[发明专利]一种X射线荧光光谱重叠峰分解方法

权利要求书

1.一种X射线荧光光谱重叠峰分解方法，其特征在于：包括：

步骤1：利用蒙特卡洛法生成仿真光谱，计算各元素特征峰的强度占所有元素特征峰强度之和的比值，构建仿真光谱库，作为神经网络训练和测试数据库；

步骤2：构建三层BP神经网络；

步骤3：构建递阶遗传算法，递阶遗传算法中的染色体包含控制基因和参数基因；

控制基因采用二进制编码，每个控制基因对应一个隐藏层单元，即控制基因长度为隐藏层单元数n；

参数基因采用实数编码，每个参数基因表示对应隐藏层单元所连接的输入层到隐藏层和隐藏层到输出层的权值和偏置；

步骤4：采用递阶遗传算法优化神经网络，获得神经网络最优初始连接权值和偏置；

步骤5：利用训练样本训练遗传算法优化后的神经网络，训练样本的输入向量为光谱在各通道的计数值或计数率，期望输出向量为元素特征峰的强度与所有元素特征峰强度之和的比值；

步骤6：利用训练好的神经网络对需要进行元素分析的光谱数据进行特定元素峰强度预测，实现元素的定量分析。

2.根据权利要求1所述的X射线荧光光谱重叠峰分解方法，其特征在于：

所述的步骤1中的仿真光谱为EDXRF仿真光谱。

3.根据权利要求2所述的X射线荧光光谱重叠峰分解方法，其特征在于：所述的步骤2具体步骤包括：

设计三层BP神经网络：

第一层为输入层，源节点个数设为光谱长度m，光谱设为X＝(x₁,x₂,…,x_m)^T，将光谱各通道计数值输入光谱；

第二层为隐藏层，该层节点数设为n，隐藏层采用双正切函数作为激活函数，隐藏层输出向量记为Y＝(y₁,y₂,…,y_n)^T，则隐藏层第j个节点的输出为：

其中，w_i,j为连接第i个输入层单元到第j个隐藏层单元的权重，b_j为隐藏层第j个单元的偏置；

第三层为输出层，节点数量设置为需要测量特定元素的特征峰的数量q，激活函数采用softmax函数，softmax函数将输出层各单元输出映射到(0,1)，各单元输出表示所测各元素特征峰强度占所有元素特征峰强度之和的比值，输出层各单元输出总和为1；输出层第k个节点的输入为：

其中w’_j,k为连接隐藏层第j个单元到输出层第k个单元的权重，b’_k为输出层第k个单元的偏置；则第k个节点的输出，即某特征峰强度占所有元素特征峰强度之和的比重为：

神经网络进行有监督学习，训练神经网络的样本为光谱向量和光谱中各特征峰强度与总强度之比构成的向量。

4.根据权利要求3所述的X射线荧光光谱重叠峰分解方法，其特征在于：所述参数基因的长度为：m*n+n*q+n+q。