排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
智能算法在对谱峰重叠严重的复杂地质样品进行分析时,往往存在计算量过大、弱峰误差较大、收敛于局部极小值或不收敛等问题。量子遗传算法因其具有良好的收敛性,可用于X射线荧光光谱重叠峰的分解。针对X射线荧光分析过程中经常遇到的谱峰重叠问题,提出了一种基于元素关联高斯混合模型(GMM-ER)和多适应度量子遗传算法的重叠峰分解方法。首先介绍了基于元素K系和L系特征X射线的重叠峰GMM-EB模型。然后基于X射线荧光光谱的物理特性,对传统量子遗传算法进行了改进,引入了多适应度函数。由锰、铁、钴和镍的特征X射线产生一段谱峰严重重叠的模拟光谱,然后基于GMM-EB模型,分别用传统量子遗传算法和改进的多适应度量子遗传算法对模拟光谱进行了10次解析。实验结果显示,改进后的量子遗传算法的重叠峰分解精度平均提高了32.1%,最佳分解精度提高了73.9%。应用改进量子遗传算法进行分解时,含量比例低的元素分解精度得到较大改善,最佳情况下元素分解的相对误差范围缩小了64.5%。并且,改进算法收敛速度快于传统算法。该方法适合严重重叠谱峰的分解,且对弱峰有较高的分解精度。 相似文献
2.
在轻元素自身和实测元素间的特征X射线相互影响之下,受仪器能量分辨率的制约,实测X射线荧光光谱会产生严重重叠。以色谱分离度Rs判定谱峰重叠程度,针对Rs低于0.3的重叠峰,提出一种解析EDXRF光谱的新方法,并对模拟X射线荧光光谱进行了新方法的验证。首先,详细介绍基于四阶导的峰锐化法和提出误差小波变换。通过仿真结果发现:当Rs=0.27时,两种方法皆不能单独实现重叠谱峰的解析与识别;然而,原始信号在四阶峰锐化法处理后保留了峰位特征的同时,还出现了Rs明显增大的有利现象。因此,只需要通过调节四阶峰锐化法的权重完成对低分离度重叠峰的初步锐化处理,再对锐化后的信号进行误差小波变换,结果实现了对模拟重叠峰的分解,证明了结合后的新方法(锐化误差小波变换)针对极低分离度的重叠谱峰具有强大的分解能力。对两组重叠谱峰采用叠加的高斯函数进行模拟,分别是Mn的Kβ能量峰与Fe的Kα能量峰的重叠光谱(Rs=0.19)以及Al的Kα能量峰与其Kβ能量峰的重叠光谱(Rs=0.11)。用新方法对谱线进行处理,实现了重叠峰分解,结... 相似文献
1