傅里叶红外光谱法具有测量速度快、 信噪比高、 检测范围广等优势, 在针对污染源废气排放的快速检测及长时间在线监测中具有巨大的发展潜力。 水汽是红外光谱污染气体检测中的主要干扰物, 影响NOX, SO2等重要污染物的检测, 差减水汽背景谱消除光谱中水汽干扰可提高这些污染物的检测精度, 具有重要意义。 气体光谱中水汽吸收峰由于受到水分子团簇、 仪器线型函数等影响, 通过数值方法对其计算的误差较大; 为此, 水汽背景谱一般需采用同一台光谱仪实测获得。 主要有两种方法: 第一种是通过反复调节水汽/氮气混合气中的水汽浓度, 使水汽背景谱中的水汽吸收峰与污染气体光谱中水汽吸收峰相同, 此方法耗时较长, 且受环境条件制约很难在现场检测中使用; 第二种方法是预先测量不同浓度的水汽光谱, 在检测污染气体时选取两幅与污染气体光谱中水汽吸收峰最为接近且将其夹在中间的水汽光谱作为参考谱, 使用这两幅参考谱线性拟合与污染气体光谱中水汽吸收峰相同的水汽背景谱, 此方法可获得高度近似的水汽背景谱, 但当前缺乏相关自动算法妨碍了其在快速自动消除水汽干扰方面的应用。 为此, 提出一种选取水汽参考谱及拟合水汽背景谱的自动算法, 用于自动差减消除水汽干扰。 在参考谱选取中, 使用污染气体光谱依次减去浓度由低至高的水汽光谱, 依据差减后光谱中水汽吸收峰所在波数的吸光度正负性来选取参考谱。 在水汽背景谱计算中, 基于迭代最小二乘法逐步剔除光谱中受污染物吸收峰干扰的波数, 采用剩余波数上的数据拟合水汽背景谱, 使其与污染气体光谱中水汽吸收峰相一致。 使用水汽背景谱对污染气体光谱进行差减即可消除污染气体光谱中的水汽干扰。 对含有NO2的污染气体光谱进行了差减消除水汽干扰实验, 结果表明所提出的自动算法可快速准确消除水汽干扰; NO2在消除水汽干扰后可由其位于1 629 cm-1的强吸收峰检测, 相比消除水汽干扰前使用不受水汽干扰的位于2 917 cm-1的弱吸收峰检测, 其检出限得到了大幅提高。

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。

肿瘤干细胞(Cancer stem cells, CSCs)是肿瘤组织中一小部分具有自我更新和致瘤性的细胞, 具有特殊的耐药机制, 与肿瘤的复发和治疗失败关系密切。微小RNA(microRNAs, miRNAs)是一类长度约为19~25个核苷酸的内源性非编码单链RNA, 能够通过调控相关靶基因的表达, 参与调控肿瘤干细胞增殖、凋亡、上皮-间质转化等重要的生命过程, 引起CSCs对化疗药物产生原发性多药耐药性。本论文就miRNAs在调控CSCs多药耐药性方面的研究进展作一综述。