背景扣除和强度校正对激光诱导等离子体光谱参数的影响

激光诱导击穿光谱技术以其无需样品预处理、分析速度快、能实现多元素同时检测和远程分析等优点已经被广泛应用于诸多领域的物质成分定性或定量分析。该技术的理论基础是激光诱导等离子体。对等离子体光谱参数(如光谱谱线强度、等离子体温度等)的准确测量是利用该技术进行定性或定量分析的前提条件。实际的实验系统中,由于仪器本身固有的性能限制,会造成采集光谱信号的失真,从而限制等离子体光谱参数的精确测量或计算。为了克服仪器固有性能的影响,分析了实验系统所用中阶梯光栅光谱仪和传输光纤的固有性能缺点对光谱信号背景噪声和元素谱线绝对强度的影响,然后采用剥峰法对光谱信号中存在的锯齿状背景噪声进行扣除,利用辐射定标光源的标准光谱数据对谱线绝对强度进行校正,并对比了背景扣除和强度校正对等离子体谱线强度和等离子体温度的影响,实验表明谱线强度校正对合金钢等离子体380 nm以下的光谱信号具有较大影响,通过背景扣除和强度校正后,等离子体温度由13 401.75 K降低至8 980.72 K,玻尔兹曼平面法求解等离子体温度的拟合决定系数由0.60提高至0.91。因此在光谱数据处理之前对测量光谱进行背景扣除和强度校正是十分必要的,为提供可靠地光谱数据进行物质成分定性或定量分析奠定了基础。     

The determination of the true profile of XPS line by regularization method: I. Mathematical algorithm and numerical simulations

The resolution of XPS spectra is limited mainly by instrumental parameters like the spectral line width of exciting X-ray source and the finite energy resolution of the electron analyzer. A new algorithm of an inverse ill-posed problem has been proposed in which low resolution experimental XPS data can be enhanced by removing the instrumental functions. The regularization method with a special fast iteration algorithm is applied for determining the true profile line of a complex chemical compound if we know excitation and instrumental functions. This paper is structured as follows: (I) a mathematical algorithm is described and numerical simulation results are presented. (II) These algorithms have been applied to the poorly resolved C 1s spectrum of a poly-methyl methacrylate (PMMA) film studied by the conventional technique with monochromatic and polychromatic radiation. The resulting enhancement allows previously unresolved structure to be observed without any assumptions concerning number, position, shape of peaks and their ratio.     

应用遗传算法拟合偏振X射线荧光重叠谱

X射线荧光光谱分析由于受能量探测器分辨率的限制,谱线重叠干扰严重。不采用合适的重叠谱峰分解或曲线拟合技术,很难进行成分定性和定量分析。样品中的元素及谱线未知、背景基线不确定和模型初始参数不准确是曲线拟合中的最大困难。有多种算法可应用于光谱分析中的曲线拟合。文章将遗传算法应用于永磁材料偏振X射线荧光中的重叠谱分解,研究了进化策略对谱峰分解质量的影响,比较了遗传算法与传统算法的拟合结果。研究表明遗传算法在谱线严重重叠情况下仍具有较强的谱峰分解能力;群体初始化和进化策略的正确选择是该算法成功应用的关键;遗传算法具有全局搜索能力,对重叠谱峰的分辨能力优于标准Marquardt-Levenberg算法。     

遗传算法优化变分模态分解提取舰船辐射噪声特征线谱方法

特征线谱提取是舰船目标识别的一个重要研究环节,常采用传统的DEMON谱分析方法,处理过程中,一般对舰船噪声时域信号未予抑噪,低信噪比情况下,传统DEMON谱分析性能差。对此,提出一种采用遗传算法优化变分模态分解方法,用于分解舰船噪声原时域信号,获得抑制噪声后的舰船噪声重构信号,进而有效提取了舰船目标噪声幅度调制特征线谱。该方法首先采用遗传算法优化变分模态分解的两个关键输入参数(分解所取模态个数和惩罚因子),对变分模态分解得到的各阶固有模态分量加以判别,去除噪声主导分量,保留信号主导分量,使重构舰船噪声信号显著抑制了干扰噪声,然后对降噪后的重构信号进行频谱分析,获得目标噪声调制特征线谱。理论分析、仿真和实验数据处理结果表明,相比传统DEMON谱分析法,基于遗传算法优化变分模态分解的舰船噪声特征线谱提取方法具有更好的噪声抑制能力,所获取的舰船噪声幅度调制特征线谱信噪比明显高于传统DEMON方法,具有一定优势,前景良好。     

线指数特征空间内恒星光谱离群数据挖掘与分析

大规模光谱巡天将产生海量的光谱数据,为搜寻一些奇异甚至于未知类型的光谱提供了机会,对这些特殊天体的研究有助于揭示宇宙的演变规律和生命起源,巡天数据的离群数据挖掘有助于这些特殊的光谱的发现。利用线指数对光谱数据进行降维能够在尽可能多的保留光谱物理特征的同时,有效解决高维光谱数据聚类分析中运算复杂度较高的问题。提出了基于线指数特征的海量恒星光谱离群数据挖掘及分析的方法,以恒星光谱的Lick线指数作为光谱数据的特征,利用聚类搜寻离群数据的方法在海量光谱巡天数据搜寻离群数据,以此为基础并给出线指数特征空间内离群光谱数据的分析方法。实验结果证明：(1)以线指数作为光谱的特征值能快速的完成对高维光谱数据的离群数据挖掘,可以解决高维光谱数据运算复杂度高的问题;(2)该方法是在聚类结果上进行的离群数据挖掘,能够有效的挖掘出数量较少的发射线恒星、晚M型恒星、极贫金属星、缺失数据光谱等数据;(3)线指数特征空间的离群数据挖掘可以得到线指数特征空间内特殊恒星的发现规则。本文所提出的基于线指数特征的离群数据挖掘及分析方法可以应用到巡天数据的相关研究中。     

正常星系光谱的一种谱线自动提取方法

正常星系的光谱是天体光谱谱线自动提取中最难处理的一种。文章针对正常星系光谱给出了一种新的谱线自动提取方法。首先,定义了两条光谱间的Max操作,Max操作的结果是生成了一条光谱,该光谱在每个波长处的强度取为在相应波长处强度较大的那一个光谱的强度;然后,通过迭代处理拟合连续谱,在每一步迭代中,先对原始光谱和前一步拟合出的连续谱进行Max操作,再对Max操作生成的光谱进行传统的连续谱拟合;最后,联合采用整体阈值处理和自适应的局部阈值处理提取谱线。实验结果表明：该方法的性能较之传统的小波方法有显著提高,这将对后续的基于谱线的光谱分类和参数测量非常有利。     

Quantitative analysis of surface amine groups on plasma-polymerized ethylenediamine films using UV-visible spectroscopy compared to chemical derivatization with FT-IR spectroscopy, XPS and TOF-SIMS

A quantitative analysis of the surface density of amine groups on a plasma-polymerized ethylenediamine thin film deposited on a platinum surface using inductively coupled plasma chemical vapor deposition method is described. UV-visible spectroscopy together with a chemical derivatization technique using Fourier transform infrared (FT-IR) spectroscopy was used to obtain the quantitative information. Chemical tags of pentafluorobenzaldehyde were hybridized with the surface amine groups and were easily detected due to the characteristic absorption bands of C-F stretching, aromatic ring and CN stretching vibrations in the reflection-absorption FT-IR spectra. The surface amine density was reproducibly controlled as a function of deposition plasma power and quantified using UV-visible spectroscopy. A good linear correlation was observed between the FT-IR intensities of the characteristic absorption bands and the surface amine densities, suggesting the possibility of using this chemical derivatization technique to quantify the surface densities of specific functional groups on an organic surface. Chemical derivatization was also used with X-ray photoelectron spectroscopy on the same samples, and the results were compared with those obtained from FT-IR and time-of-flight secondary ion mass spectrometry. Although each analysis technique has different probing depths from the surface, the three different data sets obtained from the chemical tags correlated well with each other since each analysis technique measured the chemical tags on the sample surface.     

球面弯晶在X射线诊断中的应用

为了诊断等离子体X射线,利用X射线布拉格衍射原理研制了球面弯晶谱仪。实验采用α-石英作为其晶体分析器色散元件,晶体弯曲半径为250 mm,布拉格角为30°~67.5°;采用接收面积10 mm×50mm的X射线胶片作为摄谱器件,接收等离子体X射线谱线信息。通过在"阳"加速器装置上进行实验,得到了钛等离子体X射线K壳层激发谱线信息,其光谱分辨力可达到1 000以上,光谱带宽约为0.43 eV。     

利用人工神经网络进行激光等离子体诊断

利用前馈神经网络对激光等离子体打靶实验中所得的Ｘ光光谱数据进行处理，可以方便地球出等离子体的电子温度和电子密度等参数。在对网络的训练时采用误差信号反向传输算法，训练后的神经网络能够有效地对Ｘ光光谱数据进行处理，文中给出了用此法算出的Ｍｇ等离子体电子温度和电子密度的空间分布轮廓，与用传统方法所得的结果完全吻合。     

一种基于Map/Reduce分布式计算的恒星光谱分类方法

天体光谱中蕴含着非常丰富的天体物理信息,通过对光谱的分析,可以得到天体的物理信息、化学成分以及天体的大气参数等。随着LAMOST和SDSS等大规模巡天望远镜的实施,将会产生海量的光谱数据,尤其是LAMOST正式运行后,每个观测夜产生大约2~4万条光谱数据。如此海量的光谱数据对光谱的快速有效的处理提出了更高的要求。恒星光谱的自动分类是光谱处理的一项基本内容,该研究主要工作就是研究海量恒星光谱的自动分类技术。Lick线指数是在天体光谱上定义的一组用以描述光谱中谱线强度的标准指数,代表光谱的物理特性,以每个线指数最突出的吸收线命名,是一个相对较宽的光谱特征。研究了基于Lick线指数的贝叶斯光谱分类方法,对F,G,K三类恒星进行分类。首先,计算各类光谱的Lick线指数作为特征向量,然后利用贝叶斯分类算法对三类恒星进行分类。针对海量光谱的情况,基于Hadoop平台实现了Lick线指数的计算,以及利用贝叶斯决策进行光谱分类的方法。利用Hadoop HDFS高吞吐率和高容错性的特点,结合Hadoop MapReduce编程模型的并行优势,提高了对大规模光谱数据的分析和处理效率。该研究的创新点为：(1) 以Lick线指数作为特征,基于贝叶斯算法实现恒星光谱分类;(2) 基于Hadoop MapReduce分布式计算框架实现Lick线指数的并行计算以及贝叶斯分类过程的并行化。     

基于凸优化的激光诱导击穿光谱基线校正方法

在激光诱导击穿光谱定量分析中,基线是LIBS光谱信号的重要组成部分,由于受到实验参数设置及实验环境变化等影响,导致等离子体的发射谱线呈现不同程度的基线漂移现象,因此基线校正是光谱分析的重要环节。现有算法如多项式拟合通常需要设定关键参数,不具备自适应性。由于激光诱导产生的等离子体光谱信号的特征峰具有明显的独立性和稀疏性,以及基线具有低通特性,因此在凸优化约束框架下,提出了非参数化基线校正模型。同时,利用高效率的迭代算法来保证结果的收敛性。首先对23个高合金钢样本的光谱信号进行基线校正,然后以合金钢样本中的铬(Cr)元素为分析对象,并选取11条分析线进行定量分析。分别采用PLS和SVM定量模型进行训练和预测,并且与传统方法相比较,证明了所提出方法可以提高定量分析精度。     

基于X射线荧光技术的茶叶产地鉴别方法研究

针对目前市场上存在的产地假冒茶叶严重影响名牌茶叶信誉的情况,根据不同产地茶叶中重金属含量的差异,提出了利用X射线荧光技术结合模式识别技术进行了茶叶产地鉴别的方法。将不同产地的样本分组,分别采集其X射线荧光光谱,提取其主成分,分别计算各个样本组的主成分均值作为样本中心点,计算待测样本到各样本组中心的马氏距离,将其归类到马氏距离值最小的类中,实现样本分类。采用Niton 792便携式X射线荧光仪对安吉、金华、杭州和台州等4个不同地区120个茶叶样本进行了鉴别试验,发现3～13 keV波段是X射线荧光光谱分析技术进行茶叶产地鉴别的有效波段,前4个主成分可用于茶叶的产地鉴别,试验的误差率为4.2%。     

发射光谱法对早期激光诱导铝合金等离子体诊断研究

对激光诱导等离子体参数进行诊断有多种方法,其中采用发射光谱法对其诊断是一种重要的方法。文中采用Nd∶YAG固态激光器,输出波长1 064 nm红外激光与铝合金样品相互作用,深入研究了铝合金等离子体产生早期(<1 μs)谱线轮廓、谱线强度、线背比、谱线半峰宽及位移等随时间演变规律。研究表明,激光与物质相互作用早期,电子数密度非常大,电子与离子及原子之间的相互作用非常强烈,谱线的Stark展宽效应非常明显,导致多重谱线重叠在一起,随时间演变,电子数密度及电子温度的降低,多重谱线的半峰宽越来越窄且谱线轮廓对称性越来越好。MgⅠ285.212 6 nm谱线强度早期逐渐增强,大约100 ns左右谱线强度达到最大值,然后谱线强度呈逐渐减小的趋势,这是由于等离子体产生早期,电子及离子占主导地位,故早期原子谱线强度较弱,随时间演变,电子与离子之间的复合,原子数密度逐渐增加,故原子谱线逐渐增强,达到最大值之后,由于等离子体激发温度的降低,故谱线强度逐渐减弱。以NIST波长位置为参考,等离子体产生的早期谱线发生了红移,连续背景强度随时间演变呈幂函数形式急剧递减,与之相反,谱线的连续背景强度与谱线强度相比,连续背景衰减的速度更为迅速,故导致谱线信背比随时间演变呈增大趋势,本研究对等离子体早期这些现象从理论角度进行了深入探讨。     

基于自适应粒子群算法的多峰谱线分离方法研究

电感耦合等离子体原子发射光谱分析法（ICP-AES）已成为一种常规的元素分析方法,但在ICP-AES分析过程中,大多元素的分析谱线会受到背景或其他谱线的重叠干扰,形成的光谱干扰严重影响了谱线分析的准确性,所以在元素的分析过程中,需要通过适当的光谱干扰校正方法才能得到合适的元素分析线。根据光谱强度具有叠加性的特征,利用谱图将谱线形状表示为Voigt线型函数加和的多峰谱线叠加模型,以多峰谱线叠加模型与目标谱线的均方根误差构建多元函数作为评价函数的数学模型,设计自适应粒子群优化（APSO）算法寻找分离谱线特征参数的最优解,APSO算法在标准PSO算法的基础上,引入压缩因子同时使得种群参数惯性权重根据粒子个体适应度值自适应变化以及学习因子线性变化,在算法迭代过程中协调粒子种群内全局搜索能力和局部开发能力,保证算法有效且迅速收敛,实现多峰谱线分离,减少干扰谱线的影响从而得到更精准的元素分析线。以ICP-AES检测器返回的含Pr元素溶液特征波长为390.844 nm和汞灯特征波长为313.183 nm两条谱线的光强AD采样值作为两组实测数据,以两个Voigt线型近似函数构成的三种不同重叠程度的叠加合成曲线作为三组模拟数据,在数据曲线上分别选取50个能够包含曲线全部特征参数信息的点作为数据点,通过对上述五组目标数据点进行APSO算法处理,结果表明APSO算法得到的多峰谱线叠加模型相关参数能够较准确地拟合出相应的目标数据曲线,目标数据点与拟合曲线函数值相对误差较低,算法表明能够有效扣除谱线重叠干扰,同组目标数据经过多次算法处理,选择最小的最优适应度值相应的特征参数向量作为Voigt线型函数相关参数,以此拟合出的多峰谱线叠加模型曲线精准度越高、相对误差越小。这种算法具有良好的收敛性和适应性,可应用于ICP-AES在元素定性、定量方面的分析研究。     

基于麻雀搜索算法的土壤重金属X射线荧光光谱重叠峰解析

近年来随着土壤重金属污染的加剧,和人们环境意识的逐渐提高,科研人员对快速检测土壤重金属含量方法的研究正在不断深化。目前,X射线荧光分析法(XRF)是广泛应用于土壤重金属污染检测的方法。但由于X射线荧光光谱仪的能量分辨率有限,而一些重金属元素的荧光产额较低,一些元素的相邻谱峰出现了重叠现象。针对XRF法中元素相邻谱峰的重叠问题,提出了一种基于麻雀搜索算法(SSA)的光谱重叠峰解析方法。首先,将从河北保定地区采样得到的土壤,制备出不同含水率、不同重金属元素含量的样本并用X射线荧光光谱仪获取原始光谱数据。接着,对光谱数据进行预处理,采用谱聚类算法剔除异常光谱样本,采用Savitzky-Golay五点二次去噪法和线性本底法完成对光谱的去噪和本底扣除,并对光谱净计数用随机数法生成大量模拟光谱数据,以备后续算法使用。然后,用期望最大化法(EM)对重叠峰进行初步解析,首先设置EM算法的初始参数,并将生成的模拟光谱数据代入EM算法,当达到迭代次数时,即可初步得到高斯混合模型(GMM)中各高斯峰的期望、方差和权重参数。但由于EM算法容易受初始参数设置的影响,且易陷入局部最优而导致结果不准确,还需对EM算法进一步优化。本研究采用SSA对GMM的各参数进行全局优化,在设置SSA算法的基本参数后,将100组由EM算法得到的参数作为该算法的初始种群,并设置合适的适应度函数,通过迭代,最终得到全局最优参数,实现了重叠峰的分解。SSA受参数设置的影响较小,相比于一些传统的优化算法,如遗传算法(GA)、蚁群算法(ACO)、粒子群算法(PSO)等,具有收敛速度快、不易陷入局部最优的特点,因此,采用此算法,可以达到较好的优化效果。通过对重叠峰解析结果的分析表明,该算法可在较少的迭代次数下得到较准确的解析结果,可广泛应用于能谱重叠峰解析。     

低信噪比巡天数据中特殊恒星光谱的搜寻方法

特殊恒星是金属丰度异常的恒星,其中包含的信息对于研究宇宙起源、太阳系的演变以及生命的演化都有着重要的意义。因此,特殊恒星的搜寻是国内外巡天项目中的重要目标。恒星光谱中包含着恒星的化学成分、物理性质以及运动状态等丰富的信息,它是开展恒星研究的重要依据。恒星的识别、分类以及特殊恒星的发现主要依据的是恒星光谱数据。随着LAMOST和SDSS等国内外大规模数字巡天项目的深入展开,恒星光谱的数据量达到了前所未有的高度,如此大的数据量为特殊恒星的发现提供了强有力的支撑。因此如何利用这些数据快速准确地发现特殊、稀少甚至于未知类型的恒星光谱是天文学研究的重要问题。数据挖掘是结合模式识别、机器学习、统计分析及相关专家背景知识,从数据中提取出隐含的过去未知的有价值的潜在信息的技术,其在处理大数据方面有着天然的优势,越来越多的数据挖掘方法被应用到巡天数据处理及分析之中。目前针对特殊恒星搜寻的数据挖掘算法主要包含随机森林、聚类分析以及异常值检测等,但随着巡天深度的拓展,观测的目标越来越暗,进而观测光谱的信噪比也随之变低。低信噪比光谱中存在着大量的无用信息,直接利用相关算法对其进行分析处理得到的结果往往存在很大的偏差。因此,如何从大量低信噪比恒星光谱巡天数据中有效地搜寻出特殊的恒星光谱,是当前面临的一个重要问题。由于低信噪比恒星光谱本身的特点,对于从中搜寻特殊恒星光谱的工作开展较少。为了解决此问题,在仔细研究光谱数据处理方法的基础上,针对低信噪比巡天数据中特殊恒星光谱的搜寻,提出了一种以主成分分析（PCA）和基于密度峰值聚类为基础的方法。该方法首先选取O,B,A,F,G,K和M各种类型的高信噪比恒星光谱,进行波长统一和流量插值后,利用主成分分析得到特征光谱;然后利用方差贡献率最大的前几个特征光谱对低信噪比的恒星光谱进行重构得到高信噪比的光谱;最后利用重构之后的高信噪比光谱进行聚类,聚类分析中得到的离群数据即为所要搜寻的特殊恒星光谱。在聚类时,考虑到恒星光谱数据本身的特点,采用了一种基于密度峰值的聚类方法来进行聚类及离群点的挖掘。实验表明,该方法能够在低信噪比的恒星光谱巡天数据中准确地搜寻出数量相对较少的特殊恒星。同时,也可应用于诸如LAMOST、SDSS等各种银河系巡天的光谱数据分析与挖掘中。     

高能X射线光谱分析工具—SasalPy

等离子体模型是天文学家解析高能天体观测数据的重要工具,发展精确便利的等离子体模型有助于研究者高效的进行高能X射线光谱分析工作.在现有的SASAL等离子体模型的基础上进一步提出一种新的基于Python语言的高能X射线光谱分析工具包SasalPy,并从理论框架、功能性和差异性方面阐述SasalPy的可靠性和精确性.线辐射和连续辐射计算结果表明,原子参数如跃迁速率、碰撞强度等会对合成光谱产生明显地影响.以Capella星冕的体微分发射度为基础开展了三个温度的光谱合成应用,并通过与其他等离子体模型辐射损失结果的对比,说明SasalPy在X射线能段比较精确可靠.     

Extraterrestrial and terrestrial applications of the Mössbauer spectroscopy

Mössbauer spectroscopy is a powerful technique used by physicists, chemists, geologists, biologists, metallurgists and scientists from other disciplines. A portable Mössbauer spectrometer, developed for extraterrestrial applications [1], opens up new industrial applications of MBS [1]. But for industrial applications it is also required to have a tool available for fast data analysis that should be easy to handle. The analysis of Mössbauer spectra and parameters is a barrier for a popularization of this wide-applicable spectroscopic technique in industry. Based on experience, it is time-consuming and requires the dedication of a specialist. But the analysis of Mössbauer spectra, from the fitting to the identification of the sample phases, can be fast using genetic algorithms, fuzzy logic and artificial neural networks [2]. Industrial applications are very specific ones and the data analysis can be performed using these algorithms. In combination with an automatic analysis, the Mössbauer spectrometer can be used as a probe instrument, which covers the main industrial applications. It is needed for on-line monitoring of products, processes and studies of case.     

硬X射线透射晶体谱仪的设计性能参数

激光等离子体相互作用高分辨硬X射线光谱的测量通常采用柱面透射弯晶谱仪实现。利用几何光学模型对柱面透射弯晶谱仪的关键技术参数进行了理论计算和数值模拟,给出了谱仪弯晶曲率半径、光源到晶体的距离、光源尺寸和探测器的位置等因素对谱仪测谱范围和分辨能力的影响情况,分析了光谱分辨水平随能点的变化。分析结果表明:晶体曲率半径对测谱范围和谱分辨能力影响大,在光源尺寸较小时,随着探测器与罗兰圆距离的增加,谱线之间距离增加的速度大于光谱线宽增加的速度,使得分辨能力增加。     

基于LIBS与化学计量学的植物叶片分类研究

激光诱导击穿光谱（LIBS）是一种高效快速的光谱采集手段,可应用于各类物质的元素分析工作中。线性判别分析（LDA）与支持向量机（SVM）是化学计量学中两种常用的有监督算法,均通过对已知不同种类的样本数据进行学习建模,进而实现对未知类别数据的归类。为了实现LIBS技术对有机物的高准确率识别,将这两种算法应用到LIBS光谱数据的分类中。实验利用波长为1 064 nm的纳秒激光烧蚀女贞、珊瑚树、竹子三种植物的叶片,并采集每种树叶220～432 nm波段的100组光谱数据。通过对300组样本的原始光谱数据进行主成分提取,由第一主成分（PC1）和第二主成分（PC2）的得分图得出三种植物光谱的相似度非常高。然后,利用每种叶片70组样本的光谱数据作为训练集建模,其余30组光谱数据作为测试集来进行树叶种类的预测识别。将PCA对原始光谱数据提取得到的前20个主成分作为LDA与SVM建模的属性值。对于LDA算法,将属性值分析后得到前两个判别函数值,通过聚类分析发现不同种类的植物叶片光谱数据在空间上的分离效果较好,同一种类基本聚集在一起。再借助马氏距离可得到测试集的平均分类正确率为96.67%。与此类似,使用SVM方法对训练集样本的数据进行学习得到分类超平面,对测试集的平均分类正确率达到98.9%。研究结果表明,经过PCA对数据的预处理,再结合LDA,SVM这两种方法可实现LIBS技术应用于复杂有机物的快速准确分类,并且PCA与SVM结合的分类正确率更高。该方法可在食品快速溯源、生物组织原位鉴别、有机爆炸物远程分析等领域应用。