留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用多数据处理方法提高LIBS谱信号质量

杨崇瑞 汪家升 盛新志 娄淑琴

杨崇瑞, 汪家升, 盛新志, 娄淑琴. 利用多数据处理方法提高LIBS谱信号质量[J]. 红外与激光工程, 2014, 43(11): 3807-3812.
引用本文: 杨崇瑞, 汪家升, 盛新志, 娄淑琴. 利用多数据处理方法提高LIBS谱信号质量[J]. 红外与激光工程, 2014, 43(11): 3807-3812.
Yang Chongrui, Wang Jiasheng, Sheng Xinzhi, Lou Shuqin. Technique to improve quality of LIBS spectrum signal based on multiple data processing methods[J]. Infrared and Laser Engineering, 2014, 43(11): 3807-3812.
Citation: Yang Chongrui, Wang Jiasheng, Sheng Xinzhi, Lou Shuqin. Technique to improve quality of LIBS spectrum signal based on multiple data processing methods[J]. Infrared and Laser Engineering, 2014, 43(11): 3807-3812.

利用多数据处理方法提高LIBS谱信号质量

基金项目: 

国家自然科学基金(61177082,61205074);北京市自然科学基金(4122063)

详细信息
    作者简介:

    杨崇瑞(1988-),女,硕士生,主要从事光谱信号处理方面的研究.Email:11120179@bjtu.edu.cn

  • 中图分类号: O433.4

Technique to improve quality of LIBS spectrum signal based on multiple data processing methods

  • 摘要: 基于分段光谱特征值提取法和小波变换算法等多个数据预处理方法,分别针对分段基线差异及光谱噪声等严重影响激光诱导击穿光谱(LIBS)信号质量的主要影响因素,开展光谱信号预处理研究.基于实验室LIBS实验装置,通过实验验证,基于多通道光谱仪不同波段光谱特征值提取,提出了一种简单易行的多组数据中特征值点连接的方法,有效地提高了LIBS光谱信号的基线平直度,并得出以小波变换算法进行LIBS谱线信号去噪的最佳算法参数.在上述工作的基础上,使用基于误差反向传播的人工神经网络方法,实现了纯铜和不锈钢等物质种类的有效识别,研究结果表明,综合利用多数据处理方法进行LIBS技术中光谱信号处理可以有效提高谱线分析和识别的质量.
  • [1]
    [2] Kraushaar M R, Noll R, Schmitz H U. Slag analysis with laser-induced breakdown spectroscopy[J]. Appl Spectrsc,2003, 57: 1282-1287.
    [3]
    [4] Ma Demin, Ma Yanhua,Shu Rong,et al. Analysis of LIBS feasibility for in-situ detection of lunar soil components[J]. Infrared and Laser Engineering, 2007, 10(36): 656-658. (in Chinese) 马德敏, 马艳华, 舒嵘, 等. 激光诱导现场探测月壤成分的可行性分析[J]. 红外与激光工程, 2007, 10(36): 656-658.
    [5] Chen Chen. Data processing and database upbuilding of Raman spectroscopy in detecting water pollutants[D]. Wuhan: Huazhong Normal University, 2006. (in Chinese) 陈晨. 水体污染物拉曼光谱检测的数据处理与建库技术[D]. 武汉: 华中师范大学, 2006.
    [6]
    [7]
    [8] Zhang Yaodong. Analysis and modeling of NIR spectrunm based on intelligent algorithm[D]. Shenyang: Norathest University, 2006. (in Chinese) 张耀东. 基于智能算法的近红外光谱分析与建模[D]. 沈阳: 东北大学, 2006.
    [9]
    [10] Hussam A, Alauddin M, Khan A H. Solid phase microextraction: measurement of volatile organic compounds(VOCs) in Dhaka city air pollution[J]. Journal of Env ironmental Science and Health Part A-Toxic/Hazardous Substances Environmen tal Engineering, 2002, 37(7): 1223-1239.
    [11] Acharya T, Chakrabarti C A. A survey on lifting-based discrete wavelet tra nsform[J]. Journal of VLSI Signal Processing, 2006, 42(3): 321-339.
    [12]
    [13]
    [14] Jiang Meiyu. The application of wavelet transform in Laser-Induced Breakdown coal spectroscopy analysis[D]. Guangzhou: South China University of Technology, 2010. (in Chinese) 蒋梅域. 小波分析应用于激光诱导击穿煤质光谱分析[D].广州: 华南理工大学, 2010.
    [15]
    [16] Edilene C Ferreira, Debora M B P Milori, Ednaldo J Ferreiraetal. Artificial neural networks for Cu quantitative determination in soil using a portable laser induced breakdown spectroscopy system[J]. Spectro Chimica Acta Part B, 2008, 63(10):1216-1220.
    [17] Shen Qinmei, Zhou Weidong, Li Kexue. Quantative elemental analysis using Laser Induced Breakdown Spectroscopy and Neuro-Genetic approach[J]. Chinese Joural of Lasers, 2011, 38(3): 0315001-0315006. (in Chinese) 沈沁梅, 周卫东, 李科学. 基于遗传神经网络的激光诱导击穿光谱元素定量分析技术[J]. 中国激光, 2011, 38(3): 0315001-0315006.
    [18]
    [19]
    [20] Sun Yi, Du Zhenhui, Yin Xin, et al. Investigation onbaseline correction in pollutant monitoring on-line by NIR spectroscopy[J]. Spectroscopy and Spectral Analysis,2008, 28(10): 2282-2284. (in Chinese) 孙毅, 杜振辉, 尹新, 等. 近红外光谱气体在线分析中基线校正方法的研究[J]. 光谱学与光谱分析, 2008, 28(10): 2282-2284.
    [21] Chen Guanrong, Wang Jianrong, Leang Shieh S. Interval Kalman filtering[J]. IE EE Transactions on Aerospace and Electronic Systems, 1997, 33(1): 250-259.
    [22]
    [23] Dnoho D L. Denoising by soft-thresholding[J]. IEEE Transion IT, 1995, 41(3): 613-627.
    [24]
    [25] Huang Jisong, Chen Qiaoling, Zhou Weidong. Laser induced breakdown spectros copy for the determination of Cr and Sr in soil[J]. Spectrosc Spect Anal, 2009, 29 (11): 3126-3129. (in Chinese)
  • [1] 李欣, 吕正一, 崔博伦, 张家铭, 刘紫莹, 黄荀, 赵天卓.  共轴变焦激光诱导击穿光谱定量分析 . 红外与激光工程, 2023, 52(12): 20230310-1-20230310-12. doi: 10.3788/IRLA20230310
    [2] 李东亮, 卢贝.  基于深度神经网络的光纤传感识别算法 . 红外与激光工程, 2022, 51(9): 20210971-1-20210971-6. doi: 10.3788/IRLA20210971
    [3] 张鹏飞, 周婷, 夏道华, 张立.  好奇号火星车ChemCam-LIBS 光谱数据的定量分析研究 . 红外与激光工程, 2022, 51(9): 20210962-1-20210962-10. doi: 10.3788/IRLA20210962
    [4] 杨彦伟, 郝晓剑, 潘保武, 张瑞忠, 刘烨坤, 孙鹏, 郝文渊.  基于腔体约束激光诱导击穿铝土矿光谱的参数优化 . 红外与激光工程, 2022, 51(3): 20210661-1-20210661-7. doi: 10.3788/IRLA20210661
    [5] 张丽丽, 杨彦伟.  腔体与纳米金共同作用增强光谱技术 . 红外与激光工程, 2021, 50(1): 20200137-1-20200137-7. doi: 10.3788/IRLA20200137
    [6] 马维喆, 董美蓉, 黄泳如, 童琪, 韦丽萍, 陆继东.  激光诱导击穿光谱的飞灰碳含量定量分析方法 . 红外与激光工程, 2021, 50(9): 20200441-1-20200441-10. doi: 10.3788/IRLA20200441
    [7] 杨彦伟, 张丽丽, 郝晓剑, 张瑞忠.  机器学习结合激光诱导击穿光谱技术铁矿石分类方法 . 红外与激光工程, 2021, 50(5): 20200490-1-20200490-8. doi: 10.3788/IRLA20200490
    [8] 郭强, 芦晓红, 谢英红, 孙鹏.  基于深度谱卷积神经网络的高效视觉目标跟踪算法 . 红外与激光工程, 2018, 47(6): 626005-0626005(6). doi: 10.3788/IRLA201847.0626005
    [9] 王金梅, 颜海英, 郑培超, 薛淑文.  激光诱导土壤等离子体光谱辐射实验参数优化 . 红外与激光工程, 2018, 47(12): 1206011-1206011(7). doi: 10.3788/IRLA201847.1206011
    [10] 梅亚光, 程宇心, 程树森, 郝中骐, 郭连波, 李祥友, 曾晓雁.  基于激光诱导击穿光谱技术的生铁中硅锰钛偏析的同步分析 . 红外与激光工程, 2018, 47(8): 806003-0806003(8). doi: 10.3788/IRLA201847.0806003
    [11] 李雄威, 王哲, 刘汉强, 郭桦.  基于激光诱导击穿光谱的燃煤热值定量分析 . 红外与激光工程, 2017, 46(7): 734001-0734001(5). doi: 10.3788/IRLA201746.0734001
    [12] 夏文泽, 韩绍坤, 曹京亚, 王亮, 翟倩.  激光雷达距离估计技术 . 红外与激光工程, 2016, 45(9): 906005-0906005(6). doi: 10.3788/IRLA201645.0906005
    [13] 叶松, 甘永莹, 熊伟, 张文涛, 汪杰君, 王新强.  采用小波变换的空间外差光谱仪基线校正 . 红外与激光工程, 2016, 45(11): 1117009-1117009(5). doi: 10.3788/IRLA201645.1117009
    [14] 李文宏, 尚丽平, 武志翔, 王芮雯, 周强.  水泥中Al 和Fe 的激光诱导击穿光谱测量分析 . 红外与激光工程, 2015, 44(2): 508-512.
    [15] 赵安新, 汤晓君, 张钟华, 刘君华.  Rubberband方法中分段数量的选择对基线校正效果的影响分析 . 红外与激光工程, 2015, 44(4): 1172-1177.
    [16] 陈世和, 陆继东, 董璇, 潘凤萍, 张曦, 姚顺春, 李军.  不同激光参数下煤粉颗粒流等离子体特性分析 . 红外与激光工程, 2014, 43(1): 113-118.
    [17] 赵春晖, 刘振龙.  改进的红外图像神经网络非均匀性校正算法 . 红外与激光工程, 2013, 42(4): 1079-1083.
    [18] 张东阁, 傅雨田.  计算机辅助装调的代理模型方法 . 红外与激光工程, 2013, 42(3): 680-685.
    [19] 陈金忠, 白津宁, 宋广聚, 孙江, 魏艳红.  激光诱导击穿光谱技术测定土壤中元素Cr和Pb . 红外与激光工程, 2013, 42(4): 947-950.
    [20] 许兆美, 周建忠, 黄舒, 孙全平.  人工神经网络在Al2O3陶瓷激光铣削中的应用研究 . 红外与激光工程, 2013, 42(11): 2957-2961.
  • 加载中
计量
  • 文章访问数:  430
  • HTML全文浏览量:  74
  • PDF下载量:  189
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-03-07
  • 修回日期:  2014-04-01
  • 刊出日期:  2014-11-25

利用多数据处理方法提高LIBS谱信号质量

    作者简介:

    杨崇瑞(1988-),女,硕士生,主要从事光谱信号处理方面的研究.Email:11120179@bjtu.edu.cn

基金项目:

国家自然科学基金(61177082,61205074);北京市自然科学基金(4122063)

  • 中图分类号: O433.4

摘要: 基于分段光谱特征值提取法和小波变换算法等多个数据预处理方法,分别针对分段基线差异及光谱噪声等严重影响激光诱导击穿光谱(LIBS)信号质量的主要影响因素,开展光谱信号预处理研究.基于实验室LIBS实验装置,通过实验验证,基于多通道光谱仪不同波段光谱特征值提取,提出了一种简单易行的多组数据中特征值点连接的方法,有效地提高了LIBS光谱信号的基线平直度,并得出以小波变换算法进行LIBS谱线信号去噪的最佳算法参数.在上述工作的基础上,使用基于误差反向传播的人工神经网络方法,实现了纯铜和不锈钢等物质种类的有效识别,研究结果表明,综合利用多数据处理方法进行LIBS技术中光谱信号处理可以有效提高谱线分析和识别的质量.

English Abstract

参考文献 (25)

目录

    /

    返回文章
    返回