1 浙大城市学院计算机与计算科学学院, 浙江 杭州 310015
2 浙江大学控制科学与工程学院, 工业控制技术国家重点实验室, 浙江 杭州 310027
太赫兹波在电磁波谱中介于微波和红外辐射之间, 具有指纹特性、 安全无损、 强穿透性等特点, 因此太赫兹光谱技术在药品成分和组成检测领域具有广泛应用价值。 针对高纯度物质识别研究中存在部分弱吸收峰不易识别, 以及混合物的太赫兹光谱中吸收峰强度降低而导致吸收峰位信息模糊化的问题, 提出了一种基于离散极大值法的光谱吸收峰位识别方法, 即伴随拐点法。 伴随拐点法首先利用目标检测物太赫兹吸收系数谱图的一阶和二阶导数确定吸收峰位的伴随拐点和基线谱, 其次将原始吸收光谱与基线谱进行差分运算得到差谱, 最后根据离散极大值法确定吸收峰位, 从而实现特征吸收峰的识别。 为验证伴随拐点法的有效性, 采用伴随拐点法对四种硝基呋喃类样品光谱进行吸收峰提取, 并将吸收峰位识别结果与仿真结果进行比较。 实验结果证明, 伴随拐点法能有效识别目标检测物的强吸收峰和弱吸收峰。 该方法不仅在含峰目标物的太赫兹特征吸收峰识别问题中具有广泛的应用前景, 还适用于其他光谱的谱峰峰位检测。
太赫兹时域光谱 特征吸收峰识别 光谱吸收峰 光谱特征信息 Terahertz absorption coefficient spectrum Absorption peak recognition Discrete local maximum method Adjoint inflection point method 光谱学与光谱分析
2022, 42(10): 3058
1 河南师范大学物理与材料科学学院, 河南 新乡 453007
2 中国计量科学研究院光学与激光计量科学研究所, 北京 100029
针对目前光谱特征峰识别定位技术识别率低、定位误差大、无法获得光谱线型函数等问题,提出了一种基于改进正弦余弦算法的光谱特征峰识别定位方法。该方法利用动态转换概率改进正弦余弦算法,将改进的正弦余弦算法与多种光谱线型(高斯、洛伦兹和Voigt)拟合方法相结合,通过迭代寻优计算,最终得到对应的光谱特征峰位置。该方法不仅能得到光谱特征峰的位置,而且可以得到光谱线型函数。实验证明,无论强峰、弱峰还是重叠峰,提出的基于改进正弦余弦算法的光谱特征峰识别定位方法在识别率、定位准确率、谱值拟合效果和对噪声的抑制能力等方面均有显著提高。
光谱学 特征峰识别与定位 正弦余弦算法 光谱线型函数
1 中国科学院安徽光学精密机械研究所中国科学院环境光学与技术重点实验室 安徽 合肥 230031
2 中国科学技术大学, 安徽 合肥 230026
针对大气挥发性有机化合物(Volatile organic compounds, VOCs)色谱谱图基线漂移严重、 色谱峰峰形复杂的特点,设计了一种色谱数据处理方法。采用移动平均法和小波变换法对高 频噪声和基线漂移进行处理,保证了谱峰解析的准确性。采用一、二阶导数结合法对色谱峰 进行识别,高斯曲线拟合法进行峰面积计算,提高了峰面积计算精度。实验结果表明,该算法 运行速度快,噪声去除和基线校正效果明显,能够准确识别重叠峰、肩峰等不规则峰形,峰面积 计算精度高,满足环境大气VOCs色谱数据处理的要求。
挥发性有机物 基线校正 小波变换 谱峰识别 曲线拟合法 volatile organic compounds baseline correction wavelet transform peak recognition curve fitting 大气与环境光学学报
2019, 14(4): 272
1 中国科学院长春光学精密机械与物理研究所光电技术研发中心, 吉林 长春130033
2 中国科学院大学, 北京100049
3 中国科学院长春光学精密机械与物理研究所应用光学国家重点实验室, 吉林 长春130033
拉曼谱峰识别是拉曼定性分析中的关键技术之一, 针对现有拉曼谱峰识别方法中存在的缺陷和不足提出了一种双尺度相关拉曼光谱谱峰识别方法, 即采用两个尺度下的相关系数与局部信噪比相结合来实现拉曼谱峰识别。 利用MATLAB对所提算法与传统的连续小波变换法进行了对比分析, 并通过实测拉曼光谱进行验证。 分析结果: 双尺度相关法识别一幅拉曼谱的平均时间为0.51 s, 连续小波变换法为0.71 s； 当谱峰信噪比≥6时（现代拉曼光谱仪器均可达到较高的信噪比）, 双尺度相关法的谱峰识别准确率高于99%, 连续小波变换法的谱峰识别准确率小于84%, 且双尺度相关法谱峰位置识别误差的均值与标准差均要小于连续小波变换法。 通过仿真对比分析和实验验证表明: 双尺度相关法具有无需人工干预, 无需做去噪及去背景等预处理操作, 识别速度快, 识别准确率高等特点, 是一种切实可行的拉曼谱峰识别方法。
拉曼光谱 谱峰识别 双尺度相关 局部信噪比 连续小波变换 Raman spectra Peak recognition Bi-scale correlation Local signal to noise ratio Continuous wavelet transform
1 中国科学院长春光学精密机械与物理研究所光电技术研发中心, 吉林 长春 130033
2 中国科学院大学, 北京 100049
3 中国科学院长春光学精密机械与物理研究所应用光学国家重点实验室, 吉林 长春 130033
拉曼谱峰识别是拉曼光谱定性分析中的关键技术之一。针对现有方法的自动化程度不高、识别率低的问题，提出了一种新的基于多尺度局部信噪比(MLSNR)的拉曼谱峰识别算法。算法通过多尺度二阶差分运算，得到光谱的差分系数，再将差分系数除以估计出的噪声标准差，获得光谱的MLSNR矩阵，通过寻找MLSNR矩阵中的局部极大值形成的脊线来识别拉曼谱峰。算法采用自动阈值估计法去除噪声引起的局部极大值的干扰，可实现谱峰的自动化识别，不需设置任何参数。仿真实验结果表明：无论对单峰还是重叠峰，当拉曼谱峰信噪比大于等于6时MLSNR的谱峰识别准确率均高达100%，即使对处于检测限的单峰，仍有95%以上的识别准确率。MLSNR是一种切实可行的拉曼谱峰识别方法。
光谱学 谱峰识别 多尺度局部信噪比 拉曼光谱 连续小波变换
1 军械工程学院 光学与电子工程系，河北 石家庄 050003
2 军械技术研究所，河北 石家庄 050000
光学相关识别是图像识别的重要方法，有效识别相关器输出平面的相关峰信号是保证光学相关器图像识别准确性的关键。由于激光器输出功率的波动、光学系统本身的误差以及SLM器件本身带来的噪声，采用一般的阈值方法很难达到理想的效果。该文提出对相关器的输出平面进行预处理，充分考虑相关信号的形状信息，提取感兴趣区域(ROI)，采用BP神经网络对输入矢量进行计算，可达到对相关峰信号和噪声的有效分类识别，从而提高了光学相关器识别的可靠性，降低了误判的概率。
光学相关器 神经网络 感兴趣区域 相关峰识别 optical correlator neural network ROI correlated peak recognition
