基本介紹
- 中文名：求導去噪
- 外文名：Derivative to deny noise
- 內容：對光纖探頭採集的光譜數據微分
- 目的：得到新的數據矩陣
- 表現：導數譜圖
簡介,數據前處理,數據點平滑,變數變換,均值中心化,採集,多元散射校正,
簡介
通過單光束雷射脈衝對96個馬鈴薯中Pb和Cr元素進行LIBS檢測。計算馬鈴薯樣品Pb和Cr的特徵光譜平均強度、信噪比和相對標準偏差，其中信噪比SNR是通過洛倫茨擬合後，由式（3-1）計算得到：
式中，H為經過洛倫茨擬合後的相對特徵光譜強度值，y0為背景信號值。可知樣品LIBS檢測的相對標準偏差低於10%以下，只有個別的樣品的超過10%，這是由於LIBS檢測結果受到樣本基體複雜、表面不平整、光譜噪聲等一系列因素的影響，整體的穩定性較好。
數據前處理
在LIBS檢測的過程中，採集的光譜數據除含有待測樣品信息外，還包括LIBS採集設備的噪聲，如儀器自身產生的隨機噪聲、基線漂移等。利用LIBS檢測馬鈴薯等果蔬產品時，由於樣本基體的複雜性導致檢測數據誤差較大，對LIBS光譜數據進行建模時，必須要對數據進行合適的預處理以消除由干擾引起的誤差。為了進一步解決光譜漂移導致定量分析的不穩定，在數據平滑處理後，再對數據進行標準正態變數變換、均值中心化、求導去噪和多元散射校正預處理。
數據點平滑
數據點平滑的最簡單預處理方法是移動式平均點平滑法，其計算原理如下：首先在相鄰的LIBS光譜數據序列中選擇奇數個光譜數據點，將選擇出來的光譜數據點組合到一個數集中，計算本數集中數據的平均值；然後用均值作為光譜數據的中心點，刪除數集中第一個奇數據點，並添加上緊鄰數集後面的奇數據點，形成新的數集；緊接著再計算新的數集中數據點的平均值，並用它代替數集中心的那個數據點；重複上述過程直到全部數據點平滑處理結束。
變數變換
標準正態變數變換（standardnormalvariatetransformation,SNV）是將每組LIBS光譜數據標準化預處理，SNV可以有效消除由變數的量綱影響以及變數自身變異大小和數值大小的影響。
均值中心化
均值中心化（meancentring,MC）預處理的思想是去除由LIBS光纖探頭所採集的光譜數據中各項的平均能量，具體就是即將每個數據矩陣減去均勻值，從而簡化後續數據處理部分的計算。
採集
求導去噪是指對光纖探頭採集的LIBS光譜數據進行微分，從而得到新的數據矩陣，其主要的思路是順著光譜數據曲線計算出每個數據點處的斜率，將每個LIBS光譜數據點處的斜率連成曲線得到導數譜圖。一階導數（FirstDerivative,FD）的數學分析式如下（式3-5）：
二階導數（SecondDerivative,SD）的數學分析式可表示為（式3-6）：
光纖探頭在光譜數據的採集過程中，易受雷射器的參數和被檢測樣品基體效應的影響產生光譜基線平移和旋轉，利用導數運算能夠有效的減少基線偏移、漂移和背景干擾造成的數據誤差，FD能夠有效祛除LIBS光譜數據基線平移，SD能夠祛除基線旋轉。由於導數運算的同時也會增加噪聲，所以在求導去噪預處理時，應對LIBS光譜數據進行點平滑前處理。
多元散射校正
多元散射校正（Multiplescattercorrection,MSC）的思想是消除散射對LIBS光譜數據的影響，增強與被測樣本LIBS光譜吸收信息，首先要建立一個標準待測樣本的LIBS光譜，該LIBS光譜數據的變化與被測樣本的濃度滿足一元線性回歸，然後以建立的標準待測樣本光譜為對其他待處理的樣本LIBS光譜數據進行校正。具體過程如下：首先計算96個樣本數據的平均LIBS光譜作為理想值，根據式（3-7）對每個樣本的光譜數據與平均LIBS光譜進行一元一次線性回歸計算，最後根據公式（3-8）計算多元散射校正光譜吸收度。
式中：bi為各光譜相對於平均LIBS光譜的線性平移量，mi為各光譜相對於平均LIBS光譜傾斜偏移量，Ai表示n×p維定標LIBS光譜數據矩陣，n為定標被測樣本數，p為LIBS光譜採集所用的波長點。
