[发明专利]基于小波分析的激光感生光谱数据处理方法无效
| 申请号: | 200910075578.2 | 申请日: | 2009-09-30 | 
| 公开(公告)号: | CN101666746A | 公开(公告)日: | 2010-03-10 | 
| 发明(设计)人: | 贾锁堂;张生俊;尹王保;阎高伟;王红兵;李平柱;罗振红;王学钦;张雷 | 申请(专利权)人: | 太原市海通自动化技术有限公司;山西大学 | 
| 主分类号: | G01N21/63 | 分类号: | G01N21/63 | 
| 代理公司: | 山西太原科卫专利事务所 | 代理人: | 朱 源;骆 洋 | 
| 地址: | 030006山西省太原市*** | 国省代码: | 山西;14 | 
| 权利要求书: | 查看更多 | 说明书: | 查看更多 | 
| 摘要: | 本发明涉及光谱分析技术领域,具体是一种能提高光谱分析精度及效率的基于小波分析的激光感生光谱数据处理方法。解决了目前激光感生光谱分析结果受无效测量数据影响等问题,包括:1)有效测量模式类模板Gm获取步骤,在对待测物质标准样品定标时,提取有效测量模式类模板,以有效测量模式类模板对应的测量数据进行定标运算,获取定标参数;2)被测样品实际光谱测量数据处理步骤,实际测量时,将实测光谱数据与有效测量模式类模板进行比对,保留有效光谱测量数据,以定标参数对有效测量光谱数据进行计算,获得被测样品元素含量信息。本发明有效提高测量精度,以有限次激光激发测量获取所需个数的有效测量数据,有效提高激光测量系统的寿命。 | ||
| 搜索关键词: | 基于 分析 激光 感生 光谱 数据处理 方法 | ||
【主权项】:
                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Gm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Gi,j,构成标准样品光谱测量数据集合G={Gi,j},其中,i=1,2,…,n,j=1,2,…,m,Gi,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Gi,j以序列方式表示:Gi,j(k)=[X1,X2,…Xk,…XN],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Gi,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Gi,j(k)对应的高频分解系数![]() 和低频分解系数
和低频分解系数![]() c、以与各光谱测量数据序列Gi,j(k)分别对应的低频小波分解系数Wi,ja进行光谱重构,获得与各光谱测量数据序列Gi,j(k)一一对应的特征背景光谱数据Gi,jb,构成特征背景光谱数据集合
c、以与各光谱测量数据序列Gi,j(k)分别对应的低频小波分解系数Wi,ja进行光谱重构,获得与各光谱测量数据序列Gi,j(k)一一对应的特征背景光谱数据Gi,jb,构成特征背景光谱数据集合![]() 特征背景光谱数据Gi,jb同样以序列方式表示:
特征背景光谱数据Gi,jb同样以序列方式表示:![]() 且序列长度与光谱测量数据序列Gi,j(k)的序列长度相同;d、对特征背景光谱数据集合Gb中的特征背景光谱数据Gi,jb进行聚类分析,将特征背景光谱数据集合Gb划分为若干个模式类子集Ghb,即
且序列长度与光谱测量数据序列Gi,j(k)的序列长度相同;d、对特征背景光谱数据集合Gb中的特征背景光谱数据Gi,jb进行聚类分析,将特征背景光谱数据集合Gb划分为若干个模式类子集Ghb,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Gi,j与特征背景光谱数据Gi,jb的一一对应关系、以及特征背景光谱数据集合Gb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Gb模式类子集Ghb一一对应的若干个模式类子集Gh,即G={G1,G2,…,Gh,…,GH};e、对标准样品光谱测量数据集合G中每一模式类子集Gh包含的光谱测量数据Gi,j进行元素含量定标运算,获得与各模式类子集Gh一一对应的定标参数βh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Gh所具有的模式作为有效测量模式,与该模式类子集Gh对应的定标参数βh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Gh对应的特征背景光谱数据模式类子集Ghb,选择特征背景光谱数据模式类子集Ghb中所有特征背景光谱数据序列Gi,jb(k)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Ghm(k),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Glm(k),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Gi,j与特征背景光谱数据Gi,jb的一一对应关系、以及特征背景光谱数据集合Gb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Gb模式类子集Ghb一一对应的若干个模式类子集Gh,即G={G1,G2,…,Gh,…,GH};e、对标准样品光谱测量数据集合G中每一模式类子集Gh包含的光谱测量数据Gi,j进行元素含量定标运算,获得与各模式类子集Gh一一对应的定标参数βh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Gh所具有的模式作为有效测量模式,与该模式类子集Gh对应的定标参数βh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Gh对应的特征背景光谱数据模式类子集Ghb,选择特征背景光谱数据模式类子集Ghb中所有特征背景光谱数据序列Gi,jb(k)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Ghm(k),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Glm(k),即![]()
![]() 形成有效测量模式类模板
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Ghb中特征背景光谱数据序列Gi,jb(k)的个数,N为特征背景光谱数据序列Gi,jb(k)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Gj,j=1,2,…;且以序列方式表示:Gj(k)=[X1,X2,…,Xk,…,XN],N为序列长度;i、对激光感生光谱数据序列Gj(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Gj(k)对应的高频分解系数
其中,1≤k≤N,E为特征背景光谱数据模式类子集Ghb中特征背景光谱数据序列Gi,jb(k)的个数,N为特征背景光谱数据序列Gi,jb(k)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Gj,j=1,2,…;且以序列方式表示:Gj(k)=[X1,X2,…,Xk,…,XN],N为序列长度;i、对激光感生光谱数据序列Gj(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Gj(k)对应的高频分解系数![]() 和低频分解系数
和低频分解系数![]() 其中,L值与步骤b中L值相同;j、以步骤g得到的低频小波分解系数Wja进行光谱重构,获得与激光感生光谱数据序列Gj(k)对应的特征背景光谱数据Gjb;特征背景光谱数据Gjb同样以序列方式表示:
其中,L值与步骤b中L值相同;j、以步骤g得到的低频小波分解系数Wja进行光谱重构,获得与激光感生光谱数据序列Gj(k)对应的特征背景光谱数据Gjb;特征背景光谱数据Gjb同样以序列方式表示:![]() 且序列长度与光谱测量数据序列Gj(k)的序列长度相同;k、判断特征背景光谱数据序列Gjb(k)是否与有效测量模式类模板
且序列长度与光谱测量数据序列Gj(k)的序列长度相同;k、判断特征背景光谱数据序列Gjb(k)是否与有效测量模式类模板![]() 匹配,即
匹配,即![]() 是否成立,如成立,该特征背景谱Gjb(k)属于有效测量模式类,则与该特征背景光谱数据Gjb的测量光谱数据Gj有效;l、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Gj;m、对所获得的有效测量光谱数据Gj按照步骤f中得到的与有效测量模式类子集Gh对应的定标参数βh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。
是否成立,如成立,该特征背景谱Gjb(k)属于有效测量模式类,则与该特征背景光谱数据Gjb的测量光谱数据Gj有效;l、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Gj;m、对所获得的有效测量光谱数据Gj按照步骤f中得到的与有效测量模式类子集Gh对应的定标参数βh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。
            
                    下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
                
                
            该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于太原市海通自动化技术有限公司;山西大学,未经太原市海通自动化技术有限公司;山西大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/200910075578.2/,转载请声明来源钻瓜专利网。





