[发明专利]一种基于变分模态分解的X射线荧光光谱本底扣除方法

说明书

本发明提供一种基于变分模态分解的X射线荧光光谱本底扣除方法，其特征在于，利用变分模态分解VMD算法对X射线荧光光谱XRF的原始光谱数据进行分解，分解后选择第一层分量进行处理；将处理后的第一层分量再进行迭代分解，直到达到VMD算法的停止条件，并将最后分解得到的第一层分量作为最终估计的本底；在原始光谱数据上减去本底分量得到扣除本底后的光谱数据。本发明具有效果不弱于当前所有已有的本底扣除方法，同时具有使用简单、自适应于所有谱图、效果稳定、无需根据谱图选择不同参数等优点。

技术领域

本发明涉及X射线荧光光谱XRF的谱图预处理技术，特别涉及一种基于迭代变分模态分解的光谱本底扣除方法。

背景技术

在使用X荧光光谱对物质进行分析时，光谱中通常会包含连续谱本底、目标元素特征X射线谱峰、逃逸峰、和峰等。而连续谱本底一直被认为是显著干扰，本底的存在会使得净峰面积的估算结果过大和峰位估算结果偏移。为了准确获得目标元素特征X射线谱峰及其净峰面积，必须在解谱之前采用本底扣除方法，提高净峰面积的准确性，同时也可以校正吸收增强效应。

在所有光谱的本底扣除中，能量色散型X射线荧光光谱本底扣除尤为复杂，因为一些元素含量少，计数较低，过分的本底扣除对于含量较多的元素定量分析影响有限，但是对于相对含量较低的土壤重金属(例如Cd、Hg、As等)影响较大。为了扣除本底，研究人员已经提出了多种算法。一种方法是从硬件的角度出发，通过改进光路，如设计三角形光路结构抑制本底的产生，更多的研究是从软件的角度对已生成的光谱进行本底扣除，常采用多项式拟合、傅立叶变换、削峰法和神经网络，以及近几年研究较多的迭代小波变换等。目前在所有的本底扣除算法中，迭代小波变换是公认效果最好的算法。

小波变换是满足叠加性原理的线性时频分析手段，能够对信号进行多尺度分析，非常适合区分特征峰和本底。然而，小波变换非常依赖小波基的选择，在使用小波变换时，必须根据具体问题选择合适的小波基，否则难以达到满意的效果。同时，由于激励源的差异性，根本无法找到适用于所有信号成分的万能基函数。此外，用于本底扣除的迭代小波算法不仅需要针对谱图人工选择小波基，还需要设置合适的小波分解层数、迭代次数等指标，要取得良好的效果是一个复杂且有难度的事情。

发明内容

本发明要解决的技术问题是，提供一种具有使用简单、自适应于所有谱图、效果稳定、无需根据谱图选择不同参数的光谱的本底扣除方法。

本发明为解决上述技术问题所采用的技术方案是，一种基于变分模态分解的X射线荧光光谱本底扣除方法，其特征在于，包括以下步骤：

1)利用变分模态分解VMD算法对X射线荧光光谱XRF的原始光谱数据进行分解，分解后选择第一层分量进行处理；将处理后的第一层分量再进行迭代分解，直到达到VMD算法的停止条件，并将最后分解得到的第一层分量作为最终估计的本底；

2)在原始光谱数据上减去本底分量得到扣除本底后的光谱数据。

变分模态分解VMD是一种新的自适应、完全非递归的信号分解方法，通过迭代搜寻变分模型最优解，来确定模态及其对应的中心频率和带宽，可以直接适用于各种信号的分解估计。VMD目前常用于设备的故障诊断领域中，可以用于从振动信号中提取对故障敏感的特征或去除振动信号的噪声干扰。例如通过分析信号与各模态分量间的相似程度来去除不相关的模态从而实现去噪。在VMD中采用局部重构，即将与原信号相似的模态就认为是信号，与原信号相差大的模态认为噪声。而在光谱信号处理中，本底扣除和去噪的目的是完全不同的。去噪的目的旨在去除与原始信号无关的、高频的噪声信号，而本底扣除的目的是去除光谱中通常呈现低频的本底成分，并且不能影响信号的细节谱峰信息。