论文部分内容阅读
光谱分析技术以其简便快速、检测效率高、包含的样品结构信息量大、可用于结构鉴定和多组分同时定量分析等优点成为了最为常用的一种分析技术，被广泛地应用于诸多领域。但在复杂样品中由于混合体系各组分之间的信号重叠现象严重，导致背景和共存组分对待测组分构成干扰，严重影响了定性和定量分析的准确性。本论文从光谱本身的化学特征信息提取，以及微分方法提高光谱分辨率的角度，发展了基于化学特征的多元分辨方法和光谱数据库比对方法，用于提升光谱定性定量分析能力;针对近红外光谱信息复杂、重叠严重的问题，利用微分运算提高光谱分辨率，发展了基于分数阶导数的光谱多元校正方法，用于提高近红外光谱模型的预测能力。本文主要研究内容如下: 1.提出了一种基于固定区域扫描渐进因子分析结合交替最小二乘的多元分辨方法(FRSEFA-ALS)。该方法通过选择具有化学特征的光谱区段（可以是零浓度区域、选择性区域、两组分区域甚至含有更多组分的区域）作为基本矩阵Xbs，并结合一个移动的只包含一个时间点数据的窗口矩阵xi组成子矩阵Xt,i，通过对各子矩阵Xt,i计算得到的特征值曲线进行分析，得到体系中的组分数情况以及各组分的出现和消失的准确时间点。用此方法对模拟数据、蒸发反应过程的表面增强拉曼光谱数据和化学反应过程的荧光光谱数据进行分析。实验结果表明该方法简便可行，并且能够得到准确的分辨结果，可以为研究化学反应提供依据。 2.提出了一种基于化学特征提取的新型光谱比对算法，用以实现光谱快速比对。该方法基于一基本化学规律，即不同结构的化合物具有典型特征光谱。通过提取不同类别的化合物具有代表性的特征光谱信息构建光谱基，所构建的基谱有明确的化学意义，反映了其对应光谱的特征信息。以Aldrich Raman标准拉曼光谱数据库中的五种烃类化合物为例进行方法验证，根据提出的三条比对原则进行判断，正判率达93.94％。对于误判的原因也作了一定的探讨。在此基础上发展了基于微分运算的谱库比对方法，所构建的导数基谱在不丢失基谱所反映的信息的同时能够对重叠区域加以区分，提供更丰富的化合物类别信息。 3.提出了一种基于分数阶Savitzky-Golay导数(FOSGD)光谱的多元校正方法，以提升近红外光谱的分析模型性能，并应用于模拟数据，柴油数据和烟草数据。结果表明该方法能够提升模型性能。随着求导阶数r的不断增加，导数光谱分辨率得到提升的同时光谱强度逐渐减弱，信噪比降低。相较于整数阶求导而言，利用分数阶求导能够寻找到较合适的求导阶数，使得光谱分辨率足够的同时不至于光谱强度太弱，从而提升模型的性能。并且发现最佳求导阶数可能与待测组分的谱峰宽度有一定关联，若待测组分的谱峰宽度较宽，FOSGD的最佳求导阶数r更趋近于整数阶数;而当待测组分的谱峰宽度较窄时，最佳求导阶数r则更远离整数阶数，说明分数阶求导对于具有较窄谱峰宽度的待测组分而言，可能比整数阶求导更具有优势。 4.提出一种分数阶导数光谱结合波长选择的方法(FOSGD-SCARS)，进一步提升近红外光谱分析模型的性能。求导运算后的导数光谱分辨率有所提高，重叠在被测组分光谱上的干扰组分光谱带在某些波长位置有可能被分开，通过波长选择可以将减少了干扰的有用波长选择出来，对于改善模型性能至关重要。将该方法应用于模拟数据，柴油数据和烟草数据的多元校正分析。实验结果表明，FOSGD-SCARS方法充分利用了分数阶导数对于重叠谱峰提升分辨率的优势，同时有效地选中了含有有用信息的变量，消除干扰组分的影响。该方法能很好地优化校正模型，提升模型的预测能力，在光谱分析领域具有很强的应用潜力。