一种基于自适应稀疏分解的拉曼光谱去噪方法技术

本发明专利技术公开了一种基于自适应稀疏分解的拉曼光谱去噪方法，包括以下步骤：基于真实拉曼光谱构建静态字典；获取待处理拉曼光谱，并遍历静态字典中各物质光谱，进行相似度计算，查询相似度最高且满足预设条件的第一特征峰；当与各物质光谱的相似度均不满足预设条件时，根据所述待处理拉曼光谱构建动态字典，并生成第二特征峰；对待处理拉曼光谱进行稀疏分解，通过查询静态字典或动态字典，在所述待处理拉曼光谱中筛选出匹配的第一特征峰或第二特征峰，对所述待处理拉曼光谱进行校正，得到去噪光谱；本发明专利技术采用构建动态与静态结合的字典的对拉曼光谱中的谱峰进行校正实现去噪，提高了去噪效果。去噪效果。去噪效果。

【技术实现步骤摘要】
一种基于自适应稀疏分解的拉曼光谱去噪方法


[0001]本专利技术涉及光谱数据分析
，更具体的说是涉及一种基于自适应稀疏分解的拉曼光谱去噪方法。

技术介绍

[0002]拉曼光谱是一种散射光谱，其中特征峰与材料分子的振动或旋转能级有关，并包含关于材料分子振动或旋转的信息，拉曼特征峰可以反映物质内部的分子信息，可用于食品分析、生命科学和海关监测等领域。在分析现有技术时发现现有技术至少存在如下问题：若采用基于化学计量法的拉曼光谱预处理算法，会存在去噪鲁棒性不好、保留特征效果差和拟合峰型差等问题；若采用基于神经网络的方法对拉曼光谱进行预处理，会存在数据库构建难度大，处理速度慢等问题。
[0003]由于拉曼光谱仪大多使用CCD元件进行测量，因此经常伴随着各种噪声干扰，如散粒噪声、暗电流噪声、发射噪声等，这类噪声统称为随机噪声。此外，由于材料背景荧光的干扰，光谱中将存在严重的荧光背景噪声。这些噪声将影响拉曼光谱并扭曲光谱特征峰。现阶段，常用的拉曼光谱预处理思路主要有以下两种：
[0004]基于化学计量学的光谱预处理方法：先利用平滑滤波去本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应稀疏分解的拉曼光谱去噪方法，其特征在于，包括以下步骤：基于真实拉曼光谱构建静态字典；获取待处理拉曼光谱，并遍历静态字典中各物质光谱，进行相似度计算，查询相似度最高且满足预设条件的第一特征峰；当与各物质光谱的相似度均不满足预设条件时，根据所述待处理拉曼光谱构建动态字典，并生成第二特征峰；通过正交匹配追踪算法对待处理拉曼光谱进行稀疏分解，通过查询静态字典或动态字典，在所述待处理拉曼光谱中筛选出匹配的第一特征峰或第二特征峰，根据匹配度进行加权，对所述待处理拉曼光谱进行校正，得到去噪光谱。2.根据权利要求1所述的一种自适应稀疏分解的拉曼光谱去噪方法，其特征在于，基于真实历史拉曼光谱构建静态字典，步骤包括：在光谱数据库中获取所述真实拉曼光谱；对所述真实拉曼光谱进行预处理；在预处理的光谱中识别特征峰；根据标准拉曼谱峰对识别的特征峰进行筛选，得到各个物质对应的第一特征峰。3.根据权利要求2所述的一种自适应稀疏分解的拉曼光谱去噪方法，其特征在于，所述预处理，步骤包括：计算所述真实拉曼光谱的平均光谱，得到均值数据；采用荧光扣除算法对均值数据进行基线校正。4.根据权利要求2所述的一种自适稀疏分解的拉曼光谱去噪方法，其特征在于，在识别特征峰后，步骤还包括：采用Voigt函数对识别出的特征峰进行峰型拟合。5.根据权利要求2所述的一种自适应稀疏分解的拉曼光谱去噪方法，其特征在于，在预处理的光谱中识别特征峰，具体为：采用迭代补峰算法，计算光谱残差并于残差最高值位置进行补峰；计算损失并进行参数迭代优化；循环迭代直至满足预设的收敛条件，得到特征峰参数。6.根据权利要求2...

【专利技术属性】
技术研发人员：梁培，王子龙，孙彪，翟靖磊，杨思危，王乐，舒海波，
申请(专利权)人：天津大学，
类型：发明
国别省市：