CN117633423B - 一种自适应光谱去基线方法 - Google Patents
一种自适应光谱去基线方法 Download PDFInfo
- Publication number
- CN117633423B CN117633423B CN202410111155.6A CN202410111155A CN117633423B CN 117633423 B CN117633423 B CN 117633423B CN 202410111155 A CN202410111155 A CN 202410111155A CN 117633423 B CN117633423 B CN 117633423B
- Authority
- CN
- China
- Prior art keywords
- equal
- baseline
- parameter
- spectrum data
- base line
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000006185 dispersion Substances 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000006467 substitution reaction Methods 0.000 claims description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000002536 laser-induced breakdown spectroscopy Methods 0.000 description 3
- 239000010941 cobalt Substances 0.000 description 2
- 229910017052 cobalt Inorganic materials 0.000 description 2
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Abstract
本发明提出了一种自适应光谱去基线方法,通过以原始光谱数据S[i]附近最小值为基点,通过原始光谱数据一阶微分ΔS[i]判断出可能的特征峰位置并在这些位置进行线性插值,以此为基础趋近原始光谱数据S[i]的基线。该方法能够保证除去基线后的光谱数值均大于零,并且通过调整算法中参数适应不同类型的光谱。
Description
技术领域
本发明涉及光学,特别涉及一种自适应光谱去基线方法。
背景技术
光谱去基线方法是光谱分析中常用的方法,旨在消除光谱中的基线漂移或背景信号,提高信号的准确性和分辨率。常见的算法包括多项式拟合、局部标准化、小波变换和数学形态学等,这些方法可以根据光谱特性和噪声类型进行选择和调整。通过去除基线,可以更清晰地观察和分析光谱中的目标信号,对于光谱学、化学分析和其他领域的研究具有重要意义。
发明内容
本发明提出了一种自适应光谱去基线方法,通过以原始光谱数据S[i]附近最小值为基点,通过原始光谱数据一阶微分ΔS[i]判断出可能的特征峰位置并在这些位置进行线性插值,以此为基础趋近原始光谱数据S[i]的基线B[i]。该方法能够保证除去基线后的光谱数值均大于零,并且通过调整算法中参数适应不同类型的光谱。
本发明的技术方案为:一种自适应光谱去基线方法。
自适应光谱去基线方法具体包括:
第一步,获取原始光谱数据S[i],0≤i≤N-1,N为探测器沿光谱色散方向的像元总数,i为探测器沿光谱色散方向的像元序号;
第二步,获取原始光谱数据一阶微分ΔS[i]=S[i+1]-S[i],0≤i≤N-2;
ΔS[N-1]=ΔS[N-2];
第三步,第一基线B1[j]=Min(S[i]),Max(0,j-h1)≤i≤Min(j+h1,N-1),0≤j≤N-1;
h1为第一区间参数;
第四步,第二基线B2[j]=B1[j],0≤j≤N-1,设置微分上限参数M,对于0≤j≤N-1,如果一阶微分ΔS[j]>M,则第二基线B2[j]=-106;针对所有值为-106的第二基线B2[j],以距离其最近的两个B2[j1]>0和B2[j2]>0为基准进行线性替换:
B2[j]=(B2[j2]–B2[j1])/(j2–j1)*(j–j1)+B2[j1];
第五步,第三基线B3[j]=Min(S[i]),Max(0,j-h2)≤i≤Min(j+h2,N-1),
0≤j≤N-1;h2为第二区间参数;
第六步,计算原始光谱数据平均值和第三基线平均值/>
h3为第三区间参数;
第七步,设置调制参数α,最终基线B[i]为:
可选地,第一区间参数h1、第二区间参数h2、第三区间参数h3取值范围为1~100。
可选地,微分上限参数M取值范围为1~1000。
可选地,调制参数α取值范围为1~1000。
本发明的有益效果在于:
1.提出了一种自适应光谱去基线方法,以原始光谱数据S[i]附近最小值为基点,通过原始光谱数据一阶微分ΔS[i]判断出可能的特征峰位置并在这些位置进行线性插值,以此为基础趋近原始光谱数据S[i]的基线。
2.该方法能够保证除去基线后的光谱数值均大于零,并且通过调整算法中参数适应不同类型的光谱。
附图说明
图1为铁元素的激光诱导击穿光谱处理结果;
图2为钴元素的激光诱导击穿光谱处理结果。
具体实施方式
下面结合附图与实施实例对本发明作进一步说明。
本发明的实施方式为:
第一步,获取原始光谱数据S[i],0≤i≤N-1,这里N为探测器沿光谱色散方向的像元总数,i为探测器沿光谱色散方向的像元序号,S[i]为一个长度为N的数列,对应探测器沿光谱色散方向的像元序号i上的光强数值。如果在垂直于光谱色散方向探测器有多个像元,则S[i]为垂直于光谱色散方向探测器有效像元数值之和。
第二步,获取原始光谱数据一阶微分ΔS[i]=S[i+1]-S[i],0≤i≤N-2。为保持S[i]与ΔS[i]数据长度相同,取ΔS[N-1]=ΔS[N-2]。
第三步,第一基线B1[j]=Min(S[i]),Max(0,j-h1)≤i≤Min(j+h1,N-1),0≤j≤N-1。h1为第一区间参数,B1[j]值为序号为j-h1到j+h1这2*h1+1个数对应的原始光谱数据S[i]的最小值,如果j-h1<0则序号从0开始,如果j+h1>N-1则到N-1结束。
第四步,将第一基线B1[j]修正为第二基线B2[j]。首先,B2[j]=B1[j],0≤j≤N-1;设置微分上限参数M,对于0≤j≤N-1,如果ΔS[j]>M,则B2[j]=-106;针对所有值为-106的B2[j],以距离其最近的两个B2[j1]>0和B2[j2]>0为基准进行线性替换:
B2[j]=(B2[j2]–B2[j1])/(j2–j1)*(j–j1)+B2[j1]。
第五步,设置第三基线B3[j]。
第三基线B3[j]=Min(S[i]),Max(0,j-h2)≤i≤Min(j+h2,N-1),0≤j≤N-1。h2为第二区间参数,B3[j]值为序号为j-h2到j+h2这2*h2+1个数对应的原始光谱数据S[i]的最小值,如果j-h2<0则序号从0开始,如果j+h2>N-1则到N-1结束。
第六步,计算原始光谱数据平均值
和第三基线平均值
h3为第三区间参数,这里原始光谱数据平均值和第三基线平均值/>分别选取i-h3到i+h3这2*h3+1个数对应的原始光谱数据S[i]和第三基线B3[i]的平均值,如果i-h3<0则序号从0开始,如果i+h3>N-1则到N-1结束。
第七步,将第二基线B2[i]修正为最终基线B[i]。设置调制参数α,最终基线B[i]为:
这里,可以不断调整调制参数α数值进行循环修正。
上述光谱去基线过程中,参数h1,h2,h3,M,α可根据光谱特征峰宽度进行调整。第一区间参数h1、第二区间参数h2、第三区间参数h3取值范围为1~100,微分上限参数M取值范围为1~1000,调制参数α取值范围为1~1000。
在一个具体的实施方式中:N=2048,h1=25,h2=25,h3=50,M=50,α=50,铁元素和钴元素的激光诱导击穿光谱处理结果分别由图1和图2所示。
上述光谱去基线方法通过以原始光谱数据S[i]附近最小值为基点,通过原始光谱数据一阶微分ΔS[i]判断出可能的特征峰位置并在这些位置进行线性插值,以此为基础趋近原始光谱数据S[i]的基线B[i]。该方法能够保证除去基线后的光谱数值均大于零,并且通过调整算法中参数适应不同类型的光谱。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (4)
1.一种自适应光谱去基线方法,其特征在于:
第一步,获取原始光谱数据S[i],0≤i≤N-1,N为探测器沿光谱色散方向的像元总数,i为探测器沿光谱色散方向的像元序号;
第二步,获取原始光谱数据一阶微分ΔS[i]=S[i+1]-S[i],0≤i≤N-2,
ΔS[N-1]=ΔS[N-2];
第三步,第一基线B1[j]=Min(S[i]),Max(0,j-h1)≤i≤Min(j+h1,N-1),
0≤j≤N-1;h1为第一区间参数;
第四步,第二基线B2[j]=B1[j],0≤j≤N-1,设置微分上限参数M,对于0≤j≤N-1,如果一阶微分ΔS[j]>M,则第二基线B2[j]=-106,针对所有值为-106的第二基线B2[j],以距离其最近的两个B2[j1]>0和B2[j2]>0为基准进行线性替换:
B2[j]=(B2[j2]–B2[j1])/(j2–j1)*(j–j1)+B2[j1];
第五步,第三基线B3[j]=Min(S[i]),Max(0,j-h2)≤i≤Min(j+h2,N-1),
0≤j≤N-1;h2为第二区间参数;
第六步,计算原始光谱数据平均值和第三基线平均值/>
h3为第三区间参数;
第七步,设置调制参数α,最终基线B[i]为:
2.根据权利要求1所述的一种自适应光谱去基线方法,其特征在于:第一区间参数h1、第二区间参数h2、第三区间参数h3取值范围为1~100。
3.根据权利要求1所述的一种自适应光谱去基线方法,其特征在于:微分上限参数M取值范围为1~1000。
4.根据权利要求1所述的一种自适应光谱去基线方法,其特征在于:调制参数α取值范围为1~1000。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410111155.6A CN117633423B (zh) | 2024-01-26 | 2024-01-26 | 一种自适应光谱去基线方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410111155.6A CN117633423B (zh) | 2024-01-26 | 2024-01-26 | 一种自适应光谱去基线方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117633423A CN117633423A (zh) | 2024-03-01 |
CN117633423B true CN117633423B (zh) | 2024-04-05 |
Family
ID=90027317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410111155.6A Active CN117633423B (zh) | 2024-01-26 | 2024-01-26 | 一种自适应光谱去基线方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117633423B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016024000A (ja) * | 2014-07-18 | 2016-02-08 | 株式会社島津製作所 | ベースライン推定方法、計測信号補正方法、及び分光光度計 |
CN110553989A (zh) * | 2019-09-03 | 2019-12-10 | 无锡创想分析仪器有限公司 | 一种去除光谱基线的方法 |
CN111125625A (zh) * | 2019-11-29 | 2020-05-08 | 北京遥测技术研究所 | 一种基于嵌入式系统的光谱基线计算方法 |
JP2021004856A (ja) * | 2019-06-27 | 2021-01-14 | 三菱重工業株式会社 | 分光分析装置及び分光分析方法 |
CN114264622A (zh) * | 2021-12-21 | 2022-04-01 | 中国科学院合肥物质科学研究院 | 一种基于星载高光谱遥感技术的no2浓度快速响应的方法和装置 |
CN114965425A (zh) * | 2022-05-16 | 2022-08-30 | 重庆大学 | 基于迭代自适应加权算法的绝缘油拉曼光谱基线扣除方法和系统 |
CN117007184A (zh) * | 2023-07-07 | 2023-11-07 | 中国海洋大学 | 一种光谱的全自动光谱基线校正方法 |
-
2024
- 2024-01-26 CN CN202410111155.6A patent/CN117633423B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016024000A (ja) * | 2014-07-18 | 2016-02-08 | 株式会社島津製作所 | ベースライン推定方法、計測信号補正方法、及び分光光度計 |
JP2021004856A (ja) * | 2019-06-27 | 2021-01-14 | 三菱重工業株式会社 | 分光分析装置及び分光分析方法 |
CN110553989A (zh) * | 2019-09-03 | 2019-12-10 | 无锡创想分析仪器有限公司 | 一种去除光谱基线的方法 |
CN111125625A (zh) * | 2019-11-29 | 2020-05-08 | 北京遥测技术研究所 | 一种基于嵌入式系统的光谱基线计算方法 |
CN114264622A (zh) * | 2021-12-21 | 2022-04-01 | 中国科学院合肥物质科学研究院 | 一种基于星载高光谱遥感技术的no2浓度快速响应的方法和装置 |
CN114965425A (zh) * | 2022-05-16 | 2022-08-30 | 重庆大学 | 基于迭代自适应加权算法的绝缘油拉曼光谱基线扣除方法和系统 |
CN117007184A (zh) * | 2023-07-07 | 2023-11-07 | 中国海洋大学 | 一种光谱的全自动光谱基线校正方法 |
Non-Patent Citations (3)
Title |
---|
一种改进的非对称最小二乘基线校正算法;姜安 等;计算机与应用化学;20120528(第05期);全文 * |
基于Lissajous曲线拟合的EFPI光纤传感器腔长解调;王彦 等;红外与激光工程;20220110;第51卷(第8期);全文 * |
基于光纤受激布里渊散射的慢光延迟研究;曾繁添 等;光网络;20160615(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117633423A (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102998296B (zh) | 一种去除背景噪声影响的拉曼光谱预处理方法 | |
CN111325121B (zh) | 一种核酸质谱数值处理方法 | |
CN109522801B (zh) | 飞行时间质谱仪的重叠峰分离方法及系统 | |
CN111398324B (zh) | 一种粉末x射线衍射图谱的衍射峰定标方法 | |
CN105279379B (zh) | 基于凸组合核函数主成分分析的太赫兹光谱特征提取方法 | |
CN117633423B (zh) | 一种自适应光谱去基线方法 | |
CA2307399C (en) | Method for reducing chemical background in mass spectra | |
CN108918499B (zh) | 拉曼图谱中去除拉曼基线漂移的方法 | |
CN108444954B (zh) | 光谱信号峰值检测方法、装置以及系统 | |
CN112557332A (zh) | 一种基于光谱分峰拟合的光谱分段和光谱比对方法 | |
CN110553989A (zh) | 一种去除光谱基线的方法 | |
CN107294534B (zh) | 用于窄带信号采样的双通道tiadc频响失配实时校正方法 | |
CN108168697B (zh) | 一种光谱仪降噪和波长标定方法 | |
CN117007184A (zh) | 一种光谱的全自动光谱基线校正方法 | |
CN110909635A (zh) | 一种非线性元件模型的波形相似度分析方法 | |
CN106888021B (zh) | 一种自适应调整高速采样速率的方法 | |
CN107644406B (zh) | 一种基于改进的正交匹配追踪的图像去噪方法 | |
CN112666097B (zh) | 一种傅里叶红外多项式迭代平滑滤波基线校正方法 | |
CN110413945B (zh) | 基于分数阶短时傅里叶变换的线性调频信号相位恢复方法 | |
Lan et al. | Automatic baseline correction of infrared spectra | |
CN111289106B (zh) | 一种基于数字滤波的光谱降噪方法 | |
Chylla et al. | Simultaneous basepoint correction and signal recognition in multidimensional NMR spectra | |
CN110701997A (zh) | 一种基于Morlet小波变换的白光干涉信号漏采样校正方法 | |
CN111161128A (zh) | 基于频域方向滤波的图像变换及其在稀疏分解中的应用 | |
CN110542739A (zh) | 一种基于卡尔曼技术的重叠峰分离方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |