【技术实现步骤摘要】
本专利技术涉及光谱数据处理，具体涉及一种鼻腔喷雾剂成分检测方法。
技术介绍
1、鼻腔喷雾剂成分检测方法是一种用于分析和检测鼻腔喷雾剂的组成成分的技术，该技术通过红外光谱法对口腔喷雾剂样品中的有机物、无机物等成分进行鉴定和定量分析，由于设备仪器的原因，采集的红外光谱曲线会存在一定的噪声干扰，导致检测结果不准确。
2、为了保证检测结果的准确性，常规通过经验模态分解对鼻腔喷雾剂样品的红外光谱曲线进行分解，通过小波阈值去噪算法对分解后获得的所有分量信号中的高频分量信号进行去噪处理，通过获得的去噪后的红外光谱曲线进行鼻腔喷雾剂成分检测。
3、由于红外光谱曲线自身的波动与噪声存在重叠混淆，导致噪声无法被完全分解到高频分量中，同时导致不同分量信号中噪声的含量不同，因此，基于同一个阈值通过小波阈值去噪算法对不同分量信号进行去噪处理时，如果小波阈值去噪算法中的阈值设置的较大，去噪后，对噪声较弱的分量信号中的红外光谱曲线产生损失，如果阈值设置的较小，去噪后，噪声较强的分量信号的噪声去除效果不佳。
4、综上，如何设置不同的分量信号在进行小波阈值去噪算法时的阈值，在保证去噪效果的同时，减小了对红外光谱曲线的损失。
技术实现思路
1、为了解决上述问题，本专利技术提供一种鼻腔喷雾剂成分检测方法，所述方法包括：
2、获取鼻腔喷雾剂样本的红外光谱曲线，红外光谱曲线包括多个信号点，每个信号点由波长和吸收强度组成；
3、根据红外光谱信号上的每个信号点的局部范
4、利用经验模态分解对红外光谱曲线进行分解，获得红外光谱曲线的所有分量信号以及一个残差曲线，每个分量信号包括多个信号点，每个信号点由波长和吸收强度组成，残差曲线上包括每个信号点对应的残差；
5、根据红外光谱信号和每个分量信号上的每个信号点的局部范围内所有信号点的吸收强度的标准差，确定每个分量信号上的每个信号点的波动程度；
6、根据每个分量信号上的所有信号点的波动程度和频率复杂度，以及每个分量信号上的每个信号点的残差，确定每个分量信号的波动离散度；
7、根据每个分量信号上的每个信号点的波动程度和频率复杂度，通过k均值聚类算法对每个分量信号上的所有信号点进行聚类，根据每个分量信号的聚类结果，确定每个分量信号的分布区分度；
8、根据每个分量信号的波动离散度和分布区分度，确定每个分量信号的阈值，根据每个分量信号的阈值，通过小波阈值去噪算法对每个分量信号进行去噪处理，通过所有去噪后的分量信号获得去噪后的红外光谱信号，通过去噪后的红外光谱曲线对鼻腔喷雾剂样本进行成分检测。
9、进一步地，所述根据红外光谱信号上的每个信号点的局部范围内所有极值点与相邻极值点的波长的差异和吸收强度的差异，确定红外光谱信号上的每个信号点的频率复杂度，包括：
10、
11、式中，表示红外光谱信号上的第i个信号点的频率复杂度，表示红外光谱信号上的第i个信号点的局部范围内的所有极值点的波长差异的标准差，表示红外光谱信号上的第i个信号点的局部范围内的所有极值点的吸收强度差异的标准差，表示红外光谱信号上的第i个信号点的局部范围内的所有极值点的数量，表示线性归一化函数，表示以自然常数为底的指数函数。
12、进一步地，所述极值点的波长差异和吸收强度差异，包括：
13、计算红外光谱信号上的每个信号点的一阶导数，将一阶导数等于0的信号点作为红外光谱信号上的极值点；计算红外光谱信号上的每个极值点的波长差异和吸收强度差异，具体计算公式为：
14、
15、
16、式中，表示红外光谱信号上的第j个极值点的波长差异，表示红外光谱信号上的第j-1个极值点的波长，表示红外光谱信号上的第j个极值点的波长，表示红外光谱信号上的第j+1个极值点的波长，表示红外光谱信号上的第j个极值点的收强度差异，表示红外光谱信号上的第j-1个极值点的吸收强度，表示红外光谱信号上的第j个极值点的吸收强度，表示红外光谱信号上的第j+1个极值点的吸收强度。
17、进一步地，所述根据红外光谱信号和每个分量信号上的每个信号点的局部范围内所有信号点的吸收强度的标准差，确定每个分量信号上的每个信号点的波动程度，包括：
18、将每个分量信号上的每个信号点的局部范围内所有信号点的吸收强度的标准差，记为每个分量信号上的每个信号点的第一标准差，将红外光谱信号上的每个信号点的局部范围内所有信号点的吸收强度的标准差，记为红外光谱信号的每个信号点的第二标准差，将每个分量信号上的每个信号点的第一标准差和红外光谱信号的每个信号点的第二标准差的比值，记为每个分量信号上的每个信号点的波动程度，对每个分量信号上的每个信号点的波动程度进行归一化处理。
19、进一步地，所述根据每个分量信号上的所有信号点的波动程度和频率复杂度，以及每个分量信号上的每个信号点的残差，确定每个分量信号的波动离散度，包括：
20、
21、式中，表示第n个分量信号的波动离散度，n取遍[1,n]范围内的所有整数，n表示所有分量信号的数量，表示第n个分量信号上的第i个信号点的波动程度，表示第n个分量信号上的所有信号点的波动程度的均值，表示第n个分量信号上的第i个信号点的频率复杂度，表示第n个分量信号上的第i个信号点的局部范围所有信号点的残差的累加和，m表示信号点的数量，表示线性归一化函数。
22、进一步地，所述根据每个分量信号上的每个信号点的波动程度和频率复杂度，通过k均值聚类算法对每个分量信号上的所有信号点进行聚类，包括：
23、对于任意一个分量信号上，根据该分量信号上的每个信号点的波动程度和频率复杂度，通过k均值聚类算法对该分量信号上的所有信号点进行聚类，将预设取值范围的每个整数作为均值聚类算法的类簇数量，根据不同类簇数量对该分量信号上的所有信号点进行聚类，计算不同类簇数量的聚类结果的轮廓系数，将轮廓系数最大值对应的类簇数量作为该分量信号的最优类簇数量，最优类簇数量对应的聚类结果作为该分量信号上的所有信号点的最终聚类结果，该分量信号上的所有信号点的最终聚类结果包括个类簇，表示第n个分量信号的最优类簇数量。
24、进一步地，所述根据每个分量信号的聚类结果，确定每个分量信号的分布区分度，包括：
25、
26、式中，表示第n个分量信号的分布区分度，表示第n个分量信号的最优类簇数量对应的轮廓系数，表示第n个分量信号的最优类簇数量，表示第n个分量信号的第k个类簇的聚类中心和第t个类簇的聚类中心的欧式距离，表示以自然常数为底的指数函数。
27、进一步地，所述根据每个分量信号的波动离散度和分布区分度，确定每个分量信号的阈值，包括：
28、对每个分量信号的波动离散度和分布区分度进行线性归一化处理，根据每个分量信号处理本文档来自技高网...
【技术保护点】
1.一种鼻腔喷雾剂成分检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种鼻腔喷雾剂成分检测方法，其特征在于，所述根据红外光谱信号上的每个信号点的局部范围内所有极值点与相邻极值点的波长的差异和吸收强度的差异，确定红外光谱信号上的每个信号点的频率复杂度，包括：
3.根据权利要求2所述的一种鼻腔喷雾剂成分检测方法，其特征在于，所述极值点的波长差异和吸收强度差异，包括：
4.根据权利要求1所述的一种鼻腔喷雾剂成分检测方法，其特征在于，所述根据红外光谱信号和每个分量信号上的每个信号点的局部范围内所有信号点的吸收强度的标准差，确定每个分量信号上的每个信号点的波动程度，包括：
5.根据权利要求1所述的一种鼻腔喷雾剂成分检测方法，其特征在于，所述根据每个分量信号上的所有信号点的波动程度和频率复杂度，以及每个分量信号上的每个信号点的残差，确定每个分量信号的波动离散度，包括：
6.根据权利要求1所述的一种鼻腔喷雾剂成分检测方法，其特征在于，所述根据每个分量信号上的每个信号点的波动程度和频率复杂度，通过K均值聚类算法对每个分量
7.根据权利要求1所述的一种鼻腔喷雾剂成分检测方法，其特征在于，所述根据每个分量信号的聚类结果，确定每个分量信号的分布区分度，包括：
8.根据权利要求1所述的一种鼻腔喷雾剂成分检测方法，其特征在于，所述根据每个分量信号的波动离散度和分布区分度，确定每个分量信号的阈值，包括：
9.根据权利要求1所述的一种鼻腔喷雾剂成分检测方法，其特征在于，所述通过去噪后的红外光谱曲线对鼻腔喷雾剂样本进行成分检测，包括：
10.根据权利要求1所述的一种鼻腔喷雾剂成分检测方法，其特征在于，所述信号点的局部范围，包括：
...【技术特征摘要】
1.一种鼻腔喷雾剂成分检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种鼻腔喷雾剂成分检测方法，其特征在于，所述根据红外光谱信号上的每个信号点的局部范围内所有极值点与相邻极值点的波长的差异和吸收强度的差异，确定红外光谱信号上的每个信号点的频率复杂度，包括：
3.根据权利要求2所述的一种鼻腔喷雾剂成分检测方法，其特征在于，所述极值点的波长差异和吸收强度差异，包括：
4.根据权利要求1所述的一种鼻腔喷雾剂成分检测方法，其特征在于，所述根据红外光谱信号和每个分量信号上的每个信号点的局部范围内所有信号点的吸收强度的标准差，确定每个分量信号上的每个信号点的波动程度，包括：
5.根据权利要求1所述的一种鼻腔喷雾剂成分检测方法，其特征在于，所述根据每个分量信号上的所有信号点的波动程度和频率复杂度，以及每个分量信号上的每个信号点的残...
【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：乐比广州健康产业有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。