近日，中國科學院合肥物質科學研究院科研團隊在傅里葉紅外光譜（FTIR）分析算法研究方面取得進展。團隊面向實際應用，構建出“混合物識別—基線重構—魯棒定量—寬動態分析”研究框架，提升了復雜應用場景下氣體的識別準確度和定量精度。
團隊提出基于“注意力”機制的深度學習框架，來應對混合物識別任務中儀器線型、吸收峰重疊等挑戰。該框架依托10種儀器線型、8種氣體成分的自建數據集實驗。同時，該框架僅用1種儀器線型訓練，但其應用于其他9種線型時精確匹配率超91.7%，較現有方法提升25%至88%，凸顯了其在跨設備應用、其他FTIR混合物分析及類似光譜學挑戰方面的潛力，為復雜混合物成分紅外光譜識別提供了新思路。
為減少混合氣體吸收峰重疊導致的基線校正誤差的影響，團隊研發了相對吸光度的獨立成分分析算法。通過計算相對吸光度光譜、提取獨立成分、重建隱藏基線，使設備對混合氣體吸收峰重疊導致的基線校正誤差低于常用方法，精準保留基線細節，滿足多氣體組分同時精確測量需求。該算法計算剔除基線信息的相對吸光度光譜，結合比爾—朗伯定律與獨立成分分析，提取包含各組分吸收峰信息的獨立成分，對需基線校正的光譜進行擬合。團隊采用多項式曲線與殘差相結合的基線模型，重建吸收波段的隱藏基線。仿真與實驗結果表明，RA-ICA方法重建的基線誤差低于其他常用基線校正方法，可準確保留基線的細節特征，能夠提供高質量的校正基線，滿足多氣體組分同時精確測量的需要。
在實際濃度反演過程中，傳統最小二乘等方法受到噪聲和基線漂移等光譜干擾的影響，其氣體光譜定量結果準確性受限。為提升濃度反演精度，團隊提出了“抑制—適應—優化”模型，實現了光譜降噪、殘差建模及損失優化的有機結合，為FTIR光譜的濃度反演提供了更具魯棒性的方法。該模型融合光譜降噪、殘差建模與損失優化技術，可為工業監測、交通排放等場景的濃度反演提供魯棒方案。該算法通過噪聲抑制技術提高用于反演的光譜數據的質量，繼而利用Ljung-Box檢驗和分位數—分位數圖等統計工具，對降噪后光譜數據與前向模型的殘差分布進行分析，并運用廣義損失函數進行適應，通過優化器進行損失優化，實現氣體濃度反演。模擬和實驗光譜驗證發現，該模型在均方根誤差噪聲為1×10-3光譜數據集中的性能，相比于傳統方法，可將CO2、N2O和CO的反演精密度提高15%。實驗結果表明，該方法在工業監測、環境研究及交通排放等領域具有應用前景。
團隊進一步提出了基于信息密度的自適應波段優選方法，以糾正高濃度下吸收飽和引發的光譜非線性響應、儀器分辨率限制及基線重建誤差等問題。模型整合譜線強度、吸收飽和特性、儀器線型函數及基線特征，動態評估全光譜信息密度分布，優選各組分反演參數，確定最優反演波段，并通過非線性多元回歸迭代更新參數直至收斂。實驗驗證顯示，該方法對甲烷定量分析的線性動態范圍達3×107。ID-ABS模型的適用性可拓展至其他具有紅外吸收特性的氣體，提升了基于FTIR技術對復雜多組分混合物的定量分析能力。
上述系列工作將進一步拓展傅里葉紅外光譜儀器技術的多領域精準應用。
相關研究成果分別發表在《分析化學》（Analytical Chemistry）和《光學快報》（Optics Express）等上。研究工作得到國家重點研發計劃等的支持。
論文鏈接：1、2、3、4
本文鏈接：傅里葉紅外光譜分析算法研究獲進展http://www.sq15.cn/show-12-2181-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
下一篇： 研究揭示X射線雙星“早衰”現象