CN116595291B - 荧光衰减曲线的多指数拟合方法、装置、计算机设备 - Google Patents
荧光衰减曲线的多指数拟合方法、装置、计算机设备 Download PDFInfo
- Publication number
- CN116595291B CN116595291B CN202310875641.0A CN202310875641A CN116595291B CN 116595291 B CN116595291 B CN 116595291B CN 202310875641 A CN202310875641 A CN 202310875641A CN 116595291 B CN116595291 B CN 116595291B
- Authority
- CN
- China
- Prior art keywords
- fluorescence
- luminous
- individual
- individuals
- sulfur dioxide
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 121
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims abstract description 166
- 230000006870 function Effects 0.000 claims abstract description 83
- 230000008569 process Effects 0.000 claims abstract description 52
- 238000001857 fluorescence decay curve Methods 0.000 claims abstract description 50
- 206010070834 Sensitisation Diseases 0.000 claims abstract description 43
- 230000008313 sensitization Effects 0.000 claims abstract description 43
- 238000009826 distribution Methods 0.000 claims abstract description 41
- 238000012546 transfer Methods 0.000 claims abstract description 36
- 235000010269 sulphur dioxide Nutrition 0.000 claims description 81
- 230000008859 change Effects 0.000 claims description 17
- 230000003044 adaptive effect Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000007774 longterm Effects 0.000 claims description 6
- 230000001678 irradiating effect Effects 0.000 claims description 5
- 239000004291 sulphur dioxide Substances 0.000 claims description 5
- 238000004020 luminiscence type Methods 0.000 claims description 3
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims 1
- 229910052717 sulfur Inorganic materials 0.000 claims 1
- 239000011593 sulfur Substances 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 6
- 230000005284 excitation Effects 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 6
- 239000007789 gas Substances 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000005670 electromagnetic radiation Effects 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002105 nanoparticle Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明属于数据处理技术领域，涉及一种荧光衰减曲线的多指数拟合方法、装置、计算机设备及存储介质，方法包括下述步骤：获取二氧化硫样本，根据二氧化硫样本，获取发光个体的荧光发射速率；基于不同类型发光个体之间的敏化作用，以及荧光发射速率，构建能量传递指数；基于发光个体在荧光衰减过程中的状态，构建衰减贡献比，获取自适应正态加权函数；将自适应正态加权函数，作为移动最小二乘法中的加权函数，根据移动最小二乘法，进行荧光衰减曲线的多指数拟合。通过不同类型发光个体之间的敏化作用，以及荧光发射速率的分布曲线，构建能量传递指数，能够获取各类发光个体对空间不均匀性的影响，提高荧光曲线的多指数衰减的拟合精度。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及荧光衰减曲线的多指数拟合方法、装置、计算机设备及存储介质。
背景技术
荧光衰减曲线（Fluorescence Decay Curve）是一种用于研究特定分子的荧光度变化过程的统计方法。它使用特定条件下分子荧光衰减的数据，可以被用来表征发射光的光学性质和物理性质。荧光衰减曲线的原理在于，当特定的分子受到特定的电磁辐射时，其能量会发生变化，导致分子荧光强度的变化。荧光衰减曲线可以通过测量不同时刻荧光信号的强度变化，来推断出荧光分子在受到电磁辐射后发生的变化情况。
分析分子的物理或化学机制，需要参考荧光衰减曲线中的多个重要参数，包括半衰期half-Life、曲线斜率、初始衰减率等。半衰期，即荧光衰减到原始强度的一半所需要的时间。通过测量半衰期，可以进一步分析分子荧光衰减的物理机制。例如曲线斜率可以反映分子状态的变化，以及受到电磁辐射后发生的化学反应。而荧光衰减曲线通常是通过拟合方法得到的，因此拟合方法的准确率决定了荧光衰减曲线上参数的可靠性。目前常用的拟合方法包括线性回归、多项式拟合、逻辑回归、阻尼最小二乘法、最小二乘拟合方法等。其中阻尼最小二乘法虽然适用在大对数场景中，但是在处理二参数以及三参数问题时会发现确定的初值很容易造成死循环；最小二乘拟合方法进行数据拟合时，当数据集中存在异常值时，最小二乘拟合算法会受到影响，导致拟合结果失真；而逻辑回归的拟合方法在特征空间较大时，逻辑回归的性能并不好，且用于陷入欠拟合状态，准确率偏低。
发明内容
本发明实施例的目的在于提出一种荧光衰减曲线的多指数拟合方法、装置、计算机设备及存储介质，以解决现有技术中荧光衰减曲线拟合准确率偏低的问题。
为了解决上述技术问题，本发明提供一种荧光衰减曲线的多指数拟合方法，采用了如下所述的技术方案获取二氧化硫样本，根据所述二氧化硫样本，获取发光个体的荧光发射速率；
基于不同类型发光个体之间的敏化作用，以及荧光发射速率，构建能量传递指数；
基于发光个体在荧光衰减过程中的状态，构建衰减贡献比，根据所述衰减贡献比，获取自适应正态加权函数；
将所述自适应正态加权函数，作为移动最小二乘法中的加权函数，根据移动最小二乘法，进行荧光衰减曲线的多指数拟合。
优选地，所述获取二氧化硫样本，根据所述二氧化硫样本，获取发光个体的荧光发射速率的步骤具体包括：
由注射器采集多种不同浓度的所述二氧化硫样本；
由脉冲激光分别照射多种不同浓度的所述二氧化硫样本；
利用光子探测器记录单位时间内的荧光光子数量，单位时间内发射的荧光光子数量即为发光个体的荧光发射速率。
优选地，所述基于不同类型发光个体之间的敏化作用，以及荧光发射速率，构建能量传递指数的步骤具体包括：
假设所述二氧化硫样本的浓度为，a类发光个体的荧光发射速率v与记录时间t之间呈现的状态分布曲线为/>，增加b类发光个体荧光发射速率的状态分布曲线为；
计算a类发光个体的长期关联指数，/>，其中/>是在浓度为/>的二氧化硫n个单位时间内a类发光个体的荧光发射速率构成序列的赫斯特指数，/>是在浓度为/>的二氧化硫增加b类发光个体后n个单位时间内a类发光物体的荧光发射速率构成序列的赫斯特指数；
计算a类发光个体的敏化指数，，其中/>为二氧化硫气体中发光个体的种类数量，/>是状态分布曲线/>、/>之间的DTW距离；
计算能量传递指数，/>，其中/>是二氧化硫样本的浓度数量。
优选地，所述基于发光个体在荧光衰减过程中的状态，构建衰减贡献比，根据所述衰减贡献比，获取自适应正态加权函数的步骤具体包括：
基于发光个体在荧光衰减过程中的状态，构建衰减贡献比R，用于表征不同发光个体对荧光衰减曲线拟合结果的影响，计算a类发光个体的衰减贡献比:
，/>，/>，其中N是二氧化硫中发光个体的种类，/>表示增加b类发光个体后，a类发光个体的荧光发射率的信息熵，/>表示a类发光个体荧光发射率的信息熵，/>、/>分别是a、b类发光个体速率变化熵构成的熵序列，/>为熵序列之间的皮尔逊相关系数，/>是依次增加N-1种发光个体后，N-1个a类发光个体能量传递指数的分布方差；
根据衰减贡献比，计算a类发光个体第p个数据点的影响域半径/>；
，其中/>是传统正态加权函数中影响域半径的初始值；
根据影响域半径，获取自适应正态加权函数/>：
，其中D是其余样本点到点p的欧式距离。
优选地，所述将所述自适应正态加权函数，作为移动最小二乘法中的加权函数，根据移动最小二乘法，进行荧光衰减曲线的多指数拟合的步骤具体包括：
将自适应正态加权函数替代移动最小二乘法中的加权函数；
进行荧光衰减曲线的多指数拟合:
，其中/>、/>至/>分别是K个荧光寿命组的荧光寿命值、/>、/>至/>分别是K个荧光寿命组的权重。
优选地，在所述进行荧光衰减曲线的多指数拟合的步骤之后还包括：
获取荧光衰减曲线的多指数拟合结果，获取不同荧光寿命组的荧光寿命值，以及各荧光寿命组在整体衰减曲线中的权重。
为了解决上述技术问题，本发明还提供一种荧光衰减曲线的多指数拟合装置，采用了如下所述的技术方案，包括：
获取模块，用于获取二氧化硫样本，根据所述二氧化硫样本，获取发光个体的荧光发射速率；
构建模块，用于基于不同类型发光个体之间的敏化作用，以及荧光发射速率，构建能量传递指数；
加权模块，用于基于发光个体在荧光衰减过程中的状态，构建衰减贡献比，根据所述衰减贡献比，获取自适应正态加权函数；
拟合模块，用于将所述自适应正态加权函数，作为移动最小二乘法中的加权函数，根据移动最小二乘法，进行荧光衰减曲线的多指数拟合。
优选地，所述获取模块包括：
采集模块，用于由注射器采集多种不同浓度的二氧化硫样本；
照射模块，用于由脉冲激光分别照射多种不同浓度的二氧化硫样本；
速率获取模块，用于利用光子探测器记录单位时间内的荧光光子数量，单位时间内发射的荧光光子数量即为发光个体的荧光发射速率。
为了解决上述技术问题，本发明还提供一种计算机设备，采用了如下所述的技术方案，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现上述的荧光衰减曲线的多指数拟合方法的步骤。
为了解决上述技术问题，本发明还提供一种计算机可读存储介质，采用了如下所述的技术方案，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现上述的荧光衰减曲线的多指数拟合方法的步骤。
与现有技术相比，本发明主要有以下有益效果：通过不同类型发光个体之间的敏化作用，以及荧光发射速率的分布曲线，构建能量传递指数，能量传递指数考虑了所有二氧化硫样本浓度下，进入激发态过程中不同类发光个体之间敏化作用的可能性，能够获取各类发光个体对空间不均匀性的影响，提高荧光曲线的多指数衰减的拟合精度；并基于发光个体在荧光衰减过程中的状态构建衰减贡献比，衰减贡献比考虑了不同类发光个体在敏化作用前后的荧光发射速率信息熵的变化情况，通过衡量不同类发光个体的荧光寿命衰减规律与整体荧光寿命衰减规律的相似性，能够提高后续多指数拟合过程中不同数据点自适应获取正态加权权值的准确率。
附图说明
为了更清楚地说明本发明中的方案，下面将对本发明实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的荧光衰减曲线的多指数拟合方法的一个实施例的流程图；
图2是本发明的荧光衰减曲线的多指数拟合装置的一个实施例的结构示意图；
图3是本发明的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明；本发明的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本发明的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本发明方案，下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本发明实施例所提供的荧光衰减曲线的多指数拟合方法一般由服务器/终端设备执行，相应地，荧光衰减曲线的多指数拟合装置一般设置于服务器/终端设备中。
应该理解，服务器与终端设备可以通过网络连接，终端设备、网络、服务器的数目可以仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
实施例一：
继续参考图1，示出了本发明的荧光衰减曲线的多指数拟合方法的一个实施例的流程图。所述荧光衰减曲线的多指数拟合方法，包括以下步骤：
步骤S1，获取二氧化硫样本，根据二氧化硫样本，获取发光个体的荧光发射速率。
在本实施例中，荧光衰减曲线的多指数拟合方法运行于其上的电子设备(例如服务器/终端设备)可以通过有线连接方式或者无线连接方式接收荧光衰减曲线的多指数拟合请求。需要指出的是，上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAXX连接、Zigbee连接、UWB( ultra wideband )连接、以及其他现在已知或将来开发的无线连接方式。
在本实施例的一些可选的实现方式中，步骤S1还可以包括步骤：
S11、由注射器采集多种不同浓度的二氧化硫样本。
利用注射器采样法从空气站获取M种不同浓度下的污染气体样本，本发明中将二氧化硫作为污染气体。
S12、由脉冲激光分别照射多种不同浓度的二氧化硫样本。
激光是指通过受激辐射而产生，放大的光，即受激辐射的光放大。特点是单色性极好，发散度极小，亮度（功率）可以达到很高。产生激光需要“激发来源”，“增益介质”，“共振结构”这三个要素。脉冲就是隔一段相同的时间发出的波（电波/光波等等）等机械形式。激光脉冲指的是脉冲工作方式的激光器发出的一个光脉冲，简单的说，好比手电筒的工作一样，一直合上按钮就是连续工作，合上开关立刻又关掉就是发出了一个“光脉冲”。激光脉冲能做到特别短，譬如“皮秒”级别，就是说脉冲的时间为皮秒这个数量级——而1皮秒等于一万亿分之一秒。利用脉冲激光分别照射不同浓度的二氧化硫样本，目的是为了获取单位时间内的荧光光子数量。
S13、利用光子探测器记录单位时间内的荧光光子数量，单位时间内发射的荧光光子数量即为发光个体的荧光发射速率。
假设二氧化硫中发光个体的种类记为N类，光子探测器记录每个浓度下每个单位时间内所有类发光个体的荧光发射速率v，M种浓度的二氧化硫样本的记录时长均为n个单位时间，例如，的含义是第i类样本在第一种浓度下第j个单位时间内的荧光发射速率，本发明中M的大小取经验值10，即共采集10种不同浓度的二氧化硫气体作为照射样本。需要说明的是，M的大小也可以根据实际情况选择大小。
至此，得到所有类发光个体的荧光发射速率。
步骤S2，基于不同类型发光个体之间的敏化作用，以及荧光发射速率，构建能量传递指数。
分子吸收激发光子后变成激发态，激发态是通过辐射发光、非辐射发光两种方式衰减，分子在两种方式的衰减率常数分别记为、/>，则/>、/>的和为分子对应的荧光速率衰减常数/>。
通常情况下，认为荧光曲线的多指数衰减过程是由于被照射样品在空间和时间尺度上的不均匀性造成的。空间上的不均匀性是指被照射样品中所包含的大量发光个体之间存在差异，例如，单个分子或单个纳米颗粒之间的衰减特性是不同的。除此之外，对于样品中单个发光个体而言，其所处的微观环境可能是千差万别的，例如温度不均匀、表界面分布不均匀等，由此造成二氧化硫样本中发光个体的并非完全相同，从而使得二氧化硫样本的荧光寿命曲线体现为大量发光个体平均后的多指数衰减过程。
在同一个单位时间内，二氧化硫样本中不同发光个体之间可能会存在高效无辐射能量传递即敏化作用，敏化作用能够增加发光个体之间的发光强度。
在本实施例中，步骤S2还可以包括步骤：
S21、假设二氧化硫样本的浓度为，a类发光个体的荧光发射速率v与记录时间t之间呈现的状态分布曲线为/>，增加b类发光个体荧光发射速率的状态分布曲线为。
在给定的二氧化硫浓度的前提条件下，a类发光个体的发光强度随着记录时间t增大会出现相应的变化，即a类发光个体的荧光发射速率v与记录时间t之间会呈现出一个相应的状态分布曲线，记为/>，将在增加b类发光个体后，a类发光个体荧光发射速率的状态分布曲线记为/>，如果/>与/>存在较大的差异，说明a、b两类发光个体之间的相关性较大，很有可能存在敏华作用，则对于a类发光个体的荧光寿命而言，b类发光个体的荧光发射速率是一个重要变量。
S22、计算a类发光个体的长期关联指数，/>，其中是在浓度为/>的二氧化硫n个单位时间内a类发光个体的荧光发射速率构成序列的赫斯特指数，/>是在浓度为/>的二氧化硫增加b类发光个体后n个单位时间内a类发光物体的荧光发射速率构成序列的赫斯特指数。
的值越大，表示荧光发射速率构成序列的自相关性变化越大，a、b类发光个体的关联性越强。
S23、计算a类发光个体的敏化指数，，其中/>为二氧化硫气体中发光个体的种类数量，/>是状态分布曲线/>、/>之间的DTW距离。
当两个时间序列Q等长时，可以使用欧氏距离来度量两者的相似性。但是当两个时间序列不等长时，欧氏距离就难以度量两者的相似性了。因此，采用动态时间弯曲距离（Dynamic time warping，DTW）作为一种新的相似性度量方法，通过调节时间点之间的对应关系，能够寻找两个任意长时间序列中数据之间的最佳匹配路径，对噪声有很强的鲁棒性，可以更有效地度量时间序列的相似性。由于DTW距离不要求两个时间序列中的点——对应，因此具有更广的适用范围。
a类发光个体的敏化指数的值越大，a类发光个体与b类发光个体之间发生敏化作用的可能性越大。
S24、计算能量传递指数，/>，其中/>是二氧化硫样本的浓度数量。
能量传递指数反映了a类发光个体与其余发光个体之间敏化作用的强弱。荧光发射速率构成序列的自相关性变化越大，/>的值越大，即/>的值越大，荧光发射速率的分布变化越大；状态分布曲线/>、/>之间的差异越大，则b类发光个体对a类发光个体与单位时间t的状态分布影响越大，/>的值越大，/>的值越大，即/>的值越大，M种二氧化硫浓度下a类发光个体与其余发光个体之间发生敏化作用的可能性越大。能量传递指数考虑了所有二氧化硫样本浓度下，进入激发态过程中不同类发光个体之间敏化作用的可能性，其有益效果在于能够获取各类发光个体对空间不均匀性的影响，提高荧光曲线的多指数衰减的拟合精度。
至此，得到每类发光个体的能量传递指数。
步骤S3，基于发光个体在荧光衰减过程中的状态，构建衰减贡献比，根据衰减贡献比，获取自适应正态加权函数。
在本实施例中，步骤S3还可以包括步骤：
S31、基于发光个体在荧光衰减过程中的状态，构建衰减贡献比R，用于表征不同发光个体对荧光衰减曲线拟合结果的影响，计算a类发光个体的衰减贡献比。
对于a类发光个体，逐渐增加其余类发光个体，如果随着发光个体种类的增加，a类发光个体的荧光强度逐渐增大，能量传递指数也呈现出逐渐增大的规律，那么a类发光个体的荧光强度会受到多种发光个体的影响，即a类发光个体的荧光发射速率在n个记录时长内，即衰减过程中总是处于波动状态，则认为a类发光个体的荧光发射速率对二氧化硫样本的荧光衰减曲线拟合结果的影响较大；反之，如果随着发光个体的种类增加，a类发光个体的荧光强度几乎不变，能量传递指数、荧光发射速率v是固定的，那么a类发光个体的荧光强度不受其余发光个体的影响，即a类发光个体的荧光发射速率在n个记录时长内，即衰减过程中总是处于稳定状态，则认为a类发光个体的荧光发射速率对二氧化硫样本的荧光衰减曲线拟合结果的影响较小。
在对数据进行拟合的过程中，单位时间以及单位时间的总时长n是不变的，而不同发光个体的荧光发射速率会随着记录时间、二氧化硫浓度的变化而变化，在荧光衰减过程中，N类发光个体的荧光发射速率的信息熵越大，荧光发射速率的分布越混乱，对少量发光个体荧光发射速率的拟合会与整体分布呈现较大偏差；如果N类发光个体的荧光发射速率的信息熵较小，荧光发射速率的分布规律越稳定，对少量的信息的拟合可以近似获取整体数据的分布。
基于上述分析，此处构建衰减贡献比R，用于表征不同发光个体对荧光衰减曲线拟合结果的影响，计算a类发光个体的衰减贡献比：
；
；
；
式中，是第一种二氧化硫浓度下a类发光个体的速率变化熵，N是二氧化硫中发光个体的种类，/>表示a类发光个体荧光发射率的信息熵，/>表示增加b类发光个体后，a类发光个体的荧光发射率的信息熵，信息熵为公知技术，具体过程此处不再赘述。/>的值越大，a类发光个体的荧光发射速率分布越不稳定，对拟合结果的影响越大。
是a类发光个体的分布拟合度，/>、/>分别是a、b类发光个体速率变化熵构成的熵序列，例如/>，/>是第M种二氧化硫浓度下a类发光个体的速率变化熵，/>是熵序列之间的皮尔逊相关系数。/>的值越大，a类发光体的荧光发射速率与其余类发光体的荧光发射速率的变化程度越相似。
是a类发光个体的衰减贡献比，/>是依次增加N-1种发光个体后，N-1个a类发光个体能量传递指数的分布方差。
衰减贡献比反映了不同发光个体对荧光衰减曲线拟合结果的影响。a类发光个体与其余发光个体之间的敏化作用越强，在衰减过程中总是处于非稳定状态，a类发光个体的荧光发射速率分布越不稳定，的值越大，/>的值越大；a类发光体与其余类发光体的荧光发射速率受敏化作用的影响程度越相似，a类发光个体的荧光寿命与二氧化硫整体荧光寿命的衰减规律越相似，/>的值越大，/>的值越大，即/>的值越大，a类发光个体对整体荧光寿命衰减曲线拟合结果的影响越大。衰减贡献比考虑了不同类发光个体在敏化作用前后的荧光发射速率信息熵的变化情况，其有益效果在于通过衡量不同类发光个体的荧光寿命衰减规律与整体荧光寿命衰减规律的相似性，能够提高后续多指数拟合过程中不同数据点自适应获取正态加权权值的准确率。
至此，得到不同组发光个体的贡献比。
S32、根据衰减贡献比，计算a类发光个体第p个数据点的影响域半径/>，，其中/>是传统正态加权函数中影响域半径的初始值。
利用移动最小二乘法MLS获取曲线拟合结果的过程中，为了使得局部逼近与近似分布函数之间的差值最小，通常会利用正态函数对移动最小二乘法进行加权处理。对于数据点x，在计算其MLS近似的过程中，通常选择对数据点x有影响的数据点，即数据点x对应支撑域内的数据点，支撑域是一个半径为影响域半径d的圆形区域。数据点x对应的影响域半径d越大，正态函数权值越大，数据点x对应的影响域半径d越小，正态函数权值越小。
因此在利用移动最小二乘法MLS荧光衰减曲线拟合结果的过程中，本发明基于贡献比的大小自适应的获取荧光发射速率对应的影响域半径d。计算a类发光个体第p个数据点的影响域半径：/>，/>大小可以取经验值7。数据点所在类的贡献比/>越大，数据点对应加权函数中的影响半径/>越大。
S33、根据影响域半径，获取自适应正态加权函数/>:
，其中D是其余样本点到点p的欧式距离。
式中，是移动最小二乘算法MLS中的正态加权函数在本发明中的函数表达式，其中r是相对距离，表示拟合过程中拟合数据点之间的欧式距离与影响域半径之间的差值绝对值，用于表达拟合过程中拟合数据点之间的欧式距离与影响半径之间的相对距离；/>是正态分布的形状参数，/>的作用是用于表征拟合过程中曲线跟踪数据点快速变化能力的强弱，/>的值越小，拟合曲线跟踪数据点快速变化的能力越强，曲线局部拟合效果越好，/>的大小可以取经验值0.4。
在移动最小二乘拟合MLS算法中自适应正态加权函数的作用是将权值施加在拟合值与理论值之间的平方误差上，通过调节权重值达到拟合的最优化。
步骤S4，将自适应正态加权函数，作为移动最小二乘法中的加权函数，根据移动最小二乘法，进行荧光衰减曲线的多指数拟合。
在本实施例中，步骤S4还可以包括步骤：
S41、将自适应正态加权函数替代移动最小二乘法中的加权函数。
移动最小二乘法MLS（Moving Lest Squares）的步骤包括：构建拟合函数；通过加权函数和拟合函数构建目标函数J；对目标函数进行最优化求解，获取拟合曲线。
加权函数是移动最小二乘算法中的一部分，在MLS对数据拟合的过程中，拟合函数是通过一组基函数和基函数系数的形式进行表达，对拟合函数逐渐逼近的过程就是使得目标函数J逐渐逼近最小值，在MLS算法中目标函数是通过加权函数和差值平方和构建的，而传统的加权函数只和数据之间的距离有关，没有考虑数据之间的内在联系和分布特征，本发明实施例对传统MLS算法中的加权函数进行改进，得到自适应正态加权函数，在本发明实施例中，拟合过程中不同荧光发射速率对应的权值是自适应的。
自适应正态加权函数与最小二乘法的联系在于：在构建目标函数J的过程中，利用本发明构建的自适应正态加权函数替代传统的加权函数。
因此在移动最小二乘拟合MLS算法中自适应正态加权函数的作用是将权值施加在拟合值与理论值之间的平方误差上，通过调节权重值达到拟合的最优化。
本发明实施例的重点在于获取自适应加权函数，通过自适应加权函数得到目标函数J。
最小二乘拟合时是将拟合值与理论值逐渐逼近的过程，在逼近过程中通过代价函数的大小，来衡量拟合值和理论值的差值大小，本发明中，根据自适应的正态加权函数获取目标函数：/>；
其中，n是数据点数量, 是自适应正态加权函数,j是第j个数据点，/>是第j个样本点荧光发射速率的理论值, />是拟合值与理论值的局部近似，局部近似通过基函数和基函数系数得到，本发明中，以径向基函数为基函数，局部近似为公知技术，具体过程不再赘述，/>是理论值的分布函数。
S42、进行荧光衰减曲线的多指数拟合：
，其中/>、/>至/>分别是K个荧光寿命组的荧光寿命值、/>、/>至/>分别是K个荧光寿命组的权重。
多指数拟合的实质目的就是获取作为自变量的指数以及各自变量的权重。
在本实施例的一些可选的实现方式中，在步骤S42、进行荧光衰减曲线的多指数拟合之后，还可以执行以下步骤：
获取荧光衰减曲线的多指数拟合结果，获取不同荧光寿命组的荧光寿命值，以及各荧光寿命组在整体衰减曲线中的权重。
在荧光寿命衰减曲线的拟合中，输入的数据是脉冲激光照射样本过程中的采集数据，通过采集数据拟合曲线，而不是通过寿光寿命值和权重拟合曲线。在本发明中，用于拟合曲线的数据是步骤一的荧光发射速率，基于这些荧光发射速率，利用改进后的MLS算法得到拟合结果，即荧光寿命衰减曲线。
实施本实施例，其有益效果是：通过不同类型发光个体之间的敏化作用，以及荧光发射速率的分布曲线，构建能量传递指数，能量传递指数考虑了所有二氧化硫样本浓度下，进入激发态过程中不同类发光个体之间敏化作用的可能性，能够获取各类发光个体对空间不均匀性的影响，提高荧光曲线的多指数衰减的拟合精度；并基于发光个体在荧光衰减过程中的状态构建衰减贡献比，衰减贡献比考虑了不同类发光个体在敏化作用前后的荧光发射速率信息熵的变化情况，通过衡量不同类发光个体的荧光寿命衰减规律与整体荧光寿命衰减规律的相似性，能够提高后续多指数拟合过程中不同数据点自适应获取正态加权权值的准确率。
本发明可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）等非易失性存储介质，或随机存储记忆体（Random Access Memory，RAM）等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
实施例二：
进一步参考图2，作为对上述图1所示方法的实现，本发明提供了一种荧光衰减曲线的多指数拟合装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图2所示，本实施例荧光衰减曲线的多指数拟合装置50包括：获取模块51、构建模块52、加权模块53以及拟合模块54。其中：
获取模块51，用于获取二氧化硫样本，根据二氧化硫样本，获取发光个体的荧光发射速率；
构建模块52，用于基于不同类型发光个体之间的敏化作用，以及荧光发射速率，构建能量传递指数；
加权模块53，用于基于发光个体在荧光衰减过程中的状态，构建衰减贡献比，根据衰减贡献比，获取自适应正态加权函数；
拟合模块54，用于将自适应正态加权函数，作为移动最小二乘法中的加权函数，根据移动最小二乘法，进行荧光衰减曲线的多指数拟合。
在本实施例的一些可选的实现方式中，获取模块51进一步包括：
采集模块511，用于由注射器采集多种不同浓度的二氧化硫样本；
照射模块512，用于由脉冲激光分别照射多种不同浓度的二氧化硫样本；
速率获取模块513，用于利用光子探测器记录单位时间内的荧光光子数量，单位时间内发射的荧光光子数量即为发光个体的荧光发射速率。
在本实施例的一些可选的实现方式中，构建模块52进一步包括：
参数设置模块521，用于假设二氧化硫样本的浓度为，a类发光个体的荧光发射速率v与记录时间t之间呈现的状态分布曲线为/>，增加b类发光个体荧光发射速率的状态分布曲线为/>；
长期关联指数构建模块522，用于计算a类发光个体的长期关联指数，/>，其中/>是在浓度为/>的二氧化硫n个单位时间内a类发光个体的荧光发射速率构成序列的赫斯特指数，/>是在浓度为/>的二氧化硫增加b类发光个体后n个单位时间内a类发光物体的荧光发射速率构成序列的赫斯特指数；
敏化指数构建模块523，用于计算a类发光个体的敏化指数，，其中/>为二氧化硫气体中发光个体的种类数量，/>是状态分布曲线/>、/>之间的DTW距离；
能量传递指数构建模块524，用于计算能量传递指数，/>，其中是二氧化硫样本的浓度数量。
在本实施例的一些可选的实现方式中，加权模块53进一步包括：
衰减贡献计算模块531，用于基于发光个体在荧光衰减过程中的状态，构建衰减贡献比R，用于表征不同发光个体对荧光衰减曲线拟合结果的影响，计算a类发光个体的衰减贡献比；
影响域半径计算模块532，用于根据衰减贡献比，计算a类发光个体第p个数据点的影响域半径/>：
，其中/>是传统正态加权函数中影响域半径的初始值；
正态加权函数计算模块，用于根据影响域半径，获取自适应正态加权函数：
，其中D是其余样本点到点p的欧式距离。
在本实施例的一些可选的实现方式中，拟合模块54进一步包括：
替代模块541，用于将自适应正态加权函数替代移动最小二乘法中的加权函数；
多指数拟合模块542，用于进行荧光衰减曲线的多指数拟合：
，其中/>、/>至/>分别是K个荧光寿命组的荧光寿命值、/>、/>至/>分别是K个荧光寿命组的权重。/>
实施本实施例，其有益效果是：通过不同类型发光个体之间的敏化作用，以及荧光发射速率的分布曲线，构建能量传递指数，能量传递指数考虑了所有二氧化硫样本浓度下，进入激发态过程中不同类发光个体之间敏化作用的可能性，能够获取各类发光个体对空间不均匀性的影响，提高荧光曲线的多指数衰减的拟合精度；并基于发光个体在荧光衰减过程中的状态构建衰减贡献比，衰减贡献比考虑了不同类发光个体在敏化作用前后的荧光发射速率信息熵的变化情况，通过衡量不同类发光个体的荧光寿命衰减规律与整体荧光寿命衰减规律的相似性，能够提高后续多指数拟合过程中不同数据点自适应获取正态加权权值的准确率。
实施例三：
为解决上述技术问题，本发明实施例还提供计算机设备。具体请参阅图3，图3为本实施例计算机设备基本结构框图。
上述计算机设备6包括通过系统总线相互通信连接存储器61、处理器62、网络接口63。需要指出的是，图中仅示出了具有组件存储器61、处理器62和网络接口63的计算机设备6，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器 (Digital Signal Processor，DSP)、嵌入式设备等。
上述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。上述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
上述存储器61至少包括一种类型的可读存储介质，上述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或DX存储器等）、随机访问存储器（RAM）、静态随机访问存储器（SRAM）、只读存储器（ROM）、电可擦除可编程只读存储器（EEPROM）、可编程只读存储器（PROM）、磁性存储器、磁盘、光盘等。在一些实施例中，上述存储器61可以是上述计算机设备6的内部存储单元，例如该计算机设备6的硬盘或内存。在另一些实施例中，上述存储器61也可以是上述计算机设备6的外部存储设备，例如该计算机设备6上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（FlashCard）等。当然，上述存储器61还可以既包括上述计算机设备6的内部存储单元也包括其外部存储设备。本实施例中，上述存储器61通常用于存储安装于上述计算机设备6的操作系统和各类应用软件，例如荧光衰减曲线的多指数拟合方法的计算机可读指令等。此外，上述存储器61还可以用于暂时地存储已经输出或者将要输出的各类数据。
上述处理器62在一些实施例中可以是中央处理器（Central Processing Unit，CPU）、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器62通常用于控制上述计算机设备6的总体操作。本实施例中，上述处理器62用于运行上述存储器61中存储的计算机可读指令或者处理数据，例如运行上述荧光衰减曲线的多指数拟合方法的计算机可读指令。
上述网络接口63可包括无线网络接口或有线网络接口，该网络接口63通常用于在上述计算机设备6与其他电子设备之间建立通信连接。
实施本实施例，其有益效果是：通过不同类型发光个体之间的敏化作用，以及荧光发射速率的分布曲线，构建能量传递指数，能量传递指数考虑了所有二氧化硫样本浓度下，进入激发态过程中不同类发光个体之间敏化作用的可能性，能够获取各类发光个体对空间不均匀性的影响，提高荧光曲线的多指数衰减的拟合精度；并基于发光个体在荧光衰减过程中的状态构建衰减贡献比，衰减贡献比考虑了不同类发光个体在敏化作用前后的荧光发射速率信息熵的变化情况，通过衡量不同类发光个体的荧光寿命衰减规律与整体荧光寿命衰减规律的相似性，能够提高后续多指数拟合过程中不同数据点自适应获取正态加权权值的准确率。
实施例四：
本发明还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的荧光衰减曲线的多指数拟合方法的步骤。
实施本实施例，其有益效果是：通过不同类型发光个体之间的敏化作用，以及荧光发射速率的分布曲线，构建能量传递指数，能量传递指数考虑了所有二氧化硫样本浓度下，进入激发态过程中不同类发光个体之间敏化作用的可能性，能够获取各类发光个体对空间不均匀性的影响，提高荧光曲线的多指数衰减的拟合精度；并基于发光个体在荧光衰减过程中的状态构建衰减贡献比，衰减贡献比考虑了不同类发光个体在敏化作用前后的荧光发射速率信息熵的变化情况，通过衡量不同类发光个体的荧光寿命衰减规律与整体荧光寿命衰减规律的相似性，能够提高后续多指数拟合过程中不同数据点自适应获取正态加权权值的准确率。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，空调器，或者网络设备等）执行本发明各个实施例方法。
显然，以上所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，附图中给出了本发明的较佳实施例，但并不限制本发明的专利范围。本发明可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本发明说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本发明专利保护范围之内。
Claims (9)
1.一种荧光衰减曲线的多指数拟合方法，其特征在于，包括下述步骤：
获取二氧化硫样本，根据所述二氧化硫样本，获取发光个体的荧光发射速率；
基于不同类型发光个体之间的敏化作用，以及荧光发射速率，构建能量传递指数；
基于发光个体在荧光衰减过程中的状态，构建衰减贡献比，根据所述衰减贡献比，获取自适应正态加权函数；
将所述自适应正态加权函数，作为移动最小二乘法中的加权函数，根据移动最小二乘法，进行荧光衰减曲线的多指数拟合；
所述基于不同类型发光个体之间的敏化作用，以及荧光发射速率，构建能量传递指数的步骤具体包括：
假设所述二氧化硫样本的浓度为，a类发光个体的荧光发射速率v与记录时间t之间呈现的状态分布曲线为/>，增加b类发光个体荧光发射速率的状态分布曲线为；
计算a类发光个体的长期关联指数，/>，其中/>是在浓度为/>的二氧化硫n个单位时间内a类发光个体的荧光发射速率构成序列的赫斯特指数，是在浓度为/>的二氧化硫增加b类发光个体后n个单位时间内a类发光物体的荧光发射速率构成序列的赫斯特指数；
计算a类发光个体的敏化指数，/>，其中/>为二氧化硫气体中发光个体的种类数量，/>是状态分布曲线、/>之间的DTW距离；
计算能量传递指数，/>，其中/>是二氧化硫样本的浓度数量。
2.根据权利要求1所述的荧光衰减曲线的多指数拟合方法，其特征在于，所述获取二氧化硫样本，根据所述二氧化硫样本，获取发光个体的荧光发射速率的步骤具体包括：
由注射器采集多种不同浓度的所述二氧化硫样本；
由脉冲激光分别照射多种不同浓度的所述二氧化硫样本；
利用光子探测器记录单位时间内的荧光光子数量，单位时间内发射的荧光光子数量即为发光个体的荧光发射速率。
3.根据权利要求1所述的荧光衰减曲线的多指数拟合方法，其特征在于，所述基于发光个体在荧光衰减过程中的状态，构建衰减贡献比，根据所述衰减贡献比，获取自适应正态加权函数的步骤具体包括：
基于发光个体在荧光衰减过程中的状态，构建衰减贡献比R，用于表征不同发光个体对荧光衰减曲线拟合结果的影响，计算a类发光个体的衰减贡献比：
，/>，/>，其中N是二氧化硫中发光个体的种类，/>表示增加b类发光个体后，a类发光个体的荧光发射率的信息熵，/>表示a类发光个体荧光发射率的信息熵，/>、/>分别是a、b类发光个体速率变化熵构成的熵序列，/>为熵序列之间的皮尔逊相关系数，/>是依次增加N-1种发光个体后，N-1个a类发光个体能量传递指数的分布方差，/>是a类发光个体的分布拟合度，是第一种二氧化硫浓度下a类发光个体的速率变化熵；
根据衰减贡献比，计算a类发光个体第p个数据点的影响域半径/>：
，其中/>是传统正态加权函数中影响域半径的初始值；
根据影响域半径，获取自适应正态加权函数/>:
，其中D是其余样本点到点p的欧式距离，是移动最小二乘算法MLS中的正态加权函数的函数表达式，其中r是相对距离，表示拟合过程中拟合数据点之间的欧式距离与影响域半径之间的差值绝对值；/>是正态分布的形状参数。
4.根据权利要求3所述的荧光衰减曲线的多指数拟合方法，其特征在于，所述将所述自适应正态加权函数，作为移动最小二乘法中的加权函数，根据移动最小二乘法，进行荧光衰减曲线的多指数拟合的步骤具体包括：
将自适应正态加权函数替代移动最小二乘法中的加权函数；
进行荧光衰减曲线的多指数拟合:
，其中/>、/>至/>分别是K个荧光寿命组的荧光寿命值、/>、/>至/>分别是K个荧光寿命组的权重。
5.根据权利要求4所述的荧光衰减曲线的多指数拟合方法，其特征在于，在所述进行荧光衰减曲线的多指数拟合的步骤之后还包括：
获取荧光衰减曲线的多指数拟合结果，获取不同荧光寿命组的荧光寿命值，以及各荧光寿命组在整体衰减曲线中的权重。
6.一种荧光衰减曲线的多指数拟合装置，其特征在于，包括：
获取模块，用于获取二氧化硫样本，根据所述二氧化硫样本，获取发光个体的荧光发射速率；
构建模块，用于基于不同类型发光个体之间的敏化作用，以及荧光发射速率，构建能量传递指数；
加权模块，用于基于发光个体在荧光衰减过程中的状态，构建衰减贡献比，根据所述衰减贡献比，获取自适应正态加权函数；
拟合模块，用于将所述自适应正态加权函数，作为移动最小二乘法中的加权函数，根据移动最小二乘法，进行荧光衰减曲线的多指数拟合；
所述基于不同类型发光个体之间的敏化作用，以及荧光发射速率，构建能量传递指数的步骤具体包括：
假设所述二氧化硫样本的浓度为，a类发光个体的荧光发射速率v与记录时间t之间呈现的状态分布曲线为/>，增加b类发光个体荧光发射速率的状态分布曲线为；
计算a类发光个体的长期关联指数，/>，其中/>是在浓度为/>的二氧化硫n个单位时间内a类发光个体的荧光发射速率构成序列的赫斯特指数，是在浓度为/>的二氧化硫增加b类发光个体后n个单位时间内a类发光物体的荧光发射速率构成序列的赫斯特指数；
计算a类发光个体的敏化指数，/>，其中/>为二氧化硫气体中发光个体的种类数量，/>是状态分布曲线、/>之间的DTW距离；
计算能量传递指数，/>，其中/>是二氧化硫样本的浓度数量。
7.根据权利要求6所述的荧光衰减曲线的多指数拟合装置，其特征在于，所述获取模块包括：
采集模块，用于由注射器采集多种不同浓度的二氧化硫样本；
照射模块，用于由脉冲激光分别照射多种不同浓度的二氧化硫样本；
速率获取模块，用于利用光子探测器记录单位时间内的荧光光子数量，单位时间内发射的荧光光子数量即为发光个体的荧光发射速率。
8.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至5中任一项所述的荧光衰减曲线的多指数拟合方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至5中任一项所述的荧光衰减曲线的多指数拟合方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310875641.0A CN116595291B (zh) | 2023-07-18 | 2023-07-18 | 荧光衰减曲线的多指数拟合方法、装置、计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310875641.0A CN116595291B (zh) | 2023-07-18 | 2023-07-18 | 荧光衰减曲线的多指数拟合方法、装置、计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116595291A CN116595291A (zh) | 2023-08-15 |
| CN116595291B true CN116595291B (zh) | 2023-09-26 |
Family
ID=87599489
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310875641.0A Active CN116595291B (zh) | 2023-07-18 | 2023-07-18 | 荧光衰减曲线的多指数拟合方法、装置、计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116595291B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117571679B (zh) * | 2024-01-12 | 2024-05-07 | 中国科学技术大学 | 一种基于激光器和单光子探测器的氧分压测量方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6064073A (en) * | 1997-07-15 | 2000-05-16 | U.S. Philips Corporation | Method of localizing an object in a turbid medium |
| US6493646B1 (en) * | 2000-02-16 | 2002-12-10 | Ge Medical Systems Global Technology Company, Llc | High order primary decay correction for CT imaging system detectors |
| CN104122238A (zh) * | 2013-04-25 | 2014-10-29 | 华东师范大学 | 荧光探针中的比率探测方法 |
| CN110462381A (zh) * | 2017-03-31 | 2019-11-15 | 延世大学校产学协力团 | 用于高速分析多指数衰减函数类型实验数据的荧光寿命测量装置及其测量方法 |
| CN110826238A (zh) * | 2019-11-12 | 2020-02-21 | 深圳大学 | 一种荧光寿命估计方法、装置及存储介质 |
| CN114391857A (zh) * | 2022-01-14 | 2022-04-26 | 重庆中易智芯科技有限责任公司 | 一种基于移动最小二乘算法的双能x射线骨密度检测方法 |
| CN114624219A (zh) * | 2022-03-31 | 2022-06-14 | 陕西理工大学 | 利用荧光衰减曲线次峰位出现时间结合svm算法测定污染物的方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020158211A1 (en) * | 2001-04-16 | 2002-10-31 | Dakota Technologies, Inc. | Multi-dimensional fluorescence apparatus and method for rapid and highly sensitive quantitative analysis of mixtures |
| US20090164130A1 (en) * | 2005-06-10 | 2009-06-25 | General Hospital Corporation | Fluorescence-lifetime-based tomography |
| DE102009005953A1 (de) * | 2009-01-19 | 2010-07-22 | Universität Tübingen | Verfahren und System zur Charakterisierung einer Probe mittels bildgebender Fluoreszenzmikroskopie |
| WO2016189522A1 (en) * | 2015-05-28 | 2016-12-01 | Leukodx, Ltd. | System and apparatus for blind deconvolution of flow cytometer particle emission |
-
2023
- 2023-07-18 CN CN202310875641.0A patent/CN116595291B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6064073A (en) * | 1997-07-15 | 2000-05-16 | U.S. Philips Corporation | Method of localizing an object in a turbid medium |
| US6493646B1 (en) * | 2000-02-16 | 2002-12-10 | Ge Medical Systems Global Technology Company, Llc | High order primary decay correction for CT imaging system detectors |
| CN104122238A (zh) * | 2013-04-25 | 2014-10-29 | 华东师范大学 | 荧光探针中的比率探测方法 |
| CN110462381A (zh) * | 2017-03-31 | 2019-11-15 | 延世大学校产学协力团 | 用于高速分析多指数衰减函数类型实验数据的荧光寿命测量装置及其测量方法 |
| CN110826238A (zh) * | 2019-11-12 | 2020-02-21 | 深圳大学 | 一种荧光寿命估计方法、装置及存储介质 |
| CN114391857A (zh) * | 2022-01-14 | 2022-04-26 | 重庆中易智芯科技有限责任公司 | 一种基于移动最小二乘算法的双能x射线骨密度检测方法 |
| CN114624219A (zh) * | 2022-03-31 | 2022-06-14 | 陕西理工大学 | 利用荧光衰减曲线次峰位出现时间结合svm算法测定污染物的方法 |
Non-Patent Citations (4)
| Title |
|---|
| Fast fitting of multi-exponential decay curves;Jrg, et al.;《Optics Communications》;371-378 * |
| 基于移动最小二乘法的曲线曲面拟合;曾清红, 卢德唐;工程图学学报(01);84-89 * |
| 能量传递过程的计算机模拟;陈宝玖, 秦伟平, 王海宇, 许武, 黄世华;物理学报(03);545-549 * |
| 荧光衰减曲线的一种多指数拟合方法;林久令, 董志山, 张秀峰, 骆永石, 王遵立, 孙铁铮, 林海, 刘行仁;发光学报(01);93-96 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116595291A (zh) | 2023-08-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116595291B (zh) | 荧光衰减曲线的多指数拟合方法、装置、计算机设备 | |
| Alsing et al. | Massive optimal data compression and density estimation for scalable, likelihood-free inference in cosmology | |
| Hokr et al. | Single-shot stand-off chemical identification of powders using random Raman lasing | |
| Zhang et al. | Analytical distribution and tunability of noise in a model of promoter progress | |
| Mettetal et al. | Predicting stochastic gene expression dynamics in single cells | |
| US11262717B2 (en) | Optimization device and control method of optimization device based on temperature statistical information | |
| Kroes et al. | Apparent failure of the Born–Oppenheimer static surface model for vibrational excitation of molecular hydrogen on copper | |
| Ma et al. | Temperature dependences of mechanisms responsible for the water-vapor continuum absorption. I. Far wings of allowed lines | |
| Wang et al. | A high-efficiency regime for gas-phase terahertz lasers | |
| Avila-George et al. | Metaheuristic approach for constructing functional test‐suites | |
| CN113240194B (zh) | 储能电池容量预测方法、服务端及计算机可读存储介质 | |
| Xu et al. | A comprehensive evaluation of MS/MS spectrum prediction tools for shotgun proteomics | |
| Spindler et al. | Retrieval of aerosol complex refractive index by combining cavity ring down aerosol spectrometer measurements with full size distribution information | |
| He et al. | Quantitative analysis of carbon with laser-induced breakdown spectroscopy (libs) using genetic algorithm and back propagation neural network models | |
| Tang et al. | Quantifying information of intracellular signaling: progress with machine learning | |
| Katchanov et al. | Comparing the topological rank of journals in Web of Science and Mendeley | |
| Rajavelu et al. | Laser-induced breakdown spectroscopy combined with temporal plasma analysis of C2 molecular emission for carbon analysis in coal | |
| Tully | Toffee–a highly efficient, lossless file format for DIA-MS | |
| Lukić et al. | Trace gases analysis in pulsed photoacoustics based on swarm intelligence optimization | |
| Azyazov et al. | Kinetics of O2 (a Δ g) and I (2P1/2) in the Photochemistry of N2O/I2 Mixtures | |
| Dittwald et al. | BRAIN 2.0: time and memory complexity improvements in the algorithm for calculating the isotope distribution | |
| Vuong et al. | A revisit of RSEM generative model and its EM algorithm for quantifying transcript abundances | |
| Demiral et al. | Economic complexity–carbonization nexus in the European Union: A heterogeneous panel data analysis | |
| Behzadi et al. | ITGH: Information-theoretic granger causal inference on heterogeneous data | |
| Ahmad et al. | Improved estimation of population distribution function using twofold auxiliary information under simple random sampling |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Multi exponential fitting method, device, and computer equipment for fluorescence attenuation curve Granted publication date: 20230926 Pledgee: Agricultural Bank of China Limited Hubei pilot Free Trade Zone Wuhan Area Branch Pledgor: WUHAN YITE ENVIRONMENTAL PROTECTION TECHNOLOGY Co.,Ltd. Registration number: Y2024980015200 |