CN115541021A - 拉曼光谱特征峰的定位方法、电子设备及存储介质 - Google Patents
拉曼光谱特征峰的定位方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115541021A CN115541021A CN202110732279.2A CN202110732279A CN115541021A CN 115541021 A CN115541021 A CN 115541021A CN 202110732279 A CN202110732279 A CN 202110732279A CN 115541021 A CN115541021 A CN 115541021A
- Authority
- CN
- China
- Prior art keywords
- raman spectrum
- spectrum data
- nth
- characteristic peak
- spc
- 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.)
- Pending
Links
- 238000001237 Raman spectrum Methods 0.000 title claims abstract description 201
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005070 sampling Methods 0.000 claims abstract description 71
- 238000000605 extraction Methods 0.000 claims abstract description 29
- 238000001228 spectrum Methods 0.000 claims abstract description 29
- 239000000126 substance Substances 0.000 claims abstract description 24
- 230000003595 spectral effect Effects 0.000 claims description 69
- 238000001069 Raman spectroscopy Methods 0.000 claims description 23
- 238000001914 filtration Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/44—Raman spectrometry; Scattering spectrometry ; Fluorescence spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J2003/2859—Peak detecting in spectrum
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Spectrometry And Color Measurement (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明实施例涉及拉曼光谱分析领域,公开了一种拉曼光谱特征峰的定位方法、电子设备及存储介质。本发明中拉曼光谱特征峰的定位方法,包括:获取待测物质的有效拉曼光谱数据;对有效拉曼光谱数据进行波动阈值提取操作,获取表征有效拉曼光谱数据的光谱强度波动特性的波动阈值,并将波动阈值作为有效拉曼光谱数据对应的特征峰识别阈值;从有效拉曼光谱数据中获取光谱强度大于特征峰识别阈值的采样点位置,将获取的采样点位置作为有效拉曼光谱数据中特征峰的位置。采用本申请实施例,使得在进行拉曼光谱分析时可以快速地定位拉曼光谱特征峰的位置,提高定位特征峰的位置的效率。
Description
技术领域
本发明实施例涉及拉曼光谱分析领域,特别涉及一种拉曼光谱特征峰的定位方法、电子设备及存储介质。
背景技术
拉曼光谱是一种散射光谱。拉曼散射是光通过介质时由于入射光与分子相互作用而引起的频率发生变化的散射。被分子散射的光发生频率变化的现象,通过对拉曼光谱进行分析可以得到分子信息,进而识别物质的种类。
通常拉曼光谱分析方法需要对物质的拉曼光谱特征峰的位置进行准确寻找,通常可以有基于统计学中Kolmogorov-Smirnov检验、小波变换峰值识别、梯度下降法等结合不同的拟合算法定位拉曼光谱特征峰。然而,这些定位特征峰的算法均比较复杂,导致定位特征峰的过程耗时较长,定位特征峰位置效率低的问题。
发明内容
本发明实施方式的目的在于提供一种拉曼光谱特征峰的定位方法、电子设备及存储介质,使得在进行拉曼光谱分析时可以快速地定位拉曼光谱特征峰的位置,提高定位特征峰的位置的效率。
为解决上述技术问题,第一方面,本申请的实施方式提供了一种拉曼光谱特征峰的定位方法,包括:获取待测物质的有效拉曼光谱数据;对有效拉曼光谱数据进行波动阈值提取操作,获取表征有效拉曼光谱数据的光谱强度波动特性的波动阈值,并将波动阈值作为有效拉曼光谱数据对应的特征峰识别阈值;从有效拉曼光谱数据中获取光谱强度大于特征峰识别阈值的采样点位置,将获取的采样点位置作为有效拉曼光谱数据中特征峰的位置。
第二方面,本申请的实施方式还提供了一种电子设备,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述的拉曼光谱特征峰的定位方法。
第三方面,本申请的实施方式还提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时实现上述的拉曼光谱特征峰的定位方法。
本申请实施例中,本实施例中通过从有效拉曼光谱数据中获取光谱强度大于特征峰识别阈值的采样点位置,将获取的采样点位置作为该有效拉曼光谱数据中特征峰的位置,本申请无需结合复杂的拟合算法定位特征峰的位置,而是通过简单的比较即可获取特征峰的位置,大大简化了定位特征峰的过程,提高定位特征峰的速度;且本申请中用于定位特征峰的位置的特征峰识别阈值表征了该有效拉曼光谱数据的光谱波动数据,也就是说本申请中特征峰识别阈值与该有效拉曼光谱数据相匹配,不同的有效拉曼光谱数据对应的特征峰阈值不同,提高了该特征峰识别阈值的适应性以及准确性,进而也提高了定位特征峰的位置的准确性。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是根据本申请实施例提供的一种拉曼光谱特征峰的定位方法的流程图;
图2是根据本申请实施例提供的一种执行波动阈值提取操作的示意图;
图3是根据本申请实施例应用图2中的波动阈值提取操作对有效拉曼光谱数据进行处理的示意图;
图4是根据本申请实施例提供的一种获取有效拉曼光谱数据的示意图;
图5是根据本申请实施例应用图2中的波动阈值提取操作对修正拉曼光谱数据进行处理的示意图;
图6是根据本申请获取待测物质的修正拉曼光谱数据的示意图;
图7是根据本申请实施例提供的一种电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
以下各个实施例的划分是为了描述方便,不应对本发明的具体实现方式构成任何限定,各个实施例在不矛盾的前提下可以相互结合相互引用。
本申请的实施例涉及一种拉曼光谱特征峰的定位方法,该方法可以由电子设备执行,其流程如图1所示:
步骤101:获取待测物质的有效拉曼光谱数据。
具体地,待测物质可以是液体、固体、粉末等,可以通过拉曼采集设备采集待测物质的拉曼光谱,可以将采集到的拉曼光谱数据作为该有效拉曼光谱数据,也可以根据扣除基线的拉曼光谱数据确定该待测物质的有效拉曼光谱数据,例如,将扣除基线的拉曼光谱数据作为有效拉曼光谱数据。
步骤102:对有效拉曼光谱数据进行波动阈值提取操作,获取表征有效拉曼光谱数据的光谱强度波动特性的波动阈值,并将波动阈值作为有效拉曼光谱数据对应的特征峰识别阈值。
具体地,有效拉曼光谱数据包括L个离散的采样点,L为大于1的整数,该光谱数据可以为横坐标为波数,纵坐标为光谱强度的曲线。各个采样点的连线形成该有效拉曼光谱数据,不同的有效拉曼光谱数据的光谱强度波动不相同,该有效拉曼光谱数据中的波动阈值表示各采样点的光谱强度集中趋势的量数,本示例中,为了提高特征峰识别阈值的准确性,该波动阈值提取操作可以是:通过获取该有效拉曼光谱数据的光谱强度的均值和均方根,共同确定该有效拉曼光谱数据的波动阈值。例如,可以将该有效拉曼光谱数据的光谱强度的均值和均方根之和作为波动阈值。
步骤103:从有效拉曼光谱数据中获取光谱强度大于特征峰识别阈值的采样点位置,将获取的采样点位置作为有效拉曼光谱数据中特征峰的位置。
具体地,可以将有效拉曼光谱数据中各个采样点的光谱强度和该特征峰识别阈值进行比较,获取光谱强度大于特征峰识别阈值的采样点的位置,将获取的采样点位置作为有效拉曼光谱数据中特征峰的位置。例如,有效拉曼光谱数据表示为Spc_Z,特征峰识别阈值表示为Spc_Z_3_Thd,大于Spc_Z_3_Thd的采样点若为{Z1、Z2……ZC},C为大于2的整数,ZC所在波数位置即为第C个特征峰所在位置。
本申请实施例中,本实施例中通过从有效拉曼光谱数据中获取光谱强度大于特征峰识别阈值的采样点位置,将获取的采样点位置作为该有效拉曼光谱数据中特征峰的位置,本申请无需结合复杂的拟合算法定位特征峰的位置,而是通过简单的比较即可获取特征峰的位置,大大简化了定位特征峰的过程,提高定位特征峰的速度;且本申请中用于定位特征峰的位置的特征峰识别阈值表征了该有效拉曼光谱数据的光谱波动数据,也就是说本申请中特征峰识别阈值与该有效拉曼光谱数据相匹配,不同的有效拉曼光谱数据对应的特征峰阈值不同,提高了该特征峰识别阈值的适应性以及准确性,进而也提高了定位特征峰的位置的准确性。
在一个实施例中,提供了一种执行波动阈值提取操作的示意图,如图2所示:
步骤S1:获取第n次待提取的拉曼光谱数据的均值作为第n次均值,以及获取第n次待提取的拉曼光谱数据的均方根作为第n次均方根,n为大于或等于1的整数。
具体地,预设次数可以根据实际应用进行设置,例如,预设次数的值可以是1、2或3以上。第1次待提取的拉曼光谱数据为进行该波动阈值提取操作的提取对象,例如,进行波动阈值提取操作的提取对象为有效拉曼光谱数据,则第1次代提取的拉曼光谱数据为该有效拉曼光谱数据。
若第n次待提取的拉曼光谱数据包括Z个采样点,Z为大于1的整数,计算Z个采样点的光谱强度的均值和均方根,均值和均方根的计算方式此处不再进行赘述;得到第n次待提取的拉曼光谱数据的均值作为第n次均值,以及得到第n次待提取的拉曼光谱数据的均方根作为第n次均方根。
步骤S2:根据第n次均值和第n次均方根,确定第n次待提取的拉曼光谱数据的光谱强度阈值作为第n次波动阈值。
具体地,根据预设的波动阈值表达式、第n次均值和第n次均方根,获得第n次波动阈值;波动阈值表达式为:Spc_n_Thd=Spc_n_mean+K*Spc_n_std,其中,Spc_n_Thd表示为第n次波动阈值,Spc_n_mean表示第n次均值,Spc_n_std表示第n次均方根,K表示加权系数,K为正数,K可以为正整数如1、2等,或者K为正的小数,如0.1、0.2等。
K的取值可以为1,则波动阈值表达式为:Spc_n_Thd=Spc_n_mean+Spc_n_std,Spc_n_Thd表示为第n次波动阈值,Spc_n_mean表示第n次均值,Spc_n_std表示第n次均方根。
根据该波动阈值表达式,即可获得该第n次波动阈值。
步骤S3:检测n是否小于预设次数,若检测到n小于预设次数,则执行步骤S4;否则,执行步骤S6。
判断n是否小于预设次数,预设次数可以根据实际应用设置,例如,若预设次数为1,则确定执行步骤S6,即将第1次波动阈值作为特征峰识别阈值;若预设次数为2,则当n小于2时,则执行步骤S4。
步骤S4:根据第n次波动阈值从第n次待提取的拉曼光谱数据中提取出n+1次待提取的拉曼光谱数据。
具体地,可以将第n次待提取的拉曼光谱数据中各采样点的光谱强度与该第n次波动阈值进行比较,获取光谱强度大于该第n次波动阈值的采样点,将获取的采样点组成第n+1次待提取的拉曼光谱数据。例如,若n=1,获取光谱强度大于第1次波动阈值的采样点分别为Z1、Z2……Z50;则将Z1……Z50组合作为第2次待提取的拉曼光谱数据。
步骤S5:更新n的值为n+1,并返回执行获取第n次待提取的拉曼光谱数据的均值作为第n次均值,以及获取第n次待提取的拉曼光谱数据的均方根作为第n次均方根的步骤,即返回执行步骤S1。
具体地,令n=n+1;返回执行步骤S1,以重新获取下一次待提取的拉曼光谱数据的波动阈值。
步骤S6:将第n次波动阈值作为提取到的光谱强度波动阈值。
本实施例中,波动阈值提取操作通过获取待提取的拉曼光谱数据的均值和均方根,确定出该待提取的拉曼光谱数据的波动阈值,该计算量较小,使得可以快速确定待提取的拉曼光谱数据的光谱强度波动阈值。当预设次数大于0时,可以不断通过每次获取的波动阈值,减小获取拉曼光谱数据中光谱强度波动大的数据范围,通过多次与对应的波动阈值进行比较,可以准确获取待提取的拉曼光谱数据的光谱强度波动阈值,使得该拉曼光谱强度波动阈值更准确,也适应于提取任何拉曼光谱数据,提高了确定拉曼光谱强度波动阈值的适用性。
应用上述S1~S6的波动阈值提取操作对有效拉曼光谱数据进行处理的示意图如图3所示:
步骤101:获取待测物质的有效拉曼光谱数据。
步骤S1:获取第n次待提取的拉曼光谱数据的均值作为第n次均值,以及获取第n次待提取的拉曼光谱数据的均方根作为第n次均方根,n为大于或等于1的整数。
具体地,本实施例中,波动阈值提取操作中的预设次数可以为4,设置初始n=1;即获取第1次待提取的拉曼光谱数据为有效拉曼光谱数据,有效拉曼光谱数据记为Spc_Z,计算该Spc_Z的均值作为第1次均值,计算Spc_Z的均方根作为第1次均方根。
步骤S2:根据第n次均值和第n次均方根,确定第n次待提取的拉曼光谱数据的光谱强度阈值作为第n次波动阈值。
具体地,波动阈值表达式为:Spc_1_Thd=Spc_1_mean+K*Spc_1_std,其中,Spc_1_Thd表示为第1次波动阈值,Spc_1_mean表示第1次均值,Spc_1_std表示第1次均方根,K表示加权系数,K为正数。本示例中,K的取值可以为1。获取第1次波动阈值Spc_1_Thd=Spc_1_mean+Spc_1_std。
步骤S3:检测n是否小于预设次数,若检测到n小于预设次数,则执行步骤S4;否则,执行步骤S6。
检测该n的值是否小于预设次数4,当n小于4时,执行步骤S4,当n等于4或大于4时,执行步骤S6。
步骤S4:根据第n次波动阈值从第n次待提取的拉曼光谱数据中提取出n+1次待提取的拉曼光谱数据。
可以遍历该Spc_Z中的每个采样点,查找光谱强度大于Spc_1_Thd的采样点Zi存入数组Spc_Z_2,数组Spc_Z_2中的采样点即为第n+1次待提取的拉曼光谱数据。
步骤S5:更新n的值为n+1,并返回执行获取第n次待提取的拉曼光谱数据的均值作为第n次均值,以及获取第n次待提取的拉曼光谱数据的均方根作为第n次均方根的步骤,即返回执行步骤S1。
具体地,更新n的值为2,返回执行S1,即计算Spc_Z_2的均值作为第2次均值,计算Spc_Z_2的均方根作为第2次均方根。根据波动阈值表达,确定第2次波动阈值Spc_2_Thd=Spc_2_mean+Spc_2_std;检测到2小于预设次数4,可以遍历该Spc_Z_2中的每个采样点,查找光谱强度大于Spc_2_Thd的采样点Zi2存入数组Spc_Z_3。更新n的值为3,计算Spc_Z_3的均值作为第3次均值,计算Spc_Z_3的均方根作为第3次均方根。根据波动阈值表达,确定第3次波动阈值Spc_3_Thd=Spc_3_mean+Spc_3_std;检测到3小于预设次数4,可以遍历该Spc_Z_3中的每个采样点,查找光谱强度大于Spc_3_Thd的采样点Zi3存入数组Spc_Z_4;更新n的值为4,计算Spc_Z_4的均值作为第4次均值,计算Spc_Z_4的均方根作为第4次均方根。根据波动阈值表达,确定第4次波动阈值Spc_4_Thd=Spc_4_mean+Spc_4_std;检测到4等于预设次数4,则执行步骤S6:将该Spc_4_Thd作为有效拉曼光谱数据的光谱强度波动阈值。
步骤S6:将第n次波动阈值作为提取到的光谱强度波动阈值。
步骤103:从有效拉曼光谱数据中获取光谱强度大于特征峰识别阈值的采样点位置,将获取的采样点位置作为有效拉曼光谱数据中特征峰的位置。
本实施例中,应用了上述步骤S1~S6的波动阈值提取操作,该波动阈值提取操作进行了多次波动阈值的提取,提高了波动阈值的准确性,同时波动阈值的计算量小,计算速度快,提高了确定特征峰位置的速度和准确度。
在一个实施例中,为了提高有效拉曼光谱数据的准确性,本实施例中提供了一种获取有效拉曼光谱数据的方式,其示意图如图4所示:
步骤1011:获取待测物质的修正拉曼光谱数据,修正拉曼光谱数据中各采样点的光谱强度位于预设的标准范围内。
具体地,预设的标准范围可以是0~1之间,获取到待测物质的初始拉曼光谱数据,可以对该初始拉曼光谱数据进行归一化处理,获得修正拉曼光谱数据。
步骤1012:对修正拉曼光谱数据进行波动阈值提取操作,获取修正拉曼光谱数据的光谱强度波动阈值作为过滤阈值。
可以对修正拉曼光谱数据进行上述实施例中的步骤S1~S6,以获取该修正拉曼光谱数据的光谱强度波动阈值作为过滤阈值。
步骤1013:根据过滤阈值,去除修正拉曼光谱数据中的干扰信号,生成有效拉曼光谱数据。
具体地,获取修正拉曼光谱数据中光谱强度小于过滤阈值的采样点作为待处理采样点;获取待处理采样点的邻域;更新待处理采样点的光谱强度为邻域内光谱强度的均值;将更新后的待处理采样点和大于等于过滤阈值的采样点组合形成有效拉曼光谱数据。获取待处理采样点的邻域包括:获取以待处理采样点为中心,且相距待处理采样点预设采样点数的区域;将获取的区域作为待处理采样点的邻域。例如,修正拉曼光谱数据记为Spc_Y,Spc_Y包括:{Yi,i=3…N-2},当Yi小于过滤阈值时,计算以Yi为中心的相邻5个采样点区域内光谱强度的均值Zi,即令Spc_Z={Zi,i=i=3…N-2},Spc_Z中的Z1=Y1,Z2=Y2,ZN-1=YN-1,ZN=YN,即将更新了光谱强调的待处理采样点和大于等于该过滤阈值的采样点组合为有效拉曼光谱数据,如将数组中的Z1以Y1替代,该Spc_Z为小信号噪声抑制后的光谱数据,即为有效拉曼光谱数据。
步骤102:对有效拉曼光谱数据进行波动阈值提取操作,获取表征有效拉曼光谱数据的光谱强度波动特性的波动阈值,并将波动阈值作为有效拉曼光谱数据对应的特征峰识别阈值。
步骤103:从有效拉曼光谱数据中获取光谱强度大于特征峰识别阈值的采样点位置,将获取的采样点位置作为有效拉曼光谱数据中特征峰的位置。
本实施例中,在修正拉曼光谱数据中存在有小信号噪声,容易导致对特征峰位置定位不准确的问题,通过波动阈值提取操作,可以尽可能缩小特征峰的范围,提取出与特征峰的光谱强度波动最接近的波动阈值,并将该提取的波动阈值作为过滤阈值,由于过滤阈值表征了该修正拉曼光谱数据的光谱强度趋势的值,故,选取小于该过滤阈值的采样点,可以保证过滤后的采样点既包括大信号也包括小信号,而通过获取该采样点的邻域的均值,使得保留的采样点的光谱强度更为平滑,进而实现对小信号的抑制,获得有效拉曼光谱数据。
下面结合附图5所示,详细介绍该拉曼光谱特征峰的定位方法中该应用上述S1~S6的波动阈值提取操作对修正拉曼光谱数据进行处理的示意图:
步骤1011:获取待测物质的修正拉曼光谱数据,修正拉曼光谱数据中各采样点的光谱强度位于预设的标准范围内。
在步骤1011之后,可以执行波动阈值提取操作,即执行步骤S1~步骤S6。
步骤S1:获取第n次待提取的拉曼光谱数据的均值作为第n次均值,以及获取第n次待提取的拉曼光谱数据的均方根作为第n次均方根,n为大于或等于1的整数。
波动阈值提取操作中的预设次数可以为4,设置初始n=1;即获取第1次待提取的拉曼光谱数据为有效拉曼光谱数据,修正拉曼光谱数据记为Spc_Y,Spc_Y={Yi,i=1,…,N},计算该Spc_Y的均值作为该待提取的光谱数据的第1次均值,记为Spc_Y_1_mean,计算Spc_Y的均方根作为第1次均方根,记为Spc_Y_1_std。
步骤S2:根据第n次均值和第n次均方根,确定第n次待提取的拉曼光谱数据的光谱强度阈值作为第n次波动阈值。
波动阈值表达式为:Spc_Y_1_Thd=Spc_Y_1_mean+K*Spc_Y_1_std,其中,Spc_Y_1_Thd表示为第1次波动阈值,Spc_Y_1_mean表示第1次均值,Spc_Y_1_std表示第1次均方根,K表示加权系数,K为正数。本示例中,K的取值可以为1。获取第1次波动阈值Spc_Y_1_Thd=Spc_Y_1_mean+Spc_Y_1_std。
步骤S3:检测n是否小于预设次数,若检测到n小于预设次数,则执行步骤S4;否则,执行步骤S6。
检测该n的值是否小于预设次数4,当n小于4时,执行步骤S4,当n等于4或大于4时,执行步骤S6。
步骤S4:根据第n次波动阈值从第n次待提取的拉曼光谱数据中提取出n+1次待提取的拉曼光谱数据。
可以遍历该Spc_Y中的每个采样点,查找光谱强度大于Spc_Y_1_Thd的采样点Yi存入数组Spc_Y_2。
步骤S5:更新n的值为n+1,并返回执行获取第n次待提取的拉曼光谱数据的均值作为第n次均值,以及获取第n次待提取的拉曼光谱数据的均方根作为第n次均方根的步骤,即返回执行步骤S1。
更新n的值为2,返回执行S1,即计算Spc_Y_2的均值作为第2次均值,计算Spc_Y_2的均方根作为第2次均方根。根据波动阈值表达,确定第2次波动阈值Spc_Y_2_Thd=Spc_Y_2_mean+Spc_Y_2_std;检测到2小于预设次数4,可以遍历该Spc_Y_2中的每个采样点,查找光谱强度大于Spc_Y_2_Thd的采样点Yi2存入数组Spc_Y_3。更新n的值为3,计算Spc_Y_3的均值作为第3次均值,计算Spc_Y_3的均方根作为第3次均方根。根据波动阈值表达,确定第3次波动阈值Spc_Y_3_Thd=Spc_Y_3_mean+Spc_Y_3_std;检测到3小于预设次数4,可以遍历该Spc_Y_3中的每个采样点,查找光谱强度大于Spc_Y_3_Thd的采样点Yi3存入数组Spc_Y_4;更新n的值为4,算Spc_Y_4的均值作为第4次均值,计算Spc_Y_4的均方根作为第4次均方根。根据波动阈值表达,确定第4次波动阈值Spc_Y_4_Thd=Spc_Y_4_mean+Spc_Y_4_std;检测到4等于预设次数4,则执行步骤S6:将该Spc_Y_4_Thd作为标准光谱数据的光谱强度波动阈值。
步骤S6:将第n次波动阈值作为提取到的光谱强度波动阈值。该步骤之后可以执行步骤1013。
将修正拉曼光谱数据的光谱强度波动阈值作为过滤阈值。
步骤1013:根据过滤阈值,去除修正拉曼光谱数据中的干扰信号,生成有效拉曼光谱数据。
步骤102:对有效拉曼光谱数据进行波动阈值提取操作,获取表征有效拉曼光谱数据的光谱强度波动特性的波动阈值,并将波动阈值作为有效拉曼光谱数据对应的特征峰识别阈值。
具体过程与S1~S6大致相同,该预设次数n可以为4,本实施例将详细介绍该过程。
步骤103:从有效拉曼光谱数据中获取光谱强度大于特征峰识别阈值的采样点位置,将获取的采样点位置作为有效拉曼光谱数据中特征峰的位置。
本实施例中,该拉曼光谱特征峰的定位方法中该应用上述S1~S6的波动阈值提取操作对修正拉曼光谱数据的处理过程,通过使用波动阈值提取操作,可以获取大信号的光谱波动特性,将提取的波动阈值作为过滤阈值,而可以集可以获取到大信号,也可以获取到小信号。
在一个实施例中,获取待测物质的修正拉曼光谱数据的示意图如图6所示:
步骤1011-1:采集待测物质的初始拉曼光谱数据。
步骤1011-2:去除初始拉曼光谱数据的基线。
去除初始拉曼光谱数据的基线,去除基线的初始拉曼光谱数据记为:Spc_X={Xi,i=1,…,N},其中Xi为第i个采样点对应的光谱强度,N为Spc_X的采样点的数目。
步骤1011-3:对去除基线的初始拉曼光谱数据进行归一化数据,获得修正拉曼光谱数据。
对光谱曲线数据Spc_X的值Xi做归一化处理的过程为:查找Spc_X中光谱强度的最大值Xi_max;遍历Spc_X中的每个Xi,计算Yi=Xi/Xi_max,令Spc_Y={Yi,i=1,…,N},数组Spc_Y即为归一化处理后的光谱数据,将归一化后的光谱数据作为修正拉曼光谱数据。
步骤1011:获取待测物质的修正拉曼光谱数据,修正拉曼光谱数据中各采样点的光谱强度位于预设的标准范围内。
步骤1012:对修正拉曼光谱数据进行波动阈值提取操作,获取修正拉曼光谱数据的光谱强度波动阈值作为过滤阈值。
步骤1013:根据过滤阈值,去除修正拉曼光谱数据中的干扰信号,生成有效拉曼光谱数据。
步骤102:对有效拉曼光谱数据进行波动阈值提取操作,获取表征有效拉曼光谱数据的光谱强度波动特性的波动阈值,并将波动阈值作为有效拉曼光谱数据对应的特征峰识别阈值。
步骤103:从有效拉曼光谱数据中获取光谱强度大于特征峰识别阈值的采样点位置,将获取的采样点位置作为有效拉曼光谱数据中特征峰的位置。
本实施例中,通过对初始拉曼光谱数据进行归一化处理,使得待测物质得光谱强度范围映射到[0,1]之间,使不同物质的光谱强度标准化,解决了采集设备和物质差异带来的光谱强度不一致问题。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本申请实施例涉及一种电子设备,该电子设备的结构如图7所示,包括:至少一个处理器201;以及,与至少一个处理器201通信连接的存储器202;其中,存储器202存储有可被至少一个处理器201执行的指令,指令被至少一个处理器201执行,以使至少一个处理器201能够执行上述的拉曼光谱特征峰的定位方法。
其中,存储器202和处理器201采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器201和存储器202的各种电路链接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器。
处理器201负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
本申请实施例涉及一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时实现上述的拉曼光谱特征峰的定位方法。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (10)
1.一种拉曼光谱特征峰的定位方法,其特征在于,包括:
获取待测物质的有效拉曼光谱数据;
对所述有效拉曼光谱数据进行波动阈值提取操作,获取表征所述有效拉曼光谱数据的光谱强度波动特性的波动阈值,并将所述波动阈值作为所述有效拉曼光谱数据对应的特征峰识别阈值;
从所述有效拉曼光谱数据中获取光谱强度大于所述特征峰识别阈值的采样点位置,将获取的所述采样点位置作为所述有效拉曼光谱数据中特征峰的位置。
2.根据权利要求1所述的拉曼光谱特征峰的定位方法,其特征在于,所述获取待测物质的有效拉曼光谱数据,包括:
获取所述待测物质的修正拉曼光谱数据,所述修正拉曼光谱数据中各采样点的光谱强度位于预设的标准范围内;
对所述修正拉曼光谱数据进行波动阈值提取操作,获取所述修正拉曼光谱数据的光谱强度波动阈值作为过滤阈值;
根据所述过滤阈值,去除所述修正拉曼光谱数据中的干扰信号,生成所述有效拉曼光谱数据。
3.根据权利要求1至2中任一项所述的拉曼光谱特征峰的定位方法,其特征在于,所述波动阈值提取操作,包括:
获取第n次待提取的拉曼光谱数据的均值作为第n次均值,以及获取第n次待提取的拉曼光谱数据的均方根作为第n次均方根,n为大于或等于1的整数;
根据所述第n次均值和所述第n次均方根,确定第n次待提取的拉曼光谱数据的光谱强度阈值作为第n次波动阈值;
若检测到n大于或等于预设次数,则将所述第n次波动阈值作为提取到的光谱强度波动阈值;
若检测到n小于所述预设次数,则根据第n次波动阈值从所述第n次待提取的拉曼光谱数据中提取出n+1次待提取的拉曼光谱数据;更新n的值为n+1,并返回执行获取第n次待提取的拉曼光谱数据的均值作为第n次均值,以及获取第n次待提取的拉曼光谱数据的均方根作为第n次均方根的步骤。
4.根据权利要求3所述的拉曼光谱特征峰的定位方法,其特征在于,所述根据所述第n次均值和所述第n次均方根,确定第n次待提取的拉曼光谱数据的光谱强度阈值作为第n次波动阈值,包括:
根据预设的波动阈值表达式、所述第n次均值和所述第n次均方根,获得所述第n次波动阈值;
所述波动阈值表达式为:Spc_n_Thd=Spc_n_mean+K*Spc_n_std,其中,Spc_n_Thd表示为所述第n次波动阈值,Spc_n_mean表示所述第n次均值,Spc_n_std表示所述第n次均方根,K表示加权系数,K为正数。
5.根据权利要求2所述的拉曼光谱特征峰的定位方法,其特征在于,所述根据所述过滤阈值,去除所述修正拉曼光谱数据中的干扰信号,生成所述有效拉曼光谱数据,包括:
获取所述修正拉曼光谱数据中光谱强度小于所述过滤阈值的采样点作为待处理采样点;
获取所述待处理采样点的邻域;
更新所述待处理采样点的光谱强度为所述邻域内光谱强度的均值;
将更新后的所述待处理采样点和大于等于所述过滤阈值的采样点组合形成所述有效拉曼光谱数据。
6.根据权利要求5所述的拉曼光谱特征峰的定位方法,其特征在于,所述获取所述待处理采样点的邻域,包括:
获取以所述待处理采样点为中心,且相距所述待处理采样点预设采样点数的区域;
将获取的所述区域作为所述待处理采样点的邻域。
7.根据权利要求2所述的拉曼光谱特征峰的定位方法,其特征在于,所述获取所述待测物质的修正拉曼光谱数据,包括:
采集所述待测物质的初始拉曼光谱数据;
去除所述初始拉曼光谱数据的基线;
对去除基线的所述初始拉曼光谱数据进行归一化数据,获得所述修正拉曼光谱数据。
8.根据权利要求3所述的拉曼光谱特征峰的定位方法,其特征在于,所述预设次数为3。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-8任一所述的拉曼光谱特征峰的定位方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的拉曼光谱特征峰的定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110732279.2A CN115541021A (zh) | 2021-06-29 | 2021-06-29 | 拉曼光谱特征峰的定位方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110732279.2A CN115541021A (zh) | 2021-06-29 | 2021-06-29 | 拉曼光谱特征峰的定位方法、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115541021A true CN115541021A (zh) | 2022-12-30 |
Family
ID=84705821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110732279.2A Pending CN115541021A (zh) | 2021-06-29 | 2021-06-29 | 拉曼光谱特征峰的定位方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115541021A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117454123A (zh) * | 2023-12-26 | 2024-01-26 | 奥谱天成(厦门)光电有限公司 | 基于过滤的拉曼光谱纯净物匹配方法及其系统、介质 |
-
2021
- 2021-06-29 CN CN202110732279.2A patent/CN115541021A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117454123A (zh) * | 2023-12-26 | 2024-01-26 | 奥谱天成(厦门)光电有限公司 | 基于过滤的拉曼光谱纯净物匹配方法及其系统、介质 |
CN117454123B (zh) * | 2023-12-26 | 2024-03-12 | 奥谱天成(厦门)光电有限公司 | 基于过滤的拉曼光谱纯净物匹配方法及其系统、介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112415078B (zh) | 一种质谱数据谱图信号校准方法及装置 | |
US6904390B2 (en) | Method, computer program, and system for automated real-time signal analysis for detection, quantification, and prediction of signal changes | |
WO2018103541A1 (zh) | 用于去除溶剂干扰的拉曼光谱检测方法和电子设备 | |
CN115541021A (zh) | 拉曼光谱特征峰的定位方法、电子设备及存储介质 | |
CN114611582B (zh) | 一种基于近红外光谱技术分析物质浓度的方法及系统 | |
CN117112514A (zh) | 基于对氯甲基苯乙烯生产数据的记录存储方法 | |
EP3588120B1 (en) | System and method for improved signal detection in nmr spectroscopy | |
US7865322B2 (en) | Relative noise | |
CN114167237A (zh) | 一种gis局部放电故障识别方法、系统、计算机设备、存储介质 | |
CN111353526A (zh) | 一种图像匹配方法、装置以及相关设备 | |
CN116359201A (zh) | 一种药品鉴定方法、系统、存储介质和电子设备 | |
CN115797318A (zh) | 一种光谱数据预处理方法、装置、计算机设备及存储介质 | |
CN113610817B (zh) | 一种特征峰识别方法及计算设备、存储介质 | |
CN114882901A (zh) | 一种基于频域卷积和边际谱反馈的虾类声信号时频特征提取方法 | |
CN108616315B (zh) | 功放输出功率检测方法、装置、计算机设备及存储介质 | |
CN117892061B (zh) | 用于定性定量分析的一维谱图数据处理方法、系统、终端及介质 | |
CN118296539B (zh) | 一种面粉加工设备的异常状态分析方法、系统及介质 | |
CN117093841B (zh) | 小麦透射光谱的异常光谱筛选模型确定方法、装置及介质 | |
CN118248169B (zh) | 一种基于音频数据的燃气泄漏识别方法以及相关装置 | |
CN113960555B (zh) | 目标太赫兹时域回波处理方法、装置、设备及存储介质 | |
CN113723225A (zh) | 一种新型的定标信号处理方法、系统、电子设备及存储介质 | |
CN113433513B (zh) | 一种雷达脉冲信号信道检测方法 | |
EP4105672A1 (en) | Systems and methods for provisioning training data to enable neural networks to analyze signals in nmr measurements | |
CN115310470A (zh) | 一种脉冲信号处理方法、识别方法及相关装置 | |
CN115859044A (zh) | 奇异谱分析和正交基方法结合的磁异常目标检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |