[发明专利]一种从混合物SERS光谱中识别目标成分的方法

说明书

本发明一种从混合物SERS光谱中识别目标成分的方法。该方法先采集纯净目标物的SERS光谱进行预处理和反卷积操作，作为参考谱，利用连续小波变换寻找特征峰，再用洛伦兹函数拟合。而后采集待识别混合物的SERS光谱，同样进行光谱预处理、反卷积和寻峰，作为分析谱。最后在分析谱中匹配参考谱的所有特征峰，计算相似度，进而判断分析谱中是否存在目标物。本发明将光谱按照特征峰分段划分，洛伦兹拟合，可消除其他信号的影响，具有较高查准率和抗干扰能力，特别适合用于从复杂拉曼光谱中识别目标成分。

技术领域

本发明涉及一种拉曼光谱的识别，具体地说是一种从混合物SERS光谱中识别目标成分的方法。

背景技术

表面增强拉曼散射光谱(SERS)因具有丰富的分子“指纹”信息和便于现场定性分析等优点，广泛用于痕量物质识别、生物传感器和食品安全检测等领域。拉曼光谱作为一种分子振动信号，其特征峰本质上是洛伦兹峰，用洛伦兹函数拟合能更准确体现物质特征峰特点。

目前的SERS光谱识别方法多用于纯物质的识别，然而由于测量仪器和探测条件的变化，实际采集的SERS光谱极大可能混合了其他杂物的光谱。理论上，当某种物质加入其他成分时，其SERS光谱的特征峰参数(如谱峰位置、谱峰宽度、谱峰强度)会发生改变。且混合光谱存在其他成分的特征峰，以及谱峰重叠和光谱失真等现象，使得目标成分的识别变得困难，而依赖与人眼判别分析的方法费时费力。由于干扰物的不确定，导致采集的SERS光谱变化多样，基于深度学习的支持向量机(SVM)、随机森林等算法因无法获取所有样本的数据进行学习训练，而无法有效提取目标成分的特征，导致模型缺乏泛化能力，在测试环境变化时不再适用。

发明内容

本发明的目的就是提供一种从混合物SERS光谱中识别目标成分的方法，以解决现有复杂SERS光谱中目标物识别困难的问题。

本发明的目的是这样实现的：

一种从混合物SERS光谱中识别目标成分的方法，包括以下步骤：

S1，采集目标物的SERS光谱并进行预处理和反卷积操作，所得结果作为参考谱，再利用连续小波变换寻找参考谱的特征峰，按照特征峰的峰值大小进行排序，并利用洛伦兹函数对每个特征峰进行曲线拟合。

S2，采集待识别分析物的SERS光谱并进行预处理和反卷积操作，所得结果作为分析谱，再利用连续小波变换寻找分析谱的特征峰，形成包含n个特征峰位移的向量，表示为：[ω₁,ω₂,...,ω_n]，其中的每个值对应一个特征峰的位移。

S3，根据参考谱中的每个特征峰i，在分析谱的特征峰位移向量中查找是否有峰位与之匹配，对匹配成功的分析谱特征峰j进行洛伦兹函数的曲线拟合，而后计算参考谱特征峰i的洛伦兹函数与分析谱特征峰j的洛伦兹函数之间的相似度。

S4，根据参考谱中特征峰i的拉曼光谱强度，计算该特征峰i匹配成功的权重p(I_i)为：

其中，m为参考谱特征峰的数量。

S5，根据参考谱中每一个特征峰的洛伦兹函数的匹配相似度，结合特征峰权重p(I_i)，计算参考谱与分析谱的综合相似度，进而判断待识别分析物中是否存在目标成分。

进一步地，步骤S1与步骤S2中的反卷积操作方式包括以下步骤：

a-1，SERS光谱的特征峰本质上是洛伦兹峰，可用洛伦兹函数(Lorentz)表示：

其中，ν为拉曼位移(波数)，ω_l为洛伦兹函数的中心波数，γ_l为洛伦兹函数的半高宽。

a-2，以高斯函数G(ν)表示系统的展宽响应：