CN101981433A - 特别用于多组分光谱的有效光谱匹配 - Google Patents

特别用于多组分光谱的有效光谱匹配 Download PDF

Info

Publication number
CN101981433A
CN101981433A CN2009801102283A CN200980110228A CN101981433A CN 101981433 A CN101981433 A CN 101981433A CN 2009801102283 A CN2009801102283 A CN 2009801102283A CN 200980110228 A CN200980110228 A CN 200980110228A CN 101981433 A CN101981433 A CN 101981433A
Authority
CN
China
Prior art keywords
spectrum
candidate
contrast
unknown
new
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2009801102283A
Other languages
English (en)
Other versions
CN101981433B (zh
Inventor
盖瑞·L·瑞特尔
威廉·J·麦卡锡
卡斯林·A·拉尔森
亚历山大·I·格里诺夫
费德里科·艾兹亚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Thermo Electron Scientific Instruments LLC
Original Assignee
Thermo Electron Scientific Instruments LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Thermo Electron Scientific Instruments LLC filed Critical Thermo Electron Scientific Instruments LLC
Publication of CN101981433A publication Critical patent/CN101981433A/zh
Application granted granted Critical
Publication of CN101981433B publication Critical patent/CN101981433B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

从红外或其他光谱学获得的一个未知光谱可以与一个参考库中的多个光谱进行比较以找出多个最佳匹配。然后这些最佳匹配每个自可以依次与这些参考光谱相组合,其中对这些组合也进行筛选,以找对该未知光谱的最佳匹配。然后,所产生的这些最佳匹配亦可以经历上述的组合与比较步骤。该过程可以按此方式重复进行,直到达到一个适当的停止点,例如,当识别出一个希望数目的最佳匹配、当已经执行了一些预定数目的迭代、等等。如果考虑了参考光谱的所有可能的组合,这种方法能够用少得多的计算步骤以及更快的速度来返回最佳匹配的光谱(及光谱的组合)。

Description

特别用于多组分光谱的有效光谱匹配
发明领域
本文件关系到一个发明,该发明总体上涉及从光谱仪测量得到的未知光谱的识别,并且更具体地涉及通过将未知光谱与参考光谱进行比较对未知光谱的识别。
发明背景
分子光谱仪(有时被称作分光镜)是一种仪器,其中,通常利用不可见光(如红外光谱区域的光)来照射一个固体的、液体的或气体的样本。然后,将来自该样本的光捕获并且进行分析,用以揭露该样本特征的信息。作为一个例子,样本可以用在一定波长范围内具有已知强度的红外光进行照射,然后被该样本透射和/或反射的光可以被捕获用来与照射光进行比较。对所捕获的光谱进行检查可以展示出该照射光被该样本吸收的波长。为了进行说明,图1示出了一个实例性光谱(标记为U),该光谱被展示为光的强度对比光的波长的绘图。该光谱,并且特别是其中“峰值”的位置以及幅度,可以与先前得到的参考光谱库(标记为L1、L2、......LN)进行比较,以得到关于该样本的信息,例如,它的成分以及特性。本质上,该光谱充当该样本以及其中物质的一个“指纹”,并且通过将该指纹与一个或多个已知的指纹进行匹配,可以确定该样本的身份。
然而,就像识别指纹时一样,在参考库中寻找未知光谱的一个匹配可以证明是困难并且费时的。即使在一个未知光谱是获自一个样本而该样本与从中捕获了一个参考光谱的样板具有相同成分的情况下,一个准确的匹配也是不太可能的,这是由于对未知光谱和参考光谱之间的测量条件的差异(例如,强度/幅值中的差异、波长刻度/分档(wavelength scaling/binning)中的差异、不同的背景噪声水平、等等)。另外,参考光谱通常取自纯净物,但未知光谱通常并非如此。因此,未知光谱将不会参考光谱L1、L2、......LN中单独的一个相匹配,而是将与这些光谱中的两个或更多的一个组合相匹配。在这样一个组合中,这些光谱实际上是相互“重叠”的,尽管每个光谱都可以具有一个不同的权重,该权重取决于发出该光谱的物质的相对浓度。应当理解的是,如果希望将一个未知光谱U与一个或多个参考光谱L1、L2、......LN的所有可能的组合进行比较(这典型地将会是一个非常大的数字),特别是在一个大的参考库可能具有数以万计的条目(N等于这些条目的数目)情况下。如果在进行定性分析之外,还要进行定量分析,即,在确定其身份之外还要确定该未知光谱中每个光谱成分的相对比例的情况下,那么进行这些比较需要的计算时间可以被进一步放大。这种定量分析可以要求在多个参考光谱的一个组合之间相对于该未知光谱进行回归分析,以确定每个参考光谱用于形成最佳匹配该参考光谱的一个组合时所应该具有的权重。其结果是,即使使用了专用计算机或具有高速处理器的其他机器,执行彻底的光谱匹配有时可以花费几个小时,甚至几天的时间。
发明概述
由本文件结尾处列出的权利要求限定的本发明是针对多种方法与系统,这些方法及系统可以至少部分地减轻上述问题,并且用较少的计算(因此以更高的速度)提供准确的光谱匹配。从本发明的以下简要概述的审阅中可以获得本发明的较佳实施版本的一些特征的基本理解,而更多的细节将在本文件的其他部分提供。为了帮助读者理解,以下审阅将参考附图,这些附图在本文件的这一概述部分之后的“附图简要说明”部分被简要地予以说明。
一旦从光谱仪、数据库或另外的来源中得到了一个未知光谱,该未知光谱中中的多个候选光谱可以用以下方式来识别出。首先,从一个或多个光谱库或其他来源中获取多个对比光谱,即用于对比的参考光谱。然后,将该未知光谱与该对比光谱中的至少某些光谱进行比较,以确定该未知光谱与这些对比光谱相符合的程度。图2中的200示意性地展示了该步骤,其中将该未知光谱U与对比光谱L1、L2、......LN进行比较。如果该未知光谱U符合一个对比光谱到了一个希望的程度,即满足或超过某个用户定义的或是预先设定的符合阈值,则该对比光谱被当作是一个候选光谱B(1)。因此,只要该符合阈值设定得不是太高,通常会识别出几个候选光谱B(1)1、B(1)2、...B(1)M。(如果没有识别出候选光谱,可将符合阈值设定为一个更低的值。)注意,每个候选光谱将代表一个单一组分,即,从一个光谱库或其他来源获得的一个单一的参考光谱(它通常代表一个纯净组分/物质的光谱)。
接下来,对该未知光谱可能产生自一个多组分混合物的可能性予以考虑。生成多个新的对比光谱,其中每个对比光谱是先前识别出候选光谱中的一个与来自这些光谱库或其他来源的这些对比光谱中的一个的一种组合。然后,再将该未知光谱与这些新的对比光谱中的至少某些光谱进行比较,以确定该未知光谱与这些新的对比光谱相符合的程度。图2中的210示意性地展示了该步骤,其中将该未知光谱U与以下新对比光谱进行比较:
B(1)1+L1,B(1)1+L2,......B(1)1+LN
(即,将先前在200中所识别出的候选光谱中的第一个与来自这些光谱库或其他来源的对比光谱中的每一个进行组合);
B(1)2+L1,B(1)2+L2,......B(1)2+LN
(即,将先前在200中识别出的这些候选光谱中的第二个与来自这些光谱库或其他来源的对比光谱中的每一个进行组合);并以此类推,直到将该未知光谱U与以下新对比光谱进行比较:
B(1)M+L1,B(1)M+L2,......B(1)M+LN
(即,将先前在200中识别出的这些候选光谱中的最后一个与来自这些光谱库或其他来源的对比光谱中的每一个进行组合)。
当这些比较发现这些新对比光谱之一与该未知光谱具有一个希望的符合度(如满足到或超过该符合阈值),该新的对比光谱就被当作一个新的候选光谱。这些新的候选光谱在图2的步骤210中被描述为B(2)1、B(2)2、......B(2)M。(应该理解,如果希望的话,步骤210中的M不必与步骤200中的M相等,也即,步骤210中的候选光谱的数目不必与步骤200中的候选光谱的数目相同。)在此每个候选光谱B(2)1、B(2)2、......B(2)M代表两个组分,即从一个光谱库或其他来源获得的两个相组合的参考光谱。
然后,上述步骤可以被重复一次或多次,其中每次重复都使用在前一个步骤中识别的候选光谱来生成新的对比光谱。图2中的步骤220示范了这个过程,其中来自步骤210的这些候选光谱B(2)1、B(2)2......B(2)M被用于与来自这些光谱库或其他来源的对比光谱L1、L2、......LN相组合以生成新的对比光谱。该未知光谱与这些新的对比光谱的比较进而识别出新的候选光谱B(3)1、B(3)2、......B(3)M(其中M再一次不必与步骤210和/或200中的M相等)。当这些候选光谱包括某一希望数目的组分时,例如,一旦这些新的对比光谱包括从一个光谱库或其他来源获得的一个希望数目的组合的对比/参考光谱时,就可以停止重复。这一条件在图3的流程图示出,其中,框300等价于图2中的步骤200,框330等价于图2中的步骤210与220(连同这些步骤的后续重复),而条件框340评估了在这些候选光谱中的组分数目c,并且一旦达到某一最大数目C,即停止重复。可替代地或者另外地,在以下情况下可停止重复,即:当识别出某一希望数目的候选光谱时;当识别出以至少某一合格的符合值(该合格的符合值大于该符合阈值)与该未知光谱相匹配的一个或多个候选光谱时(如下所讨论的);或者当其他合适的情形出现时。
然后,至少这些候选光谱中的某些光谱被展现给用户,而这些候选光谱优选以排等级的次序展现给用户,这样使得与该未知光谱具有更高符合度的那些候选光谱被首先展现(如图3中步骤350所述)。图4中示出了一个可能被展现给用户的候选光谱一个输出列表的实例性格式。在此,在输出列表的最标题中给出了关于该未知光谱的详情,随后是候选光谱的详情。第一个列出的候选光谱(以等级/指数1列出的候选光谱)是一个聚苯乙烯薄膜的光谱,并且具有对该未知光谱的为99.58的一个匹配尺度(大致等于一个“匹配百分比”)。这个候选光谱的光谱库或其他来源也被列出(在此是“用户实例库”),同样的是它在该库或来源中的位置(位于“源索引”2号,即,它是“用户实例库”所提供的第二个光谱)。第二个被列出的候选光谱实际上是来自多个光谱库或其他来源的三个光谱的一个组合:一个甲苯(传输单元)光谱,一个ABS(ABS)塑料(ATR校正的)光谱,与一个聚四氟乙烯薄膜光谱,其中,当这些光谱以合适的比例组合时(如下所述)给出与该未知光谱成68.97的一个匹配尺度。它们的累积匹配尺度也被展现,其中甲苯具有一个56.96的匹配尺度,甲苯与ABS一起具有一个68.92的匹配尺度,而甲苯、ABS与聚四氟乙烯共同地产生一个68.97的匹配尺度。再一次,提供了这些光谱的库或者其他来源连同每个光谱在其谱库/来源中的位置的一种指示。
随同输该出列表中还优选提供了多个额外的度量,具体地讲,提供了候选光谱中每个对比光谱(每个组分/参考光谱)的权重,即,用于调整每个对比光谱以得到与该未知光谱的最佳匹配的比例因子。例如,第一个被列出的候选光谱(聚苯乙烯薄膜)具有权重5.4195,这意味着该未知光谱被估计为具有得到该候选光谱的样本中聚苯乙烯的含量的5.4195倍。第二个被列出的候选光谱包含不同权重的甲苯、ABS、以及聚四氟乙烯,其中这些权重是在上述比较步骤中,通过对这些对比光谱相对与该未知光谱的回归分析而确定的(即,在一个对比光谱中的不同组分/参考光谱是成比例的,以便在比较过程中获得与该未知光谱的最佳匹配)。因此,可以提供给用户该未知光谱之中这些组分的一个至少近似的量化。
以上方法可以被称为是寻找“最佳匹配”的参考光谱、将该最佳匹配光谱与其他参考光谱相组合,并且然后从这些组合中识别出进一步的最佳匹配光谱(其中从上述组合步骤中该方法迭代式地继续)。因此可以看出,不是比较参考光谱L1、L2、......LN的所有可能组合,该方法基本上是通过略去与未知光谱具有较小相似度的参考光谱,而可以考虑少得多的组合。其结果是,与考虑所有组合的方法相比,该方法在短得多的时间内返回高质量的匹配,特别是在使用数目很大的参考光谱以及用更大的组分/参考光谱的组合来评审该未知光谱时(在某些情况下,只需几分钟即可返回先前需要数小时的结果)。
以下结合附图说明本发明进一步的优点、特征及版本。
附图简要说明
图1是描绘将一个未知光谱U与从多个光谱库或其他来源中得到的对比光谱L1、L2、......LN进行匹配的问题的示意性图示。
图2是描绘本发明的匹配方法的一个优选版本的示意性示图。
图3是描绘图2中的匹配方法的流程图,其中框300等价于图2中的步骤200,框330等价于图2中的步骤210与220(以及这些步骤的后续重复),而条件框340施加了一个停止条件,用于将候选光谱报告给用户(在框350处)。
图4描绘了候选光谱的一个实例性输出报告,该报告可以在对该未知光谱执行该匹配方法之后展现给用户。
本发明的优选版本的详细说明
基于上述讨论来展开,本发明中使用的参考(对比)光谱可以从一个或多个光谱库或其他来源获得。本发明中使用的这些光谱库可以是通常可获得的或专有的库,并且此类库中各自可以包括任意数目的参考光谱(即,该库中可以包括一个单独的参考光谱,或者反之也可以包括成上千个参考光谱)。进而,这些参考光谱可以获自实际测量、理论与数学计算、或来自实验与计算数据的组合。
在执行上述未知光谱与对比光谱之间的比较之先,本发明可以对该未知光谱和该比较光谱中之一或二者都执行一种或多种变换,以便加速该比较过程并且和/或者提高比较过程的准确度,或者另外增强数据处理。例如,本发明可以对光谱进行数据平滑(噪声抑制)、峰值辨别、标度变换、域变换(如变换为矢量格式)、微分、或其他变换中的一个或多个。比较本身也可以采取多种形式,如在未知光谱与对比光谱之间简单地比较在相似波长范围上的强度或幅值,将该未知光谱与对比光谱转换为矢量形式并比较这些矢量,或采取其他的比较形式。
此外,上述方法可以被修改以进一步加快候选光谱的识别。作为这样一个修改的实例,当通过组合一个先前识别的候选光谱与取自一个光谱库或其他来源的一个对比光谱以生成一个新的对比光谱时,若该候选光谱已经包括了该对比光谱,则可以跳过或者丢弃该组合(即,删除或不计作一个潜在的新的候选光谱)。为了更确切地说明,考虑在步骤200(图2)中,由于与未知光谱U的一个充分匹配,将从一个光谱库获得的对比光谱L1选定为B(1)1的情形。在步骤210的下一次迭代中,该新的对比光谱B(1)1+L1可以被跳过或者丢弃,因为它等价于L1+L1(即,参考光谱L1与其自身相组合,这仅仅将会再次得到L1)。因此,通过避开产生和/或使用具有多余组分光谱的对比光谱,该方法可以保留计算时间用于更可能产生出新的候选光谱的对比光谱。
作为可以为了加快候选光谱的识别而实施的修改的另一个实例,若一个候选光谱以大于或者等于某一“合格”符合值(该合格符合值大于符合度阈值)与该未知光谱匹配,则其中这些对比光谱(即,其组分光谱)可以从任何后续的新对比光谱的生成过程排除。本质上,这一措施所采取的方式是:若一个候选光谱已经是对一个未知光谱的非常良好的匹配(比如,如果它具有大于95%的一个合格符合值),这就已经足够,而不再特别需要再确定若该候选光谱与其他光谱组合是否会有更高的匹配。
为了加快候选光谱的识别而可以做出的另一种修改应用于一种特殊的情形,其中该未知光谱的一个或多个组分是已知的,例如,当监视用于生成一种含有预定数量的已知组分的材料的过程的输出时。在这种情况下,在第一轮比较中(图2中的步骤200,图3中的步骤300),可以简单地设定候选光谱B(1)1、B(1)2、......B(1)M就是这些已知组分的光谱。于是执行本方法的剩余部分将会用来识别出可能存在的任何其他组分(即杂质),以及不同组分的相对比例。
前面已经指出,如果符合度阈值(即一个对比光谱被视作一个候选光谱所要求的该未知光谱与该对比光谱之间的匹配度)被设定得太高,将不会产生出候选光谱。典型地,一个90%的符合度值适于作为该符合度阈值,尽管取决于所考虑光谱的细节该值可以被更好地设定为更低或更高。将该符合度阈值设定为0(或者接近于0的一个值)也是可能的,在这种情况下,从每个对比光谱都会产生一个候选光谱。例如,如果在图2至3中的步骤200中该符合度阈值被设定为0,则M=N且B(1)1、B(1)2、......B(1)M将各自对应于L1、L2、......LN之一。在这种情况下,由于与该未知光谱的不良匹配,某些候选光谱事实上将会是一些不良候选者。然后将这些候选光谱以从最高符合度到最低符合度的顺序排等级是有用的,并且然后在执行任何后续步骤时,首先考虑那些具有最高符合度的候选光谱。在这种情况下,为了减少计算,在执行任何后续步骤时丢弃具有最低符合度的候选光谱可以是有用的。例如,可以只保留具有最高符合度的顶部10%、25%或50%的候选光谱,并在后续步骤中使用它们。
所预期的是,本发明将会被实施为光谱识别软件以便在计算机或其他接收并分析光谱数据的系统(例如,光谱仪)中使用。此类系统可以包括便携式或手持式计算机、现场测量装置、专用集成电路(ASIC)和/或环境设备、工业设备或其他监视设备中提供的可编程逻辑器件(PLD),以及本发明可以证明有用的任何其他系统。
此外,尽管本发明被总体地描述为在分子光谱仪的光谱匹配的情况下是有用的,但是它可以可替代地或附加地用于质谱学、X射线光谱学或其他形式的光谱学中。另外它在其他形式的测量分析中也可以是有用的,其中信号相对于参考信号而测定的,在这种情况下,这些信号和参考值可以被视作本发明背景中的“光谱”。
应当理解的是,以上讨论仅涉及本发明的优选版本,而本发明并非旨在被局限于这些版本。相反,本发明仅旨在被以下列出的权利要求所限定,其中本发明包括字面上地或等价地落入这些权利要求范围的所有不同版本。

Claims (25)

1.一种在未知光谱中识别出多个候选光谱的方法,该方法包括以下步骤:
a.获取一组对比光谱;
b.将该未知光谱与这些对比光谱进行比较;
c.识别多个候选光谱,每个候选光谱是具有对该未知光谱的一个希望的符合度的这些对比光谱之一;
d.将下列子步骤执行一次或者多次:
(1)生成多个新的对比光谱,每个新对比光谱包括:
(a)这些候选光谱之一,以及
(b)来自于该组的这些对比光谱之一;
(2)将该未知光谱与这些新对比光谱进行比较;
(3)进一步识别多个候选光谱,每个候选光谱是具有对该未知光谱的一个希望的符合度的这些新对比光谱之一;
其中,当再次执行子步骤(1)至(3)时,子步骤(3)中的这些候选光谱被用作在子步骤(1)中生成新的对比光谱时的候选光谱。
2.如权利要求1所述的方法,进一步包括展示这些候选光谱中的至少某些光谱的一个列表的步骤。
3.如权利要求2所述的方法,其中该列表中的这些候选光谱是以排等级的次序来展示的,其中具有对该未知光谱的更高符合度的候选光谱被首先列出。
4.如权利要求1所述的方法,其中,在将该未知光谱与这些对比光谱之一进行比较先前,将该未知光谱与该对比光谱之一或两者均进行变换。
5.如权利要求1所述的方法,其中,在将该未知光谱与这些对比光谱之一进行比较时,对该对比光谱进行关于该未知光谱的回归分析。
6.如权利要求5所述的方法,其中:
a.在对该对比光谱进行回归分析时,计算一个回归加权值;并且
b.对该对比光谱按其回归加权值进行加权。
7.如权利要求6所述的方法:
a.进一步包括展示这些候选光谱的至少某些光谱的一个列表的步骤,并且
b.其中限定这些候选光谱的这些对比光谱的回归加权值被展示在该列表中。
8.如权利要求1所述的方法,其中,在产生多个新对比光谱时,每个对比光谱包括:
a.这些候选光谱之一,以及
b.这些对比光谱之一,其中该对比光谱尚未被包括在该候选光谱之中。
9.如权利要求1所述的方法,其中如果任一候选光谱包括与一个先前识别的候选光谱相同的对比光谱,则将该候选光谱与该先前识别的候选光谱之一丢弃。
10.如权利要求1所述的方法,其中,如果一个候选光谱以大于或等于一个合格符合度值符合该未知光谱,则将其中的对比光谱从任何后续的新对比光谱的生成过程中排除。
11.如权利要求1所述的方法,其中一旦这些新对比光谱包括了一个希望的数目的对比光谱时就停止步骤d。
12.一种在未知光谱中识别出多个候选光谱的方法,该方法包括以下步骤:
a.提供一个或多个候选光谱,每个候选光谱被假定代表该未知光谱的至少一个部分;
b.将下列子步骤执行一次或者多次:
(1)生成多个对比光谱,每个对比光谱是以下各项的一个组合:
(a)这些候选光谱之一,以及
(b)对应于一种已经被识别的物质的一个参考光谱,
其中将每个候选光谱与多个不同的参考光谱进行组合以生成几个对比光谱;
(2)将该未知光谱与这些对比光谱进行比较;
(3)识别另外的候选光谱,每个候选光谱是至少部分地匹配该未知光谱的这些对比光谱之一,
其中,当再次实行上述子步骤(1)至(3)时,子步骤(3)中的这些候选光谱被用作在子步骤(1)中生成多个对比光谱时的这些候选光谱。
13.如权利要求12所述的方法,其中该提供一个或多个候选光谱的步骤包括:
a.获取几个不同参考光谱的一个组,每个对应一种已识别的物质;
b.将该未知光谱与这些参考光谱进行比较;
c.识别这些候选光谱,每个候选光谱是至少部分地匹配该未知光谱的这些参考光谱之一。
14.如权利要求12所述的方法,进一步包括展示这些候选光谱中的至少某些光谱的一个列表的步骤,其中该列表中的这些候选光谱是以排等级的次序来展示的,使具有对该未知光谱的更高匹配的这些候选光谱被首先列出。
15.如权利要求12所述的方法,进一步包括对以下各项的至少一个进行一种变换的步骤:
a.该未知光谱;
b.这些对比光谱中的至少一个;
c.这些参考光谱中的至少一个;以及
d.这些候选光谱中的至少一个。
16.如权利要求12所述的方法,进一步包括对这些对比光谱中的至少一个进行关于该未知光谱的回归分析的步骤。
17.一种在未知光谱中识别出多个候选光谱的方法,该方法包括以下步骤:
a.将该未知光谱与这些对比光谱中的至少某些光谱进行比较,每个对比光谱是取自一个光谱库;
b.保存与该未知光谱最佳匹配的这些对比光谱中至少某些光谱,每个此类对比光谱是一个候选光谱;
c.产生多个新对比光谱,每个新对比光谱是以下各项的一个组合:
(1)这些候选光谱之一,以及
(2)该光谱库中的这些对比光谱之一,
d.将该未知光谱与这些新对比光谱中至少某些光谱进行比较,
e.保存与该未知光谱最佳匹配的这些新对比光谱中至少某些光谱,每个此类对比光谱是一个候选光谱;
f.前述步骤c向下重复至少一次;
g.展示这些候选光谱中的至少某些光谱。
18.如权利要求17所述的方法,其中一旦这些新对比光谱中包括了一个预定数目的对比光谱就停止步骤c至f。
19.如权利要求17所述的方法,其中这些候选光谱是以排等级的次序展示的,使对该未知光谱具有更高符合度的这些候选光谱被首先列出。
20.如权利要求17所述的方法,其中在将该未知光谱与这些对比光谱之一进行比较时执行以下子步骤中的至少一个:
a.对该未知光谱以及该对比光谱之一或两者进行变换;和
b.关于该未知光谱对该对比光谱进行回归。
21.一种在未知光谱中识别出多个候选光谱的系统,该系统包括一台计算机,该计算机:
a.接收一个未知光谱;
b.访问一个或多个记录,每个记录包括一个或多个对比光谱;
c.将该未知光谱与来自这些记录的这些对比光谱中的至少某些光谱进行比较;
d.识别多个候选光谱,每个候选光谱是以一个希望的符合度与该未知光谱匹配的这些对比光谱之一;
e.将该未知光谱与多个新的对比光谱进行比较,每个新对比光谱是以下各项的一个组合:
(1)这些候选光谱之一,以及
(2)来自这些记录的这些对比光谱之一,
f.识别出多个新的候选光谱,每个新候选光谱是以一个希望的符合度与该未知光谱匹配的这些新对比光谱之一;
g.将这些候选光谱中的至少某些光谱展示给一个用户。
22.如权利要求21所述的系统,其中该系统在识别出多个新的候选光谱之后:
a.将该未知光谱与这些新对比光谱进行比较,每个新对比光谱是以下各项的一个组合:
(1)这些新候选光谱之一,以及
(2)来自这些记录的这些对比光谱之一,
b.识别出另外的多个新候选光谱,其中每个新的候选光谱是以一个希望的符合度与该未知光谱匹配的这些新对比光谱之一。
23.如权利要求21所述的系统,其中这些候选光谱以排等级次序展示给该用户,使对该未知光谱具有最高符合度的候选光谱被首先列出。
24.如权利要求21所述的系统,其中该计算机在对以下各项进行比较先前对以下各项的至少一个进行变换:
a.该未知光谱,以及
b.该对比光谱。
25.如权利要求21所述的系统,其中该计算机在对该对比光谱以及该未知光谱进行比较时对该对比光谱进行关于该未知光谱的回归分析。
CN2009801102283A 2008-02-18 2009-02-09 特别用于多组分光谱的有效光谱匹配 Active CN101981433B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US12/032,794 US7698098B2 (en) 2008-02-18 2008-02-18 Efficient spectral matching, particularly for multicomponent spectra
US12/032,794 2008-02-18
PCT/US2009/033591 WO2009105360A1 (en) 2008-02-18 2009-02-09 Efficient spectral matching, particularly for multicomponent spectra

Publications (2)

Publication Number Publication Date
CN101981433A true CN101981433A (zh) 2011-02-23
CN101981433B CN101981433B (zh) 2012-11-28

Family

ID=40602146

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2009801102283A Active CN101981433B (zh) 2008-02-18 2009-02-09 特别用于多组分光谱的有效光谱匹配

Country Status (4)

Country Link
US (1) US7698098B2 (zh)
EP (1) EP2245443B1 (zh)
CN (1) CN101981433B (zh)
WO (1) WO2009105360A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104024830A (zh) * 2011-10-17 2014-09-03 热电科学仪器有限公司 时间和/或空间序列文件的多组分回归/多组分分析
CN105954307A (zh) * 2015-02-25 2016-09-21 Fei公司 样品特定的参考光谱库
CN108007941A (zh) * 2016-10-27 2018-05-08 中国人民解放军第二军医大学 光谱比对判定装置、方法以及药品真伪判定系统

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI428581B (zh) * 2010-12-13 2014-03-01 Ind Tech Res Inst 辨識光譜的方法
EP2525213A1 (en) * 2011-05-16 2012-11-21 Renishaw plc Spectroscopic apparatus and methods for determining components present in a sample
CN102445712B (zh) * 2011-11-22 2013-05-01 成都理工大学 面向岩矿的特征窗口加权相关光谱匹配方法
JP6280910B2 (ja) * 2012-04-05 2018-02-14 レニショウ パブリック リミテッド カンパニーRenishaw Public Limited Company 分光システムの性能を測定するための方法
US10354929B2 (en) 2012-05-08 2019-07-16 Kla-Tencor Corporation Measurement recipe optimization based on spectral sensitivity and process variation
EP2859313B1 (en) * 2012-05-31 2021-07-07 Richard Jackson System and method for determining the presence of spectral components in the spectra of mixture
US9110001B2 (en) * 2012-07-02 2015-08-18 Thermo Scientific Portable Analytical Instruments Inc. Method for tagging reference materials of interest in spectroscopic searching applications
CN103955518B (zh) * 2014-05-06 2017-10-31 北京华泰诺安探测技术有限公司 一种检测物谱图与数据库谱图的匹配方法
US9841322B1 (en) 2014-06-02 2017-12-12 Kemeny Associates LLC Spectral imaging with multiple illumination sources
US10324050B2 (en) 2015-01-14 2019-06-18 Kla-Tencor Corporation Measurement system optimization for X-ray based metrology
US9470639B1 (en) 2015-02-03 2016-10-18 Kla-Tencor Corporation Optical metrology with reduced sensitivity to grating anomalies
US10185303B2 (en) 2015-02-21 2019-01-22 Kla-Tencor Corporation Optimizing computational efficiency by multiple truncation of spatial harmonics
WO2016141198A1 (en) * 2015-03-05 2016-09-09 Bio-Rad Laboratories, Inc. Optimized spectral matching and display
FR3065285B1 (fr) * 2017-04-14 2019-07-05 Commissariat A L'energie Atomique Et Aux Energies Alternatives Procede d’acquisition d’un spectre
WO2019079492A1 (en) * 2017-10-18 2019-04-25 The Regents Of The University Of California SOURCE IDENTIFICATION FOR MOLECULES UNKNOWN BY MASS SPECTRUM CORRESPONDENCE

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6098335A (ja) * 1983-11-02 1985-06-01 Agency Of Ind Science & Technol 赤外スペクトル検索方法
FR2671923B1 (fr) * 1991-01-17 1993-04-16 France Etat Dispositif de demodulation coherente de donnees numeriques entrelacees en temps et en frequence, a estimation de la reponse frequentielle du canal de transmission et seuillage, et emetteur correspondant.
US5347460A (en) * 1992-08-25 1994-09-13 International Business Machines Corporation Method and system employing optical emission spectroscopy for monitoring and controlling semiconductor fabrication
US5538897A (en) * 1994-03-14 1996-07-23 University Of Washington Use of mass spectrometry fragmentation patterns of peptides to identify amino acid sequences in databases
US5668373A (en) * 1996-04-26 1997-09-16 Trustees Of Tufts College Methods and apparatus for analysis of complex mixtures
US6075594A (en) * 1997-07-16 2000-06-13 Ncr Corporation System and method for spectroscopic product recognition and identification
US6140643A (en) * 1999-03-09 2000-10-31 Exxonmobil Upstream Research Company Method for identification of unknown substances
SE0000754D0 (sv) * 2000-03-07 2000-03-07 Amersham Pharm Biotech Ab Mass spectral peak identification
US6552783B1 (en) * 2000-06-28 2003-04-22 Teradyne, Inc. Optical system
US6728663B2 (en) * 2000-09-13 2004-04-27 Accent Optical Technologies, Inc. Structure identification using scattering signatures
JP3577281B2 (ja) * 2001-01-05 2004-10-13 株式会社島津製作所 赤外分光光度計用データ処理装置
CA2357498A1 (en) * 2001-02-05 2002-08-05 Mikio Ogai Raman amplifier system, apparatus and method for identifying, obtaining and maintaining an arbitrary raman amplification performance
JP2002335188A (ja) * 2001-05-08 2002-11-22 Sony Corp 無線送信装置、無線受信装置、無線送信方法、並びに無線受信方法
DE10155185A1 (de) * 2001-11-12 2003-05-22 Synthon Kg Verfahren zur Charakterisierung und/oder Identifizierung von Wirkmechanismen antimikrobieller Prüfsubstanzen
EP1528690B1 (en) * 2003-02-03 2008-10-22 Mathematical Assist Design Laboratories Co., Ltd. Spread spectrum system communication unit and its method for establishing high speed synchronization
US6906320B2 (en) * 2003-04-02 2005-06-14 Merck & Co., Inc. Mass spectrometry data analysis techniques
WO2004109449A2 (en) * 2003-05-30 2004-12-16 Novatia, Llc Analysis of data from a mass spectrometer
JP2005083952A (ja) * 2003-09-10 2005-03-31 Shimadzu Corp 液体クロマトグラフ質量分析装置
EP1521413A3 (en) * 2003-10-01 2009-09-30 Panasonic Corporation Multicarrier reception with channel estimation and equalisation
US7072770B1 (en) * 2004-03-29 2006-07-04 Chemimage Corporation Method for identifying components of a mixture via spectral analysis
US7219038B2 (en) * 2005-03-22 2007-05-15 College Of William And Mary Automatic peak identification method
JP2007287531A (ja) * 2006-04-18 2007-11-01 Shimadzu Corp 質量分析データ解析方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104024830A (zh) * 2011-10-17 2014-09-03 热电科学仪器有限公司 时间和/或空间序列文件的多组分回归/多组分分析
US9383308B2 (en) 2011-10-17 2016-07-05 Thermo Electron Scientific Instruments Llc Multi-component regression/multi-component analysis of time series files
CN104024830B (zh) * 2011-10-17 2017-05-31 热电科学仪器有限公司 时间和/或空间序列文件的多组分回归/多组分分析
CN105954307A (zh) * 2015-02-25 2016-09-21 Fei公司 样品特定的参考光谱库
CN105954307B (zh) * 2015-02-25 2021-01-26 Fei公司 样品特定的参考光谱库
CN108007941A (zh) * 2016-10-27 2018-05-08 中国人民解放军第二军医大学 光谱比对判定装置、方法以及药品真伪判定系统
CN108007941B (zh) * 2016-10-27 2020-06-02 中国人民解放军第二军医大学 光谱比对判定装置、方法以及药品真伪判定系统

Also Published As

Publication number Publication date
WO2009105360A1 (en) 2009-08-27
CN101981433B (zh) 2012-11-28
US20090210194A1 (en) 2009-08-20
EP2245443B1 (en) 2018-12-12
US7698098B2 (en) 2010-04-13
EP2245443A1 (en) 2010-11-03

Similar Documents

Publication Publication Date Title
CN101981433B (zh) 特别用于多组分光谱的有效光谱匹配
CN104024830A (zh) 时间和/或空间序列文件的多组分回归/多组分分析
US6560546B1 (en) Remote analysis system
CN110657890B (zh) 对光谱模型的基于交叉验证的校准
US20070211247A1 (en) Visible/Near-Infrared Spectrometry And Its Device
KR20130139222A (ko) 시간 감쇠 신호들을 분석하기 위한, 광 신호 처리 방법 및 장치
JP3323512B2 (ja) ディスタンス・アウトライア検知を使用した生物学的流体分析
Bricklemyer et al. Comparing vis–NIRS, LIBS, and combined vis–NIRS‐LIBS for intact soil core soil carbon measurement
EP1856505A1 (en) Retro-regression residual remediation for spectral/signal identification
Dessipri et al. Use of FT-NIR spectroscopy for on-line monitoring of formaldehyde-based resin synthesis
CN115993344A (zh) 一种近红外光谱分析仪质量监测分析系统及方法
US20150057949A1 (en) Event Detection For Back-Scattering Interferometry
Mitra et al. Cosmology requirements on supernova photometric redshift systematics for the Rubin LSST and Roman Space Telescope
CN109946283B (zh) 气体混合物的增强拉曼分析
EP2366991A1 (en) Probabilistic scoring for components of a mixture
Gennari et al. Searching for ringdown higher modes with a numerical relativity-informed post-merger model
Kemper et al. A guide to raw material analysis using near infrared spectroscopy
US20220252516A1 (en) Spectroscopic apparatus and methods for determining components present in a sample
Brigada et al. Chemical identification with information-weighted terahertz spectrometry
US20220196476A1 (en) Method for configuring a spectrometry device
CN107155349A (zh) 多成分样品的成分相关特性的确定
CN116990336B (zh) 六氟乙烷的纯度确定方法和系统
US8007168B2 (en) Method for standardizing the derivation of the temperature in the mesopause region from hydroxyl (OH*) airglow
Magare et al. Milk Powder Analysis for Protein Content Estimation Using Fieldspec4 Spectroradiometer.
Morris Charmless $ b $-meson and $ b $-baryon decays at LHCb

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant