[发明专利]一种X射线荧光光谱自适应本底扣除方法

权利要求书

1.一种X射线荧光光谱自适应本底扣除方法，具体步骤包括：

步骤1：通过X荧光分析仪器采集一批特定样品的X射线荧光光谱，并分别获得测量样品数据集S＝{f_i,i＝1,2,…,M}，f_i表示第i个样品谱图数据，其中M为样品个数；定义第i个样品的原始谱图数据为f_i⁰；定义第i个样品的第k次本底拟合滤波迭代后谱图本底近似值为f_i^k，1≤k≤N；定义f_i^k中第j个通道的计数率为f_ij^k；N表示高斯卷积迭代次数；

步骤2：利用遗传优化算法优化高斯卷积迭代次数N和高斯函数的标准差值σ，并获得最优的迭代次数N_opt和标准差值σ_opt；

其中，遗传优化算法采用的适应度评价函数利用以下方式定义：针对任意元素E，设E为元素Cr，当前优化过程的参数值设为N_p和σ_p，根据σ_p构建高斯卷积核K(σ_p)，利用高斯卷积核K(σ_p)对M个样品的谱图分别进行N_p次卷积滤波迭代，分别获得近似拟合本底1≤i≤M，并分别对M个样本进行本底扣除；计算本底扣除后M个样品所含元素Cr的特征峰面积A＝{A₁,A₂,…,A_M}，最后利用A和M个标准样品真实Cr元素含量矩阵C＝{C₁,C₂,…,C_M}求A和C的线性拟合优度R²作为GA优化算法的适应度评价函数，具体表达式为：

式中，R²为拟合优度，M为标样个数，A_i为第i个标样谱图中元素Cr对应的峰面积，C_i为第i个样品中元素Cr实际含量，为M个样品元素Cr实际含量的平均值；

采用该适应度评价函数的遗传优化算法对高斯卷积迭代次数N和高斯函数的标准差值σ进行优化；

步骤3：采用步骤2得到的最优高斯卷积核参数σ_opt构建最优高斯卷积核K(σ_opt)，并根据步骤2获得的最优迭代次数N_opt进行迭代高斯卷积滤波本底拟合，假设当前迭代次数为L，1≤L≤N_opt，拟合本底为f_i^L，上一次迭代拟合本底为f_i^L-1，为提高效率，预设接受误差值θ，若小于θ，则提前跳出迭代并返回最佳本底f_i^L，L≠N_opt；并且否则，经过N_opt次迭代获得近似拟合低频本底

其中，高斯卷积核K(σ_opt)大小为3，其具体表达式为：

其中Gau(x)为高斯函数，σ_opt为高斯函数中最优标准差参量；

步骤4，将步骤3中基于迭代高斯卷积滤波最终获得的本底近似拟合量从原光谱f_i⁰中扣除。