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。     

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。     

基于基线漂移模型的气体光谱自动基线校正

傅里叶红外光谱是监测污染源废气排放的一种重要手段。发展针对气体光谱的自动基线校正方法对于污染气体快速检测及长时间在线监测具有重要意义。目前自动基线校正中的一个难点是如何准确校正存在宽峰的光谱：宽峰在频域中具有一定低频成分,基于频域滤波提取光谱中低频基线信息的方法因难以选择合适的分离条件容易产生基线扭曲。采取自动识别基线点,基于预先设定的基线模型拟合光谱基线的方法可以规避频域方法中分离条件选取的环节,但其校正效果对所采用的基线模型非常敏感。当基线模型中的自由度过小时,拟合基线无法准确逼近光谱基线漂移,基线校正的误差较大;而当基线模型中的自由度过大时,尤其是含有实际基线漂移中不存在的虚假自由度时,容易产生基线扭曲。目前常用的基线模型有线性、多项式、样条插值、指数模型等,在基线模型的选择上缺乏较为统一的标准。本研究着眼于避免基线模型缺乏必要自由度或含有虚假自由度,提出基于实际基线漂移的自由度建立基线模型。研究发现,气体光谱中主要的基线漂移在光谱中可被近似表示为波数的特定阶次(0次、1次、2次和4次项)的形式。以此作为基线模型提出了一种自动基线校正新方法。新方法以传统迭代多项式拟合自动基线校正方法作为基础,将其中仅设定多项式最高阶次的基线模型改进为上述由具有物理意义支撑的特定阶次构成的基线模型;此外,增加了对吸收峰尾部的判定,用于避免在采用阈值分辨吸收峰与基线时,吸收峰尾部因吸光度较低被误识别为基线的问题。以实测获得的含有水汽宽峰的空气光谱作为样本,对所提方法的基线校正效果进行了验证,并与迭代多项式拟合方法中两种较有代表性的Lieber和Mahadeven-Jansen(LMJ)方法以及Liu和Koenig(LK)方法的基线校正效果进行了对比。实验结果表明,所提方法与采用不同最高多项式阶次的LMJ及LK方法相比,可更好的避免基线扭曲,同时其校正后的光谱基线与吸光度0线间具有最低的方差平均值。研究表明,采用实际基线漂移的自由度建立光谱基线模型可获得良好的基线校正效果。     

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。     

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。     

基于自动线性拟合的快速拉曼基线校正算法（英文）

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。     

一种针对激光诱导击穿光谱技术的基线校正方法

针对激光诱导击穿光谱(laser-induced breakdown spectroscopy,LIBS)数据中存在的周期性拱形突起问题,提出了一种改进的基线校正算法。该算法基于惩罚最小二乘方法,通过改变局部惩罚系数,使其在拟合周期性拱形突起的同时降低谱线强度对拟合基线的影响。与其他基线校正方法相比,该算法在拟合仿真基线时的均方根误差更小,并且基于该算法得到光谱数据绘制的定标曲线的相关系数达到了0.997 2。结果表明：该算法相较于现有的去基线方法,在拟合中阶梯光栅光谱仪采集激光诱导击穿光谱的基线时,能更好地保留光谱数据的有效信息。     

聚谷氨酸发酵过程中ATR-FTIR光谱信号的分数阶基线校正

采用衰减全反射傅里叶变换红外光谱法（ATR-FTIR）,结合多元校正模型对γ-聚谷氨酸（γ-PGA）发酵过程中两种主要底物葡萄糖和谷氨酸钠的浓度进行间接测量,为优化发酵系统控制提供重要的反馈信息。光谱测量中经常出现的基线漂移会严重影响后续多元校正模型的性能,需要采用基线校正算法对光谱进行预处理。现有流行的基线校正算法多数是基于Whittaker Smoother（WS）平滑算法,这些算法均采用整数阶微分对拟合基线进行约束,表达能力有限。针对现有基线校正算法中的整数阶微分自适应性差的问题,利用更加灵活的分数阶微分对基线进行约束,提出了一种基于分数阶的基线校正算法,实现对整数阶基线校正的扩展。总共进行了5个批次的γ-PGA发酵实验,并对不同批次和全部批次的ATR-FTIR光谱数据分别进行了分数阶基线校正,模型的预测精度均得到不同程度的提升。实验结果表明,只有在批次2时,基于整数阶的基线校正效果最好;其他批次的基线校正效果最好时的阶次均为分数阶。这也表明了分数阶微分（包含整数阶微分）对基线的约束更加合理。同时发现全部批次的整体基线校正效果远远差于单一批次的效果,原因可能是各批次发酵光谱的基线是不同的,对不同的批次需要选用不同的阶次以获得最佳的基线校正。此外,γ-PGA发酵样品的ATR-FTIR光谱测量是以蒸馏水为背景,会在3 100~3 600 cm-1波数范围内出现负水峰,形成有害的干扰信号;分数阶基线校正后的光谱表明,分数阶基线校正算法将负的水峰当作基线,在一定程度上进行了消除。综上分析,分数阶基线校正算法不仅扩展了传统整数阶基线校正算法的应用范围,也为消除ATR光谱中负的水峰提供了新的解决思路。     

激光诱导击穿光谱法铁基合金谱线选择研究

内标法是激光诱导击穿光谱(LIBS)最常用的定量分析方法之一。为了提高定量分析精度，研究了谱线强度比的相对波动特性随分析线和内标线之间激发能级差(ΔE)和波长差(Δλ)变化的规律。在局部热力学平衡条件下，建立了考虑等离子体中某元素电子上能级跃迁到下能级产生原子发射谱线的激发能级差、等离子体温度、配分函数和离子密度等强度影响因素的数学模型，对模型中激发能级差对谱线强度相对波动的影响进行了研究。得到在-2 eV<ΔE<2 eV和等离子体温度范围在3 000～15 000 K条件下，谱线强度随着ΔE和T变化的趋势：随着ΔE变大，谱线强度比呈上升，在ΔE=2 eV，T=3 000 K时谱线强度比最大；并且谱线强度比相对波动对ΔE和T敏感，ΔE趋近于零时相对波动变小，T对谱线强度比相对波动影响变化不大，整体趋势平稳。在T=10 000 K时，ΔE<0相对波动比ΔE>0时小，因此理论上优先选择ΔE<0的谱线对。通过理论分析得出|ΔE|越接近于零，谱线强度比相对波动越小。实验装置中采用工作波长1 064 nm，脉冲能量85 mJ，重复频率1 Hz，脉冲宽度13 ns的Nd∶YAG脉冲激光诱导击穿样品；采用工作波长200～975 nm，光学分辨率优于0.05 nm的Andor公司Mechelle 5000光谱仪，配合Andor New iStar型号ICCD采集光谱；利用激光诱导铁基合金等离子体光谱进行验证。实验中，以Fe为内标元素，Cr和Mn为分析元素。筛选NIST谱线库中跃迁概率在106以上的谱线，并优先选择共振线能级差相近的非共振线进行对比分析。结果表明，选择激发能级相近或波长相近的谱线作为分析谱线的原则有一定的局限性。对于Cr和Fe，|ΔE|在0.14和1.51 eV时得到的谱线强度相对标准偏差(RSD)分别为6.7%和4.6%，其谱线强度比理论值和实际值之差分别为1.14和0.59；|Δλ|在11.7和50.8 nm时得到的RSD分别为6.3%和4.4%，其谱线强度比理论值和实际值之差分别为1.69和0.62。分析表明，相比于波长差，激发能级差对Cr/Mn相对波动影响较大。分析元素Cr/Mn与内标元素Fe波长差绝对值不断增大，RSD反而不断减小；在1.50 eV和90 nm较大约束范围内，|ΔE|大的谱线得到的谱线强度比相对波动相对较小，Cr和Fe的RSD最大相差为2.06%；|Δλ|大的谱线得到的谱线强度比相对波动相对较小，Cr和Fe的RSD最大相差为1.35%。由以上实验结果得出，在实际选择分析谱线时，尽量选择激发能级和波长相近的谱线原则有一定的局限性。|ΔE|或|Δλ|大的谱线得到的RSD较小，选择谱线强度比理论值和实际值最接近的谱线可以作为谱线选择依据。另外，选择谱线强度比理论值和实际值最接近的谱线，可以降低谱线强度比相对波动。     

东北寒地水稻茎秆纤维素含量近红外光谱反演

在水稻抗倒伏育种中,水稻茎秆纤维素含量作为重要的作物性状表现型数据,用传统方法获取时受人力成本和时间成本的约束,采集群体大小有限。利用高光谱技术能够实现对作物性状信息的快速、无损检测。为探究水稻茎秆纤维素含量近红外光谱反演模型,以田间小区试验的方式,采集水稻灌浆期至成熟期茎秆基部倒2、3节作为实验样本,并在实验室内使用NIRQuest512型号高光谱仪测得茎秆近红外反射光谱数据;采用标准变量正态变换（SNV）、连续小波变换（CWT）及两种方法结合（SNV-CWT）对原始近红外光谱进行预处理,经对比分析,原始光谱经SNV处理后再通过CWT对应6尺度分解最优,然后采用联合区间偏最小二乘法（SiPLS）、迭代保留信息变量法（IRIV）对最优预处理（SNV-CWT）的光谱特征曲线进行光谱特征变量筛选,分别提取了64个和16个特征变量;为优化模型并提高其模型精度,采用IRIV算法对SiPLS所选的特征变量进行二次筛选,得到6个特征变量,特征波长为1 200, 1 207, 1 325, 1 470, 1 482和1 492 nm,最后基于优选出的特征变量分别建立水稻茎秆纤维素含量的支持向量机回归（εSVR）和核极限学习机（KELM）预测模型,模型参数（惩罚系数C,核函数系数γ和不敏感参数ε）分别采用灰狼算法（GWO）、差分进化灰狼算法（DEGWO）和自适应差分进化灰狼算法（SaDEGWO）进行优化选择。结果表明,采用SNV-CWT方法光谱预处理后,经SiPLS-IRIV方法筛选的特征变量构建的SaDEGWO优化的SVR模型精度最高,模型参数Ｃ,γ,ε分别为302.838 2,0.087 7,0.070 8,测试集的决定性系数（R2_p）为0.880,均方根误差（RMSE_P）为15.22 mg·g-1,剩余预测残差（RPD）为2.91,表明模型具有较好的预测能力,可为水稻茎秆纤维素含量预测提供参考。     

基于遗传算法-支持向量机的兔肝VX2肿瘤光谱鉴别

兔肝VX２肿瘤是一种快速生长的肿瘤模型,可以在多种器官如肝、肺、直肠等快速生长,常用于肿瘤研究。采用可见-近红外高光谱技术对四只兔子的兔肝VX２肿瘤和正常组织进行活体和离体的反射光谱检测,然后采用支持向量机分别实现了二分类(正常肝组织和肝VX2肿瘤组织)和四分类(未出血活体正常肝组织、未出血活体VX2肿瘤组织、出血离体正常肝组织和出血离体肝VX2肿瘤组织)。根据其光谱反射曲线的特征,选择了400～1 800 nm区间的数据为特征变量。为进一步提高分类准确率,分别采用5折交叉验证和遗传算法对支持向量机的核函数参数g和惩罚因子c进行了优化。其中5折交叉验证优化参数和分类结果为：二分类优化的惩罚参数c为4,核函数参数g为0.125 0,其校正集和预测集的准确率都达到了100%;四分类中优化出的参数c为8,g为0.121 1,其校正集和预测集的准确率分别达到了99.242 4%和93.333%。遗传算法优化参数和结果为：二分类中优化的参数c为0.845 6,g为0.062 5,其校正集和预测集的准确率同样都达到了100%;四分类中优化的参数c为5.5307,g为0.068 5,其校正集和预测集的准确率分别达到了99.242 4%和100%。结果显示两种优化方法都取得了很好的效果,遗传算法优化参数对四分类的分类更为精确。为进一步提升算法速度,采用间隔选取变量的方法来不断减少特征变量,最终每隔100 nm谱段选择一个变量,共选择14个谱段作为特征变量。采用遗传算法优化支持向量机参数并对其分类进行了研究,结果表明：二分类和四分类的校正集和预测集结果准确率均为99.242 4%,而且运行时间分别为11.4和20.0 s, 与选择全波段的运行时间：340.3和491.0 s相比, 说明多光谱技术可以进行肝VX2肿瘤组织和正常肝组织的鉴别,且分类准确率可达99%以上,而且运行时间缩短了很多。为未来多光谱技术在未来临床肿瘤诊断中实现肿瘤组织的快速实时在线检测和分类奠定了基础,显示出巨大的应用潜力。     

基于果蝇-鲍威尔优化的航空高光谱影像大气校正方法

航空高光谱的大气校正是进行高光谱定量反演的基础,但通过空地同步对比分析航空高光谱大气校正的研究较少,论文主要研究了Hyspex高光谱遥感数据不同的大气校正方法。在现有的几种大气校正方法的基础上,提出了一种大气校正的新方法：首先,采用果蝇-鲍威尔优化算法反演光谱的性能参数(中心波长和半波高度的偏移量),对光谱重定标。然后在光谱重定标的基础上,采用MODTRAN模型对Hyspex高光谱数据进行大气校正,得到地表反射率数据。利用同步采集的五种典型地物的地面实测ASD数据将提出的新方法与现有的几种大气校正方法(快速大气校正、经验线性法大气校正、基于6S模型的大气校正、基于FLAASH模型的大气校正、基于MODTRAN模型的大气校正)的大气校正结果进行对比分析,并采用决定系数(R2)和均方根误差(RMSE)来比较各种大气校正方法的精度。结果表明：提出的果蝇-鲍威尔优化MODTRAN模型的大气校正结果最好,决定系数在80%以上,均方根误差在15%以内;基于MODTRAN模型、FLAASH模型、6S模型的方法的校正结果稍次于本文提出的新方法,结果比较稳定,决定系数在70%以上,均方根误差在20%左右;快速大气校正与经验线性法的校正结果不稳定。可以得出结论：本文提出的果蝇-鲍威尔优化算法有效可行,可以精确的反演出中心波长和半波高度的偏移量,其大气校正的精度优于现有的多种大气校正方法。     

Au+Au重离子碰撞中5~200 GeV碰撞能量下的温度涨落与比热(英文)

使用多相输运（AMPT）模型来研究相对论重离子碰撞中强子物质的比热（C_V）与对撞能量的关系以及温度的高阶涨落,并将之与文献[PhysRevC.94.044901]实验数据的比热结果进行了比较。对经历相变的系统,比热（C_V）作为表征系统状态方程的热力学量,其值预期在临界点发散。而温度的高阶涨落对相变敏感,比热（CV）和温度的高阶涨落都是适于探测QCD相变和临界点的敏感探针。通过逐个事例的平均横动量（<p_T>）来提取有效温度T_eff,再通过粒子的有效温度T_eff的分布提取出了相应粒子的热容。通过有效温度（T_eff）的分布的高阶矩来计算温度的高阶涨落。发现AMPT模型中比热和温度的高阶矩都随温度单调递减。同时还发现在低碰撞能量时,实验数据的比热结果有随能量增加而有一个急速下降,与AMPT模型的走势显著不同。AMPT模型中没有QCD临界点,提供了一个无临界点的参考背景。AMPT模型的计算结果可与实验结果比较作为实验上寻找QCD临界点的参考。     

红外光谱发射率测量系统的温漂修正方法

针对探测器光谱响应度温漂现象对红外光谱发射率测量系统重复性的影响,分析探测器温度与输出电压之间的变化规律,提出了基于多项式拟合的光谱响应度温漂修正方法。研究探测器自身温度与其光谱响应度的函数关系,对探测器光谱响应度随温度变化的曲线进行数据拟合,得到探测器温度-光谱响应度的拟合方程,计算光谱响应度的温漂修正系数,修正探测器的输出电压,消除光谱响应度温漂现象对探测器输出电压造成的影响。研制光谱响应度温漂修正装置,测得探测器光谱响度的温漂曲线,对比指数拟合曲线和多项式拟合曲线与测量曲线的吻合度,结果表明6阶多项式拟合曲线的一致性较好,提高了基于积分球反射计的光谱发射率测量系统的重复性。