本文關鍵詞：重疊峰信號濾波及參數(shù)提取方法研究

  更多相關文章： 重疊峰分辨 銳化算法 分數(shù)階微分 曲線擬合

【摘要】：隨著藥物、化學、生物等領域研究的不斷深入,需要分析的信號越來越復雜。由于實驗條件,物質本身性質以及儀器分辨能力等因素,波長相近的組分會相互產生影響,導致信號峰重疊,直接影響到信號的定性和定量分析。此外,在信號的采集與傳輸過程中,噪聲對信號會產生干擾。因此,對含噪聲的重疊峰信號進行濾波和增強,并提取各個子峰的特征參數(shù)是一個關鍵問題。本文首先分析了傳統(tǒng)重疊峰分辨方法的優(yōu)缺點,在此基礎上,克服噪聲的影響,以Gaussian平滑函數(shù)作為工具,提出了兩種具有噪聲免疫力的信號增強方法,然后將其結合曲線擬合方法來提取重疊信號的特征參數(shù)。主要包括三個工作：一、基于傳統(tǒng)峰銳化方法,提出了一種具有噪聲免疫力的峰銳化方法。先對Gaussian函數(shù)的二階導數(shù)進行銳化并作為信號銳化的模板,再用其與含噪信號進行卷積,便能實現(xiàn)含噪信號的峰銳化,最后用仿真信號以及質譜峰進行銳化實驗,驗證了方法的有效性,可用于分辨峰數(shù)目和提取峰位置,為后續(xù)的特征參數(shù)提取提供了有效信息。二、為了解決噪聲對信號微分的影響,提出了一種具有噪聲免疫力的分數(shù)階微分方法。通過設計Gaussian函數(shù)的分數(shù)階微分,并將其作為模板,再用其與含噪信號進行卷積,便可以直接獲得噪聲信號的分數(shù)階微分,此方法無需對信號進行平滑處理,簡化了處理過程,不單可以得到整數(shù)階微分而且可以得到信號的任意分數(shù)階微分。根據(jù)噪聲峰信號和無噪峰信號的處理結果的對比,所提方法是有效的。三、通過峰增強或銳化后,峰的數(shù)目和峰位置更容易獲得,但峰寬和峰高無法直接獲取,前期,本團隊使用連續(xù)小波變換結合曲線擬合方法給出了一種重疊峰峰參數(shù)提取方案,基于這一思想,應用銳化后的信號,提取到各個子峰的初始參數(shù),然后作為曲線擬合的先驗信息。具體過程為：首先利用本文所提出的信號增強方法對峰信號進行銳化,目的在于將重疊峰分辨出來；然后以各個子峰的峰位置為中心,取5個點或7個點進行線性擬合,得到各個子峰的初始參數(shù),再將其作為曲線擬合的初始值,從而避免了曲線擬合的不唯一性,使得結果變得更加準確；最后,通過模擬多峰信號對所提方法進行了驗證,并詳細分析了峰高、峰寬、分離度等因素對擬合結果的影響。研究結果表明采用峰分辨結合曲線擬合方法,能夠對未知重疊組分信號進行分辨和參數(shù)提取,為重疊峰信號的分辨與分離奠定了一定基礎。
【關鍵詞】：重疊峰分辨 銳化算法 分數(shù)階微分 曲線擬合
【學位授予單位】：南京信息工程大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN911.7
【目錄】：

• 摘要6-8
• ABSTRACT8-10
• 第一章 緒論10-17
• 1.1 課題研究背景和意義10-11
• 1.2 國內外研究現(xiàn)狀11-15
• 1.3 本文主要研究內容及方案15-17
• 第二章 基本方法介紹17-36
• 2.1 平滑17-21
• 2.1.1 滑動平均平滑算法17-18
• 2.1.2 Savitzky-Golay平滑18-19
• 2.1.3 平滑信號的特性19-21
• 2.2 微分21-28
• 2.2.1 微分的定義21-22
• 2.2.2 導數(shù)信號的特性22-24
• 2.2.3 峰檢測及導數(shù)譜24-25
• 2.2.4 平滑導數(shù)的重要性25-28
• 2.3 小波變換28-33
• 2.3.1 Fourier變換28-29
• 2.3.2 小波變換簡介29-31
• 2.3.3 連續(xù)小波變換31-32
• 2.3.4 導數(shù)的小波變換形式32-33
• 2.4 分數(shù)階微分33-35
• 2.4.1 分數(shù)階微分的定義33
• 2.4.2 分數(shù)階微分的Fourier變換33-35
• 2.5 本章小結35-36
• 第三章 具有噪聲免疫力的峰銳化方法研究36-53
• 3.1 傳統(tǒng)峰銳化方法36-37
• 3.2 改進的銳化方法37-39
• 3.3 驗證與討論39-52
• 3.3.1 仿真信號40-42
• 3.3.2 對比方法42-44
• 3.3.3 增強結果及討論44-47
• 3.3.4 質譜中的峰檢測47-52
• 3.4 本章小結52-53
• 第四章 具有噪聲免疫力的分數(shù)階微分方法研究53-61
• 4.1 具有噪聲免疫力分數(shù)階微分的理論基礎53-55
• 4.2 驗證與討論55-60
• 4.2.1 Gaussian峰及其噪聲峰的分數(shù)階微分實驗55-57
• 4.2.2 重疊峰的分數(shù)階微分實驗57-59
• 4.2.3 幾種分數(shù)階微分的對比實驗59-60
• 4.3 本章小結60-61
• 第五章 基于曲線擬合的參數(shù)提取方法研究61-75
• 5.1 傳統(tǒng)曲線擬合方法61-62
• 5.2 初始參數(shù)獲取方法62-65
• 5.2.1 初始參數(shù)估計62-64
• 5.2.2 實驗流程64-65
• 5.3 實驗驗證與結果討論65-72
• 5.3.1 仿真信號65
• 5.3.2 分離度對參數(shù)估計的影響65-67
• 5.3.3 峰高比對參數(shù)估計的影響67-69
• 5.3.4 峰寬比對參數(shù)估計的影響69-71
• 5.3.5 信噪比對參數(shù)估計的影響71-72
• 5.4 未知樣品的參數(shù)提取72-74
• 5.5 本章小結74-75
• 第六章 總結與展望75-77
• 6.1 工作總結75-76
• 6.2 展望76-77
• 參考文獻77-89
• 作者簡介89-90
• 致謝90

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 陳淑珍;麻紅昭;;一種色譜譜峰識別算法的實現(xiàn)[J];計算機應用與軟件;2013年11期

2 何星星;賈建;何秀麗;李建平;;用于重疊峰分辨的卡爾曼濾波法[J];傳感器與微系統(tǒng);2006年12期

3 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 劉蔚;范國梁;李發(fā)光;白茂森;宋威;;迭代分離對色譜重疊峰準確定量的研究[A];'2004天津市第十六屆色譜學術交流會論文集[C];2004年

中國碩士學位論文全文數(shù)據(jù)庫 前3條

1 潘暢;重疊峰信號濾波及參數(shù)提取方法研究[D];南京信息工程大學;2016年

2 董奮強;計算數(shù)學在二甲苯異構體色譜重疊峰解析中的應用研究[D];廣東工業(yè)大學;2001年

3 劉煌根;NaI（TI）多道γ能譜全譜數(shù)據(jù)處理與軟件設計[D];中國地質大學（北京）;2007年

，

本文編號：569032