[发明专利]基于鲁棒噪声方差估计的拉曼光谱特征峰识别方法

摘要

本发明公开了一种基于鲁棒噪声方差估计的拉曼光谱特征峰识别方法，步骤如下(1)以均值为0、方差为1的高斯噪声为参考，确定参考百分位及其百分位数；对拉曼光谱数据进行差分归一化，将归一化后的数据从小到大排序，计算各数据的百分位，然后通过线性内插求得参考百分位所对应的百分位数，并将其与参考百分位数相除，得到一系列噪声标准差，取标准差的中位值作为该光谱数据的噪声估计标准差σ；(2)求取拉曼光谱数据的峰值和谷值，将每一个峰值与其左右两侧的最小谷值进行比较，如果大于r倍的噪声标准差σ，则认为是拉曼光谱的特征峰。该方法不需要提前对拉曼光谱做去背景处理，而且无需人为设置任何参数，可以实现谱峰识别的自动化。

主权项

一种基于鲁棒噪声方差估计的拉曼光谱特征峰识别方法，其特征在于，包括如下步骤：(1)以均值为0、方差为1的高斯噪声为参考，确定参考百分位及其百分位数；对拉曼光谱数据进行前向差分运算并归一化，将归一化后的数据按照从小到大排序，计算各数据的百分位，然后通过线性内插求得参考百分位所对应的百分位数，并将其与参考百分位数相除，得到一系列噪声标准差，取标准差的中位值作为该光谱数据的噪声估计标准差σ；(2)通过对拉曼光谱数据进行一阶求导得到其峰值和谷值，将每一个峰值与其左右两侧的最小谷值进行比较，如果大于r倍的噪声标准差σ，则认为其是拉曼光谱的特征峰；所述步骤(1)具体为：(1.1)假设随机变量ε服从均值为0，方差为σ2的高斯分布，则其概率密度函数为：f(x)=12πσe-x22σ2]]>已知百分位p(x)是指随机变量ε小于百分位数x的累积概率，即：p(x)=12πσ∫-∞xe-t22σ2dt]]>根据误差函数的定义：erf(x)=1π∫-xxe-t2dt=2π∫0xe-t2dt]]>可得：p(x)=12[1+erf(x2σ)]]]>进一步可得：x=2σ·erf-1[2p(x)-1]]]>以均值为0，方差为1的高斯噪声为参考，在百分位p(x)∈[0,0.5]范围内取m个点组成百分位向量p0，可得其百分位数向量(1.2)对拉曼光谱数据向量x分别进行1,2,…,n阶前向差分运算并归一化，可得到差分数据向量x1,x2,…,xn；(1.3)对i＝1:n进行如下操作：(1.3.1)对xi按照从小到大进行排序；(1.3.2)已知x0的长度为m，对j＝1:m进行如下操作：(1.3.2.1)假设xi的长度为q，则排序后xi中的各个元素所对应的百分位向量其中τ＝1,2,…,q,0<κ<1；记p0(j)为p0的第j个元素，通过在pi相邻元素间线性内插可求得pi＝p0(j)和pi＝1‑p0(j)对应的xi分别为百分位数xi,j和x′i,j；(1.3.2.2)计算xi在pi＝p0(j)时的噪声估计标准差(1.3.3)取σi,j(j＝1,2,…,m)的中位数作为xi的噪声估计标准差σi；(1.4)取σi(i＝1,2,…,n)的中位数作为拉曼光谱数据向量x的噪声估计标准差σ。