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。

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。

基于多适应度量子遗传算法的X射线荧光重叠峰分解

智能算法在对谱峰重叠严重的复杂地质样品进行分析时,往往存在计算量过大、弱峰误差较大、收敛于局部极小值或不收敛等问题。量子遗传算法因其具有良好的收敛性,可用于X射线荧光光谱重叠峰的分解。针对X射线荧光分析过程中经常遇到的谱峰重叠问题,提出了一种基于元素关联高斯混合模型(GMM-ER)和多适应度量子遗传算法的重叠峰分解方法。首先介绍了基于元素K系和L系特征X射线的重叠峰GMM-EB模型。然后基于X射线荧光光谱的物理特性,对传统量子遗传算法进行了改进,引入了多适应度函数。由锰、铁、钴和镍的特征X射线产生一段谱峰严重重叠的模拟光谱,然后基于GMM-EB模型,分别用传统量子遗传算法和改进的多适应度量子遗传算法对模拟光谱进行了10次解析。实验结果显示,改进后的量子遗传算法的重叠峰分解精度平均提高了32.1%,最佳分解精度提高了73.9%。应用改进量子遗传算法进行分解时,含量比例低的元素分解精度得到较大改善,最佳情况下元素分解的相对误差范围缩小了64.5%。并且,改进算法收敛速度快于传统算法。该方法适合严重重叠谱峰的分解,且对弱峰有较高的分解精度。

分解色谱重叠峰的参数契合法

本文研究了色谱重叠峰一阶导数曲线中各极值点的相对位置与重叠峰子峰面积比之间的关系,提出了一种模式参数契合的色谱重叠峰分解方法,它在准确性方面优于传统的垂线法,在速度方面优于模型拟合法,可用于实时快速处理。

小波变换和RBF网络用于模式法分解重叠色谱峰

将小波变换和神经网络相结合,研究色谱数据处理中分解重叠峰的新方法.首先利用小波变换多分辨分析和奇异性检测原理提取重叠色谱峰上的各特征点,构造反映重叠峰形状、位置和高度的5个无因次特征量,然后借助径向基函数(RBF)网络来表达重叠峰中子峰面积比和5个无因次特征量的映射关系,建立分解重叠色谱峰的模式识别模型.实验结果表明,采用训练好的RBF神经网络分解重叠色谱峰,准确度优于传统的垂线分割法,而且可实现对只有一个峰强极大点的肩峰型重叠峰的分解.

X射线荧光光谱中低分离度重叠峰分解的方法研究

由于轻元素自身特征X射线以及测量元素间特征X射线的相互干扰,受仪器能量分辨率的影响,实测X射线荧光光谱会产生严重重叠。以色谱分离度Rs作为计算谱峰重叠程度的指标,Rs低于0.5的重叠峰作为研究对象,提出一种峰锐化法结合双树复小波变换分解低分离度重叠峰的新方法,并对模拟X射线荧光光谱和实测X射线荧光光谱进行了新方法的验证。首先,在详细介绍峰锐化法和双树复小波变换分解重叠峰原理的基础上,通过仿真结果发现:当Rs=0.38时,两种方法皆不能单独实现重叠峰的分解;然而,峰锐化法处理后的信号不仅保留了原始信号的峰位特征,还出现了分离度明显变大的现象。因此,可以通过调节峰锐化法的权值实现对低分离度重叠峰的初步锐化,再对锐化后的信号做双树复小波变换,结果实现了对模拟重叠峰的分解,验证了新方法分解低分离度重叠峰的优越性。其中,双树复小波变换的分解层数为2~6层,第一层选择near_sym_b滤波器,第一层以上选择qshift_d滤波器,且当细节系数放大倍数为1~10时,重叠峰的分解结果更准确。然后,模拟了K元素K_α能量峰与其K_β能量峰的重叠光谱(Rs=0.44)以及Fe元素K_β能量峰与Co元素K_α能量峰的重叠光谱(Rs=0.34),用新方法对谱线进行处理,结果实现了重叠峰分解,且分解后峰位和峰面积的相对误差分别在1%和6%以内,验证了该方法分解光谱中低分离度重叠峰的可行性。最后,用新方法对实测的Ca元素X射线荧光光谱进行处理,最终也实现了重叠峰分解,且分解后的峰位相对误差分别为0.8%和0.7%。结果证明:峰锐化法结合双树复小波变换能够有效分解低分离度重叠峰,且在解决X射线荧光光谱中谱峰严重重叠的问题上具有实用性。

基于高斯锐化法的重叠峰分解方法研究

在放射性能谱测量中,由于探测器分辨率较低、待测样品中原子能级相近,往往会出现全能峰的重叠现象,对放射性核素的定性或定量检测带来较大的困难;常规的分离算法一般需要复杂的谱变换或大量的标准谱样本,不适用于现场测量中重叠峰的实时分解。因此,提出一种基于高斯锐化法的能谱重叠峰解析方法(GSM),结合峰锐化法的分辨率增强能力和褶积滑动变换法的平滑特性,可快速地识别、定位和解析γ能谱中的重叠峰。该方法首先对高斯函数进行锐化并做归一化处理,并以此作为变换算子,选择合适的高斯参数及窗宽度,通过对原始γ能谱数据进行褶积滑动变换,达到滤波和提高重叠峰分离度的目的;然后求解GSM成形处理后的谱线近似函数作为目标函数,并选取峰位中心附近若干点作为初始参数,最后以非线性拟合的方法进行重叠峰特征峰参数的解析。实验中,首先验证了该方法变换前后峰位、峰面积特征值的不变性,其次分别对重叠峰能谱段以及MCNP模拟的^(131)I,^(137)Cs,^(214)Bi,^(206)Bi和^(26)Al混合放射源γ能谱进行方法验证。实验结果表明,该方法对于分离度大于0.375、信噪比大于40 dB的重叠峰具有较好分解效果,分解前后的峰位和峰面积的相对误差分别在1%和4.5%以内;对于γ能谱进行全谱解析后,重叠峰的峰位分离相对误差在1%以内,单峰的分离相对误差约为0.1%以内,且当变换算子的半宽度接近探测器能量分辨率时,重叠峰的分解结果更准确。该方法具备较好的噪声抑制性能,在全谱解析中无需进行能谱光滑及本底扣除等谱线预处理操作,且计算资源耗费少,分解精确度较高,便于能谱测量系统的嵌入式实时解谱应用,对放射性测量中能谱的现场快速解析具有实用性。

基于差分进化算法的X荧光重叠峰的分解

X射线荧光分析中相邻峰重叠的分解问题是十分常见的,谱峰重叠为谱的进一步定性分析和定量分析都带来了困难,而通过硬件手段来减少谱峰重叠的发生往往受资金和工作条件的制约,通常会选择通过数学手段得到重叠谱中各个子峰的相关信息来完成重叠谱的分解。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模型(GMM)的参数独立模型和参数关联模型,以及基于这两种模型和差分进化算法的重叠峰分解方法。GMM模型参数构成了差分进化算法个体基因,给出了目标函数的快速算法,通过随机生成初始种群,以种群中每个个体的适应度值和各个个体参数的约束条件为选择标准,避免了初值不当带来的局部收敛问题,并且将所有测量的随机数据参与到个体适应度值的运算当中,避免了原谱数据的损失。对模型参数相互独立和模型参数相关联两种情况进行了解谱分析,首先,对三峰重叠和四峰重叠进行仿真模拟分析,分解结果表明,基于GMM参数关联模型的解谱精度较GMM参数独立模型的解谱精度更高,三峰重叠时,参数独立模型和参数关联模型分别得到的权重最大误差为8.15%和2%,峰位最大误差为0.30%和0.06%,标准差的最大误差为7.5%和1.35%。四峰重叠时,参数独立模型和参数关联模型分别得到的权重最大误差为8.3%和4.3%,峰位最大误差为0.12%和0.13%,标准差的最大误差为5.04%和0.45%。然后通过实测三峰重叠谱的解谱分析表明,用这两种模型进行重叠谱的分解,分解结果相对误差和待测量元素的含量有关,随着待测元素含量的降低,分解结果精度会降低。仿真和实测都表明,基于高斯混合模型和运用差分进化算法的重叠谱进行解谱时,如果能够提前得到各个相互重叠小峰权重、均值、标准差之间的关系,建立GMM参数关联模型,减少寻优个体参数个数,对提高复杂峰的分解精度是非常重要的。

灰度图的峰分解:算法及应用

借助于形态学和地形学的概念,灰度图可以分解为一系列的峰,并且可以用树的结构来保存分解的结果。本文称之为灰度图的峰分解,给出其数学定义,并且基于数学形态学中的watershed变换,实现了峰分解的快速算法。该分解具有很强的直观性,本文将它应用于原子力显微镜照片中的量子点的统计,发现它的应用情况很广,分割性能也非常精确,对噪声也不敏感,有很强的鲁棒性。

高压DSC在推进剂燃烧研究中的应用初探Ⅰ．几种双基推进剂的高压热分解

高压ＤＳＣ在推进剂燃烧研究中的应用初探Ⅰ．几种双基推进剂的高压热分解阴翠梅，刘子如，孔扬辉，李莉，候建平（西安近代化学研究所西安７１００６５）１前言近年来，热分析技术广泛用于推进剂的研究中，但大部分试验是在常压下做的。推进剂燃烧分解过程都是在高压下进...

关于谱峰起始值及求积的研讨

以德国产NETZCH型TG-DTA热重分析仪所作草酸、草酸钙实谱图中的数据处理为例,探讨了有关外延反应起始温度、孤峰求面积的仪器数据处理中存在的问题,以及在基线漂移引起的几何变形、重叠峰分解方面仪器处理的缺陷,论证了国际热分析联合会提议的以峰侧最大斜率外延起始温度的方法的不足,继而补充了“2σ”定值法。

MgH2对DNTF的热分解特性影响研究

为探究金属氢化物MgH2对DNTF的热分解特性的影响, 向DNTF中加入不同含量的MgH2进行差式扫描量热法(DSC)测试。为防止DNTF加热挥发采用完全密封坩埚。经过研究发现:MgH2能降低DNTF热分解反应的放热分解峰温,但不同含量的MgH2对DNTF的热分解影响不同,随着MgH2含量的增加,DNTF的放热分解峰温和分解活化能逐渐降低,MgH2的含量高于8%时,DNTF热安全性较大降低。

石灰石热分解过程的节能探讨

通过差热扫描量热分析(DSC)可测出石灰石(99％CaCO_3)热分解所消耗的能量,将石灰石与有机酸诸如草酸、醋酸、洒石酸、柠檬酸等混合后进行测试,结果表明,使用这些有机酸能使CaCO_3热分解所需能量降低,同时使其分解温度稍微降低。

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Voigt函数拟合的能量色散X射线荧光光谱(EDXRF)法测定金矿粉末中低品位金

为了提高金矿粉末含金量检测的准确性和安全性,以金矿粉末为研究对象,运用能量色散X射线荧光光谱法(EDXRF)对金矿粉末进行检测,利用Voigt函数拟合分离出金元素的Lα纯元素特征峰,分析测定金矿粉末中金的含量。在实验中,发现金的Lα峰与锌的Kβ峰存在明显重叠,为了排除锌元素的干扰,引入降噪技术和Voigt函数进行分峰处理,利用纯锌和纯金的标准溶液配制符合金矿粉末样品中锌金四种比例的混合溶液,通过滤波和降噪算法处理得到相对纯净的重叠峰,加入Voigt函数拟合分离锌和金的重叠峰,得到金的Lα峰净强度值,通过纯金和纯锌标准溶液建立回归线得到金矿粉末中金的真实含量,对比金矿粉末的参考含量数据,偏差度皆小于10%,含量大于3 g/t以上偏差值则小于2%,结合EDXRF法对检测样品无损伤的特点,提高了金矿中金含量检测的安全性、准确性和可靠性。

X射线荧光光谱在Fe、Mn化学态分析中的应用

采用普通X射线荧光光谱仪,在多种不同条件下测量了Fe、Mn及其多种化合物的Kβ和L系谱线,用PeakF it谱处理软件,分解重叠谱峰获得各个单一的谱峰参数(谱锋位置、峰高和半高宽等),对各个谱峰产生的原因进行了讨论,结果表明,对Mn及其化合物K系谱线而言,采用L iF(200)分析晶体与二级衍射提高了仪器的分辩率,能更好的用于进行曲Mn及其化合物的价态的定性分析;对Fe及其化合物而言,采用L系谱峰测量的效果优于采用Kβ谱峰测试。以上研究有助于拓宽普通X射线荧光光谱仪的应用领域,且对定性分析Fe、Mn及其化合物的价态有实际意义。

X射线荧光光谱法对钒氧化物中不同价态钒的定量分析

讨论用普通的X射线荧光光谱仪 ,采用谱峰分解法和谱峰合成法对钒氧化物的混合物中氧化态V2 O3、V2 O4、V2 O5 的定量分析。谱峰分解法系以每种钒氧化态的标准谱形函数为基础 ,用最小二乘法求解。而谱峰合成法则是以每种纯氧化态的测量谱线为基础 ,用定标技术求解。用上述方法测定钒氧化物产品 ,其结果与化学法、电化学法的结果一致 ,最大相对误差为7 7%。

Relationship between the Standard Enthalpy of Formation and the Ratio of Standard Enthalpy of Formation and Exothermic Denitration Decomposition Peak Temperature of M(NTO)_n

A relationship is established, using the least squares method, between the standard enthalpy of formation and the standard enthalpy of formation divided by the exothermic denitration decomposition peak absolute temperature corresponding to β →0.

遗传算法和神经网络的重叠光谱解析

随着光谱分析及荧光检测技术的快速发展,单色荧光标记已无法对细胞样本进行精准判断,必须采用双染色或多色荧光标记来分析细胞内部结构。然而,使用光谱测量方法进行多色荧光分析时,由于通常使用多种标记物同时对待测细胞进行标记,发射光谱会产生部分光谱重叠,为了准确对其进行分析,需将重叠峰分解为独立谱峰。针对光谱重叠现象,提出了遗传算法优化BP神经网络(GA_BP)的重叠峰解析算法。首先确定了BP神经网络具体结构,并对重叠峰信号进行二次微分预处理,确定重叠峰中单峰个数及单峰位置,将其作为重叠峰信号的特征值送入BP神经网络的输入层;其次将BP神经网络权值及阈值初始化,利用遗传算法全局搜索的优势,进行算法初始种群及种群规模等最优参数的选取,通过选择、交叉、变异等一系列遗传进化操作进行寻优计算,得到包含BP神经网络最优权值和阈值的个体;然后确定网络最优参数并进行相应网络训练,使优化后的BP神经网络可从输出节点处获得独立单峰的峰宽及强度;最后结合二次微分处理得到的重叠峰特征值,即可分离出单个谱峰。以随机生成的多组高斯重叠峰数学模型作为实验数据进行仿真实验,结果表明该方法具有较高的精确度。其中,双峰重叠峰及三峰重叠峰分解后峰强度及峰宽的最大相对误差分别为0.30%, 3.57%和0.64%, 3.83%;同时也可对四峰重叠峰进行较为准确的分解。此外,将GA_BP网络模型与未经优化的BP神经网络模型作对比,结果表明GA_BP网络运行5步后即可达到预设的误差值,而未经优化的网络模型则需19步方可达到,进一步证明GA_BP网络模型收敛更快且误差较低。由此可见, GA_BP算法在重叠光谱分析中有较好的效果,并可应用于其他能谱重叠峰的分解,与传统方法相比具有明显的优势,具有一定的实用价值。

利用HPGe铀能谱88～100keV能区确定铀富集度方法研究

利用铀材料γ能谱88-100 keV能区中γ、X射线重峰分解确定同位素丰度的方法，是铀同位素分析商用软件MGAU、MGA＋＋等的核心技术。本文建立了γ、X射线峰形模型，提出了效率拟合因子修正效率的方法，并自行编写了铀富集度分析程序。用 H PGe γ谱仪对两种化学形态、铀富集度范围为1.80％-90.1％的铀样品进行了测量，以验证自编程序的可行性。利用本文所编写的程序分析实验能谱，得到的芯块样品分析结果与标称值的相对偏差小于2％，粉末样品分析结果与标称值的相对偏差小于1％。