[发明专利]一种X射线荧光光谱自适应本底扣除方法

说明书

本发明公开了一种X射线荧光光谱自适应本底扣除方法，涉及X射线荧光光谱分析领域。本发明利用高斯卷积核与X射线荧光光谱进行离散卷积运算并通过不断迭代，直至达到较好的本底拟合及扣除效果。本底扣除效果利用若干标样中某一特定元素在谱图中的计数峰面积与样品中的实际含量线性回归后得出的拟合优度作为标准。融合遗传优化算法，优化迭代高斯卷积滤波器中的迭代次数与高斯卷积核中高斯函数的标准差参量，以获得更好的拟合优度，从而使本底扣除效果达到最优。本发明适用于X射线荧光光谱分析。

技术领域

本发明涉及X射线荧光光谱分析领域，特别涉及基于遗传优化迭代高斯卷积滤波器的X射线荧光光谱本底扣除方法。

背景技术

X射线荧光(X-Ray fluorescence，XRF)分析技术是利用初级X射线光子或其他微观粒子激发待测样品中的原子，使之产生荧光(次级X射线)而进行物质成分分析和化学形态研究的方法。其作为一种分析样品各元素组分的技术，被广泛应用于化学分析及元素分析领域，具有分析速度快，分析样品范围广，分析样品浓度范围宽等优点。然而，实际应用中，由于宇宙射线，样品辐射，探测器中电子元器件等因素产生的干扰，原谱图会额外叠加上低频的本底。此本底对元素含量预测具有一定影响，因此寻找合适的方法扣除光谱中的本底成了一项必要的工作。

为了扣除本底，除了从物理条件上尽量抑制干扰外，利用软件算法进行本底扣除也是可行的手段。目前用于本底扣除的方法有很多，多项式平滑法，傅里叶变换法，小波变换法等。多项式平滑法是利用高次多项式拟合由各通道计数率构成的谱图，经过多次迭代形成对谱图本底的估计，从而将本底扣除。傅里叶变换法是利用离散傅里叶变换，将谱图转换至频域，利用数字高通滤波器滤除低频本底。小波变换法是利用离散小波变换，提取原谱图的概貌信号，用概貌信号拟合本底进行扣除。

高斯滤波是一种线性平滑滤波，被广泛应用于信号的降噪处理。其中心思想是利用高斯函数定义高斯卷积核，与被滤波的信号进行卷积运算，即可滤除原信号中的高频部分。遗传算法是一种被广泛使用的优化算法，模拟达尔文自然选择学说中的物种进化过程，在不断进化的过程中寻求被优化函数的最优值。适用于多参数优化，能够较好地找到全局最优值。

发明内容

本发明要解决的技术问题是：提供一种基于遗传优化迭代高斯卷积滤波器的X射线荧光光谱本底扣除方法，用于提升根据X射线荧光光谱谱图数据进行样品元素含量预测的精度。

为实现上述目的，本发明采用的技术方案是：利用高斯卷积滤波器滤除X射线荧光光谱中的高频部分，留下低频分量，通过多次迭代最终利用低频分量估计原谱图的本底。在原谱图扣除本底后，有效提高了利用X射线荧光光谱预测样品元素含量的精度。

本发明将遗传优化算法(Genetic Algorithm，GA)融入迭代高斯卷积滤波方法中，通过GA优化算法自适应地获得最佳迭代高斯滤波器迭代次数N与高斯卷积函数中高斯函数的标准差值σ。利用本底扣除后某一特定元素在一批标样谱图中的峰面积与其实际含量线性拟合得到的拟合优度作为适应度函数评价本底扣除效果。除GA优化算法，本发明还可以选用蝗虫优化算法、狼群优化算法、蜂群优化算法等其他优化算法。

本发明的技术方案为一种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；