基于平行因子四线性分解的二维角度和频率联合估计

该文提出了一种新的2维角度和频率联合估计方法。首先给出双平行线阵结构,将阵列天线输出的信号进行建模分析,表明此信号具有平行因子四线性模型特征,分析了该模型低秩分解的唯一性,从分解得到的矩阵中联合估计出信源的频率和到达角。该方法无需谱峰搜索,可实现参数的同时估计与配对,并与现有的算法进行了比较,具有更高的估计精度,而且在小样本数下也能较好的工作。仿真结果验证了该方法的有效性。

三维荧光光谱结合四线性分解算法测定化妆品中的酚酸类物质

化妆品中的酚酸类物质,有的作为有效成分而添加,如:具有修复皮肤功效的咖啡酸、能够抗炎抗过敏的没食子酸等;有的作为防腐剂而添加,如:对羟基苯甲酸、山梨酸等;有的则属于禁用物质,被不良商家违法添加,如:对苯二酚、间苯二酚等。为监控化妆品质量,对化妆品中酚酸类物质的检测显得尤为重要。许多研究人员也为此做了相关工作,以色谱法为主的先分离后分析的方法取得了一定的成功,但是费时、费料、操作复杂等缺点也十分明显;三维荧光光谱技术具有较高的灵敏度,但是荧光干扰和光谱重叠对检测有较大的影响,针对复杂的化妆品样本往往无法得到理想的效果。为实现化妆品中酚酸类物质的同时定性定量检测,文章将三维荧光光谱技术与化学计量学的四维校正(也称三阶校正)相结合,在保证高灵敏度的情况下,克服未知干扰和数据共线性的影响。首先,在咖啡酸(caffeic acid,CA)、对羟基苯甲酸(p-hydroxybenzoic acid,p-HA)、对苯二酚(hydroquinone,HQ)的线性范围内选取合适的浓度,分别在7.00,7.30,7.50和7.80四种pH值下配制校正样、验证样和化妆品样,这样就得到了激发-发射-pH-样本(EX-EM-pH-Sample)四维数据阵。其次,为验证pH值对荧光强度的影响,选取320 nm作为激发波长,得到咖啡酸在四种pH值下的发射波长,发现咖啡酸的荧光强度随着pH值的增加而升高,表明引入pH值作为第四维的合理性。最后,选择合适的组分数将四维数据阵用交替惩罚四线性分解算法(alternating penalty quadrilinear decomposition,APQLD)进行分解和预测,将分解的光谱与实际光谱比较,将预测的浓度与实际浓度比较。实验结果显示无论是验证样还是化妆品样,分解光谱均能与实际光谱相吻合,验证样的平均回收率(AR)为100.4%~103.5%,预测均方根误差(RMSEP)低于0.06;化妆品样平均回收率(AR)为100.0%~102.2%,预测均方根误差(RMSEP)低于0.08。与色谱法研究相比回收率高出大约4%,且操作简便省时省力,灵敏度高;与二阶校正方法相比,都可以实现在未知干扰下对复杂化妆水体系中多个组分的同时分析,以“数学分离”代替“物理化学分离”,快速、高效、经济、环保;且三阶校正可以克服一定的数据共线性问题,在一定程度上提高了灵敏度。

三维荧光光谱结合交替加权残差约束四线性分解算法对石油类混合油液的检测

石油作为重要的能源和工业原料,在造福人类社会的同时,其引起的环境污染问题日益严重。因此针对混合油液的快速、准确检测成为鉴别溢油来源和保护生态环境的重要内容。石油类物质一般由具有较强荧光特性的芳香烃成分及其衍生物组成,荧光光谱分析技术以其灵敏度高、分析速度快和受风化影响程度小等优点成为了混合油液检测的重要手段之一,并与二阶校正和三阶校正的各类算法相结合取得了较好的成分鉴别和浓度预测效果。但二阶校正算法普遍存在对噪声的容忍能力弱和对组分数敏感、收敛速度慢等不足,限制了在实际混合油液检测中的应用。针对上述存在的问题,将三维荧光光谱技术和交替加权残差约束四线性分解(AWRCQLD)算法相结合,提出一种用于混合油液检测的新方法。首先以乙醇作为溶剂,将航空煤油和润滑油按不同浓度比配制7个校正样本、4个预测样本和3个空白样本;然后利用FLS920荧光光谱仪采集拟进行成分检测的混合油液在不同实验温度条件下共42个样本的荧光光谱数据,并通过空白扣除的方法消除散射的干扰;再利用核一致诊断法和残差分析法估计出最佳的组分数;最后分别利用AWRCQLD算法、4阶平行因子(4-PARAFAC)算法和二阶校正算法解析样本的荧光光谱数据,做出混合油液样本的定性鉴别和定量预测。研究结果表明,经AWRCQLD算法解析后得到的航空煤油预测样本的回收率为96.7%~102.7%、预测均方根误差为0.015mg·mL^-1;润滑油预测样本的回收率为96.9%~101.7%、预测均方根误差为0.009mg·mL^-1;在不同实验温度条件构建的四维响应数阵能够更为准确地测定出航空煤油和润滑油的组分浓度,其回收率更高和预测均方根误差更小,满足准确定量分析的要求;AWRCQLD算法在航空煤油和润滑油样本的荧光光谱严重重叠的情况下,较之二阶校正算法和4-PARAFAC算法,AWRCQLD算法更能够体现出三阶校正算法所具有的优势,综合预测能力更强,达到了对混合油液进行快速检测的目的。该研究提供了一种不依赖于“物理和化学分离”的快速、准确的对混合油液进行检测的“数学分离”方法,为石油类混合油液检测提供了必要的技术支持。

三维荧光光谱结合小波压缩与交替惩罚四线性分解算法测定多环芳烃

基于三维荧光光谱结合交替惩罚四线性分解(APQLD)对痕量多环芳烃(PAHs)进行检测,实验以苊(ANA)和萘(NAP)为研究对象。首先利用小波变换对得到的三维荧光光谱数据进行压缩,以消除数据的冗余信息。分别在乙醇溶剂、甲醇溶剂以及超纯水条件下测定不同浓度的PAHs的激发-发射荧光光谱,并将其组合构建四维数据,利用APQLD对构建的四维光谱数据进行分析,并对比了PAHs在三种溶剂条件下各自的回收率。实验结果表明,用不同溶剂构建的四维数据能更准确地测定PAHs的浓度,其回收率更高;对比二阶校正以及其他四维校正算法,APQLD更能体现四维算法所具有的优越性;当因子数N=3时,ANA的回收率为96.5%~103.3%,预测均方根误差为0.04μg·L^(-1);NAP的回收率为93.3%~110.0%,预测均方根误差为0.08μg·L^(-1)。

极化敏感面阵波达方向和极化的联合估计-快速收敛四线性分解算法

调查了极化面阵中的波达方向估计(Direction of arrival,DOA)与极化估计问题,并提出了一种快速收敛的四线性分解算法。具体来说,首先把互质面阵分解为两个均匀面阵并利用传播算子算法得到了初始的方向矩阵估计。然后,将接受信号置于四线性模型,利用四线性交替最小二乘来估计所有可能的DOA与极化估计结果。接着,根据互质解模糊的原理,从所有的结果中提取出真正的估计值,消除了模糊估计结果。对比于传统的四线性交替最小二乘算法,本算法可以在不损失估计性能的前提下,极大程度地降低复杂度。仿真结果证明了极化互质面阵下本快速收敛算法的优越性。

基于四线性分解的双基地MIMO雷达的角度和多普勒频率联合估计

研究双基地多输入多输出(Multiple-input Multiple-output,MIMO)雷达中的角度和多普勒频率联合估计问题,提出了一种基于四线性分解(Quadrilinear Decomposition)的离开角(Direction of Departure,DOD)、波达角(Direction ofArrival,DOA)和多普勒频率的联合估计算法。通过对接收端匹配滤波器的输出进行延迟操作,得到符合四线性模型的数据,根据四线性交替最小二乘(Quadrilinear Alternating Least Squares,QALS)进行迭代,得到方向矩阵和多普勒频率矩阵的估计,进而得到角度和频率的估计。该算法无需谱峰搜索,无需知道反射系数,可实现角度和频率的自动配对,且能用于非均匀阵,该算法的角度估计性能优于多维ESPRIT方法和三线性交替最小二乘(Trilinear Alternating LeastSquares,TALS)方法。论文分析了所提算法复杂度,并推导了克拉美-罗界(Cramer-Rao bound,CRB)。仿真结果验证了该算法的有效性。

交替加权四线性分解算法用于处理非五线性五维数阵

针对获得的非五线性五维数阵,采用一种先拓展后处理的思路,即将该数阵沿着不具有线性的一维铺展成四线性四维数阵,然后采用四维平行因子分析(4-PARAFAC)、交替加权残差约束四线性分解(AWRCQLD)和新发展的交替加权四线性分解(AWQLD)算法来对其进行解析.在处理实验数据之前,还通过2组模拟数据对提出的方法进行了验证.结果表明,新发展的AWQLD算法给出了与AWRCQLD和4-PARAFAC相似甚至更好的结果,为处理非多线性多维数阵又提供了一种很有潜力的分析方法.

基于任意声矢量传感器阵列的角度和频率估计算法

提出了一种基于任意声矢量传感器阵列下联合角度和频率估计新方法。将矢量传感器阵输出的信号进行建模分析表明此信号具有平行因子四线性模型特征。利用四线性分解的唯一性条件,从分解得到的矩阵中联合估计出声源的参数。该算法首先应用平行因子四线性分解算法估计出频率矩阵和方位矩阵,然后根据频率矩阵和方位矩阵的结构特点及最小二乘方法进行声源参数的计算。该方法与传统算法相比,无需多维谱峰搜索及参数配对,并具有更高的估计精度,在工程上有一定的应用价值。计算机仿真和实验结果验证了该方法的有效性。

三维荧光结合AWRCQLD测量化妆品中三种添加剂

没食子酸(GA a),学名为3,4,5-三羟基苯甲酸(分子式为C 7H 6O 5),通常以水合物的形式存在,作为一种重要的有机原料,广泛的存在于植物中。有研究证明GA a具有抗氧化、抗炎、抗肿瘤、抗病毒、抗突变等多种作用。因此GA a常作为抗氧化剂添加于化妆品中。对羟基苯甲酸(p-HA),分子式为C 7H 6O 3,其中的R基为甲基、乙基、丙基、丁基或庚烷基时分别称为对羟基苯甲酸乙酯、对羟基苯甲酸丙酯、对羟基苯甲酸丁酯和对羟基苯甲酸庚酯。p-HA酯类的抗菌性强、毒性低、抑菌作用不受pH影响,因此常添加于化妆品及药物中用作防腐剂。间苯二酚(RE)又称1,3苯二酚或间二苯酚(分子式为C 6H 6O 2)。RE具有杀菌作用,可作为防腐剂添加于化妆品中。以没食子酸(GA a)、对羟基苯甲酸(p-HA)和间苯二酚(RE)三种化妆品常用添加剂为目标分析物,通过引入第四维—溶剂,构建四维荧光光谱数据,使用甲醇(光谱级)、乙醇(光谱级)、超纯水分别获得三组实验样本,三组样本的配置方法与加入药品量相同。使用FS920稳态荧光光谱仪对样本进行检测,设置激发波长为210~330 nm,间隔4 nm记录一个数据;发射波长为280~480 nm,间隔2 nm记录一个数据。初始发射波长总是滞后激发波长10 nm,由此可消除一级瑞利散射的干扰。随后使用空白扣除法对初始荧光数据进行预处理,去除了溶剂的拉曼散射。最后,采用核一致诊断法确定待测样本的组分数为3,使用交替加权残差约束四线性分解(alternating weighted residual constrained quadratic decomposition,AWRCQLD)算法对预处理后的三维荧光光谱数据进行分解。结果表明,AWRCQLD算法分解得到GA a、p-HA和RE的激发、发射光谱图与目标光谱几乎重叠,能实现光谱重叠严重的GA a、p-HA和RE的快速定性和定量分析。

多维校正辅助激发-发射矩阵荧光法快速定量及动力学分析土壤中9-羟基芴

9-羟基芴(9-OHF)是一种常见的多环芳烃类环境有机污染物.本文提出了一种基于交替惩罚三线性分解(APTLD)和交替惩罚四线性分解(APQLD)的多维校正与三维荧光技术相结合的新策略,用于快速定量和动力学分析土壤样中9-OHF.选取因子数(F)为5和6,采用基于APTLD的三维校正方法分析拓展的三维数阵,所得土壤样中9-OHF平均回收率分别为(117.6±5.6)%和(111.1±5.1)%,半衰期分别为126.0和111.8 min,但T检验表明其预测值存在显著性差异.接着,采用基于APQLD的四维校正方法解析四维数阵.选取F=5和6,所得土壤样中9-OHF平均回收率分别为(107.8±10.6)%和(104.5±10.3)%,半衰期分别为121.6和105.0 min,T检验表明其预测结果准确可靠.此外,APQLD还给出了较好的选择性和更低的检测下限.结果表明基于APQLD的四维校正方法具有“高阶优势”,通过对四维数阵的唯一性分解,可提供准确可靠的结果,为研究复杂体系分析物的动力学过程提供了一种很有潜力的分析手段.