拉曼光譜背景扣除算法及其應用研究.pdf

1、拉曼光譜是一種散射光譜，是光通過介質(zhì)時入射光與分子相互作用而引起的頻率發(fā)生變化的散射，是一種利用分子振動.轉(zhuǎn)動信息的光譜分析法。它作為一種新興發(fā)展起來的的分析手段可提供快速、簡便、可重復，無需對樣品進行前處理的檢測，通過光纖探頭或石英器皿就可直接測量，從而對物質(zhì)進行無損傷、快速的定性定量分析。但測定過程中，樣品含有雜質(zhì)或熒光吸收物質(zhì)時會產(chǎn)生熒光干擾，且當激發(fā)光子提供了足夠的能量以致產(chǎn)生熒光時，拉曼信號將變模糊甚至被掩蓋。因此通過尋求避免

2、熒光干擾的方法來改進其應用成了拉曼光譜學家們一直致力的問題。部分物質(zhì)在測量時雖然有熒光干擾，但熒光輻射不足以全部湮滅拉曼信號時，仍可采集下拉曼光譜，此時光譜有一定的熒光背景，影響數(shù)據(jù)的進一步分析。
　　 本論文主要運用化學計量學的方法對拉曼背景扣除算法進行了研究，通過查找和閱讀大量中外文獻，對拉曼光譜原理、特點，拉曼光譜儀與拉曼光譜技術發(fā)展歷程等內(nèi)容做了概述。
　　 本文通過引入了懲罰最小二乘(Penalized Lea

3、st Squares)和小波系數(shù)收縮(Wavelet Shrinkage)等平滑算法來濾除拉曼光譜中的高頻噪聲，與本文介紹的幾種預處理方法相比具有一定的優(yōu)勢。同時也介紹了建立聚類，判別分析與回歸分析模型的化學計量學方法。
　　 本文為扣除影響分析結(jié)果的熒光背景，我們提出了基于連續(xù)小波變換和懲罰最小二乘的算法baseline Wavelet，通過真實樣本分析結(jié)果表明：所提出的背景扣除算法能在不丟失有效信息的前提下有效地將背景扣除。

4、通過比較在濾除噪聲和扣除背景前后建立聚類模型與判別分析模型，如PCA、Random Forest等模型，扣除背景后分離度和分類結(jié)果均有改善。另外分析了baselineWavelet背景扣除算法中參數(shù)的設定對擬合背景平滑度的影響。
　　 本文通過提出自適應迭代重加權(quán)懲罰最小二乘airPLS算法對大量的樣本進行背景扣除來建立回歸模型。它利用稀疏矩陣技術，該方法能夠快速有效扣除光譜中熒光背景。通過實例分析airPLS算法在定量方面的應