[发明专利]一种基于杂峰扣除提高SERS信号有效信息率的方法

说明书

本发明公开了一种基于杂峰扣除提高SERS信号有效信息率的方法，首先获取增强基底中预设点的SERS信号f1和加入待检测物提取液后所述增强基底中所述预设点的SERS信号f2，对SERS信号f1、SERS信号f2进行预处理；基于偏导型小波变换‑求导校位法求解SERS信号f1和SERS信号f2的相同峰位，基于小波变换型HQI算法计算相同峰位的波形相似度，判断是否为同一特征峰；基于共轭梯度型高斯法去除SERS信号f2中与SERS信号f1相同峰位是同一特征峰的峰后获得待检测物的SERS信号。本发明通过上述杂峰扣除方法，可以滤除待检测物的SERS信号中增强基底杂峰，提升SERS信号中有效信息的比例，降低仪器识别错误率。

技术领域

本发明涉及光谱识别技术领域，尤其涉及一种基于杂峰扣除提高SERS信号有效信息率的方法。

背景技术

实际检测表明，吸毒人员筛查工作中可利用表面增强拉曼技术对可疑人员的毛发进行检测，但该检测技术的检测结果可能存在误匹配情况，主要原因为毛发的SERS信号中存在较多干扰信号。干扰信号主要分为两类，一类干扰信号为人体检材(毛发)中除毒品以外的其他物质SERS信号，人体检材成分复杂，大概率出现某特征峰干扰仪器对毒品判断，另一类干扰信号为SERS增强基底随机产生的杂峰，它与某一物质的特征峰组合，该组合峰与毒品SERS特征信息相似。故针对SERS增强基底的杂峰滤除，可提升整条光谱有效信息率，对提高仪器的毒品的识别准确率具有重要意义。

发明内容

为解决背景技术中存在的技术问题，本发明提出一种基于杂峰扣除提高SERS信号有效信息率的方法，通过上述杂峰扣除方法，可以滤除待检测物的SERS信号中增强基底杂峰，提升SERS信号中有效信息的比例，降低仪器识别错误率。

本发明提出一种基于杂峰扣除提高SERS信号有效信息率的方法，包括：

S1：获取增强基底中预设点的SERS信号f1；

S2：获取加入待检测物提取液后所述增强基底中所述预设点的SERS信号f2；

S3：对SERS信号f1、SERS信号f2进行预处理；

S4：基于偏导型小波变换-求导校位法求解SERS信号f1和SERS信号f2的相同峰位；

S5：基于小波变换型HQI算法计算SERS信号f1和SERS信号f2的相同峰位的波形相似度，判断SERS信号f1和SERS信号f2的相同峰位是否为同一特征峰；

S6：基于共轭梯度型高斯法去除SERS信号f2中与SERS信号f1相同峰位是同一特征峰的峰后获得待检测物的SERS信号。

优选地，所述增强基底为金纳米棒的增强基底。

优选地，所述步骤S3中预处理具体包括滤噪处理和基线校正处理。

优选地，所述步骤S4所述偏导型小波变换-求导校位法具体为：

若|X₁-X₂|≤4，则认定为相同峰位；

其中，f₁为SERS信号f1，f₂为SERS信号f2；参数α与τ分别为尺度函数与横轴滑动距离。

优选地，所述步骤S5具体包括：

S501：基于小波变换型HQI算法计算SERS信号f1和SERS信号f2的相同峰位的波形相似度R：