[发明专利]基于小波分析的激光感生光谱数据处理方法

权利要求书

1.一种基于小波分析的激光感生光谱数据处理方法，其特征在于包括如下步骤：

1)有效测量模式类模板G^m获取步骤；

a、对待测物质标准样品组中的n个标准样品分别进行m次激光感生光谱测量，并顺序记录与各标准样品对应的各次光谱测量数据G_i，j，构成标准样品光谱测量数据集合G＝{G_i，j}，其中，i＝1，2，…，n，j＝1，2，…，m，G_i，j表示对标准样品i进行第j次激光感生光谱测量得到的光谱测量数据，且光谱测量数据G_i，j以序列方式表示：G_i，j(k)＝[X₁，X₂，…X_k，…X_N]，N为序列长度；

b、对标准样品光谱测量数据集合G中各光谱测量数据序列G_i，j(k)进行L尺度一维离散平稳小波分解，4≤L≤8，得到分别与各光谱测量数据序列G_i，j(k)对应的高频分解系数和低频分解系数

c、以与各光谱测量数据序列G_i，j(k)分别对应的低频小波分解系数进行光谱重构，获得与各光谱测量数据序列G_i，j(k)一一对应的特征背景光谱数据构成特征背景光谱数据集合特征背景光谱数据同样以序列方式表示：且序列长度与光谱测量数据序列G_i,j(k)的序列长度相同；

d、对特征背景光谱数据集合G^b中的特征背景光谱数据进行聚类分析，将特征背景光谱数据集合G^b划分为若干个模式类子集即其中，h＝1，2，…，H，H为将特征背景光谱数据集合按照聚类分析划分得到的模式类子集个数；按照光谱测量数据G_i，j与特征背景光谱数据的一一对应关系、以及特征背景光谱数据集合G^b的划分，将标准样品光谱测量数据集合G划分为与特征背景光谱数据集合G^b模式类子集一一对应的若干个模式类子集G_h，即G＝{G₁，G₂，…，G_h，…，G_H}；

e、对标准样品光谱测量数据集合G中每一模式类子集G_h包含的光谱测量数据G_i，j进行元素含量定标运算，获得与各模式类子集G_h一一对应的定标参数β_h和定标运算结果；

f、选择定标运算结果与待测物质标准样品的标准值相差最小的模式类子集G_h所具有的模式作为有效测量模式，与该模式类子集G_h对应的定标参数β_h为对被测样品实测时计算元素含量采用的定标参数；

g、提取与该模式类子集G_h对应的特征背景光谱数据模式类子集选择特征背景光谱数据模式类子集中所有特征背景光谱数据序列中位置k的最大值作为有效测量模式类模板序列位置k的上限值位置k的最小值作为有效测量模式类模板序列位置k的下限值即形成有效测量模式类模板其中，1≤k≤N，E为特征背景光谱数据模式类子集中特征背景光谱数据序列的个数，N为特征背景光谱数据序列的序列长度；

2)、被测样品实际光谱测量数据处理步骤；

h、对被测样品进行单次激光感生光谱测量，并记录该次光谱测量数据G_j，j＝1，2，…；且以序列方式表示：G_j(k)＝[X₁，X₂，…，X_k，…，X_N]，N为序列长度；

i、对激光感生光谱数据序列G_j(k)进行L尺度的一维离散平稳小波分解，得到与激光感生光谱数据序列G_j(k)对应的高频分解系数和低频分解系数其中，L值与步骤b中L值相同；

j、以步骤i得到的低频小波分解系数进行光谱重构，获得与激光感生光谱数据序列G_j(k)对应的特征背景光谱数据特征背景光谱数据同样以序列方式表示：且序列长度与光谱测量数据序列G_j(k)的序列长度相同；

k、判断特征背景光谱数据序列是否与有效测量模式类模板匹配，即是否成立，如成立，该特征背景谱属于有效测量模式类，则与该特征背景光谱数据的测量光谱数据G_j有效；

1、对被测样品重复执行步骤h至步骤k，直到获得三次以上的有效测量光谱数据G_j；

m、对所获得的有效测量光谱数据G_j按照步骤f中得到的与有效测量模式类子集G_h对应的定标参数β_h进行元素含量计算，以计算结果的平均值作为被测样品的元素含量分析结果。