一、基于小波变换的化学谱图数据处理（论文文献综述）
马璞璠[1]（2019）在《近红外检测制浆材材性过程中的异常辨识研究》文中进行了进一步梳理制浆生产过程中制浆材物化性质的快速检测,可用于实时调整蒸煮过程的工艺参数,保证纸浆产品的质量,进而提高制浆造纸工业的智能制造水平。近红外光谱技术作为目前迅速发展的快检技术,对天然产物组分指标的检测有独特优势,完全适用于制浆过程中对制浆材材性快速检测的需求。为推动近红外光谱技术在制浆材材性检测中的应用,本文以几种常用的制浆木材原料为对象,通过研究制浆材材性近红外检测过程中不同阶段异常情况的辨识算法,确保近红外检测制浆材材性过程信息源的有效性。本文主要的研究工作和结论如下:（1）制浆材样本采集光谱的异常判别。采用小波变换分解出光谱的高频信号,识别出由干扰信号造成的毛刺峰、断崖或白噪声异常光谱的类型。通过在正常制浆材光谱上叠加不同强度的白噪声构建白噪声异常光谱,借助小波变换滤波处理修复消噪后信噪比高于100dB的白噪声异常光谱。设计离群光谱识别算法,可检测出平行测量中漂移严重的异常光谱,将异常光谱剔除从而保证制浆材样本光谱的准确性。（2）制浆材校正样本集的离群样本判别。采用基于马氏距离、基于交叉验证和基于蒙特卡洛交叉验证的三种异常样本检测方法识别并剔除校正集中影响模型性能的异常样本。建模验证结果显示:基于马氏距离和基于蒙特卡洛交叉验证的检测方法适用于制浆材校正集中异常样本的判别,而基于交叉验证的检测方法会出现误判现象,导致模型性能降低。（3）预测分析过程中的界外样本判别。根据校正集样本信息及待测制浆材样本的特征,采用基于马氏距离的界外样本检测方法对未知样本进行判别,可检测出超出模型覆盖范围的浓度界外样本。研究还对样本光谱计算马氏距离的PCA和PLS两种降维方法进行对比,验证实验结果表明:基于马氏距离的界外样本检测方法能有效地识别出不适用于已建立的制浆材综纤维素和木质素分析模型的界外样本,制浆材光谱采用PCA降维计算其马氏距离对两种组分模型的界外样本识别更准确。
袁昌旺[2]（2019）在《能量色散X射线荧光光谱仪的设计》文中研究表明能量色散X射线荧光光谱仪是一种用于测量样品中元素种类和含量的仪器,可以在不破坏样品结构的情况下同时对样品中的多种元素进行检测,在探矿、航天等领域发挥很大作用。本文研发一台实验室用能量色散X射线荧光光谱仪,改进数据处理算法,提高光谱仪的智能化和准确度。本文设计的光谱仪由激发源、光路、探测器、信号处理电路、多道脉冲幅度分析器和计算机构成。激发源选择能量可调的X射线管,探测器选择电制冷的Si-PIN,由SolidWorks设计的3D模型制作光路结构,提供多种滤光片和准直器降低本底。设计信号处理电路和多道脉冲幅度分析器,根据探测器信号生成光谱,再通过RS232传输到计算机。计算机采用Labview和Python混合编程,用Labview实现交互界面,用Python实现数据处理算法。光谱的数据处理步骤包括去噪、本底扣除、特征峰检测和面积计算。针对当前去噪算法需要较多参数的缺点,本文提出基于交叉验证的傅里叶变换去噪法。该方法使用交叉验证理论估计傅里叶变换去噪的最佳阈值,可以自动化运行,去噪效果好。针对X射线管产生的本底的特点,本文改进基于最大值过滤的多项式拟合法。该方法先对光谱做多项式拟合,去除拟合偏差较大的点,实现自动区分峰区和背景区,再根据拟合结果有无负数,确定多项式的最佳次数。结合Top-hat滤波器和高斯导数的优点,本文提出基于Top-hat滤波器和高斯导数的特征峰检测法。该方法使用Top-hat滤波器寻峰,高斯一阶导数寻拐点,未出现丢峰和假峰,峰信息较为准确。本文采用带线性本底的高斯函数拟合特征峰,在光谱含噪含本底时仍能估计重叠峰的面积。
朱晨超[3]（2019）在《色谱工作站设计与谱图分析算法研究》文中研究指明色谱法是利用混合物中的不同组分在固定相和流动相之间的分配效果不同而分离组分的方法,具有高分离效率、高选择性、高灵敏度以及分析速度快的特点,应用广泛、发展迅猛。色谱工作站软件是色谱仪器工作的重要组成部分之一。结合目前国内外色谱软件的优缺点,本文设计开发了一个基于网络服务器的超临界流体色谱工作站。本文介绍了色谱工作站的开发环境和相关应用技术。软件采用B/S架构,以Python中的Django作为服务器的应用框架。前端网页设计采用HTML5和JavaScript技术,使用Ajax用于前后端的交互,实现页面的动态更新。服务器与色谱仪器之间通过RS232异步串口通信。数据存储采用静态存储和高速缓存相结合的方法,提高数据的存取效率。为了提高软件的响应速度和稳定性,服务器采用异步队列任务处理进程。色谱工作站软件实现了数据存储、用户管理、设备监控和色谱分析这几个主要功能,还包括日志记录和帮助文档两个辅助功能,并完成了系统测试。谱图数据处理是色谱工作站的核心部分,本文对此进行了详细介绍。首先是数据预处理,为了减轻服务器传输的数据压力,软件采用小波变换对数据进行压缩与解压缩,压缩前后信号能够较好的复原;采用S-G滤波与小波变换相结合的方法进行去噪,有效地平滑了谱图;谱图分析算法采用二阶导数法识别谱峰,能够准确识别不同类型的色谱峰;采用基于EMG模型的N-M拟合法分离重叠峰,分峰效果理想。最后介绍了色谱峰的特征值计算和定性定量计算的方法。
徐喜荣,潘子琦,李兴华,李金泽[4]（2019）在《基于小波变换和连续Hopfield神经网络的重叠峰解析策略》文中研究指明针对化学谱图分析中的重叠峰解析问题,提出了一种基于小波变换和连续Hopfield神经网络的谱图重叠峰解析策略.使用高斯函数作为曲线拟合的数学模型,将重叠峰分解为一系列高斯峰的叠加组合.首先,根据检测信号卷积型小波变换中奇异点特性分析原理,利用卷积型小波变换方法寻找信号的特征点,并根据特征点对信号做出初步解析;然后,构造解析峰参数与解析误差之间的函数关系,并以之作为连续Hopfield神经网络的能量函数;最后,根据该网络自我演化特性经过指定次数的迭代得到误差函数的极小值点,进而得到谱图重叠峰的最终解析参数.谱图重叠峰模拟解析表明,所提算法有效.
刘永超[5]（2018）在《气相色谱法环境大气VOCs监测技术及数据处理方法研究》文中提出挥发性有机物（Volatile organic compounds,VOCs）在大气化学中起着非常重要的作用,是我国臭氧、光化学烟雾、二次有机气溶胶以及可入肺颗粒物PM2.5的重要前体物。VOCs在大气中容易被氧化,且部分VOCs物种具有致癌作用,对人体健康有极大危害。由于VOCs成分的复杂性和危害性,并且在空气中极易发生各种化学变化,已成为近几年环境化学研究的热点内容。本文研究了气相色谱法原理,并搭建气相色谱实验平台,完成了对实验平台的性能测试。同时,设计并实现了可用于环境大气VOCs测量系统的数据处理软件,该软件主要包含人机交互、样品标定和数据处理三个模块,能够实现对热脱附装置和气相色谱仪命令的控制和数据读取,并且根据VOCs谱图特点,选取了合适的数据处理方法保证定性和定量的准确性。针对VOCs谱图中含有高频噪声和基线漂移的情况,本文采用了小波变换法对其进行处理。通过选取合适的小波函数和最优分解层数,能够同时完成高频噪声的去除和低频基线漂移的校正,两个过程合二为一,提高了数据处理速度;研究了一、二阶导数结合法进行色谱峰识别,该方法计算简单、运行速度快,并且能够对肩峰、重叠峰等不规则峰形具有良好的识别精度;针对色谱峰重叠的情况,基于最小二乘法原理,选用高斯函数进行曲线拟合来分离重叠峰。同时,将本文研究的谱峰识别方法与Origin软件中的谱峰分析方法进行了比较,两者计算结果具有较好的一致性,说明本文设计的数据处理软件具有较高的可靠性。将设计的数据处理软件应用至环境大气VOCs监测系统中,进行空气VOCs采样实验。在整个实验的过程中,该软件可以稳定运行并给出准确的分析结果。综上所述,本文设计并实现的数据处理软件能够满足环境大气VOCs色谱图处理的需求,能够为环境评估提供切实可靠的数据。
张书迪[6]（2018）在《激光质谱法自动解谱程序的开发及其理论模拟研究》文中研究表明随着科学技术的发展,各领域对固体样品中元素分析的需求越来越多,尤其在冶金、环境、地质、材料生产及控制、半导体工业、空间探索等领域。固体样品种类繁多、基体复杂,是气态、液态、固态样品中分析难度最大的样品种类。传统的溶液分析法不仅费时费力、容易引入杂质,而且使用的强酸强碱还存在一定的危险性。激光质谱法能够很好地解决上述问题,它具有分析速度快、谱图简单、分辨率高、检出限低、制样方便等一系列优点,目前已被广泛运用在各行各业中。相对于有机物分析来说,元素分析相对简单,它不需要通过二级质谱来进行结构鉴定和分析。但谱图解析却是一项技术含量较高的任务,通常需要具有一定经验的质谱工作者才能完成,这大大限制了该技术的推广。若能将数据处理和解谱经验转化为可供计算机执行的程序,该技术的分析效果将在很大程度上得到提高,并且还能极大地节省使用者的时间。虽然激光质谱法有着诸多优点,但它也有较为严重的非化学计量效应,这会使得分析的准确性大打折扣。在这种情况下,我们需要了解它们的发生机制,并探索其影响因素,为进一步优化实验结果打下基础。基于已有的激光质谱研究经验,我们引入了无孔针尖近场增强技术并使二者相融合,成功开发了一套能够实现高空间分辨率的纳米分析新技术,站在了潮流的前端。但该技术的理论体系接近空白,亟待完善,这对其进一步的成熟和发展至关重要。基于以上前沿背景,下面简要介绍本论文的研究内容和成果。第一部分内容基于本实验室已研制的激光溅射电离飞行时间质谱的优良半定量分析特性，介绍了用于元素质谱分析的自动数据处理和谱图解析程序的开发。该程序包括数据处理系统、定标系统、谱图解析系统和信息显示系统。其中,数据处理系统中又包括信号数据的生成与叠加、谱图信号的平滑、基线的扣除和谱峰的检测等一系列功能。我们利用该程序成功地分析了四种不同基体的样品,包括金属合金（标样SRM 1263a）、金属粉末压片（铝、铁、锰、铬、镍金属粉末压片）、陶瓷（耀州窑陶瓷）和矿石（南丹铁陨石）,最大程度地提取了谱图的信息,成功实现了对多种样品的自动定性分析和半定量分析,极大地提高了分析效率和信息处理能力。第二部分针对飞秒脉冲激光能够显着降低激光溅射电离质谱法的基体效应这一现象,构建了一套理论模型来重现导致这些现象的过程。对于元素在不同基体中的相对灵敏度因子值,理论结果与实验结果较为一致,证明了该模型的有效性。另外,我们还通过正交偏最小二乘法这一化学计量学方法对实验数据进行分析,从统计学上证明了飞秒激光降低基体效应的原因在于热效应的降低。第三部分结合无孔针尖近场增强原理和激光直接溅射电离原理,首次构建了一套与针尖增强溅射电离质谱法配套的理论模型,并且验证了金属钛镀层样品和混合无机盐残渣样品的实验分析结果。该理论模型计算出了纳米尺度的钛镀层弹坑形貌和溅射量,还计算出了混合无机盐残渣样品的理论质谱图,理论结果都与实验结果非常吻合。除此之外,该模型还能给出样品温度三维分布、等离子体温度、总粒子/离子数量密度、电离效率、离子动能和角度分布等参数,通过该方法可以深入地探索这项技术的内在特性和作用机理。同样地,本部分也运用了化学计量学方法来研究影响实验结果的多个因素。通过偏最小二乘聚类分析发现无机盐离子在实验中的行为与其价态有很大的关系;通过载荷分析得知热学参数对纳秒激光模型的影响比飞秒激光更大;此外,分析物的第一电离能对纳秒和飞秒激光分析结果的影响都很大。这些结果与理论模型互相印证,且与实际情况非常相符,证明了该研究的可靠性,为技术的进一步开发奠定了理论基础。
陆浩[7]（2016）在《色谱工作站谱图处理分析算法研究》文中研究指明色谱已成为最常用的分离和检测手段,广泛应用于各领域。色谱图结构复杂,频率成分多,谱峰存在重叠现象,对色谱图的分析比较困难。因此研究色谱图处理的噪声滤除,基线校正,谱峰检测和重叠峰解析具有十分重要的意义。噪声的存在会影响色谱峰的检测,进而影响峰面积的计算,降低色谱分析的准确性,因此噪声滤除是色谱分析的首要工作。针对经典阈值选取方法需要估计噪声水平的缺点,本文采用广义交叉验证方法获取最优阈值,对色谱信号进行小波分层阈值去噪,去噪后的色谱信噪比显着提高。由于操作条件不稳定等因素,实际检测的色谱会产生基线漂移,影响净峰面积计算。本文利用迭代小波变换的方法进行基线校正,逐步减少逼近系数中残留的特征峰成分,避免单次小波变换提取基线时波形畸变的现象。以小波逼近系数的能量作为迭代小波结束的判别依据,并确定离散小波变换的分解层数。谱图特定位置上的信号峰对应某一具体物质（组分）,峰的大小与物质含量有关,对谱峰的准确检测是色谱图处理获取有效信息的关键问题。本文利用具有较强抗噪性的连续小波变换提取色谱峰拐点和峰位,实现谱峰检测。对于色谱图中的重叠峰,本文引入神经网络,利用小波变换检测的特征点,建立重叠峰解析的模式识别模型,可以获取比较准确的子峰面积或者理想的色谱峰特征点位置。
赵欣洋[8]（2016）在《离子迁移谱图的谱峰识别系统的设计与实现》文中研究表明在分析化学领域中,通常需要分析处理所获得的信号,包括质谱,光谱或气体色谱的信号。谱图信号峰中有峰起点、峰终点、峰顶点、峰高、峰面积等需要识别的特征值。它们可以决定被检测物质和信号的各种物理和化学信息,比如物质性质和浓度,所以谱峰识别的精确度决定了被检测物质和信号的准确性。离子迁移谱可用于现场快速定性、定量分析混合物中各组分的种类和含量。在化学战剂、毒品和爆炸物探测以及环境监测等领域中都有广泛的应用。本文针对采集的离子迁移谱图数据设计并实现了基于导数法和小波变换法的定位识别与基于图论聚类法的定性识别系统。对于导数法,我们首先采用均值滤波法,对得到的谱图数据进行噪声滤除,然后计算谱图曲线的一阶导数,根据斜率值的变化趋势,精确识别出峰起始点、结束点、前拐点、后拐点和最高点,从而识别出谱峰。对于小波变换法,我们运用小波变换进行滤波,通过对尺度的选择滤掉了大部分噪声的干扰,对曲线进行平滑处理。然后利用移动窗口法检测小波变换曲线中的关键点,通过不同种类的关键点和原始谱峰中的各特征点的逻辑对应关系进行谱峰特征点的识别,最终得到谱峰的峰起点、主峰与肩峰拐点、峰顶点、峰谷点、峰终点等。采用图论聚类算法,对单个有毒气体谱峰点集合Peak中的谱峰点进行聚类,得到k个子类,计算每个子类的相关特征向量参数信息,保存至谱图库中,作为识别评判该有毒气体的依据。对混合气体谱峰聚类后,计算每个子类的特征向量,与谱图库中的标准单个气体的特征向量进行比对,若在一定的范围内二者相似甚至于完全匹配,则实现了FAIMS的物质离子的定性识别。通过对实验结果的分析表明,本系统能较精确地对谱峰进行定位与定性识别,因此系统实现了预期的设计目标。
陈鑫[9]（2016）在《基于K均值样本筛选的支持向量机及其在白酒品牌鉴别中的应用》文中认为白酒是我国的传统产品,对于其产品质量的控制影响着我国制酒行业的健康发展,同时这也关系到消费者的健康权益,有必要对白酒产品进行鉴别。在实际应用中,化学计量学结合模式识别技术对白酒的品质进行鉴别被广泛应用;在模式分类中,训练样本的筛选影响着分类器分类的性能。本文以支持向量机（SVM）作为分类模型,探讨了支持向量对其的影响,结合K均值（K-means）聚类的思想对初始训练样本集进行筛选,以提高分类器的分类准确率以及泛化能力。本文指出训练样本数量影响了模型的泛化推广能力,证明了SVM的分类性能只与支持向量有关,而与非支持向量无关。对于训练样本集进行适当的缩减,提取出可能成为支持向量的样本,有助于提高SVM的分类性能和推广能力。K-means具有运算复杂度低的优点,能够自动寻找到类别中心。本文依照这种思想,在找到类别中心的基础上,找到边界样本,同时删除误分类样本,避免SVM最优分类面发生偏置,从而达到降低置信风险的目的,防止过拟合现象的出现。为了验证该方法的有效性,本文选用了UCI数据库的WDBC、Iris、Wine、Sonar数据集,对比了经典的随机取样、KS样本筛选方法,结果表明本文所提出的K-SVM方法有助于分类准确率的提高。针对白酒的品牌鉴别问题,首先采集不同品牌、多种批次的飞行时间质谱（TOFMS）谱图,经过对仪器的精密度、重复性和稳定性的考察,得到了可靠的实验数据。应用小波分析的方法对原始数据进行降噪处理,进而通过PLS-VIP筛选出350个特征指标。此基础上,应用K-SVM方法进行分类鉴别,并对SVM核参数进行网格搜索优化,与其他样本筛选方法对比,得到了较好的分类准确率,满足了对于白酒品质控制高精确度的要求。本文以单光子电离飞行时间质谱作为检测手段,结合数据预处理的方法,将K-means聚类的方法应用于SVM训练样本的筛选之中,建立了准确、可靠的白酒品牌鉴别方法。本文的研究是对白酒品质鉴别方法的补充,同时也为SVM分类中的样本筛选提出了可行的办法。
赵奉奎[10]（2015）在《能量色散型X射线荧光光谱仪关键技术研究》文中进行了进一步梳理能量色散x射线荧光光谱分析是一种多元素分析技术,可以对样品中元素的种类和含量进行精确测量。然而能量色散x射线荧光光谱构成复杂、频率成分多、谱峰重叠,而且吸收边的存在使光谱含有很多奇点,所以对能量色散x射线荧光光谱的分析比较困难。因此开展对能量色散X射线荧光光谱的去噪、本底扣除和特征峰解析等的研究具有十分重要的意义。光谱中的噪声不但会导致光谱中出现伪峰,还会导致寻峰程序遗漏弱峰或增大峰面积误差,本文提出了一种基于平稳小波变换的光谱去噪算法。针对大多数阈值估计规则需要估计噪声水平的缺点,本文将交叉验证和平稳小波变换相结合,得到了一种最优阈值,而且最优阈值计算过程无需估计噪声水平。之后利用该最优阈值,根据软阈值函数对平稳小波分解系数进行阈值处理,用阈值处理过的系数进行重构,即可得到去噪后的光谱。光谱经去噪后,信噪比得到有效的改善,均方根误差大幅减小,而且在奇点附近也不会发生Gibbs现象。光谱中的低频本底会影响净峰面积的计算和峰位置的判断,本文提出了一种基于双树复数小波变换的本底扣除算法。本文深入研究了利用滤波器组构造双树复数小波的理论和双树复数小波的性质,该小波近似解析,且具有平移不变性和正交性,非常适合对能量色散X射线荧光光谱进行本底扣除。利用双树复数小波对光谱进行分解,提取大尺度的逼近系数进行重构,即可得到估计的本底,从原始光谱中减去估计的本底,即可实现本底扣除。与其他方法的分析结果相比,双树复数小波在准确扣除本底的同时,不会引入波形畸变。大部分本底扣除方法都依赖于特征峰和本底的频率差异,本文根据削峰法的思想,提出了一种基于迭代小波变换的光谱本底扣除算法。根据光谱本底的分布特点,利用小波熵原理选取了最优小波基。对光谱进行迭代小波分解,逐步减少逼近系数中所含有的特征峰的频率成分,小波逼近能够逐步接近真实本底。此外,本文还提出了小波逼近能量的概念,用以衡量本底含有能量的多少,并以此作判断迭代停止的标准。该方法能够获得准确的本底,不会引入波形畸变,而且对特征峰与本底频带重合的光谱也能够准确估计本底。谱峰重叠给峰数目、峰位和净峰面积的计算带来了极大的困难,本文提出了一种利用小波变换模拟导数进行重叠峰解析的算法。分别利用高斯峰的一阶导数和四阶导数所对应的高斯小波对光谱做连续小波变换,所得小波系数经调整后,可以分别代替光谱的一阶导数和四阶导数进行谱峰解析,用来提取特征峰的拐点宽度、峰数目和峰位。该方法可以通过分解不同的尺度调节解析分辨率,而且具有较强的抗噪性。对仿真光谱和实测光谱的分析表明该方法可以准确提取各特征峰的信息。本文用小波分解系数代替导数进行线性组合生成零面积补偿谱,零面积补偿谱与原始光谱相作用后可使光谱分辨率明显提高并且保持峰面积不变。之后将小波计算导数提取的峰数目、峰位和峰宽等参数作为初始值,以高斯峰作为特征峰模型,利用非线性最小二乘法对重叠峰进行曲线拟合,得到各特征峰净峰面积。本课题设计了一套能量色散X射线荧光光谱分析系统,下位机采用X射线管作激发源,Si-PIN探测器检测特征X射线,并用FPGA设计多道分析器。上位机采用LabWindows/CVI设计了软件系统,实现对下位机的控制和数据处理。最后结合《能量色散X射线荧光光谱仪校准规范》对本系统进行了测试,各项指标均能满足设计要求而且部分指标已超过设计要求。本论文的研究,丰富了能量色散X射线荧光光谱分析的思路,能够解决当前存在的一些关键问题,对于其他领域的谱处理也有一定的借鉴意义。
二、基于小波变换的化学谱图数据处理（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于小波变换的化学谱图数据处理（论文提纲范文）
（1）近红外检测制浆材材性过程中的异常辨识研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究课题背景及意义 |
| 1.2 近红外分析技术概述 |
| 1.3 国内外研究应用现状 |
| 1.3.1 近红外光谱技术在制浆造纸领域的研究现状 |
| 1.3.2 近红外光谱技术在各行业应用方面的研究现状 |
| 1.3.3 近红外光谱技术异常样本检测研究现状 |
| 1.4 本文主要研究内容与结构 |
| 第二章 制浆材近红外光谱快速检测流程及关键技术 |
| 2.1 引言 |
| 2.2 制浆材近红外光谱检测流程 |
| 2.3 采集光谱数据的关键技术 |
| 2.3.1 光谱仪等硬件的选择 |
| 2.3.2 制浆材光谱数据的采集 |
| 2.3.3 制浆材样品的组分指标含量 |
| 2.4 建模过程中的关键技术 |
| 2.4.1 光谱预处理 |
| 2.4.2 模型校正方法 |
| 2.4.3 分析模型的验证及评价标准 |
| 2.5 本章小结 |
| 第三章 制浆材采集光谱数据过程中的异常检测研究 |
| 3.1 引言 |
| 3.2 制浆材样品采集过程出现的异常光谱类型 |
| 3.3 异常光谱检测方法研究 |
| 3.3.1 基于小波变换的单条光谱检测方法研究 |
| 3.3.2 多条平行光谱异常检测 |
| 3.4 制浆材异常光谱的修复方法研究 |
| 3.4.1 基于小波消噪的异常光谱修复方法 |
| 3.4.2异常光谱修复实验 |
| 3.5 制浆材样品采集光谱的检测流程 |
| 3.6 本章小结 |
| 第四章 制浆材模型校正过程中的异常样本检测研究 |
| 4.1 引言 |
| 4.2 校正过程中的异常样本类型 |
| 4.3 异常样本识别方法 |
| 4.3.1 基于马氏距离的异常样本检测方法 |
| 4.3.2 基于交叉验证的异常样本检测方法 |
| 4.3.3 基于蒙特卡洛交叉验证的异常样本检测方法 |
| 4.4 制浆材模型校正过程异常样本检测实验及结果 |
| 4.4.1 校正集和验证集的挑选 |
| 4.4.2 校正过程异常样本检测结果 |
| 4.4.3 校正集剔除异常样本后验证结果 |
| 4.5 本章小结 |
| 第五章 制浆材组分预测过程中的界外样本检测研究 |
| 5.1 引言 |
| 5.2 制浆材组分预测过程中界外样本检测方法 |
| 5.2.1 界外样本的类别及检测方法 |
| 5.2.2 制浆材界外样本识别方法选择 |
| 5.3制浆材界外样本检测实验 |
| 5.3.1 模型和预测集的选择 |
| 5.3.2 界外样本的检测 |
| 5.4 界外样本相关问题研究 |
| 5.4.1 模型界外样本产生的原因 |
| 5.4.2 PCA和 PLS降维效果的对比 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 攻读学位期间获得的学术成果 |
| 参考文献 |
（2）能量色散X射线荧光光谱仪的设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 能量色散X射线荧光光谱仪的硬件现状 |
| 1.2.2 能量色散X射线荧光光谱仪的算法现状 |
| 1.3 论文主要研究内容 |
| 1.4 论文组织结构 |
| 第二章 X射线荧光光谱仪的硬件系统设计 |
| 2.1 X射线荧光光谱仪的工作原理 |
| 2.2 光路的设计 |
| 2.2.1 激发源的选取 |
| 2.2.2 探测器的选取 |
| 2.2.3 准直器和滤光片的选取 |
| 2.2.4 光路几何结构的设计 |
| 2.3 信号处理电路设计 |
| 2.3.1 前置放大器 |
| 2.3.2 主放大器 |
| 2.4 多道脉冲幅度分析器设计 |
| 2.4.1 峰值识别电路 |
| 2.4.2 AD转换电路 |
| 2.4.3 FPGA电路 |
| 2.4.4 通讯电路 |
| 2.5 电源设计 |
| 2.5.1 探测器电源电路 |
| 2.5.2 主电源电路 |
| 2.6 机械结构设计 |
| 2.7 FPGA软件设计 |
| 2.7.1 数据采集模块 |
| 2.7.2 FIFO模块 |
| 2.7.3 RAM模块 |
| 2.7.4 主控模块 |
| 2.7.5 通讯模块 |
| 2.7.6 数据发送模块 |
| 2.8 本章小结 |
| 第三章 X射线荧光光谱预处理 |
| 3.1 光谱去噪的基础理论 |
| 3.1.1 时域滤波器 |
| 3.1.2 傅里叶变换 |
| 3.1.3 小波变换 |
| 3.2 常用光谱去噪方法 |
| 3.2.1 移动平均法 |
| 3.2.2 Savitzky-Golay多项式拟合法 |
| 3.2.3 傅里叶变换法 |
| 3.2.4 小波去噪法 |
| 3.3 基于交叉验证的傅里叶变换去噪法 |
| 3.4 本底扣除的常用算法 |
| 3.4.1 迭代削峰法 |
| 3.4.2 ICAP法 |
| 3.4.3 迭代傅里叶变换法 |
| 3.4.4 小波变换法 |
| 3.5 基于最大值过滤的多项式拟合法 |
| 3.6 本章小结 |
| 第四章 X射线荧光光谱特征峰检测和面积计算 |
| 4.1 特征峰检测的理论基础 |
| 4.1.1 特征峰 |
| 4.1.2 极值点 |
| 4.1.3 过零点 |
| 4.1.4 峰检验 |
| 4.2 常用的特征峰检测算法 |
| 4.2.1 极值法 |
| 4.2.2 差分导数法 |
| 4.2.3 高斯导数法 |
| 4.2.4 小波变换法 |
| 4.3 基于Top-hat滤波器和高斯导数的特征峰检测法 |
| 4.3.1 Top-hat滤波器寻峰位和峰值 |
| 4.3.2 高斯导数寻拐点 |
| 4.3.3 无噪无本底的仿真光谱的处理效果 |
| 4.3.4 含噪含本底的仿真光谱的处理效果 |
| 4.3.5 实际光谱的处理效果 |
| 4.4 常用的峰面积计算算法 |
| 4.4.1 垂线法 |
| 4.4.2 高斯导数法 |
| 4.4.3 机器学习法 |
| 4.4.4 小波变换法 |
| 4.5 基于高斯拟合的峰面积计算 |
| 4.6 本章小结 |
| 第五章 X射线荧光光谱仪的软件系统设计 |
| 5.1 Labview操作界面设计 |
| 5.1.1 用户管理模块设计 |
| 5.1.2 数据采集模块设计 |
| 5.1.3 数据处理模块设计 |
| 5.1.4 数据管理模块设计 |
| 5.1.5 能量刻度模块设计 |
| 5.2 Python算法实现 |
| 5.2.1 定性分析 |
| 5.2.2 定量分析 |
| 5.3 系统性能测试 |
| 5.3.1 能量线性度 |
| 5.3.2 精确度和准确度 |
| 5.3.3 稳定性 |
| 5.3.4 能量分辨率 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 致谢 |
| 参考文献 |
| 作者在攻读硕士期间发表的论文及专利 |
（3）色谱工作站设计与谱图分析算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 色谱工作站软件 |
| 1.2.2 谱图数据处理分析研究 |
| 1.3 论文主要研究内容 |
| 1.4 论文的组织结构 |
| 1.5 本章小结 |
| 第二章 色谱工作站开发环境及相关技术 |
| 2.1 超临界流体色谱仪设备 |
| 2.2 服务器框架设计 |
| 2.2.1 Python |
| 2.2.2 Django |
| 2.3 前端网页设计 |
| 2.4 服务器与仪器通信 |
| 2.5 数据存储方式 |
| 2.6 异步队列任务 |
| 2.6.1 Celery |
| 2.6.2 多线程 |
| 2.7 本章小结 |
| 第三章 色谱工作站功能开发及测试 |
| 3.1 数据存储功能 |
| 3.1.1 MySQL数据库 |
| 3.1.2 Redis数据缓存 |
| 3.2 用户管理功能 |
| 3.2.1 用户登录 |
| 3.2.2 权限管理 |
| 3.3 设备监控功能 |
| 3.3.1 设备配置 |
| 3.3.2 设备监视 |
| 3.3.3 设备控制 |
| 3.4 色谱分析功能 |
| 3.4.1 项目管理 |
| 3.4.2 方法设置 |
| 3.4.3 谱图显示 |
| 3.4.4 结果分析 |
| 3.5 辅助功能 |
| 3.5.1 日志记录 |
| 3.5.2 帮助文档 |
| 3.6 软件系统测试 |
| 3.6.1 软件功能测试 |
| 3.6.2 服务器性能测试 |
| 3.7 本章小结 |
| 第四章 谱图数据预处理 |
| 4.1 谱图数据的压缩与解压缩 |
| 4.1.1 基于离散傅里叶变换的数据压缩 |
| 4.1.2 基于离散余弦变换的数据压缩 |
| 4.1.3 基于小波变换的数据压缩 |
| 4.2 色谱数据的去噪 |
| 4.2.1 信号中的噪声特性 |
| 4.2.2 信号去噪的常用算法 |
| 4.2.3 S-G滤波与小波变换相结合的去噪方法 |
| 4.3 本章小结 |
| 第五章 谱图数据分析算法研究 |
| 5.1 谱峰识别 |
| 5.2.1 谱峰识别的常见方法 |
| 5.2.2 改进的二阶导数法识别谱峰 |
| 5.2 重叠峰分解 |
| 5.2.1 基于EMG模型的N-M拟合法 |
| 5.2.2 模拟信号分解实验 |
| 5.2.3 模拟信号对比实验 |
| 5.2.4 实际色谱信号重叠峰分解 |
| 5.3 特征参数计算 |
| 5.4 定性定量计算 |
| 5.4.1 定性分析 |
| 5.4.2 定量计算 |
| 5.5 软件谱图分析性能测试 |
| 5.5.1 重复性测试 |
| 5.5.2 准确性测试 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 致谢 |
| 参考文献 |
| 作者在攻读硕士期间发表的论文及专利 |
（4）基于小波变换和连续Hopfield神经网络的重叠峰解析策略（论文提纲范文）
| 0 引言 |
| 1 基于高斯函数的曲线拟合 |
| 2 基于小波变换的谱图峰特征点识别 |
| 2.1 小波变换系数与谱图峰信号特征点之间的逻辑对应关系 |
| 2.2 小波变换系数曲线特征点识别算法 |
| 2.3 谱图峰特征点识别结果分析 |
| 3 基于连续Hopfield神经网络的谱图峰参数寻优 |
| 3.1 谱图峰解析参数初始值设立算法 |
| 3.2 连续Hopfield神经网络能量函数构造 |
| 3.3 谱图峰解析参数寻优算法 |
| 3.4 寻优结果分析 |
| 4 结语 |
（5）气相色谱法环境大气VOCs监测技术及数据处理方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 引言 |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.1.1 采样方法研究进展 |
| 1.1.2 检测分析方法研究进展 |
| 1.1.3 色谱数据处理软件的研究进展 |
| 1.2 VOCs监测技术的发展 |
| 1.3 色谱图研究的对象及内容 |
| 1.3.1 噪声滤除 |
| 1.3.2 基线校正 |
| 1.3.3 谱峰识别 |
| 1.3.4 重叠峰处理 |
| 1.4 本文研究的主要内容 |
| 第二章 环境大气VOCs测量原理 |
| 2.1 热脱附与气相色谱原理及结构介绍 |
| 2.1.1 热脱附原理 |
| 2.1.2 气相色谱实验平台搭建 |
| 1. 气相色谱仪结构组成及原理 |
| 2. 气相色谱实验平台搭建及性能测试 |
| 2.1.3 环境大气VOCs监测系统原理 |
| 2.2 吸附剂选取 |
| 2.3 定性与定量 |
| 2.4 本章小结 |
| 第三章 应用小波变换法进行噪声去除和基线校正 |
| 3.1 理论基础 |
| 3.1.1 小波变换与多尺度分析 |
| 3.1.2 信息提取过程 |
| 3.1.3 效果评估参数 |
| 3.2 小波变换法进行仿真谱图基线校正和噪声去除 |
| 3.2.1 小波函数性质 |
| 3.2.2 仿真谱图建立 |
| 3.2.3 噪声去除 |
| 1. 小波函数选取 |
| 2. 分解层数的确定 |
| 3. 阈值处理函数 |
| 4. 阈值规则的确定 |
| 3.2.4 基线校正 |
| 3.2.5 综合处理 |
| 3.3 小波变换法进行空气VOCs谱图基线校正和噪声去除 |
| 3.4 本章小结 |
| 第四章 应用导数法和曲线拟合法进行谱峰解析 |
| 4.1 色谱谱峰检测 |
| 4.1.1 常见色谱峰峰形 |
| 4.1.2 传统的谱峰识别方法 |
| 4.1.3 一阶和二阶导数结合法寻峰 |
| 1. 色谱峰信号及其一、二阶导数曲线 |
| 2. 色谱峰识别算法实现 |
| 4.2 峰面积计算及重叠峰解析 |
| 4.2.1 VOCs重叠峰的数学描述 |
| 4.2.2 高斯拟合求色谱峰峰面积的基本原理 |
| 1. 单峰曲线拟合法解析 |
| 2. 重叠峰曲线拟合法解析 |
| 4.3 应用导数法和曲线拟合法处理空气VOCs谱图 |
| 4.3.1 导数法对空气VOCs谱图识别 |
| 4.3.2 最小二乘法曲线拟合VOCs色谱峰 |
| 4.4 本章小结 |
| 第五章 数据处理软件设计 |
| 5.1 VOCs监测系统上位机软件总体设计 |
| 5.2 VOCs监测系统上位机软件界面 |
| 5.2.1 人机交互 |
| 5.2.2 样品标定 |
| 5.2.3 数据处理 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 后期工作设想 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（6）激光质谱法自动解谱程序的开发及其理论模拟研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 前言 |
| 1.1 固体质谱分析法简介 |
| 1.2 理论模拟法简介 |
| 1.3 化学计量学简介 |
| 1.3.1 化学计量学的定义及历史 |
| 1.3.2 用于谱学分析的化学计量学方法简介 |
| 1.4 本文的研究背景及目的 |
| 参考文献 |
| 第二章 用于元素分析的质谱自动解谱程序的开发 |
| 2.1 引言 |
| 2.1.1 谱图数据处理的研究对象和内容 |
| 2.1.2 谱图数据处理的方法与研究进展 |
| 2.1.3 本章研究目的 |
| 2.2 基本数据处理与解析系统的开发 |
| 2.2.1 数据处理系统 |
| 2.2.2 定标系统 |
| 2.2.3 谱图解析系统 |
| 2.2.4 信息显示系统 |
| 2.3 实际样品测试结果 |
| 2.3.1 金属样品 |
| 2.3.2 金属粉末压片样品 |
| 2.3.3 陶瓷样品 |
| 2.3.4 矿石样品 |
| 2.4 研究工作小结 |
| 参考文献 |
| 第三章 激光溅射电离质谱法的理论与化学计量学研究 |
| 3.1 引言 |
| 3.1.1 激光溅射电离质谱法简介 |
| 3.1.2 非化学计量效应的定义及表现形式 |
| 3.1.3 本章研究目的 |
| 3.2 理论模拟研究 |
| 3.2.1 仪器装置与实验步骤 |
| 3.2.2 理论模型的建立 |
| 3.2.3 理论模拟结果 |
| 3.3 研究基体性质对非化学计量效应的影响 |
| 3.3.1 偏最小二乘分析原理 |
| 3.3.2 偏最小二乘分析研究与结果 |
| 3.4 研究工作小结 |
| 参考文献 |
| 第四章 针尖增强溅射电离质谱法的理论与化学计量学研究 |
| 4.1 引言 |
| 4.1.1 纳米尺度分析法简介 |
| 4.1.2 基于针尖近场增强的纳米尺度质谱分析进展 |
| 4.1.3 本章研究目的 |
| 4.2 无孔针尖近场电磁场增强原理与计算方法 |
| 4.2.1 增强原理简介 |
| 4.2.2 电场增强倍数的计算方法 |
| 4.3 理论模拟研究 |
| 4.3.1 实验步骤 |
| 4.3.2 理论模型的开发 |
| 4.3.3 理论模型结果 |
| 4.4 研究盐类性质对实验结果的影响 |
| 4.4.1 化学计量学模型的建立 |
| 4.4.2 盐类性质影响的讨论 |
| 4.5 研究工作小结 |
| 参考文献 |
| 第五章 总结与展望 |
| (一）研宄工作总结 |
| (二）展望 |
| 攻读博士期间已发表的论文 |
| 致谢 |
（7）色谱工作站谱图处理分析算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的背景与简介 |
| 1.2 色谱图处理研究内容 |
| 1.3 国内外研究现状 |
| 1.3.1 色谱去噪 |
| 1.3.2 基线校正 |
| 1.3.3 谱峰检测 |
| 1.3.4 重叠峰解析 |
| 1.3.5 色谱定量分析 |
| 1.3.6 数据压缩 |
| 1.4 本课题的主要研究内容及工作 |
| 第二章 小波变换基本理论 |
| 2.1 小波变换发展 |
| 2.2 多分辨率分析与正交小波变换 |
| 2.2.1 多分辨率分析 |
| 2.2.2 二尺度差分方程 |
| 2.2.3 快速正交小波变换 |
| 2.3 小波基 |
| 2.4 本章小结 |
| 第三章 色谱数据去噪 |
| 3.1 色谱噪声特性 |
| 3.2 常用色谱去噪方法 |
| 3.3 小波变换去噪 |
| 3.3.1 空域相关性去噪 |
| 3.3.2 小波变换模极大值去噪 |
| 3.3.3 小波阈值去噪 |
| 3.4 广义交叉验证获取最优阈值 |
| 3.5 仿真色谱信号广义交叉验证阈值去噪分析 |
| 3.5.1 小波基函数选取 |
| 3.5.2 仿真色谱去噪 |
| 3.6 实际色谱信号阈值去噪 |
| 3.7 本章小结 |
| 第四章 谱图基线校正 |
| 4.1 迭代小波变换基线校正 |
| 4.1.1 迭代小波变换基线校正原理 |
| 4.1.2 小波分解层数确定 |
| 4.1.3 小波基函数选取 |
| 4.2 仿真色谱基线校正 |
| 4.3 实际色谱信号基线校正 |
| 4.4 本章小结 |
| 第五章 色谱谱峰检测 |
| 5.1 色谱峰的数学模型 |
| 5.2 常用谱峰检测方法 |
| 5.3 小波变换谱峰检测 |
| 5.3.1 小波变换谱峰检测原理 |
| 5.3.2 小波基函数选取 |
| 5.3.3 分解尺度对谱峰检测的影响 |
| 5.3.4 分离度对谱峰检测的影响 |
| 5.4 小波变换谱峰检测抗噪性分析 |
| 5.5 实际色谱谱峰检测 |
| 5.6 本章小结 |
| 第六章 色谱重叠峰解析 |
| 6.1 重叠峰解析原理 |
| 6.2 神经网络 |
| 6.3 神经网络训练 |
| 6.4 实际色谱重叠峰解析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 未来展望 |
| 致谢 |
| 参考文献 |
| 作者在攻读硕士期间发表的论文 |
（8）离子迁移谱图的谱峰识别系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 谱峰识别方法 |
| 1.2 谱峰识别的发展 |
| 1.3 高场不对称离子迁移谱简介 |
| 1.4 本文工作 |
| 2 系统需求分析 |
| 2.1 需求分析 |
| 2.2 系统功能分析 |
| 3 系统设计 |
| 3.1 谱峰定位识别的设计 |
| 3.1.1 基于导数法的谱峰定位识别的设计 |
| 3.1.2 基于小波变换法的谱峰定位识别的设计 |
| 3.2 基于图论聚类的谱峰定性识别的设计 |
| 3.2.1 图论聚类的原理 |
| 3.2.2 基于图论聚类的谱峰定性识别的设计 |
| 3.2.3 标准气体与混合气体特征向量相似度计算 |
| 4 系统实现与分析 |
| 4.1 标准单气体与混合气体谱图数据采集 |
| 4.2 谱峰定位识别的实现与分析 |
| 4.2.1 基于导数法谱峰定位识别算法实现 |
| 4.2.2 基于小波变换的谱峰定位识别的实现 |
| 4.2.3 谱峰定位识别结果分析 |
| 4.3 基于图论聚类的谱峰定性的实现与分析 |
| 4.3.1 基于图论聚类的谱峰定性识别的实现 |
| 4.3.2 谱峰定性识别结果分析 |
| 结论 |
| 参考文献 |
| 致谢 |
（9）基于K均值样本筛选的支持向量机及其在白酒品牌鉴别中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 白酒质量的控制及品牌的鉴别 |
| 1.1.2 模式分类中训练样本的筛选 |
| 1.2 国内外研究现状 |
| 1.2.1 白酒品质鉴别的研究现状 |
| 1.2.2 化学谱图特征的选择与提取 |
| 1.2.3 支持向量机及其参数的优化 |
| 1.2.4 支持向量机训练样本的划分与筛选 |
| 1.2.5 文献评述及小结 |
| 1.3 研究内容及创新点 |
| 1.3.1 主要研究内容 |
| 1.3.2 本文的创新点 |
| 1.4 结构安排 |
| 第二章 基本理论 |
| 2.1 统计学习的相关理论 |
| 2.1.1 统计学习理论 |
| 2.1.2 决策风险的度量 |
| 2.1.3 VC维理论 |
| 2.1.4 结构风险最小化 |
| 2.2 数据的降噪处理 |
| 2.2.1 Fourier变换 |
| 2.2.2 基于时频分析的小波变换 |
| 2.2.3 分层阈值小波变换在化学谱图降噪中的应用 |
| 2.3 K-means聚类 |
| 2.4 支持向量机理论——结构风险最小化 |
| 2.4.1 支持向量机分类模型 |
| 2.4.2 核函数的应用 |
| 2.4.3 基于网格搜索法的参数优化 |
| 2.5 本章小结 |
| 第三章K-means在支持向量机训练样本筛选中的应用 |
| 3.1 支持向量机分类存在的问题 |
| 3.2 样本筛选的常见方法 |
| 3.2.1 随机取样法 |
| 3.2.2 KS法 |
| 3.3 基于K-means的训练样本筛选方法(K-SVM算法) |
| 3.3.1 K-SVM算法的描述 |
| 3.3.2 K-SVM算法的实现 |
| 3.4 K-SVM在UCI数据集上的分类 |
| 3.4.1 UCI数据集的描述 |
| 3.4.2 不同样本筛选方法在UCI数据集分类中的应用 |
| 3.5 本章小结 |
| 第四章K-SVM在白酒品牌鉴别中的应用 |
| 4.1 白酒TOFMS数据的采集 |
| 4.1.1 实验仪器 |
| 4.1.2 实验样品 |
| 4.1.3 仪器可靠性检验 |
| 4.1.4 样品相似性的描述 |
| 4.2 白酒TOFMS数据的预处理 |
| 4.2.1 基于coif小波的数据降噪 |
| 4.2.2 PLS在谱图特征提取中的应用 |
| 4.3 应用K-SVM进行白酒品牌鉴别 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 5.1 全文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 附录：数据处理Matlab代码 |
| 攻读硕士学位期间相关成果 |
| 后记 |
（10）能量色散型X射线荧光光谱仪关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号注释表 |
| 第一章 绪论 |
| 1.1 能量色散X射线荧光光谱研究背景及意义 |
| 1.2 能量色散X射线荧光光谱仪基本原理 |
| 1.3 能量色散X射线荧光光谱分析研究现状 |
| 1.4 本文要解决的问题及研究内容 |
| 1.5 论文结构 |
| 第二章 X射线荧光光谱最优阈值去噪 |
| 2.1 X射线荧光光谱误差特性 |
| 2.2 信号模型及去噪评价指标 |
| 2.3 常用光谱去噪方法分析 |
| 2.4 小波变换去噪理论研究 |
| 2.5 E-采样离散小波变换去噪 |
| 2.6 交叉验证获取去噪最优阈值 |
| 2.7 本章小结 |
| 第三章 基于双树复数小波变换的X射线荧光光谱本底扣除法 |
| 3.1 本底的来源及特性 |
| 3.2 本底扣除常用方法 |
| 3.3 双树复数小波理论 |
| 3.4 双树复数小波扣除光谱本底 |
| 3.5 本章小结 |
| 第四章 基于迭代小波变换的X射线荧光光谱本底扣除法 |
| 4.1 小波能量与小波熵的定义 |
| 4.2 迭代小波变换扣除荧光光谱本底原理 |
| 4.3 迭代小波扣除荧光光谱本底 |
| 4.4 本章小结 |
| 第五章 X射线荧光光谱特征峰检测 |
| 5.1 特征峰的数学模型 |
| 5.2 常用峰检测方法 |
| 5.3 小波变换计算导数原理 |
| 5.4 小波计算导数检测特征峰 |
| 5.5 实测光谱谱峰检测 |
| 5.6 本章小结 |
| 第六章 X射线荧光光谱重叠峰面积计算 |
| 6.1 利用导数锐化特征峰 |
| 6.2 利用小波计算导数锐化特征峰 |
| 6.3 小波计算导数锐化实测光谱 |
| 6.4 非线性拟合重叠峰 |
| 6.5 本章小结 |
| 第七章 实验系统与测试 |
| 7.1 概述 |
| 7.2 系统整体设计方案 |
| 7.3 下位机系统 |
| 7.4 上位机系统 |
| 7.5 系统性能测试 |
| 7.6 本章小结 |
| 第八章 总结与展望 |
| 8.1 本文工作总结 |
| 8.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 作者攻读博士学位期间发表的学术论文及成果 |
| 第一作者发表论文 |
| 发明专利 |
四、基于小波变换的化学谱图数据处理（论文参考文献）
- [1]近红外检测制浆材材性过程中的异常辨识研究[D]. 马璞璠. 南京林业大学, 2019(05)
- [2]能量色散X射线荧光光谱仪的设计[D]. 袁昌旺. 东南大学, 2019(06)
- [3]色谱工作站设计与谱图分析算法研究[D]. 朱晨超. 东南大学, 2019(06)
- [4]基于小波变换和连续Hopfield神经网络的重叠峰解析策略[J]. 徐喜荣,潘子琦,李兴华,李金泽. 大连理工大学学报, 2019(01)
- [5]气相色谱法环境大气VOCs监测技术及数据处理方法研究[D]. 刘永超. 中国科学技术大学, 2018(12)
- [6]激光质谱法自动解谱程序的开发及其理论模拟研究[D]. 张书迪. 厦门大学, 2018(07)
- [7]色谱工作站谱图处理分析算法研究[D]. 陆浩. 东南大学, 2016(03)
- [8]离子迁移谱图的谱峰识别系统的设计与实现[D]. 赵欣洋. 大连理工大学, 2016(03)
- [9]基于K均值样本筛选的支持向量机及其在白酒品牌鉴别中的应用[D]. 陈鑫. 南京财经大学, 2016(05)
- [10]能量色散型X射线荧光光谱仪关键技术研究[D]. 赵奉奎. 东南大学, 2015(06)