[发明专利]一种拉曼光谱数据的智能建库方法

权利要求书

1.一种拉曼光谱数据的智能建库方法，其特征在于，包括如下步骤：

1)使用连续小波变换对数据库中第c种目标物质的所有原始拉曼光谱进行特征变换，得到原始拉曼光谱的二维数据信号，c＝1,…,C，C为目标物质的种类数量；步骤1)具体为：设原始拉曼光谱为S＝{s_j|j＝1,2,…,N_c}，其中N_c表示标注了第c种目标物质的原始拉曼光谱的数目；每个拉曼光谱表示为s_j(t)，其中t＝[t₁,t₂,…,t_n]是拉曼光谱位移序列，n表示每个拉曼光谱位移序列的长度，s_j(t_i)表示在t_i位置的拉曼光谱信号强度，i＝1,2,...,n；对每一个拉曼光谱s_j(t)使用连续小波变换进行特征变换，得到其时频域的二维信号：

其中ψ(t)为小波母函数，a是长度为l的缩放因子向量，b为平移因子向量，其取值与t相同，则第c种目标物质的时频域二维数据集合：为l行n列的二维矩阵；

2)随机生成向量z，输入训练好的针对第c种目标物质的生成模型，获得对应的生成光谱的二维信号，重复本步骤M次，获得M个生成光谱的二维信号，并标注为第c种目标物质，还包括训练针对第c种目标物质的生成对抗网络，其包括：先建立针对第c种目标物质的生成对抗网络，再将特征变换后的第c种目标物质的原始拉曼光谱的二维信号作为训练集输入该生成对抗网络进行训练，获得其中训练好的针对第c种目标物质的生成模型；

3)对其它目标物质重复步骤1)-2)，则产生C×M个生成光谱的二维信号构成二维数据集合，联合步骤1)得到的原始拉曼光谱的二维信号建立一个大型的拉曼光谱数据库，其覆盖C类目标物质的大量已标注样本。

2.如权利要求1所述的一种拉曼光谱数据的智能建库方法，其特征在于，预先构造针对第c种目标物质的生成对抗网络，其包括两个神经网络模型：生成模型G_c和判别模型D_c，将第c种目标物质的原始拉曼光谱的二维数据集合WT_c分为若干批batch，每一批WT_batch包括batchSize个拉曼光谱数据，训练生成对抗网络的步骤具体包括如下：

2.1)将该批原始拉曼光谱的二维数据集合WT_batch，输入判别模型D_c，然后用判别模型D_c的输出D_c(WT_batch)计算判别模型D_c的第一部分损失，并将该损失进行反向传播；

2.2)生成随机向量集合Z_batch＝{z_batch,k|k＝1,…,batchSize}，每个随机向量长度为d，逐一将z_batch,k输入生成模型G_c得到二维信号G_c(z_batch,k)，再将二维信号G_c(z_batch,k)输入判别模型D_c来计算第二部分损失，最后将该损失进行反向传播和梯度下降；

2.3)使用2.2)的中间结果D_c(G_c(z_batch,k))计算生成模型G_c的损失，也将该损失进行反向传播和梯度下降；

2.4)对每一批原始拉曼光谱的二维数据集合重复步骤2.1)-2.3)，则完成一轮训练，重复进行Y轮训练，则第c种目标物质的生成对抗网络训练完成，训练好的生成模型G_c可用于建库。

3.如权利要求2所述的一种拉曼光谱数据的智能建库方法，其特征在于，所述生成模型是输入为随机向量z，输出为生成二维格式光谱的神经网络，所述判别模型是输入光谱二维数据，然后用二分类神经网络来判断输入是原始光谱还是生成光谱，并输出置信度；所述生成对抗网络的最优化目标V为最小化生成光谱与原始光谱之间的差异，如下：

其中和E_z表示数学期望。