[发明专利]一种对样品的LIBS光谱自动识别分类方法

权利要求书

1.一种对样品的LIBS光谱自动识别分类方法，其特征在于，所述的方法，首先通过对已知标准样品光谱数据进行特征峰信息提取，然后定义特征峰信息权值计算公式，最后通过对特征峰信息进行权值计算转化特征峰信息为特征峰向量，完成样品光谱到以特征峰信息为代表的特征峰向量空间的转换，获得已知样品的特征峰向量，进而构建已知样品特征峰向量数据库；

在对未知样品光谱进行分类识别时，通过特征峰信息提取、特征峰信息权值计算完成未知样品光谱到以特征峰信息为代表的特征峰向量空间的转变，获得未知样品特征峰向量；最后通过计算向量之间余弦值获得未知样品与已知样品相似度，取值最大者为分类结果，完成对未知样品的分类；

所述的方法包括如下的步骤：

(1)获取已知样品特征光谱

每种样品共获取60个LIBS光谱，将60个光谱数据进行平均处理，得到一个综合了该样品的特征光谱，依次获取各已知样品的特征光谱；

(2)计算寻峰阈值

读取每种样品特征光谱全谱数据，计算所有光谱谱峰强度标准偏差，并以谱峰强度标准偏差设为寻峰阈值，减小噪声和较小强度谱峰对模型的影响；

(3)提取已知样品光谱数据特征峰信息

使用二阶导数寻峰法并使用寻峰阈值对已知样品特征光谱进行特征峰信息提取，获得各种已知样品所包含的特征峰信息；

(4)建立各已知样品特征峰信息数据库

使用所有已知样品特征光谱的特征峰信息，建立已知样品的特征峰信息数据库；

(5)建立已知样品特征峰向量数据库

将已知样品光谱数据中特征峰信息通过特征峰权重相关参数：谱峰峰强权重int、谱峰倒排光谱频率ipf和谱峰权重w的计算公式，①:int＝p_int/∑p_int，其中p_int为光谱中单一谱峰的相对强度，∑p_int为光谱中所有谱峰的强度和；②：ipf＝lg(N/n+1)，其中N为已知样品特征峰信息数据库中所有样品特征峰数量之和，n为已知样品特征峰信息数据库中相同波长谱峰数量；③：w＝int×ipf，其中w为光谱中单一谱峰对样品代表性的权值，w综合了int与ipf对样品的代表性；并调用已知样品特征峰信息数据库进行权值计算，获得各已知样品光谱数据中不同特征峰所具有权值，将各已知样品特征光谱转化为以特征峰为代表的特征峰向量v；汇总各已知样品特征峰向量，构建已知样品特征峰向量数据库；

(6)获取未知样品特征光谱

每种未知样品共获取20个LIBS光谱，将20个光谱数据进行平均，得到各未知样品的特征光谱；

(7)提取未知样品特征峰信息

使用二阶导数寻峰法并使用寻峰阈值对未知样品特征光谱进行特征峰信息提取，获得未知样品所包含的特征峰信息；

(8)获得未知样品特征峰向量

将未知样品特征峰信息通过上述公式①②③并调用已知样品特征峰信息数据库进行权值计算，获得未知样品特征光谱数据中不同特征峰所具有权值，将未知样品特征光谱转化为以特征峰为代表的特征峰向量v_s；

(9)进行向量运算

将未知样品特征峰向量v_s与已知样品特征峰向量数据库中各已知样品特征峰向量v进行向量运算,运算公式为，④：cos(v_s v)＝v_s v/│v_s││v│，其中v_s v为两向量卷积，获得未知样品特征峰向量与各已知样品特征峰向量的余弦值，该余弦值代表了未知样品特征峰向量在向量空间与已知样品特征峰向量的相似度，其值越大未知样品与已知样品越接近，该值为1时未知样品与已知样品完全一样，为0时未知样品与已知样品完全不同；

(10)获得分类结果

对未知样品特征峰向量与已知样品特征峰向量数据库中各已知样品特征峰向量运算值进行排序，获得最大值所对应的已知样品，判定该未知样品为此样，完成对未知样品的分类运算。

2.如权利要求1所述的方法，其特征在于，所述的谱峰峰强权重int是用于对光谱中单一谱峰在光谱中所占权重进行计算，表示了单一谱峰不同峰值强度对光谱的代表性不同，峰值强度越大在计算中所占的权重越大，对样品的代表性越强，反之越弱。