序言：作為思想的載體和知識(shí)的探索者，寫作是一種獨(dú)特的藝術(shù)，我們?yōu)槟鷾?zhǔn)備了不同風(fēng)格的5篇光譜學(xué)分析，期待它們能激發(fā)您的靈感。

篇1

本書是第二卷，由四部分組成，共25章：第一部分是“歷史的綜述”，含第1章：1. Aimé Cotton在1895年發(fā)現(xiàn)CD和ORD后的第一個(gè)十年；第二部分是“有機(jī)立體化學(xué)”，含2-12章：2. 一些天然的手性發(fā)色團(tuán)――經(jīng)驗(yàn)規(guī)則和量子化學(xué)計(jì)算；3. 用于測(cè)定苯和其它芳香族發(fā)色團(tuán)絕對(duì)構(gòu)型的電子CD；4. 電子CD激子手性方法：原理和應(yīng)用；5. 手性擴(kuò)展p-電子化合物的CD光譜：絕對(duì)立體化學(xué)和實(shí)驗(yàn)驗(yàn)證的理論確定；6. 利用固態(tài)電子圓二色性和量子力學(xué)計(jì)算來編配天然產(chǎn)物的絕對(duì)構(gòu)型；7. 金屬有機(jī)化合物的動(dòng)態(tài)立體化學(xué)和旋光光譜學(xué)；8. 動(dòng)態(tài)系統(tǒng)的圓二色性：開關(guān)分子及超分子的手性；9. 超分子系統(tǒng)的電子圓二色性；10. 利用有量子計(jì)算功能的HPLCECD進(jìn)行手性化合物的在線立體化學(xué)分析；11. 用振動(dòng)圓二色性進(jìn)行手性天然產(chǎn)物的結(jié)構(gòu)測(cè)定；12. 分子絕對(duì)構(gòu)型的測(cè)定：選擇適當(dāng)旋光法的準(zhǔn)則。第三部分是“無機(jī)立體化學(xué)”，含第13章：13. 電子圓二色性在無機(jī)立體化學(xué)中的應(yīng)用。第四部分是“生物分子”，含第14-25章：14. 蛋白質(zhì)的電子圓二色性；15. 肽的電子圓二色性；16. 擬肽的電子圓二色性；17. 核酸的電子圓二色性；18. 肽核酸及其類似物的電子圓二色性；19. 蛋白質(zhì)與核酸相互作用的圓二色性；20. 用電子圓二色性來分析捆綁在核酸上的藥物或天然產(chǎn)物；21. 用電子圓二色性來探索HSA和AGP藥物捆綁位置；22. 生物高聚物、肽、蛋白質(zhì)和核酸的構(gòu)象研究――振動(dòng)圓二色性的作用；23. 從拉曼光學(xué)活性來看生物分子的結(jié)構(gòu)和行為；24. 糖類和復(fù)合糖的旋光、電子圓二色性以及振動(dòng)圓二色性；25. 通過電子圓二色性來發(fā)現(xiàn)藥物。本書以紀(jì)念已故的Carlo Rosini教授的短文開頭。每章的結(jié)尾有參考書目，目錄的前面有各章作者簡(jiǎn)介，結(jié)尾有主題索引。

本書第一編著貝羅娃博士是美國(guó)紐約哥倫比亞大學(xué)化學(xué)系的研究員。1998年以來，她一直是《手性》雜志的編委會(huì)成員。

本書可用做大學(xué)生或研究生的教科書，或?qū)W術(shù)和工業(yè)領(lǐng)域的研究工作者的參考書。

篇2

[關(guān)鍵詞]近紅外光譜分析技術(shù) 牛奶 化學(xué)分析 應(yīng)用

中圖分類號(hào)：TS207.3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-914X（2016）11-0258-01

近紅外光具體指波長(zhǎng)在780-2526nm范圍內(nèi)的電磁波，近紅外光譜分析技術(shù)則是光譜測(cè)量技術(shù)同化學(xué)計(jì)量學(xué)的有機(jī)結(jié)合。近紅外光分析技術(shù)應(yīng)用范圍不斷拓展，在食品行業(yè)中應(yīng)用于調(diào)味品、酒制品、肉類等成分鑒別以及真?zhèn)舞b別，近年來其在牛奶制品化學(xué)分析中也得到了較為廣泛的應(yīng)用。分析近紅外光譜技術(shù)在牛奶及其制品分析檢測(cè)中的應(yīng)用，實(shí)施對(duì)牛奶及其制品的質(zhì)量安全控制，有著重要的現(xiàn)實(shí)意義。

一、近紅外光譜分析技術(shù)原理

近紅外光譜分析技術(shù)是近幾十年來發(fā)展最為迅速的高新分析技術(shù)之一。我國(guó)從上世紀(jì)80年代開始應(yīng)用近紅外光譜分析技術(shù)，并逐漸拓展到食品、農(nóng)業(yè)、石化等多個(gè)領(lǐng)域，近紅外光譜是分子振動(dòng)光譜倍頻與合頻吸收光譜，主要為X-H鍵吸收。由于不同基團(tuán)（例如苯環(huán)，甲基等）所生成的光譜在吸收峰的強(qiáng)度以及位置上有差異性，結(jié)合朗伯-比耳吸收定律，光譜特征將鎖著樣品成分含量的變化而變化。近紅外光譜分析技術(shù)具體有以下幾個(gè)優(yōu)點(diǎn)：傳輸性能良好，近紅外光在光導(dǎo)纖維中傳輸性能較好，能夠?qū)崿F(xiàn)對(duì)生產(chǎn)工藝流程的在線檢測(cè)；檢測(cè)手段無損。近紅外光譜分析技術(shù)檢測(cè)不對(duì)樣品產(chǎn)生損傷，特別是在活體檢測(cè)上有著非常大的優(yōu)勢(shì)；分析速度快捷。近紅外光譜分析技術(shù)不用對(duì)樣品進(jìn)行預(yù)處理，對(duì)于樣品的測(cè)量通常在1分鐘之內(nèi)可以完成，其分析速度較快，效率較高；綠色環(huán)保。近紅外光譜分析技術(shù)在檢測(cè)中不對(duì)環(huán)境產(chǎn)生污染，因而其也被稱作綠色檢測(cè)技術(shù)。

二、近紅外光譜分析技術(shù)在牛奶化學(xué)分析中的應(yīng)用

牛奶是由多種物質(zhì)所組成的混合物，其具體包括真溶液、膠體懸乳液、高分子溶液以及乳濁液等。而牛奶成分中蛋白質(zhì)分子、脂肪等對(duì)于近紅外光有著吸收作用，因而近紅外光譜分析技術(shù)在牛奶化學(xué)分析測(cè)定中能夠得到良好應(yīng)用。近紅外光譜分析技術(shù)在牛奶制品上的應(yīng)用主要體現(xiàn)在在線檢測(cè)與離線檢測(cè)兩個(gè)方面。在線檢測(cè)是指借助光纖探頭直接在生產(chǎn)線中對(duì)樣品進(jìn)行檢測(cè)；離線檢測(cè)指用紅外反射儀對(duì)樣品杯或者試管中的樣品實(shí)施全反射檢測(cè)。其具體應(yīng)用包括定性分析牛奶及其制品的產(chǎn)地來源與品種，以及定量分析牛奶及其制品的微生物與理化指標(biāo)等。

1.在線檢測(cè)

牛奶生產(chǎn)過程中，因出廠產(chǎn)品一致化的要求，通常需要保證原料成分含量的一致性，而現(xiàn)實(shí)生產(chǎn)當(dāng)中不能使生產(chǎn)停止來滿足在線檢測(cè)。近紅外光譜分析技術(shù)的應(yīng)用則實(shí)現(xiàn)了對(duì)生產(chǎn)過程的實(shí)時(shí)監(jiān)控。在線檢測(cè)中，利用近紅外光譜分析技術(shù)對(duì)牛奶成分中的蛋白、乳糖、脂肪、蔗糖以及水分進(jìn)行測(cè)量，能夠取得良好的效果，可廣泛應(yīng)用與鮮奶成品生產(chǎn)以及奶粉生產(chǎn)過程中的質(zhì)量監(jiān)控。并且如今近紅外光譜技術(shù)應(yīng)用也已經(jīng)拓展到了牛奶中病菌數(shù)以及牛奶體細(xì)胞數(shù)測(cè)定方面。吳靜珠等提出了建立包括不同種類奶粉樣品集中的脂肪、乳糖、蛋白等的紅外模型，并采取全譜分析結(jié)合模型優(yōu)化的方法，簡(jiǎn)化了近紅外技術(shù)在奶粉定量分析的步驟。劉蓉（2005）通過最小半球體積法以及半數(shù)重采樣法來對(duì)牛奶成分近紅外光譜實(shí)施奇異點(diǎn)剔除實(shí)驗(yàn)，這兩種算法的有效結(jié)合有著快速簡(jiǎn)單的特征，能夠適應(yīng)牛奶成分等的在線檢測(cè)，可大大提升分析模型的精度與穩(wěn)定性。朱俊平（2003）通過多元線性回歸法構(gòu)建用近紅外光譜分析技術(shù)檢測(cè)兒童高鈣奶粉蛋白、乳糖、脂肪的測(cè)定模型。其近紅外法測(cè)定結(jié)果與標(biāo)準(zhǔn)法測(cè)定結(jié)果相一致。但總體來看，目前近紅外光譜分析技術(shù)在牛奶及其制品在線檢測(cè)中的應(yīng)用尚停留在實(shí)驗(yàn)室的階段，要真正實(shí)現(xiàn)牛奶及其制品生產(chǎn)的在線檢測(cè)還需要做更多的工作。

2.離線檢測(cè)

營(yíng)養(yǎng)成分檢測(cè)。牛奶制品營(yíng)養(yǎng)成分檢測(cè)主要是指利用近紅外光譜分析技術(shù)對(duì)牛奶中的蛋白質(zhì)、乳糖、脂肪等營(yíng)養(yǎng)成分進(jìn)行快速定量的分析。聯(lián)邦德國(guó)的R.T.Carl早在1991年就利用近紅外光譜分析技術(shù)以及偏最小二乘法分析牛奶中的脂肪含量，結(jié)果也表明利用近紅外光譜分析技術(shù)分析牛奶中脂肪含量是非常可行的。

摻假物質(zhì)鑒別。牛奶制品中有許多摻假物質(zhì)，例如植物蛋白、植脂末、乳清粉乃至三聚氰胺等。奶制品摻假成分檢測(cè)主要依賴傳統(tǒng)方法，而近紅外光譜分析技術(shù)的應(yīng)用也能夠起到有效作用。韓東海（2006）具體應(yīng)用近紅外光譜分析技術(shù)來鑒別純牛奶中的還原奶，結(jié)合判別分析方法構(gòu)建起還原奶鑒別模型，并利用偏最小二乘法構(gòu)建起原料奶的ph值以及酸度預(yù)測(cè)模型，具體誤差

致病菌分析。李守軍（2007）對(duì)利用近紅外光譜技術(shù)檢測(cè)牛奶中致病菌方法進(jìn)行了分析。具體采用最小二乘法、余弦相似度聚類等方法建立利用近紅外光譜檢測(cè)原料乳大腸桿菌、總菌落數(shù)的模型，結(jié)果表明能夠在50分鐘內(nèi)完成，可有效預(yù)測(cè)原料乳大腸桿菌以及總菌數(shù)。

三、近紅外光譜分析技術(shù)應(yīng)用展望

我國(guó)的奶制品質(zhì)量水準(zhǔn)在食品市場(chǎng)中一直備受關(guān)注，牛奶產(chǎn)品的質(zhì)量也一直是弱項(xiàng)，例如我國(guó)奶粉產(chǎn)品質(zhì)量與西方國(guó)家有著巨大差距。究其原因，在于生產(chǎn)監(jiān)控以及原材料質(zhì)量控制上的差距。近紅外光譜分析技術(shù)有著準(zhǔn)確、快速、便捷等特性，得到了越來越廣泛的應(yīng)用。而這項(xiàng)技術(shù)在牛奶及其制品中的應(yīng)用，則能夠更有效地實(shí)施對(duì)牛奶制品的質(zhì)量監(jiān)控。其對(duì)于提升生產(chǎn)質(zhì)量控制，降低生產(chǎn)成本等發(fā)揮著重要的作用。但同時(shí)，目前近紅外光譜技術(shù)在牛奶分析檢測(cè)中的應(yīng)用仍存在著諸多問題有待解決：牛奶為多分散體系，由于測(cè)量條件以及測(cè)量方法等諸多因素影響，測(cè)定結(jié)果的準(zhǔn)確率有待提升，因而需要開發(fā)專用的數(shù)學(xué)模型以及相關(guān)配件來提升檢測(cè)精確度；近紅外光譜分析技術(shù)定性與定量分析的關(guān)鍵因素在構(gòu)建準(zhǔn)確的校正模型，因而需要進(jìn)行多種建模方法的對(duì)比來獲取最優(yōu)化的模型；此外，近紅外光譜分析技術(shù)雖然分析成本較低，但其儀器本身較為昂貴，對(duì)于我國(guó)一些牛奶加工企業(yè)、牛奶養(yǎng)殖場(chǎng)所以及牛奶收購站而言，缺乏經(jīng)濟(jì)實(shí)力與生產(chǎn)規(guī)模。因而需要開發(fā)出更簡(jiǎn)便，價(jià)格更低的近紅外儀器，拓展其在牛奶檢測(cè)中的應(yīng)用范圍。

結(jié)束語

總而言之，近紅外光譜分析技術(shù)有著簡(jiǎn)便、快速、綠色等特征，隨著我國(guó)乳制品工業(yè)的快速發(fā)展以及社會(huì)對(duì)于乳制品質(zhì)量的關(guān)注，近紅外光譜分析技術(shù)有著廣闊的應(yīng)用前景。目前我國(guó)乳品市場(chǎng)質(zhì)量安全方面仍然存在著諸多問題，新形勢(shì)下，我們應(yīng)當(dāng)進(jìn)一步加快對(duì)近紅外光譜分析技術(shù)在牛奶化學(xué)分析應(yīng)用的研究，促進(jìn)其在乳品生產(chǎn)檢測(cè)中的高效應(yīng)用，從而提升我國(guó)乳制品的質(zhì)量安全水平。

參考文獻(xiàn)

[1] 鄒強(qiáng).近紅外光譜技術(shù)在奶酪品質(zhì)評(píng)價(jià)中的應(yīng)用[J].光譜學(xué)與光譜分析，2011，10.

篇3

關(guān)鍵詞：光學(xué)多道分析器；氫原子光譜；巴耳末系；里德伯常量

中圖分類號(hào)：G307 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1002-7661（2012）15-0262-01

1 引言：

電子從高能級(jí)躍遷到低能級(jí)時(shí)，發(fā)射的光子能量hv為兩能級(jí)間的能量差，

hv=E(m)-E(n) （m > n）

以波數(shù)?啄＝1/?姿表示， 則上式為 ?啄＝■=T(n)-T(m)=R■(■-■)

式中RH為氫原子的里德伯常數(shù)。

從圖1中可知，從m≥3至n =2躍遷，光子波長(zhǎng)位于可見光區(qū)，其光譜符合規(guī)律?啄=R■（■-■） （m=3，4，5…）

這就是1885年巴耳末發(fā)現(xiàn)并總結(jié)的經(jīng)驗(yàn)規(guī)律，稱為巴耳末系。

2.實(shí)驗(yàn)原理：

OMA光路見圖2。光源S經(jīng)透鏡L成像與多色儀的入射狹縫S1，入射光經(jīng)平面反射鏡M1轉(zhuǎn)向90°，經(jīng)球面反射鏡M2反射后成為平行光射向光柵G。衍射光經(jīng)球面反射鏡M3和平面鏡M4成像于觀察屏P。由于各波長(zhǎng)光的衍射角不同，P處形成以一波長(zhǎng)λ0為中心的一條光譜帶，使用者可在P上直觀地觀察到光譜特征。轉(zhuǎn)動(dòng)光柵G可改變中心波長(zhǎng)，整條譜帶也隨之移動(dòng)。多色儀上有顯示中心波長(zhǎng)的波長(zhǎng)計(jì)。轉(zhuǎn)開平面鏡M4，可使M3直接成像于光電探測(cè)器CCD上，它測(cè)量的譜段與觀察屏P上看到的完全一致。

由于Hα線波長(zhǎng)為656.28nm，Hδ波長(zhǎng)為410.17nm，波長(zhǎng)間隔246nm超過CCD一幀159nm范圍，無法在同屏中觀察到，故需分兩次觀察測(cè)量。第一次測(cè)量Hβ、Hγ、Hδ三條線，第二次單獨(dú)測(cè)量Hα線。第一次測(cè)量使用汞燈的546.07nm（綠光）、435.84nm（藍(lán)光）、404.66nm（紫光）三條譜線作為標(biāo)準(zhǔn)譜線手動(dòng)定標(biāo)；第二次用汞燈的546.07nm（綠光）、576.96nm（黃光）、579.07nm（黃光）及三條紫外光的二級(jí)光譜線312.567×2=625.13nm、313.17×2=626.34nm、334.17×2=668.34nm來定標(biāo)。

3 實(shí)驗(yàn)步驟：

1)將多色儀起始波長(zhǎng)調(diào)到390 nm、入射狹縫S1的寬度為0.1mm。

2)用筆形汞燈作光源，調(diào)節(jié)L·S與多色儀共軸，并令光源S成像于入射狹縫處，這時(shí)在多色儀的觀察屏P上觀察到清晰、明亮的水銀譜線。

3)轉(zhuǎn)動(dòng)M4使光譜照到CCD上，調(diào)節(jié)入射狹縫，使譜線變銳。選擇適當(dāng)?shù)钠毓鈺r(shí)間以獲得清晰、尖銳的譜線。由于譜線強(qiáng)度不同，對(duì)不同的譜線可選用不同的曝光時(shí)間。

4)用水銀的幾條標(biāo)準(zhǔn)譜線定標(biāo)，使橫坐標(biāo)表示波長(zhǎng)（nm）。

5)改用氫燈，轉(zhuǎn)動(dòng)M4，使譜線成像于觀察屏P上，調(diào)節(jié)氫燈的位置，使譜線強(qiáng)度為最強(qiáng)。

6)轉(zhuǎn)動(dòng)M4，測(cè)量Hβ、Hγ、Hδ線的波長(zhǎng)。

7)將多色儀的起始波長(zhǎng)調(diào)至540nm，用汞燈定標(biāo)后，測(cè)出Hα線的波長(zhǎng)。

4 實(shí)驗(yàn)數(shù)據(jù)及處理： 圖3（a）中1、2、3號(hào)譜線對(duì)應(yīng)氫光燈Hβ、Hγ、Hδ三條線;（b）中1號(hào)譜線對(duì)應(yīng)Hα線

實(shí)驗(yàn)數(shù)據(jù)記錄如下表 以δ為縱坐標(biāo)■-■為橫坐標(biāo)經(jīng)過Origin擬合后，可見斜率即為里德伯常量RH=1.10215×107 ，與標(biāo)準(zhǔn)值的相對(duì)誤差僅為0.435％。

參考文獻(xiàn):

篇4

摘要：

使用光譜儀采集到的信號(hào)難免受到不同噪聲源的影響。為了提高光譜信號(hào)解析的精準(zhǔn)度，通過分析小波應(yīng)用于信號(hào)降噪的原理以及經(jīng)典的軟、硬閾值降噪法存在的缺陷，提出了一種改進(jìn)的閾值降噪法。該方法既克服了硬閾值法產(chǎn)生間斷點(diǎn)，軟閾值法產(chǎn)生恒定偏差的缺陷，又盡量地保留了有用信號(hào)。實(shí)驗(yàn)選用的小波基函數(shù)為SymletsA，分解層數(shù)為4，結(jié)合Birge－Mas－sart策略模型確定的分層閾值對(duì)硒化鎘量子點(diǎn)熒光光譜信號(hào)進(jìn)行降噪處理。結(jié)果表明，與經(jīng)典的軟、硬閾值降噪法相比，通過改進(jìn)閾值降噪法得到重構(gòu)信號(hào)的信噪比（SNR＝47．5502）、能量占比（PER＝0．9733）和均方誤差（MSE＝149．4213）均有提高和改善。

關(guān)鍵詞：

小波；閾值；降噪；熒光光譜

引言

光譜分析中重點(diǎn)關(guān)注的是信號(hào)的局部特征，即光譜曲線中波峰的形狀、位置和峰值強(qiáng)度［1］。然而在光譜儀采集信號(hào)的過程中，難免會(huì)受到外界光照、環(huán)境溫度和儀器特性等因素的影響［2］，導(dǎo)致實(shí)測(cè)信號(hào)往往含有高頻噪聲。如果直接使用采集到的光譜信號(hào)進(jìn)行定量分析，必然會(huì)增大光譜鑒別的虛警率。因此，在深入分析之前，必須采取行之有效的方法對(duì)獲取的原始信號(hào)進(jìn)行相應(yīng)的降噪預(yù)處理，以減弱或消除噪聲和無用信號(hào)對(duì)有用信號(hào)的影響，才能提高光譜圖解析的精準(zhǔn)度［3－5］。由于在正交小波中，正交基的選取比傳統(tǒng)方法更接近實(shí)際信號(hào)本身，所以通過小波變換可以更容易地分離出噪聲或其他不需要的信息，因此在信號(hào)降噪中小波分析有著傳統(tǒng)方法無可比擬的優(yōu)勢(shì)［6］。小波分析是一種兼顧時(shí)域和頻域的分析方法，因其多分辨率分析的特點(diǎn)廣泛適用于非平穩(wěn)信號(hào)的處理［7－9］。在小波分解過程中，通過抑制部分小波系數(shù)實(shí)現(xiàn)降噪主要是基于如下事實(shí)：在光譜信號(hào)中，低頻部分（近似系數(shù)）是表征信號(hào)本身特征的，而高頻部分（細(xì)節(jié)系數(shù)）則是表征信號(hào)的細(xì)微差別。由于原始信號(hào)每次分解得到的近似系數(shù)比以前更光滑，舍去的細(xì)節(jié)信息就存放在各層細(xì)節(jié)系數(shù)中，因此為了保持原相對(duì)完整的信息，筆者采用了一種改進(jìn)的閾值降噪方法處理各層小波系數(shù)，并在此基礎(chǔ)上有選擇地抑制保留的細(xì)節(jié)系數(shù)，以此達(dá)到降噪的目的。本文通過基于理論分析的實(shí)驗(yàn)驗(yàn)證了該方法的有效性。

1小波分析用于信號(hào)降噪的原理

1．1基本降噪模型

如果一個(gè)純凈信號(hào)X（t）被噪聲污染后為F（t），那么基本的噪聲模型就可以表示為F（t）＝X（t）＋σY（t）（1）其中：Y（t）為噪聲；σ為噪聲強(qiáng)度。小波變換的目的就是要抑制Y（t）以恢復(fù)X（t）。從統(tǒng)計(jì)學(xué)的觀點(diǎn)看，這個(gè)模型是一個(gè)隨時(shí)間推移的回歸模型，這種分解方法可以看做是在正交基上對(duì)函數(shù)X（t）的無參估計(jì)。

1．2降噪的過程小波分析用于信號(hào)降噪的過程通常分為3個(gè)步驟：

1）分解過程：根據(jù)應(yīng)用場(chǎng)合的不同，綜合考慮小波函數(shù)的緊支集、對(duì)稱性、正則性、消失矩等，選取適合的小波基函數(shù)對(duì)信號(hào)進(jìn)行N層小波分解。

2）作用閾值過程：根據(jù)Donoho提出的小波閾值算法，對(duì)分解得到的各層小波系數(shù)進(jìn)行硬閾值或軟閾值處理。

3）重建過程：根據(jù)降噪處理后的第N層近似系數(shù)和各層細(xì)節(jié)系數(shù)（cdi，i＝1，2，…，N），運(yùn)用小波變換的重建算法實(shí)現(xiàn)信號(hào)的重構(gòu)。

2閾值確定模型的選擇

在小波分析用于信號(hào)降噪的過程中，核心的步驟就是在系數(shù)上作用閾值，因此閾值的選取直接影響降噪的質(zhì)量。本文采用的方法是根據(jù)原始信號(hào)的信噪比確定各層系數(shù)降噪所需的閾值。假定噪聲為高斯白噪聲（噪聲的數(shù)學(xué)期望為0），信噪比就用原始信號(hào)小波分解的各層系數(shù)的標(biāo)準(zhǔn)差來衡量。1）默認(rèn)的閾值確定模型：）Birge－Massart策略閾值確定模型：由于本文采用的閾值降噪法需對(duì)各層小波系數(shù)設(shè)置不同的保留閾值，而通過默認(rèn)的閾值確定模型求得的閾值為全局閾值，因此使用Birge－Massart策略確定分層閾值更恰當(dāng)。

3改進(jìn)的閾值降噪法

針對(duì)含噪信號(hào)的降噪處理，Donoho等創(chuàng)造性地提出了小波閾值法降噪。該方法在實(shí)際運(yùn)用中取得了矚目的成就，但也存在瑕疵。通常情況下小波硬閾值法會(huì)導(dǎo)致作用后的光譜曲線在某些點(diǎn)（閾值點(diǎn)）產(chǎn)生間斷，雖然小波軟閾值法克服了這一缺陷，但卻給重構(gòu)信號(hào)引入了附加振蕩。除此之外，閾值函數(shù)將小于閾值的小波系數(shù)全部置0，會(huì)使得高頻部分的有用信號(hào)無法參與重構(gòu)，從而降低了還原度。針對(duì)這些缺陷，文獻(xiàn)［10］提出了一種改進(jìn)的閾值函數(shù)。

4.實(shí)驗(yàn)結(jié)果及分析

4．1小波基函數(shù)和最優(yōu)分解層數(shù)的選取

實(shí)驗(yàn)采用波長(zhǎng)為365nm的激發(fā)光源LIS365照射CdO溶液與Se粉反應(yīng)15min時(shí)得到的量子點(diǎn)，由海洋光學(xué)QE65000光譜儀采集量子點(diǎn)熒光光譜，導(dǎo)入Matlab中得到如圖1所示的CdSe量子點(diǎn)熒光光譜。光譜范圍為300nm～1200nm，分辨率為1nm－1，橫坐標(biāo)為波長(zhǎng)（nm），縱坐標(biāo)為吸光度（a．u．）。小波基函數(shù)的選取應(yīng)兼顧緊支集、對(duì)稱性、正則性、消失矩等特性。symN小波族的構(gòu)造類似于dbN小波族，且具有更好的對(duì)稱性，可以減少重構(gòu)時(shí)的相移。因此本文選用symN小波族對(duì)CdSe量子點(diǎn)熒光光譜信號(hào)進(jìn)行降噪處理。由于支集太長(zhǎng)會(huì)產(chǎn)生邊界問題，支集太短又不利于信號(hào)能量的集中，所以選用如圖2所示支集適中的sym4作為小波基函數(shù)。將CdSe量子點(diǎn)熒光光譜信號(hào)進(jìn)行小波分解，細(xì)節(jié)系數(shù)在各分解層數(shù)上的奇異譜分布如圖3所示。當(dāng)分解層數(shù)為4時(shí)，奇異譜發(fā)生突變，說明最優(yōu)分解層數(shù)即為4。

4．2算法驗(yàn)證

為了檢驗(yàn)本文提出的改進(jìn)閾值函數(shù)在實(shí)現(xiàn)CdSe量子點(diǎn)熒光光譜信號(hào)降噪時(shí)的優(yōu)勢(shì)，采用傳統(tǒng)的硬閾值法、軟閾值法、文獻(xiàn)［10］提出的閾值法和改進(jìn)閾值法分別對(duì)原始信號(hào)進(jìn)行降噪處理，通過Matlab提供的小波降噪命令同時(shí)完成了作用閾值和重構(gòu)過程，降噪后的光譜曲線如圖4所示。為了進(jìn)一步證明改進(jìn)閾值降噪法的有效性，本文采用了信噪比、均方誤差和能量占比3項(xiàng)指標(biāo)來對(duì)降噪效果進(jìn)行量化評(píng)估。

5結(jié)論

1）通過分析閾值確定模型的適用范圍，選定了更適用于計(jì)算分層閾值的Birge－Massart策略模型確定各層閾值。

2）在兼顧緊支集、對(duì)稱性、正則性、消失矩等特性的前提下，考量了應(yīng)用于小波分解適宜的支集長(zhǎng)度，選定sym4小波作為基函數(shù)；通過觀察CdSe量子點(diǎn)熒光光譜信號(hào)分解后各層細(xì)節(jié)系數(shù)的奇異譜分布情況，確定了最優(yōu)分解層數(shù)。

3）通過分析經(jīng)典的硬閾值和軟閾值降噪法的缺點(diǎn)，提出了一種改進(jìn)的閾值降噪法，并結(jié)合選定的閾值確定模型對(duì)CdSe量子點(diǎn)熒光光譜信號(hào)進(jìn)行了降噪處理。實(shí)驗(yàn)結(jié)果證明：無論是從相似性直觀地判斷，還是從信噪比、均方誤差和能量占比進(jìn)行量化評(píng)估，改進(jìn)的閾值降噪法都具有優(yōu)勢(shì)。

參考文獻(xiàn)：

［1］秦俠，沈蘭蓀．小波分析及其在光譜分析中的應(yīng)用［J］．光譜學(xué)與光譜分析，2000，20（6）：892－897．

［2］陳紅．多組分污染物氣體光譜檢測(cè)關(guān)鍵技術(shù)研究［D］．合肥：合肥工業(yè)大學(xué)，2011．

［6］夏國(guó)榮，徐志勝，馬振燕．多小波閾值降噪法在鋼絲繩缺陷檢測(cè)中的應(yīng)用［J］．測(cè)試技術(shù)學(xué)報(bào)．2007，21（4）：319－323．

［10］蔣薇薇，魯昌華，張玉鈞，等．基于提升小波改進(jìn)閾值的光譜信號(hào)去噪研究［J］．電子測(cè)量與儀器學(xué)報(bào)，2014，28（12）：1363－1368．

［11］臧玉萍，張德江，王維正．小波分層閾值降噪法及其在發(fā)動(dòng)機(jī)振動(dòng)信號(hào)分析中的應(yīng)用［J］．振動(dòng)與沖擊，2009，28（8）：57－60．

篇5

1．1樣品收集及制備

收集不同種植區(qū)域、不同品種、不同部位的單料煙樣品共110個(gè)。將樣品放入烘箱內(nèi)，40℃排氣烘烤2h，然后磨碎過40目篩，控制含水率在6%～10%之間。

1．2試驗(yàn)儀器及軟件

儀器:Antaris傅里葉變換近紅外光譜儀(美國(guó)ThermoNicolet公司);Agilent7890－5975氣相色譜質(zhì)譜儀(美國(guó)Agi-lent公司);AG204型電子天平(感量0．1mg，瑞士梅特勒－托利多公司);GFL3020震蕩器(德國(guó)GFL公司);電熱恒溫水浴鍋(德國(guó)GFL公司);VELPDK20消化器(意大利VELP公司);連續(xù)流動(dòng)分析儀(美國(guó)Astoria－Pacific公司);旋轉(zhuǎn)粉碎機(jī)(北京高科公司);恒溫箱(日本ESPEC);SDE蒸餾器(鄭州玻璃儀器廠);可控溫度電熱套及恒溫水浴鍋。軟件:TQAnalyst8數(shù)據(jù)分析軟件(美國(guó)ThermoNicolet公司);SPSS13．0統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案(美國(guó)IBM公司)。

1．3近紅外光譜掃描

取適量煙末裝入石英杯中，用500g的壓樣器壓平杯中樣品后，放到光譜儀器臺(tái)上掃描。儀器的工作參數(shù):光譜范圍3800～10000cm－1，間隔4cm－1，分辨率8cm－1，掃描次數(shù)69次。

1．4常規(guī)化學(xué)成分的測(cè)定

參照煙草行業(yè)標(biāo)準(zhǔn)規(guī)定的方法應(yīng)用連續(xù)流動(dòng)分析儀測(cè)定樣品的總糖、還原糖、煙堿、總氮、氯、鉀含量，并計(jì)算出相應(yīng)的糖堿比和鉀氯比［11］。

1．5揮發(fā)性香味成分分析

采用同時(shí)蒸餾萃取的方式提取樣品中的揮發(fā)性香味成分，具體操作如下:樣品稱質(zhì)量25g，加水300mL、二氯甲烷60mL，同時(shí)蒸餾萃取2．5h，濃縮后加內(nèi)標(biāo)乙酸苯乙酯(12．553g/L)10μL后待測(cè)。采用安捷倫7890－5975NGC－MS分析，色譜柱HP－5(30m×250μm×0．25μm)，進(jìn)樣口溫度250℃，流速1mL/min，分流比10∶1。起始溫度60℃，以5℃/min升溫到80℃，保持5min;以2℃/min升溫到150℃，保持10min;以2℃/min升溫到200℃，保持20min;以2℃/min升溫到280℃，保持10min，總運(yùn)行時(shí)間149min。共檢測(cè)到揮發(fā)性香味成分33種。

1．6逐步判別分析

逐步判別分析是一種多元統(tǒng)計(jì)方法。整個(gè)變量篩選過程實(shí)質(zhì)就是作假設(shè)檢驗(yàn)，通過檢驗(yàn)引入顯著性變量，剔除不顯著變量。反映在輸出結(jié)果上，通?？梢杂肍值的大小作為變量引入模型的標(biāo)準(zhǔn)，即一個(gè)變量是否能進(jìn)入模型主要取決于協(xié)方差分析的F檢驗(yàn)的顯著水平。逐步判別過程本身并不建立判別函數(shù)，篩選出重要變量后，采用Bayes判別方法建立判別函數(shù)和判別準(zhǔn)則，對(duì)新樣品進(jìn)行判別歸類。

2結(jié)果與分析

2．1近紅外譜圖的處理

2．1．1譜圖的預(yù)處理

煙草樣品的近紅外譜圖會(huì)受到樣品顏色及儀器穩(wěn)定性的影響而出現(xiàn)噪音及基線漂移，所以必須對(duì)樣品的近紅外譜圖進(jìn)行前處理［6］。利用TQAnalyst8分析軟件包中的優(yōu)化功能，采用如下方法可獲得理想的結(jié)果:多元散射校正消除樣品不均勻帶來的差異;采用段長(zhǎng)為9、間隔為5的NorrisDerivative濾波平滑光譜，消除高頻噪音，保留有用的低頻信息;采用二介微分處理，消除基線漂移的影響，獲得比原光譜更高分辨率和更清晰的光譜輪廓變化。

2．1．2譜圖的主成分分析

選擇4000～8000cm－1波數(shù)為分析區(qū)域，由主成分分析獲得樣品的10個(gè)主成分，前5個(gè)主成分的貢獻(xiàn)率達(dá)到96．97%，即5個(gè)主成分就能夠代表96.97%的近紅外譜圖信息，所以以5個(gè)主成分得分為分析對(duì)象，采用逐步判別分析進(jìn)行模式識(shí)別。

2．2煙葉種植區(qū)域模式識(shí)別結(jié)果的比較

收集的樣品由福建、云南、安徽、江西、貴州4個(gè)地區(qū)的煙葉樣品組成，依據(jù)《中國(guó)煙草種植區(qū)劃》［13］110個(gè)樣品屬于5個(gè)產(chǎn)區(qū)，從每個(gè)產(chǎn)區(qū)隨機(jī)抽取5個(gè)作為外部驗(yàn)證樣品，其余作為建模樣品。通過逐步判別分析，篩選出對(duì)于種植區(qū)域判別有主要影響作用的6種化學(xué)成分，即糠醛、吲哚、香葉基丙酮、柏木醇、新植二烯和氯，并獲得其Bayes判別函數(shù)，同樣由逐步判別分析獲得近紅外光譜5個(gè)主成分得分煙葉種植區(qū)域的Bayes判別函數(shù)。將篩選出的變量代入Bayes判別函數(shù)計(jì)算得到判別值，比較各判別值大小，其中最大值所對(duì)應(yīng)的分組便是判別分組。表2表明，化學(xué)成分建模85個(gè)樣品種植區(qū)域交叉驗(yàn)證模式識(shí)別的準(zhǔn)確率為91．76%，外部驗(yàn)證25個(gè)樣品種植區(qū)域模式識(shí)別的準(zhǔn)確率為80．00%;近紅外光譜建模85個(gè)樣品種植區(qū)域交叉驗(yàn)證模式識(shí)別的準(zhǔn)確率為89．41%，外部驗(yàn)證25個(gè)樣品種植區(qū)域模式識(shí)別的準(zhǔn)確率為80．00%。種植區(qū)域化學(xué)成分模式識(shí)別的準(zhǔn)確率略高于近紅外譜圖模式識(shí)別的結(jié)果。滇南桂西山地丘陵烤煙區(qū)及滇西高原山地烤煙煙區(qū)都屬于云南地區(qū)，地理位置較近，且種植水平及習(xí)慣接近，因此2個(gè)地區(qū)的樣品發(fā)生部分誤判，閩西贛南粵東丘陵煙區(qū)、皖南贛北丘陵烤煙區(qū)、黔中高原山地烤煙區(qū)樣品識(shí)別正確率較高(表2)。

2．3煙葉品種模式識(shí)別結(jié)果的比較

收集的110個(gè)煙葉樣品共有云煙87、翠碧1號(hào)、K326、紅花大金元等4個(gè)品種，從每個(gè)品種中隨機(jī)抽取5個(gè)作為外部驗(yàn)證樣品，其余的樣品作為建模樣品。通過判別分析，篩選出對(duì)于品種模式識(shí)別有主要影響的4種化學(xué)成分，即4－環(huán)戊烯－1，3－二酮、茶香酮、香葉基丙酮、氯，并獲得了其Bayes判別函數(shù)，同樣由逐步判別分析獲得近紅外光譜5個(gè)主成分得分煙葉品種的Bayes判別函數(shù)。目前我國(guó)主栽烤煙品種均直接或間接來自于相同的親本，甚至有些品種間親緣關(guān)系極近，致使品種鑒別時(shí)容易發(fā)生錯(cuò)判。表4結(jié)果表明，化學(xué)成分建模90個(gè)樣品品種交叉驗(yàn)證模式識(shí)別的準(zhǔn)確率為77．78%，外部驗(yàn)證20個(gè)樣品品種模式識(shí)別的準(zhǔn)確率為70．00%;近紅外光譜建模90個(gè)樣品品種交叉驗(yàn)證模式識(shí)別的準(zhǔn)確率為82．22%，外部驗(yàn)證20個(gè)樣品品種模式識(shí)別的準(zhǔn)確率為75．00%。煙草品種的近紅外譜圖模式識(shí)別結(jié)果優(yōu)于化學(xué)成分模式識(shí)別的結(jié)果。

2．4煙葉部位模式識(shí)別結(jié)果的比較

收集的110個(gè)煙葉樣品中上部煙36個(gè)、中部煙38個(gè)、下部煙36個(gè)，從不同部位的煙葉樣品中隨機(jī)抽取8個(gè)樣品外部驗(yàn)證樣品，其余的樣品作為建模樣品。通過判別分析，篩選出對(duì)于煙葉部位模式識(shí)別有主要影響的化學(xué)成分為三環(huán)萜、柏木醇、總煙堿，并獲得了其Bayes判別函數(shù)，同樣由逐步判別分析獲得近紅外光譜5個(gè)主成分得分煙葉部位的Bayes判別函數(shù)。表6結(jié)果表明，化學(xué)成分建模86個(gè)煙葉樣品部位交叉驗(yàn)證模式識(shí)別的準(zhǔn)確率為86．05%，外部驗(yàn)證24個(gè)煙葉樣品的準(zhǔn)確率為75．00%，近紅外光譜建模86個(gè)煙葉樣品部位交叉驗(yàn)證模式識(shí)別的準(zhǔn)確率為94．19%，外部驗(yàn)證24個(gè)煙葉樣品的準(zhǔn)確率為91．67%。煙葉部位的近紅外譜圖模式識(shí)別結(jié)果優(yōu)于化學(xué)成分模式識(shí)別的結(jié)果。

2．5模式識(shí)別結(jié)果比較

以化學(xué)成分、近紅外光譜建模樣品及外部驗(yàn)證樣品模式識(shí)別正確識(shí)別的個(gè)數(shù)為變量進(jìn)行相關(guān)性分析及配對(duì)t檢驗(yàn)。相關(guān)性分析結(jié)果表明，2種方式獲得的結(jié)果都存在顯著的相關(guān)性(P＜0．05);配對(duì)t檢驗(yàn)結(jié)果表明所獲得的結(jié)果差異不顯著(P＞0．05)(表7)。

3結(jié)論