removed, ideally without human intervention and preserving the original data. We describe the rationale behind our robust background subtraction method, determine the parameters of the method and validate it using a Raman phantom against other methods currently used. We also statistically compare the methods using the residual mean square (RMS) with a fluorescence‐to‐signal (F/S) ratio ranging from 0.1 to 1000. The method, ‘adaptive minmax’, chooses the subtraction method based on the F/S ratio. It uses multiple fits of different orders to maximize each polynomial fit. The results show that the adaptive minmax method was significantly better than any single polynomial fit across all F/S ratios. This method can be implemented as part of a modular automated real‐time diagnostic in vivo Raman system. Copyright © 2007 John Wiley & Sons, Ltd.     

基于中值滤波和提升小波分析的图像去噪方法研究

针对现有算法大多对单一高斯噪声或脉冲噪声进行图像滤波的问题,在对二维图像平滑去噪的过程中,采用基于中值滤波和提升小波变换相结合的图像去噪方法。在中值滤波基础上,构造基于脉冲检测的中值滤波器,找出混合噪声中脉冲噪声并进行滤波;与此同时,对原始小波进行提升,构造提升小波,然后采用提升小波阈值去噪方法抑制高斯噪声。实验结果表明:采用本文方法,混合噪声得到有效抑制,去噪效果好。     

基于LCEEMD的低信噪比拉曼光谱自适应去噪方法研究

在生物体拉曼光谱快速采集或低功率采集过程中,往往会获得低信噪比拉曼光谱。针对低信噪比光谱数据,提出应用补充总体经验模态方法(CEEMD)分解拉曼光谱,并且依据特征模态分量的归一化排列熵值(NPE)按比例扣除噪声成分的方法,称为局部补充总体均值经验模分解方法(LCEEMD)。LCEEMD方法不仅解决了经验模态(EMD)分解中高频信号与噪声的模态混叠问题,还有效降低了总体经验模态分解法(EEMD)中的残留噪声。仿真数据实验显示,LCEEMD方法在处理10db信噪比模拟光谱时获得了39.615 0 db信噪比,0.001 17标准差和0.999 9相关系数。在人体皮肤拉曼光谱试验中,LCEEMD方法滤波后数据准确呈现出角质层脂质酰胺I带激发拉曼强谱峰以及甘油三酸酯中(CO)酯微弱谱峰。在水稻叶片可溶性糖定量预测模型中,LCEEMD方法取得了0.871 7预测相关系数和0.912 0预测标准误差,优于EMD和EEMD软阈值去噪(0.511 4,1.647 8和0.638 2,1.508 8)。LCEEMD方法实施过程中,根据去噪性能指标反馈调整归一化排列熵阈值,直至获得最佳去噪效果,滤波过程无需参数设置,可以自适应实现。     

Singular spectrum analysis for an automated solvent artifact removal and baseline correction of 1D NMR spectra

NMR spectroscopy in biology and medicine is generally performed in aqueous solutions, thus in (1)H NMR spectroscopy, the dominant signal often stems from the partly suppressed solvent and can be many orders of magnitude larger than the resonances of interest. Strong solvent signals lead to a disappearance of weak resonances of interest close to the solvent artifact and to base plane variations all over the spectrum. The AUREMOL-SSA/ALS approach for automated solvent artifact removal and baseline correction has been originally developed for multi-dimensional NMR spectroscopy. Here, we describe the necessary adaptations for an automated application to one-dimensional NMR spectra. Its core algorithm is still based on singular spectrum analysis (SSA) applied on time domain signals (FIDs) and it is still combined with an automated baseline correction (ALS) in the frequency domain. However, both steps (SSA and ALS) have been modified in order to achieve optimal results when dealing with one-dimensional spectra. The performance of the method has been tested on one-dimensional synthetic and experimental spectra including the back-calculated spectrum of HPr protein and an experimental spectrum of a human urine sample. The latter has been recorded with the typically used NOESY-type 1D pulse sequence including water pre-saturation. Furthermore, the fully automated AUREMOL-SSA/ALS procedure includes the managing of oversampled, digitally filtered and zero-filled data and the correction of the frequency domain phase shift caused by the group delay time shift from the digital finite response filtering.     

菠菜品质安全参数的拉曼点扫描快速检测方法

针对蔬菜品质安全无损伤检测的实际市场需求,结合叶菜表面农药残留等品质安全参数的不均一性,以实验室自行搭建的拉曼光谱硬件系统为基础,开发了叶菜气吸平整装置,编写了基于LabVIEW开发平台的GUI应用程序。该系统通过设定扫描步长等参数,实现了整个菠菜样品的拉曼光谱自动点扫描检测,包括对所有扫描点的拉曼信号进行自动采集、显示和存储。检测过程中,系统软件实时监控相机、二维平移台的运行状态。同时,针对菠菜原始光谱特性编写了基于有效峰线性拟合基线校准方法的拉曼光谱荧光剔除程序,实现了对样品所有扫描点数据的自动基线校准及叠加平均处理。菠菜样品的点扫描实验结果显示,一次扫描不仅可以获得菠菜样品每一扫描点的叶绿素含量及毒死蜱农药残留等品质安全参数的分布情况,而且还可以获得整个样品各参数的平均信息。该点扫描拉曼系统有效提高了不均匀样品的品质安全参数的检测精度。