一种自适应光谱去基线算法的制作方法

本发明涉及光学，特别涉及一种自适应光谱去基线算法。

背景技术：

1、光谱去基线算法是光谱分析中常用的方法，旨在消除光谱中的基线漂移或背景信号，提高信号的准确性和分辨率。常见的算法包括多项式拟合、局部标准化、小波变换和数学形态学等，这些方法可以根据光谱特性和噪声类型进行选择和调整。通过去除基线，可以更清晰地观察和分析光谱中的目标信号，对于光谱学、化学分析和其他领域的研究具有重要意义。

技术实现思路

1、本发明提出了一种自适应光谱去基线算法，通过以原始光谱数据 s[i] 附近最小值为基点，通过原始光谱数据一阶微分 δs[i] 判断出可能的特征峰位置并在这些位置进行线性插值，以此为基础趋近原始光谱数据 s[i] 的基线  。该算法能够保证除去基线后的光谱数值均大于零，并且通过调整算法中参数适应不同类型的光谱。

2、本发明的技术方案为：一种自适应光谱去基线算法。

3、自适应光谱去基线算法具体包括：

4、第一步，获取原始光谱数据 s[i]，0 ≤ i ≤ n-1 ， n 为探测器沿光谱色散方向的像元总数，i 为探测器沿光谱色散方向的像元序号；

5、第二步，获取原始光谱数据一阶微分 δs[i] = s[i+1] - s[i]，0 ≤ i ≤ n-2；

6、δs[n-1] = δs[n-2] ；

7、第三步，第一基线 b1[j] = min(s[i])， max(0, j-h1) ≤ i ≤ min(j+h1, n-1) ，0 ≤ j ≤ n-1；

8、h1为第一区间参数 ；

9、第四步，第二基线b2[j] = b1[j]，0 ≤ j ≤ n-1，设置微分上限参数 m ，对于 0≤ j ≤ n-1，如果一阶微分 δs[j] > m，则第二基线b2[j] =  ；针对所有值为 的第二基线b2[j]，以距离其最近的两个 b2[j1] , b2[j2] > 0 为基准进行线性替换：

10、；

11、第五步，第三基线 b3[j] = min(s[i])， max(0, j-h2) ≤ i ≤ min(j+h2, n-1) ，

12、0 ≤ j ≤ n-1 ；h2为第二区间参数；

13、第六步，计算原始光谱数据平均值 和第三基线平均值 ：

14、；

15、h3为第三区间参数；

16、第七步，设置调制参数  ，最终基线 b[i] 为:

17、 。

18、可选地，第一区间参数h1、第二区间参数h2、第三区间参数h3取值范围为1～100。

19、可选地，微分上限参数m取值范围为1～1000。

20、可选地，调制参数  取值范围为1～1000。

21、本发明的有益效果在于：

22、1.提出了一种自适应光谱去基线算法，以原始光谱数据 s[i] 附近最小值为基点，通过原始光谱数据一阶微分 δs[i] 判断出可能的特征峰位置并在这些位置进行线性插值，以此为基础趋近原始光谱数据 s[i] 的基线。

23、2.该算法能够保证除去基线后的光谱数值均大于零，并且通过调整算法中参数适应不同类型的光谱。

技术特征：

1.一种自适应光谱去基线算法，其特征在于：

2.根据权利要求1所述的一种自适应光谱去基线算法，其特征在于：第一区间参数h1、第二区间参数h2、第三区间参数h3取值范围为1～100。

3.根据权利要求1所述的一种自适应光谱去基线算法，其特征在于：微分上限参数m取值范围为1～1000。

4.根据权利要求1所述的一种自适应光谱去基线算法，其特征在于：调制参数  取值范围为1～1000。

技术总结
本发明提出了一种自适应光谱去基线算法，通过以原始光谱数据S[i]附近最小值为基点，通过原始光谱数据一阶微分ΔS[i]判断出可能的特征峰位置并在这些位置进行线性插值，以此为基础趋近原始光谱数据S[i]的基线。该算法能够保证除去基线后的光谱数值均大于零，并且通过调整算法中参数适应不同类型的光谱。

技术研发人员：曾繁添,陈敏,柏钦庆,陈鑫,张悦
受保护的技术使用者：苏州简测科技有限公司
技术研发日：
技术公布日：2024/3/4