详情

原文传递拉曼光谱下基于相似度的混合物组分识别方法

专利名称：	拉曼光谱下基于相似度的混合物组分识别方法
摘要：	本发明公开了一种拉曼光谱下基于相似度的混合物组分识别方法，涉及成分分析技术领域，该混合物组分识别方法采集纯净物和待识别混合物的拉曼光谱，针对纯净物和待识别混合物的不同特征，采用以不同小波作为母小波函数的连续小波变换寻找特征峰，识别准确；从寻找到的特征峰中提取特征向量组，从而进行纯净物和待识别混合物的相似度计算初步筛选出候选纯净物，对候选纯净物的光谱数据进行位移校正后，利用非负最小二乘得到最终的组分识别结果，整个流程无需人工参与，能快速且有效地应用于混合物组分识别，在一定程度上提高混合物识别的查准率和查全率，具有快速且无损、实现过程简单和识别结果准确等特点。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	江南大学
发明人：	朱启兵;刘财政;黄敏;郭亚
专利状态：	有效
申请日期：	2019-07-30T00:00:00+0800
发布日期：	2019-09-17T00:00:00+0800
申请号：	CN201910694243.2
公开号：	CN110243806A
代理机构：	无锡华源专利商标事务所(普通合伙)
代理人：	聂启新
分类号：	G01N21/65(2006.01);G;G01;G01N;G01N21
申请人地址：	214122 江苏省无锡市蠡湖大道1800号
主权项：	1.一种拉曼光谱下基于相似度的混合物组分识别方法，其特征在于，所述混合物组分识别方法包括：采集N种纯净物的拉曼光谱，对于每一种纯净物，利用以第一小波为母小波函数的连续小波变换寻找所述纯净物的拉曼光谱的特征峰并根据所述特征峰得到所述纯净物的特征向量组，N为正整数；采集待识别混合物的拉曼光谱，利用以第二小波为母小波函数的连续小波变换寻找所述待识别混合物的拉曼光谱的特征峰并根据所述特征峰得到所述待识别混合物的特征向量组；分别根据所述待识别混合物的特征向量组和每一种纯净物的特征向量组计算得到所述待识别混合物和所述纯净物的相似度，将N个相似度由大到小排序并根据σ准则筛选出M种候选纯净物；对所述M种候选纯净物的光谱数据作校正处理，利用非负最小二乘拟合所述待识别混合物的光谱数据和校正后的所述M种候选纯净物的光谱数据得到各个候选纯净物的拟合系数，选取拟合系数最大的P种候选纯净物作为所述待识别混合物的组分识别结果。 2.根据权利要求1所述的混合物组分识别方法，其特征在于，所述第一小波为墨西哥帽小波形式为：所述第二小波定义为： 3.根据权利要求1所述的混合物组分识别方法，其特征在于，包括m个拉曼光谱的特征峰的所述纯净物的特征向量组包括m个特征向量，表示为每个特征向量分别对应所述纯净物的拉曼光谱的一个特征峰，对应于所述纯净物的第i个特征峰的第i个特征向量包括所述第i个特征峰的拉曼位移拉曼强度和半高宽i为参数；包括n个拉曼光谱的特征峰的所述待识别混合物的特征向量组包括n个特征向量，表示为每个特征向量分别对应所述待识别混合物的拉曼光谱的一个特征峰，对应于所述待识别混合物的第j个特征峰的第j个特征向量包括所述第j个特征峰的拉曼位移拉曼强度和半高宽j为参数。 4.根据权利要求3所述的混合物组分识别方法，其特征在于，根据特征峰得到特征向量组，包括：利用斜率比较法对所述特征峰进行重叠峰的判断，得到单峰和重叠峰的区间，利用Voigt函数对特征峰进行拟合，对单峰区间的特征峰表示如下：对重叠峰区间的特征峰表示为Voigt函数的线性叠加，表示如下：其中，I(λ)表示拉曼位移为λ处的拉曼强度，λc表示谱峰的拉曼位移，Ic表示谱峰的拉曼强度，w表示谱峰的半高宽，θ表示谱峰的高斯-洛伦兹系数，l为重叠峰区间里重叠峰的个数；采用基于Levenberg-Marquardt算法的曲线拟合方法进行谱峰拟合，得到每个特征峰的特征向量，包括所述特征峰的拉曼位移、拉曼强度和半高宽；将各个特征峰的特征向量按照拉曼位移由小到大的顺序组成特征向量组。 5.根据权利要求3所述的混合物组分识别方法，其特征在于，所述分别根据所述待识别混合物的特征向量组和每一种纯净物的特征向量组计算得到所述待识别混合物和所述纯净物的相似度，包括对于每一种纯净物：根据所述纯净物的每一个特征峰的拉曼位移和所述待识别混合物的每一个特征峰的拉曼位移对所述纯净物的各个特征峰和所述待识别混合物的各个特征峰进行峰位匹配，得到k对匹配成功的纯净物特征峰和待识别混合物特征峰；根据每一对匹配成功的纯净物特征峰和待识别混合物特征峰各自的拉曼位移和半高宽计算所述纯净物特征峰和待识别混合物特征峰的拉曼位移的相似度和半高宽的相似度；根据第a个匹配成功的纯净物特征峰的拉曼强度计算所述第a个匹配成功的纯净物特征峰的权重，a为参数；其中，a和b为参数，表示第a个匹配成功的纯净物特征峰的拉曼强度，表示第a个匹配成功的纯净物特征峰的权重；根据每一对匹配成功的纯净物特征峰和待识别混合物特征峰的拉曼位移的相似度和半高宽的相似度以及所述纯净物特征峰的权重计算所述纯净物和所述待识别混合物的相似度：其中，S表示所述纯净物和所述待识别混合物的相似度，Fa(xa)表示第a对匹配成功的纯净物特征峰和待识别混合物特征峰的拉曼位移的相似度，Fb(ya)表示第a对匹配成功的纯净物特征峰和待识别混合物特征峰的半高宽的相似度。 6.根据权利要求5所述的混合物组分识别方法，其特征在于，所述根据所述纯净物的每一个特征峰的拉曼位移和所述待识别混合物的每一个特征峰的拉曼位移对所述纯净物的各个特征峰和所述待识别混合物的各个特征峰进行峰位匹配，包括：对于所述纯净物的第i个特征峰，检测所述待识别混合物的各个特征峰中是否存在拉曼位移与所述第i个特征峰的拉曼位移的差值在谱峰偏移范围内的特征峰，若存在，则确定检测得到的所述待识别混合物的特征峰和所述纯净物的第i个特征峰匹配成功；令i＝i+1并再次执行所述检测所述待识别混合物的各个特征峰中是否存在拉曼位移与所述第i个特征峰的拉曼位移的差值在谱峰偏移范围内的特征峰的步骤。 7.根据权利要求5所述的混合物组分识别方法，其特征在于，所述根据每一对匹配成功的纯净物特征峰和待识别混合物特征峰各自的拉曼位移和半高宽计算所述纯净物特征峰和待识别混合物特征峰的拉曼位移的相似度和半高宽的相似度，包括对于第a对匹配成功的纯净物特征峰和待识别混合物特征峰：计算所述纯净物特征峰和待识别混合物特征峰的拉曼位移差值，并利用模糊隶属度函数基于所述拉曼位移差值计算得到所述纯净物特征峰和待识别混合物特征峰的拉曼位移的相似度：计算所述纯净物特征峰和待识别混合物特征峰的半高宽差值，并利用模糊隶属度函数基于所述半高宽差值计算得到所述纯净物特征峰和待识别混合物特征峰的半高宽的相似度：其中，xa表示第a对匹配成功的纯净物特征峰和待识别混合物特征峰的拉曼位移差值，ya表示第a对匹配成功的纯净物特征峰和待识别混合物特征峰的半高宽差值。 8.根据权利要求1所述的混合物组分识别方法，其特征在于，所述对所述M种候选纯净物的光谱数据作校正处理，包括对于每一种候选纯净物：根据所述候选纯净物的每一个特征峰的拉曼位移和所述待识别混合物的每一个特征峰的拉曼位移对所述候选纯净物的各个特征峰和所述待识别混合物的各个特征峰进行峰位匹配，得到s对匹配成功的候选纯净物特征峰和待识别混合物特征峰；计算每一对匹配成功的所述候选纯净物特征峰和待识别混合物特征峰的拉曼位移差值，并根据各个拉曼位移差值按照如下公式计算得到所述候选纯净物和所述待识别混合物的平均谱峰偏移量：其中，表示所述候选纯净物和所述待识别混合物的平均谱峰偏移量，xp表示第p对匹配成功的候选纯净物特征峰和待识别混合物特征峰，p为参数；对所述平均谱峰偏移量进行四舍五入取整处理，若取整后的所述平均谱峰偏移量小于0，则将所述候选纯净物的光谱数据向后平移所述平均谱峰偏移量的距离，反之将所述候选纯净物的光谱数据向前平移所述平均谱峰偏移量的距离，空缺点补零完成对所述候选纯净物的光谱数据的校正处理。 9.根据权利要求1所述的混合物组分识别方法，其特征在于，所述利用非负最小二乘拟合所述待识别混合物的光谱数据和校正后的所述M种候选纯净物的光谱数据得到各个候选纯净物的拟合系数，包括采用如下非负最小二乘表达式拟合：其中，y为所述待识别混合物的光谱数据，X是校正后的所述M种候选纯净物的光谱数据组成的矩阵，矩阵X的每一列为一种候选纯净物的光谱数据，B为系数向量，\|\| \|\|2表示二范数，Bu为对应于矩阵每一列的候选纯净物的拟合系数。
所属类别：	发明专利