基于光学层析同时迭代重建的LIBS分析方法技术

本发明专利技术公开了一种基于光学层析同时迭代重建的LIBS分析方法，将多元LIBS定量求解问题等效于高精度的光学层析重建问题，将关联矩阵F的求解等效于光学层析中的重建三维物理量分布。采用高精度的SIRT迭代算法结合矩阵列向量分解，逐列迭代求解关联矩阵F的各个列向量，从而得到关联矩阵F。然后根据未知样品的实测归一化光谱强度向量与关联矩阵的运算实现未知样品中每个元素的高精度求解分析。本发明专利技术的有益效果是，在多变量分析标定中采用类光学层析模型并求解，以解决化学基质效应中不同元素竞争发射的影响；采用SIRT层析迭代算法求解，有效抑制测量数据中的噪声，并得到最小均方根误差的关联矩阵，从而提高LIBS定量分析精度。

LIBS analysis method based on simultaneous iterative reconstruction of optical tomography

The invention discloses a LIBS analysis method based on simultaneous iterative reconstruction of optical tomography. The multivariate LIBS quantitative solution problem is equivalent to the high-precision optical tomography reconstruction problem, and the solution of correlation matrix F is equivalent to the reconstruction of three-dimensional physical quantity distribution in optical tomography. The high-precision SIRT iteration algorithm combined with matrix column vector decomposition is used to iteratively solve the column vectors of the correlation matrix F, and then the correlation matrix F is obtained. Then, the normalized spectral intensity vectors and correlation matrix of unknown samples are used to calculate and analyze each element of unknown samples with high accuracy. The invention has the beneficial effect of adopting an optical-like tomography model and solving it in multivariate analysis and calibration to solve the influence of competitive emission of different elements in chemical matrix effect; adopting SIRT tomography iterative algorithm to solve the problem, effectively suppressing the noise in the measurement data, and obtaining the correlation matrix with the minimum root mean square error, thereby improving L. IBS quantitative analysis accuracy.

【技术实现步骤摘要】
基于光学层析同时迭代重建的LIBS分析方法
本专利技术涉及一种激光光谱探测方法,尤其涉及一种定量激光诱导击穿光谱分析方法，适用于探测目标多元素的同时定量求解分析，属于光电探测领域。
技术介绍
激光诱导击穿光谱(Laser-inducedbreakdownspectroscopy,简称LIBS)是一种原子分析光谱技木。它采用纳秒级短脉冲激光聚焦目标表面，瞬时高温使目标剥蚀产生等离子体，冷却过程中原子及离子从高能态回落至低能态发射出含有元素信息的谱线，可用于对物质组成元素进行探测。LIBS技术可以较好地实现目标元素定性分析，但定量分析会受化学基质效应的影响，即同样含量的某一元素放在不同的基质下其发射谱线会有区别。为解决化学基质效应对LIBS定量分析的影响，可采用多元分析方法，即将多种元素的多条谱线与其含量的关系建立相关的方程，通过求解多变量数学矩阵方程式，得到待测目标的多种元素的含量。该方法的优点是可在一定程度上消除化学基质效应对定量分析精度的影响，缺点是求解算法精度取决于前期的多元素标定数理模型及求解算法的设计。LIBS多元定量分析的求解问题与少投影方向数下的光学层析重建求解问题具有相似性，且光学层析重建相对于LIBS定量分析而言精度更高。同时迭代重建技术(SimultaneousIterativeReconstructionTechnique，简称SIRT)中被重建各像素是在对应于各条射线的所有投影值计算之后再进行修正的，可有效抑制测量数据中的噪声。为此，本专利将高精度的光学层析重建模型用于多元LIBS定量求解问题。采用光学层析中高精度的SIRT迭代算法结合矩阵列向量分解，逐列迭代求解，得到标准样品归一化光谱强度矩阵与每个元素含量之间的关联矩阵。然后根据未知样品的实测归一化光谱强度向量与关联矩阵的运算实现未知样品中每个元素的高精度求解分析，解决LIBS多元分析的求解精度问题。
技术实现思路
本专利技术的目的在于提供一种多元LIBS矩阵多元素分析求解方法，该方法首先建立LIBS多元分析的与光学层析重建类似的矩阵数理模型，然后基于光学层析中的SIRT迭代算法结合矩阵列向量分解进行关联向量的求解，得到关联矩阵，根据待测目标的归一化光谱强度与关联矩阵的运算，得到待测目标多个元素的原子分数，以实现高精度定量化LIBS检测。本专利技术是这样来实现的，1.假设需要定量分析的元素个数(即元素维度)为M，并排好序。准备N个标准样品用以进行标定(即样品维度为N)。这N个样品为固态，大小尺寸均等，含有不同比例的上述M种元素，每种元素的原子分数(即原子数百分比)均已知，每个样品中的成份均匀分布；2.参照光学层析重建中投影矩阵、流场物理量图像矩阵、测量矩阵三者的关系，构建多元LIBS定量分析矩阵方程式，即WF＝P式中，W为标准样品归一化光谱强度矩阵，相当于光学层析重建中的投影矩阵；F为关联矩阵，相当于光学层析重建中的流场物理量图像矩阵、P为标准样品原子分数矩阵，相当于测量矩阵；3.标准样品归一化光谱强度矩阵W按下述方法构建：对这N个标准样品以相同的测试条件与测试参数，进行LIBS探测，获得对应于这N个样准样品的N个LIBS光谱图，对这N个LIBS光谱图进行归一化处理，得到N个归一化LIBS光谱图。分别对每种元素取k条特征谱线(要求样品维度N>光谱维度kM)，则构建如下的N行乘kM列的标准样品归一化光谱强度矩阵W：归一化光谱强度矩阵中的第一行中的kM个值代表第一个标准样品M个元素kM根代表谱线的归一化光谱强度值；第二行中的kM个值代表第二个标准样品M个元素kM根代表谱线的归一化光谱强度值；以此类推…；第N行中的kM个值代表第N个标准样品M个元素kM代表谱线的归一化光谱强度值；4.构建如下的N行乘M列的标准样品原子分数矩阵P：原子分数矩阵中的第一行中的M个值代表第一个标准样品M个元素的原子分数；第二行中的M个值代表第二个标准样品M个元素的原子分数；以此类推…；第N行中的M个值代表第N个标准样品M个元素的原子分数；5.反映W与P之间相互联系的关联矩阵F可表示为：关联矩阵F为kM行乘M列的矩阵，需求解kM2个单元值，才能得到F矩阵。将关联矩阵F进行列分解为M个关联向量F1、F2、F3、...、FM；将标准样品原子分数矩阵P进行列分解为M个原子分数向量P1、P2、P3、...、PM；6.将关联矩阵F的求解转化为M个关联向量F1、F2、F3、...、FM的求解，求解模型如下：Pi＝WFi+Ei式中，i＝1,2,3,...,M，Ei为误差向量，在N>kM的情况下，对于Fi的求解为超定方程的求解，必须基于一定的优化准则使得误差最小，即得到该优化准则下的最优近似解，采用基于最小二乘准则的SIRT迭代算法对关联向量Fi进行求解：上式中，上标0代表初值；上标T代表转置；上标q代表第q次迭代值；上标q+1代表第q+1次迭代值；λ为松驰因子，其值大小代表迭代约束的松紧程度；迭代的中止条件为：ε为一个很小的数，本实施例中取0.001；迭代中止后，Fi最后一次迭代值即为Fi的求解结果；7.将所有的M个关联向量Fi求解完成之后，得到关联矩阵F；对待测目标以与N个标准样品相同的测试条件，进行LIBS探测，获得一个LIBS光谱图，对这个LIBS光谱图进行归一化处理，得到待测样品的归一化LIBS光谱图。从中得到待测目标M个元素kM条代表谱线的归一化光谱强度向量：D＝[d1,d2,d3,...,dkM]按下式计算待测目标M个元素的原子分数：本专利技术的有益效果是，在多变量分析标定中采用类光学层析模型并求解，以解决化学基质效应中不同元素竞争发射的影响；采用SIRT层析迭代算法求解，有效抑制测量数据中的噪声，并得到最小均方根误差的关联矩阵，从而提高LIBS定量分析精度。附图说明图1为本专利技术方法的原理图。具体实施方式本专利技术的目的在于提供一种多元LIBS定量分析求解方法，将高精度的光学层析重建模型用于多元LIBS定量求解问题建模，建立起标准样品归一化光谱强度矩阵W、关联矩阵F、标准样品原子分数矩阵P三者之间的关系；采用光学层析中高精度的SIRT迭代算法结合矩阵列向量分解，逐列迭代求解关联矩阵F的各个列向量，从而得到反映W与P之间相互联系的关联矩阵F。然后根据未知样品的实测归一化光谱强度向量与关联矩阵的运算实现未知样品中每个元素的高精度求解分析，解决LIBS多元分析的求解精度问题。以下述具体实施例说明本LIBS定量分析方法：1.假设需要定量分析的元素个数为12(即取元素维度M＝12)，包括钠、镁、钙、铁、锰、铜、硅、碳、氧、硫、氮和氢，按上述顺序从1到12排序。准备100个标准样品用以进行标定(即取样品维度N＝100)。这100个样品为固态，大小尺寸均等，含有不同比例的上述十二种元素，每种元素的原子分数(即原子数百分比)均已知，每个样品中的成份均匀分布；2.参照光学层析重建中投影矩阵、流场物理量图像矩阵、测量矩阵三者的关系，构建如图1所示的多元LIBS定量分析矩阵方程式，即WF＝P式中，W为标准样品归一化光谱强度矩阵，相当于光学层析重建中的投影矩阵；F为关联矩阵，相当于光学层析重建中的流场物理量图像矩阵、P为标准样品原子分数矩阵，相当于测量矩阵；3.标准本文档来自技高网...

【技术保护点】
1.一种基于光学层析同时迭代重建的LIBS分析方法，其特征在于包含以下步骤：1)假设需要定量分析的元素个数，即元素维度为M，并排好序，准备N个标准样品用以进行标定，即样品维度为N，这N个样品为固态，大小尺寸均等，含有不同比例的上述M种元素，每种元素的原子分数，即原子数百分比均已知，每个样品中的成份均匀分布；2)参照光学层析重建中投影矩阵、流场物理量图像矩阵、测量矩阵三者的关系，构建多元LIBS定量分析矩阵方程式，即WF＝P式中，W为标准样品归一化光谱强度矩阵，相当于光学层析重建中的投影矩阵；F为关联矩阵，相当于光学层析重建中的流场物理量图像矩阵、P为标准样品原子分数矩阵，相当于测量矩阵；3)标准样品归一化光谱强度矩阵W按下述方法构建：对这N个标准样品以相同的测试条件与测试参数，进行LIBS探测，获得对应于这N个样准样品的N个LIBS光谱图，对这N个LIBS光谱图进行归一化处理，得到N个归一化LIBS光谱图。分别对每种元素取k条特征谱线(要求样品维度N>光谱维度kM)，则构建如下的N行乘kM列的标准样品归一化光谱强度矩阵W：

【技术特征摘要】
1.一种基于光学层析同时迭代重建的LIBS分析方法，其特征在于包含以下步骤：1)假设需要定量分析的元素个数，即元素维度为M，并排好序，准备N个标准样品用以进行标定，即样品维度为N，这N个样品为固态，大小尺寸均等，含有不同比例的上述M种元素，每种元素的原子分数，即原子数百分比均已知，每个样品中的成份均匀分布；2)参照光学层析重建中投影矩阵、流场物理量图像矩阵、测量矩阵三者的关系，构建多元LIBS定量分析矩阵方程式，即WF＝P式中，W为标准样品归一化光谱强度矩阵，相当于光学层析重建中的投影矩阵；F为关联矩阵，相当于光学层析重建中的流场物理量图像矩阵、P为标准样品原子分数矩阵，相当于测量矩阵；3)标准样品归一化光谱强度矩阵W按下述方法构建：对这N个标准样品以相同的测试条件与测试参数，进行LIBS探测，获得对应于这N个样准样品的N个LIBS光谱图，对这N个LIBS光谱图进行归一化处理，得到N个归一化LIBS光谱图。分别对每种元素取k条特征谱线(要求样品维度N>光谱维度kM)，则构建如下的N行乘kM列的标准样品归一化光谱强度矩阵W：归一化光谱强度矩阵中的第一行中的kM个值代表第一个标准样品M个元素kM根代表谱线的归一化光谱强度值；第二行中的kM个值代表第二个标准样品M个元素kM根代表谱线的归一化光谱强度值；以此类推…；第N行中的kM个值代表第N个标准样品M个元素kM代表谱线的归一化光谱强度值；4)构建如下的N行乘M列的标准样品原子分数矩阵P：原子分数矩阵中的第一行中的M个值代表第一个标准样品M个元素的原子分数；第二行中的...

【专利技术属性】
技术研发人员：万雄，袁汝俊，舒嵘，王泓鹏，何强，
申请(专利权)人：中国科学院上海技术物理研究所，
类型：发明
国别省市：上海,31