谱数据分析的方法和系统的制作方法

专利名称：谱数据分析的方法和系统的制作方法
技术领域：
本发明概括地涉及谱数据分析的方法和系统。
背景技术：
在许多应用中，有关样品的信息是通过累积一段时间之内来自该样品的射线而确 定的。该射线的特性，比如它的能量分布曲线(energy profile)或它的衍射图样，能经常 被相关到该样品中存在的材料的类型。例如，样品在被电子轰击时释放出特征χ射线，该特 征χ-射线的能量与该样品中的成分相关。类似地，在用χ-射线轰击时，晶体产生一种特征 衍射图样，而伽玛射线及其它射线的频谱被天文学家用于研究有关宇宙的组成。术语“样 品，，在此被使用以宽泛地包括被观测的目标。在一种被广泛使用的应用中，扫描电子显微镜(scanning electron microscope) 可用于确定未知材料的元素成分。该扫描电子显微镜(SEM)发送高能电子，这些高能电子 猛撞入材料中。当这些电子进入原子时，它们能从该材料中撞出电子。在该过程中，第一个 电子损失一些能量，但是能接着撞入其它原子中，直到它不再具有足够的能量来继续这样 做。图1显示了具有被束缚到K、L和M能量级的电子的原子。来自SEM的电子以非常 高的能量被射入这个原子，将这些电子中的一个从该原子中撞出。很短的时间后，来自更高 能量级的电子会落入所产生的空隙。在落入较低能量的K壳层的过程中，它放射出单一的 χ-射线以平衡总能量。所放射的χ-射线的能量取决于该电子的初始位置。如果该电子源 自L壳层，那么该射线被表示为K α射线。如果它源自M壳层，那么该射线被表示为K β射 线，Κβ射线比Κα射线有更高的能量。替代地，如果电子被从L能量级撞出，那么会放射出不同的χ射线组，这取决于将 填入空下来的位置的电子源自哪里。图1显示，从M壳层落到L壳层的电子与La射线的 放射相联系。所放射的χ射线取决于具体的开始和结束能量级。通过分析所放射的X-射线的 能量，能够确定放射原子的类型。周期表中的每个元素有对应于这些X-射线能量的一组特 定的能量。举例来说，与氧的Kd射线的能量是523eV或者铀的是98434eV相比，碳的Ka 射线的能量是277eV。如果来自SEM的电子有比这种束缚能(binding energy)更低的能 量，那么它不能从该原子中撞出电子。每种元素的束缚能的完整列表可以在http://xdb. lbl. gov/Sectionl/ Table_l-2. pdf 中看到。替代地，来自SEM的电子可以不进入电子，而可以被偏转远离原子。这是由该电子 上的负电荷被围绕原子的电子云的负电荷排斥所引起的。图2显示电子的路径由于相互的静电排斥而被偏转远离原子。路径的偏转导致该 高能电子的能量小幅下降。这产生了韧致辐射(Bremsstrahlung radiation)。这种效应发 生在比图1中所见的χ-射线的放射低的强度下。然而，它也发生在所有能量级，而不是在轫致辐射是使用来自SEM的电子束的假象。在计算元素成分时必须将其 考虑在内。轫致辐射的形状取决于被分析的材料的平均密度，而且受到基于标准的光谱分 析的影响。基于标准的光谱分析基于标准的光谱分析是一个术语，它被用于描述将未知矿物质或元素的谱与一组 已知谱相比较以依据该已知谱确定该未知谱的成分的过程。这种方法产生了一种代表针对 已知模板中的每一个的倍增因子的解，然后它们被加起来以合成该未知谱。图3显示了黄铁矿(FeS2)的谱。该谱包含若干峰，以及轫致辐射的一些区域。在 这个曲线中有一些由碳(在277eV)带来的额外的较小的峰，而该铁的La峰在7(^eV。如果有人测量纯铁和纯硫的样品，这些元素的谱可以被适当地覆盖到黄铁矿的谱 上。结果如图4中所示。尤其是，图4显示，将铁的谱44缩放到42.0%并将硫的谱46缩放 到41. 5%使得它们与黄铁矿谱42中的峰适应。这些数字是这些元素的峰比值，因为它们代 表每个峰的面积相对于该元素的纯净样品的比。它们不代表该材料的重量百分比。矩阵修正可以使用标准矩阵修正算法(比如ZAF修正)将前面获得的峰比值转换为重量百 分比。ZAF修正考虑了各元素的原子序数(Z)、通过该材料的χ-射线的吸收因子(A)和来 自激励χ-射线从其它元素放射的元素的χ-射线的荧光(F)的差别。基于标准的光谱分析的问题为了使用基于标准的光谱分析，必须确定SEM的工作条件。影响光谱分析的因素 是射束电压、X-射线检测器角度和射束电流。射束电压影响被激励并产生X-射线的峰。如 同在前文中讨论的，如果射束电压比元素峰的特定束缚能低的话，那么该峰不出现在谱中。 另外，激励出比具有接近于该射束电压的束缚能的峰多得多有明显更低的束缚能的峰。这 产生了在低能量范围内包含非常大的峰而在高能量范围内包含非常小的峰的谱。χ-射线检测器角度影响ZAF修正的计算，因为它对χ-射线在到达检测器之前横穿 该材料的路径的长度进行建模。射束电流影响产生χ-射线的速率。在进行分析的同时，需要在相同的电流收集该 标准。重叠谱一些元素谱具有与其它元素峰重叠的峰。例如，硫、铅和钼分别在2307eV、2342eV 和2293eV具有峰。这些元素在不同能量处具有其它峰，但是这些谱看上去非常相似，因为 SEM射束电压太低而不能明显地激励钼的K峰(在17481eV)。另外，铅的K峰完全没有被 激励因为他们的能量太高了(74989eV)。这在试图解析包含铅、硫或钼的矿物质时带来了困 难。这对于既包含铅又包含硫的方铅矿来说尤其困难。图5显示了方铅矿的谱52，以及缩放后的铅的谱M和硫的谱56。铅和硫的峰明 显重叠，这使得方铅矿的分析比黄铁矿更困难。存在其它元素的峰强烈重叠的元素，因此， 如果这些元素之一存在于该矿物质中则元素的假象可能出现。图6到12显示了这种重叠 元素的进一步的示例。尤其是，图7显示钼的谱74和锆的谱72在2. 04keV有重叠的峰(通道102)。这 带来了分析时的问题，因为如果存在钼的话有可能不正确地将锆引入到被分析的成分中。图8显示了对于钠的谱82和锌的谱84的相同类型的重叠峰。这使得钠的假象被报告在含 锌的矿物质中。图9显示，这种类型的重叠对于铝的谱92和溴的谱94同样存在。图10显 示了镉的谱102和铀的谱104的重叠峰，它们非常类似并且在低浓度时可能被混淆。图11显示了银的谱112和钍的谱114的峰的紧密重叠。这种紧密重叠因为这些 元素的谱之间的唯一差异是在通道648处的小峰且该小峰对于低计数的谱是不可见的，故 导致了在低计数处的问题。这使得对含钍或银的矿物质的识别由于这种重叠而不正确地包 含了另一种元素。最后，图12显示了钇的谱122和铱的谱124的重叠峰。即使这种相对小 的重叠看上去也为氧化锆代来了问题。低计数光谱分析 如果使用高计数谱的话，从谱计算组成的元素不是特别困难。例如，图13显示了 矿物质钠长石(NaAlSi3O8)的谱，其中峰显示得非常平滑。为了产生这个谱而收集的χ-射 线的总数量是一百万。相比之下，图14显示了相同的矿物质，其中所收集的χ-射线的总数 量是三百。在这个图中，锯齿状曲线142显示了该矿物质的谱，而平滑的曲线144显示了元 素谱到该矿物质的拟合。在第二示例中，在该谱中有明显的噪音而且峰不是平滑的。对低 计数谱所报告的元素包含基于谱看似存在但并不存在于该矿物质中的许多假象。在低计数 处分析谱的任务更加困难，因为在基础(underlying)谱中存在太多的可变性，并且每个元 素的峰不是高斯型的。因此，现有方法所使用的技术不适合用于矿物识别的低计数光谱分 析，因为它们通常呈现出平滑的谱。另一方面，对于低计数谱来说元素量化的准确度较低。如果比较图13和图14中 显示的元素的话，那么很明显，四种元素0、Na、Al和Si的量在300计数时是稍微不精确的。

发明内容
本发明的目的是基本上克服或至少改善现有装置的一个或更多缺点；或提供有用 的替代方案。根据本公开的第一方面，提供一种用于谱数据分析的方法，该方法包含以下步 骤收集未知材料的谱；提供一组元素数据模板；在逼近该谱时计算针对该元素数据模板的光学最小二乘方加权；在逼近该谱时除去一个或更多具有负加权的模板；以及在所述一个或更多个模板被除去后重新计算该谱的逼近。根据本公开的第二方面，提供一种用于谱数据分析的电子系统，该系统包含用于获得未知材料的X-射线谱的谱获取装置；用于存储一组元素数据模板的存储器装置；以及处理装置，用于；在逼近所获得的谱时计算针对该元素数据模板的最小二乘方加权；在逼近该谱时除去一个或更多具有负加权的模板；以及在所述一个或更多模板被除去后重新计算该谱的逼近。根据本公开的另一个方面，提供一种包括计算机可读介质的计算机程序产品，该计算机可读介质具有已记录在其上的用于实现上述方法的计算机程序。还公开了本发明的其它方面。


现在将参考附图和附录描述本发明的一些概念性的示意及至少一个实施方式，其 中图1和2显示了标准电子显微镜(SEM)方法后的概念能量图和原理功能。图3显示了矿物质黄铁矿的谱。图4显示对黄铁矿的两元素的光谱分析。图5显示有邻近元素的方铅矿的谱。图6示意了元素峰重叠的概念。图7到12显示了各种元素的重叠峰。图13和14显示了在不同的计数数量的基础上获得的钠长石的两个谱。图15显示了当前描述的迭代最小二乘方算法的高级流程图。图16显示了非均勻的子采样前后的方铅矿(PbS)。图17显示了被子采样的区域的放大视图。图18和19显示了在没有非均勻子采样和有非均勻子采样的情况下所分别得到的 模板谱。图20显示了迭代最小二乘方初始化的方框图。图21显示钠长石的谱(NaAlSi3O2)。图22显示了在第一次迭代之后钠长石的原始模板乘数。图23显示了已缩放的钠长石的模板。图24显示已缩放的模板的放大部分。图25显示背景元素代替算法。图26显示迭代绝对误差精炼。图27显示了硅化镍的简单两元素光谱分析。图28显示了 Ni2Si的谱。图29显示了独居石。图30显示了用于计算镍的K峰比值的谱的部分。图31显示了峰比值计算方框图。图32显示了平均处理时间。图33到47显示了利用本发明的算法计算的各种矿物质的成分。图48显示实现本发明的一种典型的电子束系统。
具体实施例方式本发明的实施方式特别适合用于使用相对小数量的“计数”(即，相对小数量的检 测射线)来确定样品特征。该射线可以是，例如，用于电子显微镜的X-射线谱、来自X-射 线荧光的X-射线谱、X-射线衍射图样、光、微波、或来自天文对象的伽玛射线谱、或来自质 谱仪的质谱。尽管现有技术解释了由大量的计数所产生的平滑谱，然而本发明的实施方式适用于从粗略的、嘈杂的谱中确定材料，该谱具有例如少于100，000个计数、少于10，000个 计数、少于1，000个计数或少于500个计数。因为需要花时间来累积计数，本发明的实施 方式与现有技术相比，允许更快速地得到材料的特征。本发明的实施方式可用于，例如，在 X-射线光谱学实施方式中确定样品的元素成分，在X-射线衍射实施方式中确定样品的矿 物成分，或在质谱学实施方式中确定样品的质量成分。在本发明被用于使用χ-射线谱学来确定样品的元素成分的实施方式中，用于获 得本说明书中所介绍的至少一些结果的SEM配置的标准工作条件包括25keV射束电压、5nA 射束电流和35度χ-射线检测器角度。该射束电压对于撞走K壳层中铀的电子来说太低了， 这需要那个能量的近四倍。然而，它高到足以撞走铀的M壳层电子，因为它们需要3165eV。后面的说明书中的一些部分被通过在处理器或计算机存储器内的数据上的操作 的算法和函数的或符号的表示，以明示或暗示的方式介绍。这些算法的描述及函数的或符 号的表示是数据处理领域的技术人员向该领域的其他人员最有效地传达他们的工作实质 的手段。算法在此处(且通常地)被认为是导向期望结果的自洽(self-consisten)的步 骤序列。这些步骤是那些需要对能够被存储、传送、结合、比较或以其它方式处理的物理量 (比如电、磁或光信号)进行物理操作的步骤。除非做出明确的相反说明，并且从下文中显而易见，将理解到在本说明书的全文 中，使用比如“扫描”、“计算”、“确定”、“替代”、“生成”、“初始化”、“输出”等术语进行的讨论 指的是计算机系统或类似的电子器件的动作和处理，该计算机系统或类似的电子器件将在 该计算机系统内以物理量表示的数据处理和转换为在该计算机系统或其它信息存储器、传 送或显示设备内类似地以物理量表示的其它数据。因此，本说明书公开了一种方法以及用于执行该方法的各操作的装置。这种装置 可以是为了所需目的而特别构建的，或者可以包含通用计算机或由存储在计算机中的计算 机程序选择性激活或重新配置的其它装置。此处介绍的算法和显示不是固有地与任何特定 计算机或其它装置相关。可以通过依照本文教导的程序使用各种通用机器。替代地，执行 所需方法步骤的更专门的装置的构造可以是合适的。根据下面的描述，常规通用计算机的 结构显而易见。另外，本说明书还隐含公开一种计算机程序，因为对本领域的技术人员来说，在此 所描述的方法的各个步骤可以用计算机代码付诸实施是显然的。该计算机程序并非旨在被 限制于任何特定的程序设计语言及其实现。可以理解，各种程序设计语言及其编码可以用 于实现在此所包含的公开内容的教导。而且，计算机程序并非旨在被限制于任何特定的控 制流程。有计算机程序的许多其它变形，其能使用不同的控制流程而不脱离本发明的精神 或范围。 而且，该计算机程序一个或更多个步骤可以并行执行而不是依序执行。这样的计 算机程序可以被存储在任何计算机可读介质上。该计算机可读介质可包括存储器件，比如 磁盘或光盘、存储器芯片或其它适于与通用计算机连接的存储器件。该计算机可读介质还 可包括硬连线介质(比如在因特网系统中所例举的)或无线介质(比如在GSM移动电话系 统中所例举的)。该计算机程序在这种通用计算机上装载并执行时，有效地产生实现该优选 方法的各步骤的装置。本发明还可以被实现为硬件模块。尤其是，在硬件意义上，模块是一种被设计来与其它元件或模块一起使用的功能性硬件单元。例如，模块可以使用分立电子元件实现，或它 可以形成比如专用集成电路(ASIC)等整个电子电路的一部分。存在许多其它可能性。本 领域的技术人员将理解到该系统还可以被实现为硬件和软件模块的结合。本发明的实施方式通过使用对应于各种材料的已知数据模板，以及与样品中的那 些材料的相对丰度相关的加权因子，来使用一个或更多个数学算法以逼近测得的性质，比 如χ-射线摄谱仪(spetrograph)。确定加权因子，该加权因子与该数据模板结合起来，产生 与测得的图样紧密匹配的谱、衍射图样或其它图样。测得的图样与该数据模板和加权因子 的结合之间的差异被称为误差值。使用数学算法来最小化该误差值。找到最小化该误差值 的加权因子的一种优选算法是迭代最小二乘方法，下面会详细描述。本发明不限于任何特 定的算法。迭代最小二乘方算法
迭代最小二乘分析是一种技术，这种技术使用标准线性最小二乘曲线拟合来为每 个模板找到最优加权以便合成未知材料的谱。它构筑候选元素的列表并使用各种条件来检 测哪些元素是假象而哪些元素在该解中。图15中呈现了此处公开的光谱分析算法。该算法是针对分析低计数谱(通常是 1000个计数)的，但是也可以被应用于分析高计数谱。它同时执行识别和量化以计算每个 元素的峰比值。它还将现实世界的知识应用于解决各种次要缺陷并将报告看似在谱中但实 际上不在的假象元素的可能性最小化。谱数据准备改变原始谱数据以改善类似元素之间的区分能力。当获得谱数据时，该数据往往 在较低能量处有更大的的峰，即使在高能量存在任何峰的话它们也通常在大小方面小很 多。这表现出了在类似元素之间进行区分的问题(例如，参考图4)。非均勻谱子采样在非均勻的谱子采样阶段，非均勻地对该谱进行子采样。这种采样保存了该谱 的低能量部分的分辨率，同时增加了高能量的峰信噪比，代价是牺牲了峰分辨率。这种妥 协由于两个原因是可接受的第一，微小的高能量峰变得更加重要，第二，能量散布谱学 (Energy-Dispersive Spectroscopy, EDS) χ射线检测器在高能量处，比在低能量处具有明 显更差的分辨率。该非均勻的子采样是以如下方式实现的1.对于低于SkeV的所有通道维持原始谱。目的是对这些通道保存该x_射线检测 器获得的高分辨率。它还符合一个事实，即，与在较高能量相比，在较低能量处各元素具有 更高的计数速率(即，X-射线产生的速率)。这种随意阈值是根据镍和铜的谱所选择的，其 中K-L比从镍的大于1变化到铜的小于1的值。铜的K- α峰出现在8040eV，而且将被相应 地放大。2.对于剩余的数据(即，SkeV以上的)，累积六个连续的通道以形成新通道。这 具有增加了这个区域内所有数据的高度的效果，而且会加强峰，尽管会使噪音展开。图16 显示了这种处理前后的原始方铅矿(铅-硫化物)矿物质。在所描述系统的标准工作条 件下，该处理将谱中通道的数量从1024变为504。图17显示了对于原始和子采样后的谱 8keV-25keV的通道。与在通道117的峰是45，000光子相比，在通道527的原始方铅矿矿物质的峰是大约3000光子。处理之后，这个峰高度增加到20，000光子(因子大约是6)，同 时以6的因子减少了这个区域内的通道的数量。这有助于类似元素之间的区分，因为在最 小平方拟合中小的峰突然变得更重要的多。它还因为处理更少的通道而明显减少了处理时 间。 低计数通道优化该算法通过根据所使用的模板和谱中的光子的数量减少该光谱分析的通道的数 量而优化了分析。例如，低计数谱通常在更高能量没有峰，因为在那些能量没有检测到足够 的光子来形成统计学上有意义的峰。图18显示了对于该元素模板，四千五百万个计数谱的 叠加。如果只包含1000计数的随意谱被分析，那么任何在粗水平线下的峰都不太可能被建 立，因为光子在那里将被检测到的概率小于1/1000。因此，对于1000计数分析，没有必要 分析所有1024个通道，因此所分析的通道的数量可以减少到约800。这个范围是根据被用 于分析的模板所动态产生的，并增加了每次迭代的计算速度。该低计数通道优化是在该非 均勻子采样之后被执行的。这将1000计数分析的上部通道从约800减少到约480，如图19 中所示。计算迭代最小二乘方解迭代最小二乘方初始化图20显示了用于迭代最小二乘方初始化的推荐算法的方框图。目的是通过清 除那些浓度是负数的元素来快速从解中除去假象元素。当计算元素浓度时，不存在对于 每个元素所计算的加权的限制。因此，这个算法将元素不能有负浓度的事实用作除去元 素的规则。一旦没有了负浓度的元素，那么这个阶段就被完成。产生最优加权的计算 使用标准线性最小二乘方算法。最小二乘方算法求解如下形式的线性方程组的过确定 (over-determined)系统Ax = b(方程1 待求解的线性方程)其中A是已知数据点的矩阵；b是最终解；以及χ是一组未知数，其将已知矩阵A线性缩放以产生向量b。在目前公开的方法中，A代表已知的元素模板，b代表被分析的谱，而χ是被应用到 每个模板以产生该谱的倍增因子。其被以如下方式求解X = (AtA) ^ATb(方程 2 最小二乘方解)其计算了最小化均方误差的最优的一组加权e = IIAx-bll2(方程3 由方程2所最小化的误差项)在图21中显示了矿物质钠长石的谱。四个峰分别是由元素氧、钠、铝和硅产生的。 计算每个元素的“浓度”以最小化均方误差，而不计算该矿物质的成分。因此，它们不是浓 度，而是实际上代表有关每个元素的参考谱的乘数。这些乘数不被保证位于0到100%之 间，而可以是任何值。另外，一些元素可能有负浓度，因为它们创建了“反峰(anti-peaks) ”， “反峰”又被用于偏移不存在的其它元素的假象峰。图22、图23和图24中展示了这种效果。图23显示了其已被按照图22所示的值缩放过之后的元素模板中的每一个。对于 这种矿物质，四个主要的元素氧、钠、铝和硅相当地强烈。图24显示，一些被引入解中的峰正被反峰的存在所抵消。如果产生反峰的元素被除去，那么剩余元素的模板乘数会被改善。 为了减少假象元素，所有浓度低于0.0的元素被除去并重新计算解。重复这个过程，直到不 再有负浓度。这从矿物质中除去了大部分的假象元素。整个过程可以概括如下 1.从该组模板中产生矩阵A (考虑模板谱生存时间)2.对χ的最优加权求解3.如果χ中存在任何负浓度的话，从A中除去相应的模板，或等效地，将对应于那 些元素的加权设置为零，并回到步骤1。代替背景元素这个处理阶段对解进行分析并用预定组的重叠元素代替解中的每个元素。这个阶 段的目的是确定是否过早地从解中除去了元素，如果是的话就将其恢复。图25中显示了该 算法的梗概。这个阶段扫描每个元素并检验是否有任何元素被与重叠的元素列在一起。如果是 这样的话，每个重叠元素被添加到该成分，一次一个，并重新计算该成分。该算法还试图用 每一个重叠的元素来代替原始元素。通过检查由该成分所给出的合成谱对原始谱的绝对误 差来测试成分是否被改进了。表1中显示了重叠元素的列表。
参考元素 I重叠元素1 I重叠元素2 I重叠元素3 I重叠元素4
Ik
IsS_
^ 钽铷
^^钇
ii铅
"a^^^^
钾铟
#IZZ^Z
s
猛氟铺
Ii "S
权利要求
1.一种谱数据分析方法，该方法包含以下步骤 收集未知材料的谱；提供一组元素数据模板；在逼近该谱时，计算该元素数据模板的最小二乘方加权； 在逼近该谱时，除去一个或更多个具有负加权的模板；以及 在所述一个或更多个模板被除去的情况下重新计算该谱的逼近。
2.如权利要求1所述的方法，进一步包含以下步骤在所述一个或更多个模板被除去的情况下重新计算该谱的逼近之后， 选择该逼近的一个元素； 用重叠元素替代所述一个元素；用该重叠元素的模板而不是所述一个元素的模板计算候选解；确定对于该候选解最小绝对误差是否被减小；以及如果该最小均方误差被减小了，则将该候选解存储为该谱的被更新的逼近。
3.如权利要求2所述的方法，其中用两个或更多个重叠元素以迭代方式取代所述一个 元素。
4.如前述权利要求中任何一项所述的方法，其中该方法进一步包含以下步骤 在所述一个或更多个模板被除去的情况下重新计算该谱的逼近之后，选择该逼近的一个元素；在将所述一个元素临时除去的情况下，计算已减小的一组元素的最小二乘方候选解； 确定对于该候选解绝对误差是否被减小；以及 存储与所述一个被除去的元素有关的该绝对误差。
5.如权利要求4所述的方法，进一步包含以下步骤在存储与所述一个被除去的元素有关的该绝对误差以后，以迭代方式 选择该逼近的另一个元素；在将所述其它元素临时除去的情况下，计算已减小的一组元素的最小二乘方候选解；确定对于该候选解绝对误差是否被减小；以及存储与所述其它被除去的元素有关的该绝对误差；以及如果对于该逼近所存储的绝对误差中的任何一个小于初始绝对误差，则除去具有最小 绝对误差的元素；以及基于已减少的元素组生成新的逼近。
6.如权利要求5所述的方法，进一步包含以下步骤在如果对于该逼近所存储的绝对误差中的任何一个小于初始绝对误差则除去具有最 小绝对误差的元素之前，除去在该处理的任何阶段被检测到具有负浓度的所有元素； 基于已减少的元素组生成新的逼近。
7.如权利要求5和6所述的方法，其中对该新的逼近重复权利要求5和6中所定义的 步骤，直到在一次迭代中确定所存储的绝对误差中没有比当前逼近的初始绝对误差小的。
8.如前述权利要求中任何一项所述的方法，其中所获得的谱是χ-射线谱。
9.一种用于实现在前述权利要求的任何一项中所主张的方法的电子束系统。
10.一种样品的谱数据分析方法，该方法包含以下步骤收集未知材料的谱；提供一组数据模板，每个数据模板对应于具体材料；确定要被应用于该数据模板以逼近该谱的一组第一组加权因子，该加权因子是通过最 小化已加权的元素数据模板和该未知材料的谱之间的误差因子而确定的；除去具有负加权因子的一个或更多个模板；用所述一个或更多个数据模板来重新计算该谱的逼近；以及从该加权因子确定存在于该样品中的材料。
11.如权利要求10所述的方法，进一步包含重复除去一个或更多个具有负加权的数据 模板和重新计算该谱的逼近直到没有数据模板具有负加权因子的步骤。
12.如权利要求10所述的方法，进一步包含从该加权因子和相应材料的性质确定该材 料在该样品中的相对丰度。
13.如权利要求10所述的方法，其中收集未知材料的谱包括使用非均勻谱子采样来收集谱。
14.如权利要求11所述的方法，其中该谱是通过能量范围内的计数的数量的直方图确 定的，且其中一些能量范围比其它能量范围更宽。
15.如权利要求14所述的方法，其中高于指定能量值的能量范围比低于该指定值的能 量范围宽。
16.如权利要求10所述的方法，其中确定要被应用于该数据模板以逼近该谱的一组第 一组加权因子包括使用最小残留法确定加权因子以最小化该误差因子。
17.如权利要求16所述的方法，其中该最小残留法是最小二乘方法。
18.如权利要求10所述的方法，其中确定要被应用于该数据模板以逼近该谱的一组第 一组加权因子包括使用最大似然法确定加权因子以最小化该误差因子。
19.如权利要求10所述的方法，其中该数据模板中的每一个对应于元素。
20.如权利要求10所述的方法，其中该数据模板中的每一个对应于矿物质。
21.如权利要求10所述的方法，其中该数据模板中的每一个对应于一种元素或元素的 组合。
22.如权利要求10所述的方法，其中收集未知材料的谱包括使用能量散布谱学收集 χ-射线谱，且其中该组数据模板包括已知元素的χ-射线谱。
23.如权利要求10所述的方法，其中收集未知材料的谱包括收集χ-射线衍射信息，且 其中该数据模板包括已知材料的X-射线衍射信息。
24.如权利要求10所述的方法，进一步包含用对应于具有重叠谱峰的材料的预定组的数据模板代替解中的材料的数据模板；确定该代替是否减小了该误差因子；以及如果该代替减小了该误差因子，调整该加权因子以反映该代替。
25.如权利要求10所述的方法，进一步包含如果对应于氧的加权因子表明氧以小于百 分之十存在的话，则调整该加权因子以除去对应于氧的数据模板。
26.如权利要求25所述的方法，其中如果对应于氧的加权因子表明氧以小于百分之五 存在的话，则调整该加权因子以除去对应于氧的数据模板。
27.如权利要求10所述的方法，其中收集未知材料的谱包括收集包括小于50，000个计数的χ-射线谱。
28.如权利要求10所述的方法，其中收集未知材料的谱包括收集包括小于50，000个计数的χ-射线谱。
29.如权利要求10所述的方法，其中收集未知材料的谱包括收集包括小于10，000个计数的χ-射线谱。
30.如权利要求27所述的方法，其中收集未知材料的谱包括收集包括小于1，000个计数的χ-射线谱。
31.如权利要求10所述的方法，其中收集未知材料的谱包括在小于IOOms内收集来自 能量散布χ-射线分光计的χ-射线谱。
32.如权利要求31所述的方法，其中收集未知材料的谱包括在小于IOms内收集该 X-射线谱。
33.如权利要求10所述的方法，进一步包含 除去对应于材料的该数据模板；重新计算该误差因子；以及如果该误差因子没有减少，将对应于该材料的该数据模板加回到该数据模板。
34.如权利要求33所述的方法，其中除去对应于材料的该数据模板包括每次一个地除 去对应于各材料的该数据模板，其中对于所述各材料在该组中存在数据模板。
35.如权利要求10所述的方法，进一步包含确定预先指定的元素对是否存在并且除去 具有较小浓度的对的、该元素的浓度小于预先指定的值的元素。
36.如权利要求10所述的方法，进一步包含除去具有小于指定值的浓度的所有元素的 数据模板。
37.如权利要求36所述的方法，其中除去具有小于指定值的浓度的所有元素的数据模 板包括除去具有小于百分之2. 5的浓度的所有元素。
38.如权利要求10所述的方法，进一步包含从每个元素的至少一个峰的比值确定元素 存在的重量百分比。
39.一种用于确定样品的元素成分的装置 用于撞到样品上的电子束的源；用于检测基于该电子束的撞击从该样品所放射的χ-射线的χ-射线检测器； 计算机存储器，用于累计来自该X-射线检测器的信息以确定该样品的X-射线谱； 存储对应于元素的数据模板； 存储包括指令的计算机程序用于确定要被应用于该数据模板以逼近该谱的一组第一组加权因子，该加权因子是通过最 小化所加权的元素数据模板和未知谱之间的误差因子而确定的； 在逼近该谱时，除去具有负加权因子的一个或更多个模板；以及 用所述一个或更多个模板重新计算该谱的逼近；以及 用于执行计算机指令以确定该样品的成分的处理器。
40.一种包含计算机可读指令的计算机可读介质，其用于确定要被应用于数据模板以逼近谱的一组第一组加权因子，该加权因子是通过最小化 所加权的元素数据模板和未知谱之间的误差因子而确定的；在逼近该谱时，除去具有负加权因子的一个或更多个模板；以及 用所述一个或更多个模板重新计算该谱的逼近。
全文摘要
一种谱数据分析的方法和系统。该方法包含以下步骤收集未知材料的谱；提供一组元素数据模板；在逼近该谱时计算针对该元素数据模板的最小二乘方加权；在逼近该谱时除去一个或更多个有负加权的模板；以及在所述一个或更多个模板被除去的情况下重新计算该谱的逼近。
文档编号G01J3/46GK102084229SQ200980112490
公开日2011年6月1日 申请日期2009年2月6日 优先权日2008年2月6日
发明者A·H·门兹斯, D·R·科贝特, M·J·欧文, P·戈特利布 申请人:Fei公司