本申请涉及光谱谱图分析,特别涉及一种拉曼光谱拟合方法、介质、设备及装置。
背景技术:
1、在光谱分析中,准确识别和分析光谱中的峰值特征是获取有效信息的关键步骤。拉曼光谱峰拟合通常是在曲线拟合的基础上进行的,曲线拟合过程中会对峰进行搜索。
2、相关技术中,在进行拉曼光谱峰拟合时,由于光谱数据中经常会存在基线信号和噪声干扰,导致拉曼光谱峰的数量不确定,进而影响最终光谱分析的准确性和可靠性。因此,亟需一种有效的拉曼光谱峰拟合方法来排除基线信号与噪声干扰的影响,以保障光谱分析的准确性和可靠性。
技术实现思路
1、本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的一个目的在于提出一种拉曼光谱峰拟合方法,能够在拉曼光谱峰拟合过程中,排除基线信号与噪声干扰对于拉曼光谱主峰个数的影响,进而提高最终光谱分析的准确性和可靠性。
2、第一方面,本发明实施例提出了一种拉曼光谱峰拟合方法,包括以下步骤:获取原始拉曼光谱,并对所述原始拉曼光谱进行预处理,以得到初始拟合光谱;将所述初始拟合光谱输入到预先训练好的朴素贝叶斯多分类器中,以通过所述朴素贝叶斯多分类器输出相应的峰值个数阈值;基于多尺度小波变换对所述初始拟合光谱进行峰值查找,并根据查找结果和所述峰值个数阈值确定有效峰值;使用非线性最小二乘法计算每一个所述有效峰值对应的拟合参数值;基于所述拟合参数值对每一个所述有效峰值进行曲线拟合,以得到最终拟合光谱。
3、根据本发明实施例的拉曼光谱峰拟合方法,首先,获取原始拉曼光谱,并对所述原始拉曼光谱进行预处理,以得到初始拟合光谱;接着,将所述初始拟合光谱输入到预先训练好的朴素贝叶斯多分类器中,以通过所述朴素贝叶斯多分类器输出相应的峰值个数阈值;然后,基于多尺度小波变换对所述初始拟合光谱进行峰值查找,并根据查找结果和所述峰值个数阈值确定有效峰值;接着,使用非线性最小二乘法计算每一个所述有效峰值对应的拟合参数值;然后,基于所述拟合参数值对每一个所述有效峰值进行曲线拟合,以得到最终拟合光谱;从而实现在拉曼光谱峰拟合过程中,排除基线信号与噪声干扰对于拉曼光谱主峰个数的影响,进而提高最终光谱分析的准确性和可靠性。
4、在一些实施例中,对所述原始拉曼光谱进行预处理,以得到初始拟合光谱,包括:
5、s201,进行多项式拟合,以得到第一拟合光谱;
6、s202,对所述第一拟合光谱进行峰值消除,以得到第二拟合光谱,并计算所述第二拟合光谱对应的拟合残差值;
7、s203,基于所述拟合残差值判断所述第二拟合光谱是否完成基线校正;如果是,则执行步骤s204,如果否,则返回步骤s201;
8、s204,将所述第二拟合光谱作为初始拟合光谱。
9、在一些实施例中,所述拟合残差值通过以下公式计算:
10、
11、
12、其中,表示频率或波数,表示第二拟合光谱,表示原始拉曼光谱,表示第一拟合光谱,表示拟合残差值,表示多次迭代得到的第二拟合光谱的平均值,表示第n次迭代后第二拟合光谱。
13、在一些实施例中,基于多尺度小波变换对所述初始拟合光谱进行峰值查找,包括:基于多尺度的小波函数进行内积运算,以得到每个尺度对应的小波系数;根据所述小波系数计算相应的局部极大值,并基于所述局部极大值进行脊线构建;根据预设信噪比阈值和构建的脊线进行主峰识别。
14、在一些实施例中,通过以下公式对每一个所述有效峰值进行曲线拟合:
15、
16、其中,表示拟合后的幅值,表示拟合后的中心位置,表示拟合后的半高宽,表示lorentzian贡献和gaussian贡献之间的相对关系,表示频率或波数,表示高斯分布,表示拟合后gaussian分布的半高宽,表示拟合后lorentzian分布的半高宽,这里=。
17、第二方面,本发明实施例提出了一种计算机可读存储介质,其上存储有拉曼光谱峰拟合程序,该拉曼光谱峰拟合程序被处理器执行时实现如上所述的拉曼光谱峰拟合方法。
18、第三方面,本发明实施例提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如上所述的拉曼光谱峰拟合方法。
19、第四方面,本发明实施例提出了一种拉曼光谱峰拟合装置,包括:预处理模块,所述预处理模块用于获取原始拉曼光谱,并对所述原始拉曼光谱进行预处理,以得到初始拟合光谱;峰值个数预测模块,所述峰值个数预测模块用于将所述初始拟合光谱输入到预先训练好的朴素贝叶斯多分类器中,以通过所述朴素贝叶斯多分类器输出相应的峰值个数阈值;有效峰值确定模块,所述有效峰值确定模块用于基于多尺度小波变换对所述初始拟合光谱进行峰值查找,并根据查找结果和所述峰值个数阈值确定有效峰值;拟合参数确定模块,所述拟合参数确定模块用于使用非线性最小二乘法计算每一个所述有效峰值对应的拟合参数值;拟合模块,所述拟合模块用于基于所述拟合参数值对每一个所述有效峰值进行曲线拟合,以得到最终拟合光谱。
20、根据本发明实施例的拉曼光谱峰拟合装置,通过设置预处理模块用于获取原始拉曼光谱,并对所述原始拉曼光谱进行预处理,以得到初始拟合光谱;峰值个数预测模块用于将所述初始拟合光谱输入到预先训练好的朴素贝叶斯多分类器中,以通过所述朴素贝叶斯多分类器输出相应的峰值个数阈值;有效峰值确定模块用于基于多尺度小波变换对所述初始拟合光谱进行峰值查找,并根据查找结果和所述峰值个数阈值确定有效峰值;拟合参数确定模块用于使用非线性最小二乘法计算每一个所述有效峰值对应的拟合参数值;拟合模块用于基于所述拟合参数值对每一个所述有效峰值进行曲线拟合,以得到最终拟合光谱;从而实现在拉曼光谱峰拟合过程中,排除基线信号与噪声干扰对于拉曼光谱主峰个数的影响,进而提高最终光谱分析的准确性和可靠性。
21、在一些实施例中,所述有效峰值确定模块还用于基于多尺度的小波函数进行内积运算,以得到每个尺度对应的小波系数;根据所述小波系数计算相应的局部极大值,并基于所述局部极大值进行脊线构建;根据预设信噪比阈值和构建的脊线进行主峰识别。
22、在一些实施例中,通过以下公式对每一个所述有效峰值进行曲线拟合:
23、
24、其中,表示拟合后的幅值,表示拟合后的中心位置,表示拟合后的半高宽,表示lorentzian贡献和gaussian贡献之间的相对关系,表示频率或波数,表示高斯分布,表示拟合后gaussian分布的半高宽,表示拟合后lorentzian分布的半高宽,这里=。
25、本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
1.一种拉曼光谱峰拟合方法,其特征在于,包括以下步骤:
2.如权利要求1所述的拉曼光谱峰拟合方法,其特征在于,对所述原始拉曼光谱进行预处理,以得到初始拟合光谱,包括:
3.如权利要求2所述的拉曼光谱峰拟合方法,其特征在于,所述拟合残差值通过以下公式计算:
4.如权利要求1所述的拉曼光谱峰拟合方法,其特征在于,基于多尺度小波变换对所述初始拟合光谱进行峰值查找,包括:
5.如权利要求1所述的拉曼光谱峰拟合方法,其特征在于,通过以下公式对每一个所述有效峰值进行曲线拟合:
6.一种计算机可读存储介质,其特征在于,其上存储有拉曼光谱峰拟合程序,该拉曼光谱峰拟合程序被处理器执行时实现如权利要求1-5中任一项所述的拉曼光谱峰拟合方法。
7.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时,实现如权利要求1-5中任一项所述的拉曼光谱峰拟合方法。
8.一种拉曼光谱峰拟合装置,其特征在于,包括:
9.如权利要求8所述的拉曼光谱峰拟合装置,其特征在于,所述有效峰值确定模块还用于基于多尺度的小波函数进行内积运算,以得到每个尺度对应的小波系数;
10.如权利要求8所述的拉曼光谱峰拟合装置,其特征在于,通过以下公式对每一个所述有效峰值进行曲线拟合: