[发明专利]一种对样品的LIBS光谱自动识别分类方法

说明书

本发明提供一种对样品的LIBS光谱自动识别分类方法，是首先通过对已知标准样品光谱数据进行特征峰信息提取，然后定义特征峰信息权值计算公式，最后通过对特征峰信息进行权值计算转化特征峰信息为特征峰向量，完成样品光谱到以特征峰信息为代表的特征峰向量空间的转换，获得已知样品的特征峰向量，进而构建已知样品特征峰向量数据库；在对未知样品光谱进行分类识别时，通过特征峰信息提取、特征峰信息权值计算完成未知样品光谱到以特征峰信息为代表的特征峰向量空间的转变，获得未知样品特征峰向量；最后通过计算向量之间余弦值获得未知样品与已知样品相似度，取值最大者为分类结果，完成对未知样品的分类。

技术领域

本发明属于对材料成分光谱分析技术领域，具体涉及一种对样品的LIBS光谱自动识别分类方法，可用于对未知样品的LIBS光谱数据进行自动识别分类。

技术背景

向量空间模型最初用于文本检索，该模型是通过对文献内容进行特征文本提取后，将文献转换到文本向量空间，然后在文本向量空间中通过计算文本向量的相似度，判断文献内容的相似性。

激光诱导击穿光谱探测技术是利用高能量脉冲激光器发出的脉冲激光，经过聚焦透镜聚焦到目标表面，在聚焦点上获得瞬时高功率密度的激光脉冲，可使目标表面聚焦点烧蚀、蒸发和电离形成高温、高压、高电子密度的等离子体火花，辐射出包含原子和离子特征谱线的光谱，然后通过光探测器接受等离子体在冷却过程中的发射谱线，其某些特定波长对应的强度信号包含了分析对象中所有的元素种类和浓度信息，通过这些光谱信息进行数据处理，可对目标物进行分类处理。激光诱导击穿光谱技术近年来由于其检测速度快、无需样品制备等特点在样品识别和分类方面得到了广泛应用，但在常见的LIBS光谱分类建模方法中需要人工选取样品光谱特定波长范围信息对样品LIBS光谱进行分类识别，不能使用样品全谱信息进行快速分类。

发明内容

本发明的目的在于提供一种对样品的LIBS光谱自动识别分类方法，从而弥补现有技术的不足。

本发明的方法，是首先通过对已知标准样品光谱数据进行特征峰信息提取，然后定义特征峰信息权值计算公式，最后通过对特征峰信息进行权值计算转化特征峰信息为特征峰向量，完成样品光谱到以特征峰信息为代表的特征峰向量空间的转换，获得已知样品的特征峰向量，进而构建已知样品特征峰向量数据库。

在对未知样品光谱进行分类识别时，通过特征峰信息提取、特征峰信息权值计算完成未知样品光谱到以特征峰信息为代表的特征峰向量空间的转变，获得未知样品特征峰向量，最终通过计算向量之间余弦值获得未知样品与已知样品相似度，取值最大者为分类结果，完成对未知样品的分类。

本发明的方法，其一种实施例记载的具体步骤如下：

1)定义特征峰权重计算相关参数

(1)谱峰峰强权重int

int用于对光谱中单一谱峰在光谱中所占权重进行计算，表示了单一谱峰不同峰值强度对光谱的代表性不同，峰值强度越大在计算中所占的权重越大，对样品的代表性越强，反之越弱；

(2)谱峰倒排光谱频率(inverse peak frequency)ipf

Ipf用于对光谱中单一谱峰在已知样品特征峰信息数据库中所具有的独特性进行计算，表示了不同波长谱峰在对光谱代表性的不同，相同波长谱峰数量越小(即n越小)在计算中所占的权重越大(即ipf越大)，对样品的代表性越强，反之越弱；

(3)谱峰权重w

w为光谱中单一谱峰对样品代表性的权值。w越大，该特征峰对样品的代表性越强；

2)建立分类算法

(1)获取已知样品特征光谱