[发明专利]一种基于半峰宽与峰高的易制毒化学品拉曼特征峰识别方法

说明书

本发明涉及一种基于半峰宽与峰高的易制毒化学品拉曼特征峰识别方法，包括以下步骤：S1、对待识别的光谱进行预处理；S2、提取预处理后待识别光谱的所有准波峰，并提取准波峰的起始位置、峰位、半峰宽与峰高；S3、根据步骤S2获得的起始位置、峰位、峰高与半峰宽，择一或多个组合，根据设定条件，判断波峰是否计入拉曼特征峰。拉曼特征峰不仅需要进行传统谱峰识别，更需要在传统谱峰识别的基础上再进行特征峰筛选，采用本发明无需人为设置任何参数和去噪，既能够适用于易制毒化学品拉曼特征峰的识别，也能够识别拉曼光谱的弱小特征峰，滤除虚假峰。

技术领域

本发明涉及一种光谱特征峰识别方法，尤其涉及一种基于半峰宽与峰高拉曼特征峰识别方法。

背景技术

拉曼技术具有速度快、灵敏度高、指纹无损伤等特点，在现场检测方面具有独特优势，且在农业、医药、食品、石化等领域也得到了广泛的应用，在现场检测易制毒化学品上有着优异的表现。拉曼光谱分析包括光谱的预处理、特征提取和特征分类等步骤，其中特征提取是拉曼光谱分析的核心环节。由于每种物质都有相应的拉曼光谱特征峰分布，所以拉曼光谱特征峰的位置和大小直接反映了该物质的结构和含量信息，能否很好地识别拉曼光谱特征峰将直接影响样品特征分类的准确性。

传统谱峰识别方法目前常用的有以下几种方法：幅值法通过设置一个阈值，将大于阈值的第一个点视为光谱峰的起点，将随后的最大点视为谱峰的高点，然后将接下来小于阈值的第一个点视为光谱峰的最终点。该方法的原理较为简单，计算速度较快，但容易受到基线漂移的影响，并且比较阈值的选择对光谱峰检测的准确性有很大的影响；连续小波变换法通过一系列小波函数的叠加对信号进行分解，将寻峰从时域寻找极值转变为小波系数矩阵的脊线寻峰。虽然这种方法不仅寻峰准确率较高，还对于噪声和背景具有较强的抑制能力，但计算量较大，实在不适合实时运算。由于脊线长度与小波尺度的选择密切相关，而且需要确定脊线长度阈值及脊线信噪比阈值，所以脊线信噪比的意义也不是非常明确。连续小波变换法不够稳健，不易使用在信噪比比较大的拉曼特征峰识别中；导数法是通过把谱线看成是一条连续的曲线这一基本想法，对谱线上每个点求导数，需要根据导数的性质确定谱峰的位置，该方法对于光滑曲线具有较高的搜索准确性，且计算速度基本可以满足实时的要求，但对于噪声较大的复杂谱线易产生虚假峰，需要设置阈值参数过滤掉虚假峰，阀值的选取对分析结果影响较大。依据局部信噪比的定义，谱峰处的局部信噪比下限应为6倍的噪声标准差。然而实际的光谱数据除了包含特征峰、基线噪声外，还存在基线漂移，如何从中估计出噪声标准差是一个值得研究的问题。

目前，主要是通过手动或半手动的传统方法来进行噪声估计，估计噪声标准偏差都首先需要从光谱中找出一段没有包含特征峰、离群值和明显基线倾斜的数据。如果不同场景下采集的光谱数据都用这种方式处理，之所以会导致估计结果不可靠，是因为人为主观因素的影响，这极大不利于手持式拉曼光谱仪的自动化操作。由于拉曼光谱在进行现场检测时会存在较多的干扰峰，它们不仅影响拉曼特征峰的谱峰识别，而且对拉曼光谱种类识别造成干扰，其中干扰峰包括噪声干扰峰、基底干扰峰与非物质特征峰(塑料、玻璃瓶)等。

发明内容

为了克服现有拉曼光谱特征峰检测法中非物质特征峰对有效信息的影响，为此，本发明提出了一种基于半峰宽与峰高的易制毒化学品拉曼特征峰识别方法，可包括以下步骤：

S1、对待识别的光谱进行预处理；

S2、提取预处理后待识别光谱的所有准波峰，并提取准波峰的起始位置、峰位、半峰宽与峰高；

S3、根据步骤S2获得的起始位置、峰位、峰高与半峰宽等条件，择一个条件或多个条件组合，判断波峰是否计入拉曼特征峰。

上述步骤S1预处理是为去基线降噪，可以采用拉曼谱图解析常用的去基线处理方式，也可以采用一些新型的数据预处理方式比如可通过引入根据拉曼光谱特征来设计并训练好的超对称褶积神经网络来消除基线漂移与噪声的影响，相比传统预处理方法的中值滤波、高通滤波和小波变换的方法，卷积神经网络具有速度快、实时性好且放大信号的特点，可提高拉曼光谱识别率。