CN110084212B - 一种基于改进正弦余弦算法的光谱特征峰识别定位方法 - Google Patents

Abstract

本发明公开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，在算法运行前需要用户输入特征峰的个数，算法初始化阶段会生成15组初始候选波长，每组中候选波长的个数为用户输入的光谱特征峰的个数；然后根据波长的扩展范围X和允许的重合比例Y，决定是否重新选择波长；之后用高斯、洛伦兹和Voigt三种方式分别对每个候选波长所在区域进行拟合，计算其均方根误差，并使用正弦余弦算法更新的方式进行迭代更新；若达到最大迭代次数或满足退出迭代条件，退出迭代，选出拟合效果最好的一组候选波长即为光谱特征峰的波长位置。本发明的识别定位方法在识别率和准确度方面均有显著提高。

Description

一种基于改进正弦余弦算法的光谱特征峰识别定位方法

技术领域

本发明属于光谱特征峰识别定位方法技术领域，具体涉及一种基于改进正弦余弦算法的光谱特征峰识别定位方法。

背景技术

光谱特征峰的识别与定位不仅是光谱类仪器计量检定中的关键步骤，而且在物质定量分析、成分识别等方面具有至关重要的作用。例如，在分光光度计的计量检定过程中，由于各种滤光片标准物质有效特征峰数量较多，且分光光度计在不同种类的滤光片标准物质的光谱峰位置与大小存在差异，如何准确快速的识别定位到光谱特征峰的位置则显得尤其重要。

目前，很多学者对光谱寻峰算法进行了研究，如传统的数值比较法、导数算法、连续小波变换算法、对称零面积变换算法、指数修正高斯拟合算法、多尺度谱峰定位算法、Fourier自去卷积法。虽然这些算法能够实现光谱寻峰，但是这些算法通常对光谱的信噪比、动态范围和光谱特征等有较高的要求，如一阶导数法对一些重叠严重的特征峰无法检测，而二阶三阶导数法计算量较大，无法实现实时计算，小波变换无法准确检测特征峰中心波长的位置，对称零面积变换算法如果基函数选择不合适将会导致较大的误差，高斯拟合方法需要待测光谱特征峰为高斯线型。针对上述问题，本发明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算法。

发明内容

本发明为解决传统光谱特征峰识别定位方法识别率较低，准确度较差的问题而提供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。

本发明为解决上述技术问题采用如下技术方案，一种基于改进正弦余弦算法的光谱特征峰识别定位方法，其特征在于具体步骤为：

步骤S1：用户输入待测光谱的光谱特征峰的个数N、波长的扩展范围X和允许重叠的比例Y；

步骤S2：随机生成15组候选波长，每组候选波长内含候选波长的个数为N；

步骤S3：根据波长扩展范围将候选波长扩展为候选波段，并检验同组内两两候选波段重叠比例是否存在小于Y，若小于Y，则重新选择该候选波长；

步骤S4：对每组候选波长分别进行高斯、洛伦兹和Voigt拟合，取拟合效果最好的一组及其拟合函数的类型存入集合A；

步骤S5：使用改进的正弦余弦算法对每组候选波长进行更新；

步骤S6：重复步骤S3和步骤S4；

步骤S7：检验是否达到最大迭代次数，若是则执行步骤S7，若否则执行步骤S4；

步骤S8：选取集合A中拟合效果最好的一组候选波长及其拟合函数类型，即为光谱特征峰对应位置及光谱线型函数类型。

优选的，步骤S4中对某波段的高斯、洛伦兹和Voigt拟合，其主要形式如下所示：

Voigt(ν,ν₀)＝kQ(ν,ν₀)+(1-k)G(ν,ν₀) (3)

其中，α_L表示高斯线型和洛伦兹线型的半高宽，ν₀表示被测物质光谱特征峰的中心频率，k为合成因子，是一个在开区间(0,1)上的定值，a表示高斯线型的最大值，即光谱峰值大小，同样的可以得到洛伦兹线型的最大值为：

优选的，步骤S4中拟合效果的评价方式有以下两种方式：

假设某候选波段存在N个点，随机选取M个作为检验样本，剩下的为拟合样本，其中M需要满足：

(1)均方均误差(RMSE)：该评价方式，结果越小，表明拟合效果越好，将检验样本带入拟合好的光谱线型函数中，将计算出的数值记为y'，检验样本对应的光谱数据为y，则误差均方根如下可以表示为：

(2)决定系数(R²)：该评价方式，结果越接近1，表明拟合效果越好，将检验样本带入拟合好的光谱线型函数中，将计算出的数值记为y'，检验样本对应的光谱数据为y，检验样本的光谱数据均值为

则决定系数所示：

优选的，步骤S5中使用改进的正弦余弦算法更新方式如下所示：

其中，t表示当前迭代次数，X表示某个候选波长，B表示当前最优解，i表示第i个候选波长组，r₁是一个常数，r₂是一个在闭区间[0,2π]上服从均匀分布的随机数，r₃是一个在闭区间[0,2]上服从均匀分布的随机权重，r₄是一个在[0,1]上服从均匀分布的随机数，a是本发明提出的动态转换概率，a的计算如同式(9)所示，其中，rand(0,0.4)表示在闭区间[0,0.4]服从均匀分布的随机数，L表示当前迭代所有解与最优解的欧氏距离的平均值，M为所设置的参数，用于控制改进正弦余弦算法在全局搜索和局部挖掘两大步骤间的转换。

本发明与现有技术相比具有以下三个创新点：第一，利用动态变换概率替代传统的转换概率的方法来改进正弦余弦算法，使之在寻优过程中可以更好地跳出局部最优解，快速收敛；第二，使用多种光谱线型(高斯，洛伦兹，Voigt)拟合方式，使之可以进行光谱寻峰；第三，本发明不仅可以得到光谱特征峰的位置，而且可以得到光谱的线型函数的种类。在算法运行前需要用户输入特征峰的个数，算法初始化阶段会生成15组初始候选波长，每组中候选波长的个数为用户输入的光谱特征峰的个数；然后根据波长的扩展范围X和允许的重合比例Y，决定是否重新选择波长；之后用高斯、洛伦兹和Voigt三种拟合方式分别对每个候选波长所在区域进行拟合，计算其均方根误差，并使用正弦余弦算法更新的方式进行迭代更新；若达到最大迭代次数，退出迭代，选出均方根误差最小的一组候选波长即为光谱特征峰的波长位置。

附图说明

图1是本发明方法的流程图；

图2是利用Cary5000紫外-可见-近红外分光光度计镨钕滤光片和氧化钬滤光片的标准光谱图。

具体实施方式

以下通过实施例对本发明的上述内容做进一步详细说明，但不应该将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明上述内容实现的技术均属于本发明的范围。

实施例

一种基于改进正弦余弦算法的光谱特征峰识别定位方法，其具体步骤为：

步骤S1：用户输入待测光谱的光谱特征峰的个数N、波长的扩展范围X和允许重叠的比例Y；

步骤S2：随机生成15组候选波长，每组候选波长内含候选波长的个数为N；

步骤S3：根据波长扩展范围将候选波长扩展为候选波段，并检验同组内两两候选波段重叠比例是否存在小于Y，若小于Y，则重新选择该候选波长；

步骤S4：对每组候选波长分别进行高斯、洛伦兹和Voigt拟合，取拟合效果最好的一组及其拟合函数的类型存入集合A；

步骤S5：使用改进的正弦余弦算法对每组候选波长进行更新；

步骤S6：重复步骤S3和步骤S4；

步骤S7：检验是否达到最大迭代次数或者满足迭代退出条件，若是则执行步骤S7，若否则执行步骤S4；

步骤S8：选取集合A中拟合效果最好的一组候选波长及其拟合函数类型，即为光谱特征峰对应位置及光谱线型函数类型。

步骤S4中对某波段的高斯、洛伦兹和Voigt拟合，其主要形式如下所示：

Voigt(ν,ν₀)＝kQ(ν,ν₀)+(1-k)G(ν,ν₀) (3)

其中，α_L表示高斯线型和洛伦兹线型的半高宽，ν₀表示被测物质光谱特征峰的中心频率，k为合成因子，是一个在开区间(0,1)上的定值，a表示高斯线型的最大值，即光谱峰值大小，同样的可以得到洛伦兹线型的最大值为：

步骤S4中拟合效果的评价方式有以下两种方式：

假设某候选波段存在N个点，随机选取M个作为检验样本，剩下的为拟合样本，其中M需要满足：

(1)均方均误差(RMSE)：该评价方式，结果越小，表明拟合效果越好，将检验样本带入拟合好的光谱线型函数中，将计算出的数值记为y'，检验样本对应的光谱数据为y，则误差均方根如下可以表示为：

(2)决定系数(R²)：该评价方式，结果越接近1，表明拟合效果越好，将检验样本带入拟合好的光谱线型函数中，将计算出的数值记为y'，检验样本对应的光谱数据为y，检验样本的光谱数据均值为

则决定系数所示：

步骤S5中使用改进的正弦余弦算法更新方式如下所示：

其中，t表示当前迭代次数，X表示某个候选波长，B表示当前最优解，i表示第i个候选波长组，r₁是一个常数，r₂是一个在闭区间[0,2π]上服从均匀分布的随机数，r₃是一个在闭区间[0,2]上服从均匀分布的随机权重，r₄是一个在[0,1]上服从均匀分布的随机数，a是本发明提出的动态转换概率，传统正弦余弦法中a＝0.5，本发明中a的计算如同式(9)所示。其中，rand(0,0.4)表示在闭区间[0,0.4]服从均匀分布的随机数，L表示当前迭代所有解与最优解的欧氏距离的平均值，M为所设置的参数，用于控制改进正弦余弦算法在全局搜索和局部挖掘两大步骤间的转换。

实验结果：

利用Cary5000紫外-可见-近红外分光光度计镨钕滤光片和氧化钬滤光片的标准光谱，实验环境温度为298.5K，相对湿度为23％。为了使得光谱数据足够精确，采集过程中将所有样本均多次扫描排除异常数据后计算平均值，作为最终的光谱数据，其光谱图如附图2所示。

根据具体光谱特征峰数据，将两种物质的光谱特征峰分为强峰、弱峰和重叠峰三类，将本专利的方法与对称零面积法和三阶导数作对比，使用光谱特征峰的识别率和均方根误差为评价方法，具体结果如下表所示，从表中可以看出，本发明实施例的方法在识别率和准确度方面均有显著提高。

表1谱峰识别率

表2光谱峰准确度的均方根误差

以上实施例描述了本发明的基本原理、主要特征及优点，本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明原理的范围下，本发明还会有各种变化和改进，这些变化和改进均落入本发明保护的范围内。

Claims (4)

1.一种基于改进正弦余弦算法的光谱特征峰识别定位方法，其特征在于具体步骤为：

步骤S1：用户输入待测光谱的光谱特征峰的个数N、波长的扩展范围X和允许重叠的比例Y；

步骤S2：随机生成15组候选波长，每组候选波长内含候选波长的个数为N；

步骤S3：根据波长扩展范围将候选波长扩展为候选波段，并检验同组内两两候选波段重叠比例是否存在小于Y，若小于Y，则重新选择该候选波长；

步骤S4：对每组候选波长分别进行高斯、洛伦兹和Voigt拟合，取拟合效果最好的一组及其拟合函数的类型存入集合A；

步骤S5：使用改进的正弦余弦算法对每组候选波长进行更新；

步骤S6：重复步骤S3和步骤S4；

步骤S7：检验是否达到最大迭代次数或满足迭代退出条件，若是则执行步骤S8，若否则执行步骤S4；

步骤S8：选取集合A中拟合效果最好的一组候选波长及其拟合函数类型，即为光谱特征峰对应位置及光谱线型函数类型。

2.根据权利要求1所述的基于改进正弦余弦算法的光谱特征峰识别定位方法，其特征在于步骤S4中对某波段的高斯、洛伦兹和Voigt拟合，其主要形式如下所示：

Voigt(ν,ν₀)＝kQ(ν,ν₀)+(1-k)G(ν,ν₀) (3)

其中，α_L表示高斯线型和洛伦兹线型的半高宽，ν₀表示被测物质光谱特征峰的中心频率，k为合成因子，是一个在开区间(0,1)上的定值，a表示高斯线型的最大值，即光谱峰值大小，同样的可以得到洛伦兹线型的最大值为：

3.根据权利要求1所述的基于改进正弦余弦算法的光谱特征峰识别定位方法，其特征在于步骤S4中拟合效果的评价方式有以下两种方式：

假设某候选波段存在N个点，随机选取M个作为检验样本，剩下的为拟合样本，其中M需要满足：

(1)均方均误差(RMSE)：该评价方式，结果越小，表明拟合效果越好，将检验样本带入拟合好的光谱线型函数中，将计算出的数值记为y'，检验样本对应的光谱数据为y，则误差均方根如下可以表示为：

(2)决定系数(R²)：该评价方式，结果越接近1，表明拟合效果越好，将检验样本带入拟合好的光谱线型函数中，将计算出的数值记为y'，检验样本对应的光谱数据为y，检验样本的平均值记为

则决定系数所示：

4.根据权利要求1所述的基于改进正弦余弦算法的光谱特征峰识别定位方法，其特征在于步骤S5中使用改进的正弦余弦算法更新方式如下所示：

其中，t表示当前迭代次数，X表示某个候选波长，B表示当前最优解，i表示第i个候选波长组，r₁是一个常数，r₂是一个在闭区间[0,2π]上服从均匀分布的随机数，r₃是一个在闭区间[0,2]上服从均匀分布的随机权重，r₄是一个在[0,1]上服从均匀分布的随机数，a是本发明提出的动态转换概率，a的计算如同式(9)所示，其中，rand(0,0.4)表示在闭区间[0,0.4]服从均匀分布的随机数，L表示当前迭代所有解与最优解的欧氏距离的平均值，M为所设置的参数，用于控制改进正弦余弦算法在全局搜索和局部挖掘两大步骤间的转换。

Images