用峰面积判据改善Delsuc法预测的谱

基于Prony算法的Delsuc谱预测是目前NMR LPSVD(Linear Prediction SingularValue Decomposition)法中比较实用的方法。但在高噪声的条件下,时有失峰和假峰出现且要事先知道谱的峰数。本文通过跟踪迭代过程发现Delsuc法的判别因子r_(mis) 很难选定。如果它太小会失峰,而过大又会出现假峰。同时,由于噪声的影响,弱信号的采样点之间的相关性比强信号小,从而在迭代过程中会增加数值不稳定性。文中引入峰面积判据来改善Delsuc法,经模拟与实验均证明结果有效。     

用等比指数加权法改善LPSVD谱的分辨率

LPSCD法是目前线性预测法取代FFT在实践中最有意义的方法之一。本文建议在LPSVD之后作等比指数加权处理可改善HRNMR谱的分辨率,并保留高分辨NMR谱的所有特征。甚至可以用线段的集合重构高分辨谱,它与原FFT谱具有同样的化学位移、强度和积分。     

用峰面积判据改善Delsuc法预测的谱

基于Prony算法的Delsuc谱预测是目前NMR LPSVD(Linear Prediction SingularValue Decomposition)法中比较实用的方法。但在高噪声的条件下,时有失峰和假峰出现且要事先知道谱的峰数。本文通过跟踪迭代过程发现Delsuc法的判别因子r_mis很难选定。如果它太小会失峰,而过大又会出现假峰。同时,由于噪声的影响,弱信号的采样点之间的相关性比强信号小,从而在迭代过程中会增加数值不稳定性。文中引入峰面积判据来改善Delsuc法,经模拟与实验均证明结果有效。