【技术实现步骤摘要】
本专利技术涉及x射线荧光光谱识别领域，特别是涉及一种x射线荧光光谱的元素识别方法、系统、设备及介质。
技术介绍
1、x射线荧光分析技术是一种无损检测技术，适用于样品中主、次、痕量的多种元素含量的同时测定，检出限在μg/g级别，具有优良的元素分析准确度。在现有的x射线荧光分析技术中，采用对x射线荧光光谱进行多个步骤的预处理方法，识别x射线荧光光谱的全元素。而这种现有的方法步骤繁杂，且无法精准识别全元素。因此，为了实现全元素的x射线荧光光谱识别，设计高精度、高鲁棒性的x射线荧光光谱的元素识别方法成为学术界研究的热门问题。
技术实现思路
1、本专利技术的目的是提供一种x射线荧光光谱的元素识别方法、系统、设备及介质，可对x射线荧光光谱实现快速、精准的元素识别。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种x射线荧光光谱的元素识别方法，包括：
4、利用能量色散型x射线荧光光谱仪测试并记录不同空气污染物参考样品的x射线荧光光谱数据；
5、利用哈尔小波基最大重叠离散小波变换，对每个空气污染物参考样品的x射线荧光光谱数据进行软阈值去噪，获得每个空气污染物参考样品去噪后的x射线荧光光谱数据，并将所有空气污染物参考样品去噪后的x射线荧光光谱数据构成x射线荧光光谱数据集；
6、根据所述x射线荧光光谱数据集，利用麻雀搜索算法对bp神经网络进行优化和训练，获得训练好的bp神经网络；
7、将待测空气污染物样品的去噪后的x射线荧
8、一种x射线荧光光谱的元素识别系统，包括：
9、光谱数据记录模块，用于利用能量色散型x射线荧光光谱仪测试并记录不同空气污染物参考样品的x射线荧光光谱数据；
10、软阈值去噪模块，用于利用哈尔小波基最大重叠离散小波变换，对每个空气污染物参考样品的x射线荧光光谱数据进行软阈值去噪，获得每个空气污染物参考样品去噪后的x射线荧光光谱数据，并将所有空气污染物参考样品去噪后的x射线荧光光谱数据构成x射线荧光光谱数据集；
11、优化模块，用于根据所述x射线荧光光谱数据集，利用麻雀搜索算法对bp神经网络进行优化和训练，获得训练好的bp神经网络；
12、应用模块，用于将待测空气污染物样品的去噪后的x射线荧光光谱数据输入所述训练好的bp神经网络，识别x射线荧光光谱的全元素。
13、一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的x射线荧光光谱的元素识别方法。
14、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如上述的x射线荧光光谱的元素识别方法。
15、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
16、本专利技术实施例的一种x射线荧光光谱的元素识别方法、系统、设备及介质，利用能量色散型x射线荧光光谱仪进行实验测试，将x射线管出射谱某一特定波长单色化并聚焦衍射至样品点，从样品出射的x射线除了样品中的元素被激发产生的荧光x射线和单色化入射谱线的散射线外，不存在连续散射背景，提高了x射线管的单色化性能和晶体分光强度，从而保证待测元素特征线具有极低的背景干扰；哈尔小波基最大重叠离散小波变换将光谱强度分解为不同尺度上的haar小波系数，可以在保留更多高频细节信息的同时，避免低频分量的混叠，能有效地区分信号和噪声；使用麻雀搜索算法对bp神经网络的权值和阈值进行优化，提升了模型的运行效率，改善了bp神经网络容易陷入局部最优解等缺陷。本专利技术能够更好地适应全元素的x射线荧光光谱检测，且只经过一步预处理和bp神经网络的识别，即可实现x射线荧光光谱的快速、高精度元素识别。
本文档来自技高网...【技术保护点】
1.一种X射线荧光光谱的元素识别方法，其特征在于，包括：
2.根据权利要求1所述的X射线荧光光谱的元素识别方法，其特征在于，根据所述X射线荧光光谱数据集，利用麻雀搜索算法对BP神经网络进行优化和训练，获得训练好的BP神经网络，具体包括：
3.根据权利要求2所述的X射线荧光光谱的元素识别方法，其特征在于，矩阵归一化处理的公式为：
4.根据权利要求2所述的X射线荧光光谱的元素识别方法，其特征在于，利用矩阵归一化处理后的X射线荧光光谱数据集对赋值的BP神经网络进行训练，具体包括：
5.一种X射线荧光光谱的元素识别系统，其特征在于，包括：
6.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的X射线荧光光谱的元素识别方法。
7.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被执行时实现如权利要求1至4中任一项所述的X射线荧光光谱的元素识别方法。
【技术特征摘要】
1.一种x射线荧光光谱的元素识别方法，其特征在于，包括：
2.根据权利要求1所述的x射线荧光光谱的元素识别方法，其特征在于，根据所述x射线荧光光谱数据集，利用麻雀搜索算法对bp神经网络进行优化和训练，获得训练好的bp神经网络，具体包括：
3.根据权利要求2所述的x射线荧光光谱的元素识别方法，其特征在于，矩阵归一化处理的公式为：
4.根据权利要求2所述的x射线荧光光谱的元素识别方法，其特征在于，利用矩阵归一化处理后的x射线荧光光谱数据集对赋值...
【专利技术属性】
技术研发人员：张琦，孙梦，秦玉文，饶岚，李元锋，滕云，田清华，田凤，王拥军，岳墨还，
申请(专利权)人：北京邮电大学，
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。