一种鲁棒的拉曼光谱峰识别方法技术

本发明专利技术提供了一种鲁棒的拉曼光谱峰识别方法，包括计算拉曼光谱数据的一阶导数；记录拉曼光谱数据的一阶导数的正负号发生改变的位置；根据拉曼光谱数据的一阶导数的正负号发生改变的位置，判断拉曼光谱数据的峰谷类型值的位置；所述峰谷类型值包括左侧谷值、峰值、右侧谷值及中间谷值；根据拉曼光谱数据的左侧谷值、峰值、右侧谷值及中间谷值的位置，利用高斯函数作为曲线拟合数学模型，采用最小中值二乘法对拉曼光谱数据进行拟合，得到特征峰的位置及强度。本发明专利技术的有益效果在于：该方法能够避免现有技术对拉曼光谱数据预处理产生的畸变，提高了拉曼光谱分析的精度，同时能够对拉曼光谱进行定量分析。

A Robust Raman Spectrum Peak Recognition Method

The invention provides a robust Raman spectral peak identification method, which includes calculating the first derivative of Raman spectral data, recording the position where the positive and negative sign of the first derivative of Raman spectral data changes, judging the position of the peak-valley type value of Raman spectral data according to the position where the positive and negative sign of the first derivative of Raman spectral data changes, and the peak-valley type value includes the left side. Valley value, peak value, right valley value and middle Valley value; According to the position of left valley, peak value, right valley value and middle valley value of Raman spectral data, using Gauss function as curve fitting mathematical model, using least mean square method to fit Raman spectral data, the position and intensity of characteristic peak are obtained. The beneficial effect of the present invention is that the method can avoid the distortion of Raman spectrum data preprocessing by the existing technology, improve the accuracy of Raman spectrum analysis, and can quantitatively analyze Raman spectrum.

【技术实现步骤摘要】
一种鲁棒的拉曼光谱峰识别方法
本专利技术涉及光谱峰识别领域，尤其是指一种鲁棒的拉曼光谱峰识别方法。
技术介绍
拉曼光谱分析是一种常用的物质分析与检测手段，拉曼光谱分析可分为定性分析与定量分析；定性分析的基本原理为：不同位置的拉曼光谱发光峰位置不同，通过观察拉曼光谱在特定位置是否有发光峰能够判断是否存在某种物质。定量分析的基本原理为：拉曼光谱峰的强度(特征峰的面积)与相应物质的含量之间存在正比线性关系，所以，分析拉曼光谱峰的强度能够得到该种物质的含量。所以，对于拉曼光谱分析而言，关键在于确定光谱峰的位置以及光谱峰强度。然而，拉曼光谱常常会受到噪声干扰，主要原因是拉曼光谱信号强度较弱，仅约为原始激发信号的10-8。由此，造成了拉曼光谱分析的困难。目前，针对该问题的一种解决思路为首先对拉曼光谱进行降噪预处理，而后对光谱峰进行识别。例如：对拉曼光谱进行平滑处理。该方法能够很好的去除随机噪声，提高信噪比，但是，在平滑过程中降低了特征峰的峰值，使得难以识别一些峰值小的特征峰。利用小波变换进行降噪处理，该方法能够较好的保留特征峰，寻峰准确率较高，但是，计算量大，且小波基的选取对分析结果有显著影响。针对该问题的另一种解决方案为：首先估计噪声的标准差，然后利用光谱的一阶导数获得可能的峰值与谷值，最后对比峰值与相邻的谷值。如果峰值与谷值之差大于r倍(通常取大于6)的噪声标准差时，则认为是拉曼光谱峰。该方法能够在不对拉曼光谱做降噪预处理的情况下，自动实现特征峰识别。但是，受噪声的影响，该方法得到的特征峰位置的误差较大，并且未能获得特征峰的强度，难以用于定量分析。
技术实现思路
本专利技术所要解决的技术问题是：克服目前拉曼光谱分析时难以获得准确的特征峰位置及获得的特征峰强度不足的问题。为了解决上述技术问题，本专利技术采用的技术方案为：一种鲁棒的拉曼光谱峰识别方法，包括步骤，S10、计算拉曼光谱数据的一阶导数；S20、记录拉曼光谱数据的一阶导数的正负号发生改变的位置；S30、根据拉曼光谱数据的一阶导数的正负号发生改变的位置，判断拉曼光谱数据的峰谷类型值的位置；所述峰谷类型值包括左侧谷值、峰值、右侧谷值及中间谷值，并将峰谷类型值作为元素组成一个向量z；S40、根据拉曼光谱数据的左侧谷值、峰值、右侧谷值及中间谷值的位置，利用高斯函数作为曲线拟合数学模型，采用最小中值二乘法对拉曼光谱数据进行拟合，得到特征峰的位置及强度。进一步的，所述步骤S30具体包括，当一阶导数由零变为正数时，判断该位置为左侧谷值的位置；当一阶导数由正数变为负数时，判断该位置为峰值的位置；当一阶导数由负数变为零且在零处持续一段时间，判断该位置为右侧谷值的位置；当一阶导数由负数变为正数时，判断该位置为中间谷值的位置。进一步的，所述步骤S40具体包括，对向量z中的元素从左往右进行判断；当判断到向量z中的第一个元素为峰值时，将原光谱数据的最左侧位置作为左侧谷值；当判断到向量z中的最后一个元素为峰值时，将原光谱数据的最右侧位置作为右侧谷值；从左往右找到第一个峰值，获取峰值的数据片段，进行光谱拟合。进一步的，当从左往右找到第一个峰值后，还包括对所述峰值相邻元素的元素类型进行判断的步骤，具体包括，当第一个峰值的相邻两个元素的类型分别为左侧谷值及右侧谷值时，将左侧谷值与右侧谷值之间的数据作为待拟合的单特征峰数据片段；采用最小中值二乘法对单特征峰数据片段进行拟合。进一步的，当第一个峰值的左右两侧元素中存在中间峰时，该特征峰属于多峰叠加的一个子峰；在向量z中，由第一个峰值的位置向左直至寻找到左侧谷值，作为该多峰叠加的最左侧位置；由第一个峰值的位置向右直至寻找到右侧谷值，作为该多峰叠加的最右侧位置；将左侧谷值与右侧谷值之间的数据作为待拟合的多峰叠加数据片段；采用最小中值二乘法对多个特征峰的数据片段进行拟合。进一步的，所述单个特征峰的数学模型为：其中，I为拉曼光谱强度，Ibase为基底强度，Rc为特征峰的中心，R为拉曼频移，w为半高宽，S为高斯峰面积。进一步的，所述单个特征峰的最小中值二乘法的目标函数为：其中，I0i为原始拉曼光谱数据片段中的第i个元素，上式表示的意义为寻求一组参数Ibase、Rc、w、S，使得由该组参数拟合得到的高斯光谱与原始拉曼光谱数据片段之差的绝对值的中值最小。进一步的，所述多个特征峰的数学模型为：其中，j为多个峰的索引，n为特征峰的个数，I0j、Rcj、wj、Sj分别为第j个特征峰的基底强度、中心、半高宽及面积；特征峰的个数为该多峰叠加数据片段中中间谷值的个数加一。进一步的，所述多个特征峰的最小中值二乘法的目标函数为：其中，上式表示的意义为寻求一组参数Ibasej、Rcj、wj、Sj，j从1到n，使得由该组参数拟合得到的高斯光谱与原始拉曼光谱数据片段之差的绝对值的中值最小。本专利技术的技术方案通过对拉曼光谱数据的一阶导数来判断拉曼光谱数据的峰谷类型及峰谷值的位置，根据峰谷值的位置，利用高斯函数作为曲线拟合数学模型，采用最小中值二乘法对拉曼光谱数据进行拟合，得到特征峰的位置及强度；该方法能够在不需要预先对拉曼光谱进行降噪预处理的情况下，获得特征峰位置及强度，避免了现有技术对拉曼光谱数据预处理产生的畸变，提高了拉曼光谱分析的精度，同时拉曼光谱能够用于定量分析。附图说明下面结合附图详述本专利技术的具体结构。图1为本专利技术一具体实施例的数据处理总体框图；图2为本专利技术一具体实施例的普峰识别流程图；图3为本专利技术一具体实施例的一阶前向差分值与峰谷值对应关系图；图4为本专利技术一具体实施例的退火算法计算基于最小中值二乘法的高斯线型拟合流程图；图5为本专利技术一具体实施例的鲁棒的拉曼光谱峰识别方法流程图。具体实施方式为详细说明本专利技术的
技术实现思路
、构造特征、所实现目的及效果，以下结合实施方式并配合附图详予说明。实施例一参考图5，一种鲁棒的拉曼光谱峰识别方法，包括步骤，S10、计算拉曼光谱数据的一阶导数；S20、记录拉曼光谱数据的一阶导数的正负号发生改变的位置；S30、根据拉曼光谱数据的一阶导数的正负号发生改变的位置，判断拉曼光谱数据的峰谷类型值的位置；所述峰谷类型值包括左侧谷值、峰值、右侧谷值及中间谷值，并将峰谷类型值作为元素组成一个向量z；S40、根据拉曼光谱数据的左侧谷值、峰值、右侧谷值及中间谷值的位置，利用高斯函数作为曲线拟合数学模型，采用最小中值二乘法对拉曼光谱数据进行拟合，得到特征峰的位置及强度。本技术方案中，能够在不需要预先对拉曼光谱进行降噪预处理的情况下，获得特征峰位置及强度，避免了现有技术对拉曼光谱数据预处理产生的畸变，提高了拉曼光谱分析的精度。进一步的，所述步骤S30具体包括，当一阶导数由零变为正数时，判断该位置为左侧谷值的位置；当一阶导数由正数变为负数时，判断该位置为峰值的位置；当一阶导数由负数变为零且在零处持续一段时间，判断该位置为右侧谷值的位置；当一阶导数由负数变为正数时，判断该位置为中间谷值的位置。进一步的，所述步骤S40具体包括，对向量z中的元素从左往右进行判断；当判断到向量z中的第一个元素为峰值时，将原光谱数据的最左侧位置作为左侧谷值；当判断到向量z中的最后一个元素为峰值时，将原光谱数据的最右侧位置作为右侧谷值；从左往右找到第一个峰值，获取峰值的数据片段，进行光谱拟合。进一本文档来自技高网...

【技术保护点】
1.一种鲁棒的拉曼光谱峰识别方法，其特征在于：包括步骤，S10、计算拉曼光谱数据的一阶导数；S20、记录拉曼光谱数据的一阶导数的正负号发生改变的位置；S30、根据拉曼光谱数据的一阶导数的正负号发生改变的位置，判断拉曼光谱数据的峰谷类型值的位置；所述峰谷类型值包括左侧谷值、峰值、右侧谷值及中间谷值，并将峰谷类型值作为元素组成一个向量z；S40、根据拉曼光谱数据的左侧谷值、峰值、右侧谷值及中间谷值的位置，利用高斯函数作为曲线拟合数学模型，采用最小中值二乘法对拉曼光谱数据进行拟合，得到特征峰的位置及强度。

【技术特征摘要】
1.一种鲁棒的拉曼光谱峰识别方法，其特征在于：包括步骤，S10、计算拉曼光谱数据的一阶导数；S20、记录拉曼光谱数据的一阶导数的正负号发生改变的位置；S30、根据拉曼光谱数据的一阶导数的正负号发生改变的位置，判断拉曼光谱数据的峰谷类型值的位置；所述峰谷类型值包括左侧谷值、峰值、右侧谷值及中间谷值，并将峰谷类型值作为元素组成一个向量z；S40、根据拉曼光谱数据的左侧谷值、峰值、右侧谷值及中间谷值的位置，利用高斯函数作为曲线拟合数学模型，采用最小中值二乘法对拉曼光谱数据进行拟合，得到特征峰的位置及强度。2.如权利要求1所述的鲁棒的拉曼光谱峰识别方法，其特征在于：所述步骤S30具体包括，当一阶导数由零变为正数时，判断该位置为左侧谷值的位置；当一阶导数由正数变为负数时，判断该位置为峰值的位置；当一阶导数由负数变为零且在零处持续一段时间，判断该位置为右侧谷值的位置；当一阶导数由负数变为正数时，判断该位置为中间谷值的位置。3.如权利要求1所述的鲁棒的拉曼光谱峰识别方法，其特征在于：所述步骤S40具体包括，对向量z中的元素从左往右进行判断；当判断到向量z中的第一个元素为峰值时，将原光谱数据的最左侧位置作为左侧谷值；当判断到向量z中的最后一个元素为峰值时，将原光谱数据的最右侧位置作为右侧谷值；从左往右找到第一个峰值，获取峰值的数据片段，进行光谱拟合。4.如权利要求3所述的鲁棒的拉曼光谱峰识别方法，其特征在于：当从左往右找到第一个峰值后，还包括对所述峰值相邻元素的元素类型进行判断的步骤，具体包括，当第一个峰值的相邻两个元素的类型分别为左侧谷值及右侧谷值时，将左侧谷值与右侧谷值之间的数据作为待拟合的单特征峰数据片段；采用最小中值...

【专利技术属性】
技术研发人员：罗鸣，宋群英，其他发明人请求不公开姓名，
申请(专利权)人：深圳市雷泛科技有限公司，
类型：发明
国别省市：广东,44