基于四组分同时测定的PARAFAC和SWATLD算法及比较

邻苯二酚和对苯二酚是有毒物质,酪氨酸和色氨酸是天然氨基酸中仅有的会发光的组分,由于四组分光谱重叠,很难用常规方法直接定量检测。实验中采用三维荧光光谱结合平行因子和自加权交替三线性分解算法,邻苯二酚、对苯二酚、酪氨酸和色氨酸进行直接定量测定;同时,比较两种算法在定性测定和定量测定上的差别。当测量体系的成分数预估计值为4时,两种方法分辨后的回收率分别为(101.2±2.7)%,(99.3±3.0)%,(98.7±4.5)%,(101.6±4.7)%和(109.0±8.0)%,(91.3±11)%,(99.7±13)%,(98.1±11)%。试验结果表明,两种方法可用于四组分直接快速定量测定;通过对两种算法的比较,PARAFAC算法更具优势。

同步荧光光谱技术结合支持向量机对掺杂牛奶智能判别研究

牛奶因其丰富的营养成分和易消化吸收的特点,受到消费者的青睐。牛奶掺杂行为的产生使得牛奶制品质量备受关注,快速、便捷地鉴别乳品质量对于乳制品行业经济的健康发展具有重要意义。利用同步荧光光谱对掺杂牛奶进行检测,寻求一种高效判别掺杂乳品方法。采用分子荧光分光光度计测定激发波长(Ex)为220~600nm,激发-发射间隔波长(Δλ)为10~180nm的纯牛奶、复原乳粉(全脂、脱脂)及其掺杂样本的牛奶样品的三维荧光光谱数据,利用平行因子分析方法(PARAFAC)降维获取特征光谱,通过支持向量机建立了掺杂牛奶的判别模型。结果所有乳品样品在激发波长为225~300nm范围内都有一个特征荧光峰,荧光峰在280nm附近,为色氨酸类物质,但该处纯牛奶荧光强度明显高于两种乳粉,且脱脂乳粉要强于全脂乳粉,这说明牛奶的主要成分都一样,发光基团一致,但由于处理方式不一致,使得其浓度存在差异。两种复原乳粉在350~400,450~500nm之外存在荧光物质,主要为维生素A和类胡萝卜素,且脱脂乳粉比全脂乳粉对应区域荧光强度要强,主要在于脂肪物质散射使得荧光强度增强。为更好获取乳品样本特征,通过PARAFAC对三维数据进行降维之后,显示当组分数为6,Δλ为40nm时载荷值最大,该处样本信息差异显著。提取Δλ为40nm特征波长和掺杂乳品品类值作为输入数据的支持向量机(SVM)分类器,采用了遗传算法(Ga-SVM)、粒子群优化算法(Pso-SVM)和网格搜索算法(Grid-SVM)三种SVM算法对掺杂牛奶进行分类识别。结果显示Grid-SVM模式交叉验证(CV)准确率为98.91%,其训练集和测试集的分类准确率均为100.00%,且模型运行时间仅6.724s,显著优于另两种分类器。结果表明荧光光谱与PARAFAC-SVM方法相结合,是一种简单且高效判别掺杂牛奶的方法。

基于差分阵列的双基地EMVS-MIMO雷达高分辨多维参数估计

为提升双基地EMVS-MIMO雷达的多维参数估计性能,该文提出利用发射/接收EMVS的差分阵列结构来实现多维参数的高分辨估计。对于阵列接收数据,可以利用高阶张量来实现对发射/接收EMVS的差分阵列的构建。首先,利用高阶张量的交换和缩并规则来构建一个包含原始发射/接收EMVS差分阵列结构的5阶张量模型;通过利用两个选择矩阵,可以剔除该张量模型中差分阵列的重复元素,且获得的差分阵列的自由度为原始阵列自由度的两倍。然后,对新构建的5阶张量模型再次进行张量的缩并处理可以获得一个第3个维度为36的3阶张量模型。最后,通过利用平行因子分解算法可以实现对发射4维参数和接收4维参数进行有效的求解。仿真实验表明,该文对差分阵列的构建有效地实现了双基地EMVS-MIMO雷达中多维参数估计性能的提升。

多波长LED阵列诱导荧光光谱在多组分分析中的应用研究

荧光光谱技术是对水中的溶解有机物、油类污染物,以及各种浮游植物生物量识别与测量的有效手段之一。构建了多波长LED阵列(450～610nm)诱导荧光光谱测量系统,讨论了系统的原理和利用此系统进行多组分分析的方法。在实验室应用该系统获取了多组分混合荧光物质溶液的三维荧光光谱,并采用平行因子算法分析了多组分三维荧光光谱数据,结果显示得出的多组分浓度值与实际浓度的相关性大于98%。表明基于多波长LED阵列诱导荧光光谱测量系统在多组分分析中具有很好的应用前景。

荧光光谱结合校正算法测定混合色素溶液中各组分的浓度（英文）

应用英国Edinburgh公司生产的FLS920P荧光光谱仪实验测定了诱惑红、日落黄和亮蓝三种合成食品色素混合溶液的三维荧光光谱,将荧光光谱数据应用化学计量学中的平行因子分析(PARAFAC)和交替三线性分解(ATLD)二阶校正算法进行计算处理,对混合合成食品色素溶液中各组分进行了定性和定量检测。应用核一致诊断法,确定主成分数为3。PARAFAC算法解析后的回收率分别为98.75%±8.9%,97.22%±2.9%和99.00%±2.9%,ATLD算法解析后的回收率分别为99.78%±5.9%,92.52%±5.5%和97.23%±5.8%。结果表明,两种方法都可以用于三个组分的直接快速测定,PARAFAC算法更稳定,更具优势。

基于二阶校正法的多环芳烃污染物荧光检测

为了对复杂体系的多环芳烃进行定性识别和定量分析,构建了基于二阶校正法的荧光检测系统。利用二阶校正法在三维荧光数据处理中的优势,达到多种混合多环芳烃分离和鉴别的目的。采用FS920荧光光谱仪测量并分析了萘(NAP)、苊(ANA)及两者混合物的荧光光谱特性,发现NAP溶液有一个荧光峰λex/λem=290/322nm,ANA溶液存在两个荧光峰分别为λex/λem=290/322nm和λex/λem=290/336nm,NAP和ANA荧光光谱重叠严重,并且不同浓度配比混合物的荧光光谱具有差异性。通过将二阶校正法与三维荧光光谱法相结合,实现对多环芳烃混合物的浓度检测。分别采用平行因子(PARAFAC)算法和自加权交替三线性分解(SWATLD)算法对光谱数据进行分解。结果表明:两种算法对NAP和ANA混合物均有较高的分辨能力,预测平均回收率均在95%~99%、均方根误差均小于0.2μg/L。相比之下,SWATLD算法的检测效果更好。

三维荧光结合二阶校正法测定蛇床子及人体血浆中蛇床子素的含量

利用二阶校正的平行因子分析(PARAFAC)算法,交替三线性(ATLD)算法和自加权交替三线性(SWATLD)算法辅助三维荧光对中药蛇床子和人体血浆中蛇床子素进行了定性及定量分析。中药蛇床子和人体血浆体系中背景复杂,与蛇床子素的荧光峰有严重的重叠。然而,PARAFAC算法,ATLD算法和SWATLD算法具有独特的"二阶优势",即使在有未知干扰存在的情况下也能得到令人满意的结果。三种方法测得的蛇床子素在中药蛇床子中的回收率分别为103.6%,101.5%和103.0%,在血浆中的回收率分别为111.1%,100.0%和106.6%,得到的蛇床子素解析光谱和真实光谱几乎完全重合。实验结果说明,这三种化学计量学二阶校正算法可以在有未知干扰组分共存的情况下对蛇床子素进行准确而有效的定性及定量测定。

平行因子算法用于酪氨酸、色氨酸和苯丙氨酸的同时定性与定量测定

酪氨酸、色氨酸和苯丙氨酸是天然氨基酸中仅有的会发光的组分。本文将三维荧光分析法与平行因子 (PARAFAC)算法相结合 ,在激发波长为 2 0 5～ 2 90nm(5nm为间隔 ) ,发射波长为 2 70～ 3 80nm(5nm为间隔 )对该体系进行了分辨研究 ,分辨结果与实际浓度一致。该方法分辨速度快 ,易于编程实现 ,且分辨效率高 ,解决了三者同时分辨难的问题 。

三维荧光二阶校正法同时测定水果样中α-萘乙酸和吲哚-3-乙酸

将三维荧光光谱技术与分别基于交替惩罚三线性分解(APTLD)和平行因子分析(PARAFAC)2种算法的二阶校正方法相结合,实现了水果样中α-萘乙酸(NAA)和吲哚-3-乙酸(IAA)含量的直接快速同时定量测定。对于西瓜提取液,在量测体系选取的组分数为3时,采用APTLD二阶校正法所获得的NAA和IAA的平均回收率分别为(103.8±7.5)%和(95.2±5.9)%;采用PARAFAC二阶校正法所获得的平均回收率分别为(101.0±4.6)%和(96.8±4.5)%。另外,采用椭圆置信区间测试和品质因子如灵敏度、选择性和检测下限,评估了2种算法的准确性。实验结果表明,这2种方法均能成功用于直接定量分析水果样中NAA和IAA的含量,且方法快速简便,比其它分析方法既节约试剂又节约时间,是1种直接快速分析复杂体系中感兴趣组分植物生长激素的有力工具。