Methods for obtaining characteristic γ-ray net peak count from interlaced overlap peak in HPGe γ-ray spectrometer system

For a characteristic c-ray with interlaced overlap peak, and the case where its reliable and credible net count cannot be obtained using the current high-purity germanium(HPGe) multichannel γ-ray spectrum software, two new methods are proposed herein to obtain the γ-ray net peak count from the interlaced overlap peak in the HPGe cray spectrometer system, of which one is the symmetric conversion method based on Gaussian distribution and the other is where the energy average value of two close γ-rays is regarded as the γ-ray energy. The experimental results indicate that the two methods mentioned above are reliable and credible. This study is significant for the development of better γ-ray spectrum processing software for measuring complex γ-ray spectra concerning the nuclear reaction cross section, neutron activation analysis, and analysis of transuranium elements, using an HPGe detector.

A New Method to Resolve Overlapped Voltammetric Peaks

A new method called spline convolution (SC) for resolving overlapped peaks was proposed in this paper. The differential pulse voltammetric overlapped peaks of mixtures of Pb(II) and Tl(I) were investigated by this method, and satisfactory results were obtained. The results show excellent correlation between peak areas of the processed signals and the concentrations.

Separating Overlapped Peaks of SF6 Decomposed Products Based on Iterative Curve-fitting Method

The SF6 decomposed products are very alike,so the peaks of the SF6 decomposed products are overlapped.It make us hard to quantitatively calculate.This paper introduced a method to separate the overlapped chromatogram peaks with iterative curve-fitting and Gauss function,and deduced the formula of the iterative curve-fitting;provided a method to calculate the initial value of the peaks intensity and width by iterative formula,and confirm the final peaks intensity and width to separate the overlapped signals.By the analysis of the real chromatogram data,it proved the validity of this method on the main components used in distinguishing the GIS internal defects.This method overcomes the influence of SF6 peak to the other thin concentration peaks,so it can be used in the study of the quantitative analysis of the decomposed products on different failures and different voltages.

基于非洲秃鹫算法优化卷积神经网络的重叠峰解析方法

利用光谱仪器检测土壤中重金属时,由于仪器分辨率较低,峰位相近元素的特征峰会产生重叠。光谱重叠峰严重影响定量分析结果的准确性,为了得到准确的重金属含量需要进行光谱重叠峰分解。提出利用非洲秃鹫算法优化卷积神经网络(AVOA-CNN)的重叠峰解析方法。首先,利用高斯函数模型模拟出150个双高斯含噪光谱重叠峰和43个三高斯含噪光谱重叠峰,选择不同小波基函数进行光谱数据去噪,以信噪比和均方根误差(root mean square error, RMSE)为评价指标,最终确定coif 3小波基函数,使用导数法进行光谱重叠峰预处理。然后,使用AVOA-CNN获得卷积神经网络(convolutional neural network, CNN)预测结果,解析结果表明:AVOA-CNN成功分解重叠峰且准确率高,双高斯光谱重叠峰和三高斯光谱重叠峰参数(峰强度,峰位,峰宽)的最大相对误差平均值分别为3.15%和5.90%。最后对比麻雀搜索算法优化CNN、CNN与AVOA-CNN,结果显示AVOA-CNN模型预测准确率最高。

恶臭气相色谱信号的分类算法研究

工业化的快速发展带来了恶臭污染问题,而现有的恶臭气相色谱仪(gas chromatography, GC)面临着因算力分配不均而导致的效率低下的问题。通过对恶臭气相色谱信号进行分类并分派给为每种峰形定制的解析算法可以使算力分配得以优化。文中致力于恶臭气相色谱信号分类算法的研究,着重进行了恶臭气相色谱信号的处理,并对比了K最近邻(K-nearest neighbor, KNN)、支持向量机(support vector machines, SVM)、随机森林(random forest, RF)3种分类算法的性能。首先对信号进行预处理,提取了特征点并计算特征参数,以特征参数为分类依据代入算法程序并检验算法的准确率,以此来评价每种算法的性能。实验结果显示RF算法拥有较好的应用效果和发展潜力。该文可为实现算力的均衡分配提供一些参考依据。

一种锐化误差小波EDXRF光谱解析方法研究

在轻元素自身和实测元素间的特征X射线相互影响之下,受仪器能量分辨率的制约,实测X射线荧光光谱会产生严重重叠。以色谱分离度Rs判定谱峰重叠程度,针对Rs低于0.3的重叠峰,提出一种解析EDXRF光谱的新方法,并对模拟X射线荧光光谱进行了新方法的验证。首先,详细介绍基于四阶导的峰锐化法和提出误差小波变换。通过仿真结果发现:当Rs=0.27时,两种方法皆不能单独实现重叠谱峰的解析与识别;然而,原始信号在四阶峰锐化法处理后保留了峰位特征的同时,还出现了Rs明显增大的有利现象。因此,只需要通过调节四阶峰锐化法的权重完成对低分离度重叠峰的初步锐化处理,再对锐化后的信号进行误差小波变换,结果实现了对模拟重叠峰的分解,证明了结合后的新方法(锐化误差小波变换)针对极低分离度的重叠谱峰具有强大的分解能力。对两组重叠谱峰采用叠加的高斯函数进行模拟,分别是Mn的K_(β)能量峰与Fe的K_(α)能量峰的重叠光谱(Rs=0.19)以及Al的K_(α)能量峰与其K_(β)能量峰的重叠光谱(Rs=0.11)。用新方法对谱线进行处理,实现了重叠峰分解,结果表明针对极低分离度的重叠谱峰该方法具有可行性。通过锐化误差小波对实测的EDXRF光谱进行解析,通过对三组数据解析特定三种低分离度重叠峰进行对比实验,均成功解析与识别了低分离度的重叠谱峰。结果表明:针对极低分离度的重叠谱峰,锐化误差小波变换可以有效分解,具有突破性,实用性和创新性。

基于多峰协同和纯元素特征峰面积归一化的重叠峰快速解析算法

由于元素间特征峰的相互干扰,受实验仪器能量分辨率的影响,当多个元素的特征峰峰位相近且展宽较宽时就会形成重叠峰。以分离度低且分解需求精度高的重叠峰为研究对象,提出一种基于多峰协同和纯元素特征峰面积归一化的重叠峰快速解析算法,并结合实际的X射线荧光光谱进行了新方法的验证。选取镝铁合金的X射线荧光光谱图作为实例,在该实验条件下镝Lα特征峰和铁Kα特征峰形成的重叠峰分离度约为0.2735,同时还存在分离度较大但荧光产额较低的镝Lβ特征峰和铁Kβ特征峰。首先,配置浓度范围(7.8~8.2 mg·mL^(-1))的镝标液和浓度范围(1.8~2.2 mg·mL^(-1))的铁标液进行测量获取到纯元素谱图,分别进行面积归一化处理并取平均得到镝Lα峰和铁Kα峰的归一化特征峰。然后,使用镝、铁标液混兑出铁元素质量百分比范围在19.1%~21%,梯度为0.1%的20组样品液进行测量。由于重叠峰部分仅由镝Lα峰和铁Kα峰组成,因此设定重叠峰中镝Lα峰权重加上铁Kα峰权重等于1,使用镝Lα峰和铁Kα峰的归一化特征峰进行重叠峰的拟合。通过镝Lβ特征峰和铁Kβ特征峰确定铁元素大概权重区间,结合粒子群寻优算法进行权重值寻优完成重叠峰的分解。通过寻优解出的铁元素权重与实际样品液的铁元素质量百分比进行拟合,得到一条镝铁样品液中铁元素权重到实际铁元素质量百分比的回归线。最后进行实际样品实验,对比该方法检测的铁元素含量值与国标重铬酸钾容量法测定的铁元素含量参考值,得出两方法测定结果偏差绝对值小于0.2%,低于国标允许差。结果证明:基于多峰协同和纯元素特征峰面积归一化的重叠峰快速解析算法能够解析分离度低且分解需求精度高的重叠峰。

基于粒子群算法的γ能谱重叠峰解析

针对传统γ能谱分析中最小二乘法中的迭代算法对初始峰参量要求较严格,并且容易陷入局部最优等问题,提出了基于粒子群算法的γ能谱重叠峰解析方法,并且给出了重叠峰解析原理以及相应的算法.模拟和实测γ能谱重叠峰的解析结果均表明:在重叠峰的分离度较低的情况下,该方法能够得到较高的解析精度,并且具有较强的解析能力.另外,该方法还具有参量少、对初始参量要求宽松和算法易于实现等优点,而且收敛于全局最优解,因而是有效的γ能谱重叠峰解析方法.

震源和水听器沉放深度对单道地震勘探的影响

为研究震源和水听器电缆沉放深度对单道地震勘探的影响,建立鬼波影响模型,采用雷克子波模拟震源子波,分析因震源及水听器电缆沉放深度产生的鬼波对一次有效反射地震波的影响,并采用不同震源和水听器电缆沉放深度的数据对本次研究结论进行验证。研究表明:地震剖面分辨率和震源及水听器电缆沉放的总深度呈反比;随着震源或水听器电缆沉放深度的增加,地震剖面的分辨率递减,接收地震波能量从低值递增到最大值,再从最大值缓慢降低到稳定值;当水听器电缆沉放深度小于168.8/f(m)时,接收地震波能量随震源沉放深度变化的波动相对平缓,水听器电缆沉放深度浅有利于地震波的一致性,但沉放深度过浅时接收地震波能量将被极大削弱,会明显降低地震波的有效穿透深度;当震源沉放深度约为292.3/f(m)时,一次有效反射波的峰值和震源鬼波的峰值重叠,接收地震波能量最大;当震源沉放深度大于584.6/f(m)时,不考虑地震波能量在水中衰减的情况下,震源沉放深度继续增加对接收地震波能量的增加无效。

一种基于GA-NSVM的自适应洛伦兹分峰拟合识别红外光谱吸收重叠峰的方法

提出一种基于遗传算法-非线性支持向量机的自适应洛伦兹分峰拟合识别红外光谱吸收重叠峰的方法。利用单质特征吸收线型的根本性差异,将混合物光谱分解为满足特征吸收线型的多个洛伦兹单峰,采用非线性支持向量机对多个拟合单峰进行多分类筛选确定特定目标组分的谱峰。采集了400个混合烷烃气体样本的红外光谱数据,论证了该方法在高相似分子结构的光谱识别分类的可行性。实验结果表明该方法能有效分离烷烃中甲烷、乙烷、丙烷的红外吸收单峰,具有良好的准确性和鲁棒性,模型参数的解释能力更强。该方法能够加速光谱检测技术在生物制药、食品化工、油气勘探等领域的应用,尤其是在含同系有机物混合物的分析及应用场合。

衬底对粉末试样能谱分析结果的影响

选择不同的衬底对粉末试样进行能谱分析,研究了衬底对粉末试样能谱分析结果的影响。结果表明:当衬底中的元素与试样中的元素存在特征X射线谱峰重叠现象时,面扫描谱图中元素的亮点分布异常,导致无法获得理想的能谱分析结果。列举了几种常用衬底及与其谱峰重叠的元素,有利于快速地选择合适的衬底,以获得理想的能谱分析结果。

小波变换用于色谱重叠峰的解析

利用小波变换的时频局部化性质，通过对色谱重叠峰信号小波变换后的某些频率段 进行放大，使重叠谱峰得到了分离，并将此方法用于苯和甲苯二组分色谱体系的定量分析，重 叠峰中各组分均得到了良好的线性关系及令人满意的定量分析结果。本文还讨论了不同小 波基、分解的次数及放大系数对解析结果的影响。

二维色谱/光谱重叠峰的定性定量方法研究(I)——水中多种酚二维色谱/光谱重叠峰的分辨与定性定量

探讨了ＨＥＬＰ法在水中酚类色谱重叠峰的分辨与定性定量分析中的应用．实验结果表明，各组分浓度比为１∶５０的范围内分辨光谱与真实光谱十分吻合．在１０－４～１０－６ｇ／ｍＬ的浓度范围内分辨色谱的定量结果线性关系良好．分辨下限３．０×１０－７ｇ／ｍＬ，相对标准偏差为５．０％．

光谱重叠峰的曲线拟合解析策略与实现

针对光谱分析中的重叠峰问题,提出了一种基于曲线拟合的光谱重叠峰解析算法,讨论了曲线拟合的参数调整和表达非唯一性等问题,提出了最小峰-峰间距(MRI)、可分离最小峰-峰间距(MSI)和拟合误差曲线的三个特征区间等概念;在峰位的确定中,引入由宽逐严的排除策略。含噪模拟光谱重叠峰解析结果表明,所提出的算法是有效的。

基于峭度的重叠峰解析新方法

峭度是表征曲线陡峭程度的物理量。本实验提出了基于峭度的组分分析 (componentanalysisbasedonkurtosis,CABK)方法来解析重叠峰 ,从中分离出纯组分信息。这种新方法的优点在于半盲源分离 ,即只要判断出重叠峰所含组分的数目 ,就可从混合谱中分离出各组分的纯谱信息。将它用来解析模拟两组分重叠峰体系和酒样的GC MS混合谱 。

多重谱峰的分解方法

利用高斯混合模型(GMM)良好的逼近能力对能谱进行精确描述,并从统计学角度采用期望最大化(EM)迭代算法以4个重叠的伽马谱峰为例,进行了重叠峰的分解。该方法可对由更多谱峰叠加的重叠峰进行分解,并能保证较小的统计误差,对放射性核素的定量和定性分析具有较大参考价值。

紫外-可见吸收光谱结合高斯多峰拟合技术测定甲基红酸离解常数(英文)

在一定pH值范围内,甲基红(MR)水溶液紫外-可见吸收光谱特征是酸式甲基红(HMR)最大吸收峰((530±15)nm)与碱式甲基红(MR-)最大吸收峰((435±20)nm)叠合在一起.本文用高斯多峰拟合技术实现了HMR和MR-叠合峰的分峰拟合计算.拟合计算输出两个吸收峰的积分面积即峰强度A1和A2,A1和A2之比与MR-和HMR浓度之比.进而计算甲基红水溶液酸离解平衡常数pKa.用本方法测量298.15K时的pKa值为4.76.拟合优度高,拟合度R2、拟合优度χ2分别达到0.998和10-5以下.深入探讨了表面活性剂十二烷基硫酸钠(SDS)、十六烷基三甲基溴化铵(CTAB)聚集行为对甲基红pKa的影响.与传统分光光度测量方法相比,紫外-可见吸收光谱结合高斯多峰拟合技术结果更可靠,测量步骤和数据处理过程更简单,更具有普适性.

基于麻雀搜索算法的土壤重金属X射线荧光光谱重叠峰解析

近年来随着土壤重金属污染的加剧,和人们环境意识的逐渐提高,科研人员对快速检测土壤重金属含量方法的研究正在不断深化。目前,X射线荧光分析法(XRF)是广泛应用于土壤重金属污染检测的方法。但由于X射线荧光光谱仪的能量分辨率有限,而一些重金属元素的荧光产额较低,一些元素的相邻谱峰出现了重叠现象。针对XRF法中元素相邻谱峰的重叠问题,提出了一种基于麻雀搜索算法(SSA)的光谱重叠峰解析方法。首先,将从河北保定地区采样得到的土壤,制备出不同含水率、不同重金属元素含量的样本并用X射线荧光光谱仪获取原始光谱数据。接着,对光谱数据进行预处理,采用谱聚类算法剔除异常光谱样本,采用Savitzky-Golay五点二次去噪法和线性本底法完成对光谱的去噪和本底扣除,并对光谱净计数用随机数法生成大量模拟光谱数据,以备后续算法使用。然后,用期望最大化法(EM)对重叠峰进行初步解析,首先设置EM算法的初始参数,并将生成的模拟光谱数据代入EM算法,当达到迭代次数时,即可初步得到高斯混合模型(GMM)中各高斯峰的期望、方差和权重参数。但由于EM算法容易受初始参数设置的影响,且易陷入局部最优而导致结果不准确,还需对EM算法进一步优化。本研究采用SSA对GMM的各参数进行全局优化,在设置SSA算法的基本参数后,将100组由EM算法得到的参数作为该算法的初始种群,并设置合适的适应度函数,通过迭代,最终得到全局最优参数,实现了重叠峰的分解。SSA受参数设置的影响较小,相比于一些传统的优化算法,如遗传算法(GA)、蚁群算法(ACO)、粒子群算法(PSO)等,具有收敛速度快、不易陷入局部最优的特点,因此,采用此算法,可以达到较好的优化效果。通过对重叠峰解析结果的分析表明,该算法可在较少的迭代次数下得到较准确的解析结果,可广泛应用于能谱重叠峰解析。

小波变换在重叠化学信号解析中的应用

将小波变换应用于重叠化学信号的分辨与处理,由于在噪声较大的情况下二阶导数法很难从噪声中区分出微弱信号峰,故通过小波卷积法确定各个组成峰的位置。在信噪比相对较低的情况下明显优于二阶导数法,然后利用小波滤波器处理数据,处理后的峰可达到基线分离,峰位置和面积基本不变。将此方法应用于单一成分的正丁酮、正丁醛以及乙醇、正丙醇、异丙醇、正丁醇、正戊醇和仲辛醇6种醇类物质的混合物处理,得到了满意结果。

基于统计遗传算法的X射线荧光重叠峰分解

针对X射线荧光分析中相邻谱峰之间的重叠问题,结合光谱形成过程的随机物理特性,提出了一种基于高斯混合统计模型(Gaussian mixture statistics model,GMSM)和遗传算法的重叠峰分解方法。首先,提出了重叠峰的GMSM描述方法,并分析了期望最大化法(expectation maximization,EM)的局部收敛问题;接着,将GMSM参数看作个体基因,以重叠峰随机数据序列的对数似然函数作为适应度函数,并给出了目标函数值的快速算法;然后,采用遗传算法的群体搜索技术找出全局最优解,实现重叠峰分解。该方法将所有测量的随机数据都当作"有用"来处理,其"有用"程度由其概率大小来体现,实现了原谱数据的"零损失",搜索到的GMSM是全局最大概率意义下的"最佳匹配"模型,符合放射性测量过程的随机性。通过对四个严重重叠峰分解的实验表明,分解后的峰位、峰面积及标准偏差具有较高精度,最大误差分别为0.7道,2.3%,2.17%,特别适合于严重重叠的情况,并可广泛用于其他能谱重叠峰的分解。