[发明专利]基于加权非负矩阵分解的光谱图像解混方法及其应用

权利要求书

1.一种基于加权非负矩阵分解算法(NMF-CLS)的光谱图像解混方法，包括：基于标准光谱数据库，采用NMF-CLS算法对测试获得的光谱进行解混，获得待测样本中所包含的已知分子的种类及其相对浓度；所述已知分子为标准光谱数据库内所含分子，所述标准光谱数据库由不同分子的标准光谱组成；

其中所述NMF-CLS算法的目标函数设为：

其中，设光谱矩阵是一个m*n的矩阵V，表示共有n条光谱，每条光谱由m个点组成；m*r_i的矩阵W⁽¹⁾表示按列排列的已知分子的参考光谱，m*r₂的W⁽²⁾表示按列排列的未知分子的光谱；r₁*n的矩阵H⁽¹⁾和r₂*n的矩阵H⁽²⁾分别表示W⁽¹⁾和W⁽²⁾所对应的相对浓度；其中r₁和r₂分别表示有r₁种已知分子和r₂种未知分子；α表示针对已知分子所设置的权重，α≥0；由于已知分子的参考光谱W⁽¹⁾是已知的，求得W⁽²⁾、H⁽¹⁾和H⁽²⁾，使得方程中的F最小，即可得到已知分子所对应的相对浓度。

2.根据权利要求1所述的方法，其中所述H⁽¹⁾、W⁽²⁾和H⁽²⁾是通过迭代过程中计算得出。

3.根据权利要求1-2中任一项所述的方法，其中所述F关于W⁽²⁾、H⁽¹⁾和H⁽²⁾的偏导数为：

从偏导数得到W⁽¹⁾、H⁽¹⁾和H⁽²⁾的迭代公式为：

按迭代公式进行迭代更新H⁽¹⁾、W⁽²⁾和H⁽²⁾，当达到最大迭代次数N或F降低到设定阈值σ时停止迭代，迭代停止后，H⁽¹⁾即为每一种已知组分对应的相对浓度的最终结果。

4.根据权利要求1-3中任一项所述的方法，其中所述H⁽¹⁾、W⁽²⁾和H⁽²⁾的计算过程包括：

1)输入已知组分矩阵W⁽¹⁾、测得的光谱矩阵V，最大迭代次数N及阈值σ；

2)随机初始化已知组分的系数矩阵H⁽¹⁾、未知组分的光谱矩阵W⁽²⁾及系数矩阵H⁽²⁾；

3)根据迭代公式进行迭代更新H⁽¹⁾、W⁽²⁾和H⁽²⁾；

4)达到最大迭代次数N或F降低到设定阈值σ时停止迭代；

5)迭代停止后，H⁽¹⁾即为已知组分对应的相对浓度的最终结果。

5.根据权利要求1-4中任一项所述的方法，其中所述待测样本包括化学样品或生物样品。

6.根据权利要求1-5中任一项所述的方法，所述光谱图像包括红外光谱和拉曼光谱。