常用的(核数据)谱数据分析处理方法之谱平滑

2017-04-19 00:12 阅读 3,779 次 评论 0 条

谱数据的平滑处理

由于射线和探测器中固有的统计涨落、电子学系统的噪声的影响,谱数据有很大的统计涨落。在每道计数较少时,相对统计涨落更大。谱数据的涨落将会使谱数据处理产生误差。其主要表现为在寻峰过程中丢失弱峰或出现假峰、峰净面积计算的误差加大等等。谱数据的平滑就是以一定的数学方法对谱数据进行处理,减少谱数据中的统计涨落,但平滑之后的谱曲线应尽可能地保留平滑前谱曲线中有意义的特征,峰的形状和峰的净面积不应产生很大的变化。

1.最小二乘移动平滑方法

1964年A. Savitzky和J.Egolay提出了一个用于谱数据平滑处理的滤波器响应函数。其基本思想是,当求平滑之后谱的第m点数据时,先在原始谱数据第m点的左、右各取K个数据点,形成一个共有2K+1个数据点的窗口。在这个窗口中用多项式拟合原始谱数据,则拟合多项式在m点的值就是平滑后的谱在m点的值。当m值沿谱数据移动时,就可以得到整个平滑后的谱数据。这种方法称为最小二乘移动平滑法,或最小平方曲线拟合平滑法。

2.高斯滤波器的平滑方法

如果把谱数据中的统计涨落看成是“白噪声”,当使用匹配滤波器进行滤波时,可以得到最佳的信号噪声比。所谓匹配滤波器,就是该滤波器在道域中冲击响应函数与峰函数互为镜象。一般情况下,谱中的峰函数可以近似为高斯函数。由于高斯函数是偶函数,所以匹配滤波器在道域中的响应函数也应该是高斯函数。实践表明,仅在平滑窗口比较大的情况下,使用高斯滤波器进行平滑处理,才能得到比最小二乘移动平滑方法稍好的平滑效果。因此,目前应用最广泛的还是最小二乘移动平滑方法。

3.谱平滑中的几个具体问题

对谱进行平滑处理可以减少谱数据的统计涨落,从而减少了寻峰过程中假峰出现的几率,也可以减小峰净面积的计算误差。但是当滤波器的参数选择不当或平滑次数过多时也会产生某些缺点。例如,在寻峰时可能漏失弱峰,不能分辨距离很近的重峰等等。因此,如何选择滤波器的参数(平滑窗口的选择)和平滑的重复次数是很重要的。

版权声明:本文著作权归原作者所有,欢迎分享本文,谢谢支持!
转载请注明:常用的(核数据)谱数据分析处理方法之谱平滑 | 算法君

发表评论


表情