光谱参数

2024-07-31

光谱参数（通用4篇）

光谱参数篇1

稀土离子在可见光和近红外波段呈现为尖锐的谱线, 是固体激光材料最常见的激活离子。目前J-Ο理论, 特别是三参量方法, 在稀土光谱性质的研究中变得十分普及。虽然这个方法包含了一些近似, 但它在估算稀土发光材料的几个重要光谱参数时很实用。

根据J-Ο理论从基态到激发态的电偶极跃迁的振子强度fed可以写成下面形式:

在4f组态跃迁中, 磁偶极和电四极同样对振子强度有贡献, 但数值小很多, 一般只考虑电偶极和磁偶极。

磁偶极:

实验电偶极子强度fex=fed+fmd

实验电偶极子强度可利用吸收光谱求得

根据吸收谱, 由公式

可得出SJJ′的实验值, 其中是吸收线的积分光密度, δ为吸收长度, γg为谱线重心的波数值, N为单位体积晶体内掺杂的离子数。根据三参量J-Ο公式,

根据多元线性回归可拟合出三个Ωλ参量和振子强度fJJ′。其中均方根差δrms公式为

I为选用的吸收线个数

Ω2、Ω4、Ω6是晶体场消除禁戒作用的参数, 它决定于离子本身与晶体场的性质, 与J无关, 即与具体的跃迁能级无关。求得了这些参量, 就可以计算出材料的许多重要发光参数。

自发辐射跃迁几率:

荧光分支比:

积分发射截面:

下面是利用VC++语言编写的拟合三个Ωλ参量, 计算振子强度fJJ′, 自发辐射跃迁几率, 荧光分支比和积分发射截面的程序。

拟合实验数据计算偏差

参考文献

[1]张思远, 毕宪章编著, 稀土光谱理论, 长春:吉林科学技术出版社, 1991:155-183

[2]杨道奇著;王晓鸽, 盛佳, 武勃译, C++和面向对象数值计算, 北京:人民邮电出版社, 2003

[3]闵联营, 何克右主编, C++程序设计教程, 武汉:武汉理工大学出版社, 2005

[4] (美) James P.Cohoon, (美) Jack W.Davidson著;刘瑞挺等译, C++程序设计, 北京:电子工业出版社, 2002

光谱参数篇2

激光诱导击穿光谱实验装置的参数优化研究

摘要：为了使激光诱导击穿光谱(LIBS)实验装置中的多个关键参数达到最优化设置,以便更好地服务于煤质分析,实验中对这些参数与煤粉等离子体中待测元素发射谱线信噪比间的关系进行了详细研究,并根据信噪比大小来进行最优化参数的`选择.实验结果表明,对于本LIBS实验装置,其最优化参数设置是将激光脉冲能量设为120 mJ・Pulse-1,光谱仪的曝光延迟时间设为200 ns,激光聚焦点位于样品表面以下3～5mm,样品池转速设为2.7 r・min-1,并在激光出射光路中放置中心频率为1 064 nm的窄带滤波片和中心孔径为1.5mm的光阑.优化后的LIBS实验装置对煤粉中C元素测量的标准偏差(SD)由6.7％降至1.6％,对其他微量元素测量的相对标准偏差(RSD)由28％降至10％,测量精度得到了较大提高. 作者：张雷马维光闫晓娟李志新胡志裕张永智王乐董磊尹王保贾锁堂 Author： ZHANG Lei MA Wei-guang YAN Xiao-juan LI Zhi-xin HU Zhi-yu ZHANG Yong-zhi WANG Le DONG Lei YIN Wang-bao JIA Suo-tang 作者单位：量子光学与光量子器件国家重点实验室,山西大学物理电子工程学院,山西太原030006 期刊：光谱学与光谱分析 ISTICEISCIPKU Journal： Spectroscopy and Spectral Analysis 年，卷(期)： 2011, 31(9) 分类号： O433.5 关键词：激光诱导击穿光谱发射谱线信噪比参数优化煤粉等离子体机标分类号： O53 TQ5 机标关键词：激光诱导击穿光谱光谱实验装置最优化参数优化研究 Experimental Device Based Breakdown Parameters Optimization 微量元素测量相对标准偏差信噪比激光脉冲能量 LIBS 窄带滤波片中心频率优化设置样品池延迟时间实验结果煤质分析基金项目：国家(863计划)项目，国家基金创新闭队项目，国家自然科学基金，山西省专利推广资助项目，山西省青年科技研究基金，山西省高等学校优秀创新团队支持计划，山西省高等学校中青年拔尖创新人才支持计划项目资助

光谱参数篇3

土壤有机质高光谱响应特性研究为土壤肥力的快速测定提供了新的途径。国内外众多学者进行了相关的研究工作, 针对不同的研究区选取的敏感波段和建立的反演模型不尽相同, 在认识上还存在着一定的分歧。Galvundefined等 (1998) 通过室内研究证实了土壤反射光谱在550～700nm处的吸收峰主要是由土壤中的有机质引起的[1]。Chang等 (2002) 认为有机质近红外光谱区的光谱特性与有机质成分功能团对应解释的难度很大, 一般体现为降低整个谱线的反射系数[2]。彭玉魁等 (1998) 对我国黄土区土壤有机质含量进行了评价分析, 认为土壤样品NIRS光谱特征的差异随有机质含量变化不大[3]。沙晋明等 (2003) 利用VF991地物光谱测量仪对不同成土环境土壤剖面上的各个土层进行反射光谱测量, 研究发现在紫外区、可见光区和近红外区均存在着土壤有机质光谱响应[4]。谢伯承等 (2004) 通过ASD FR便携式光谱仪对褐潮土土壤剖面的不同诊断层反射光谱进行了实验室测定, 并利用导数光谱法和包络线法建立了预测土壤有机质含量的方程, 提出了预测北京地区褐潮土有机质光谱的最佳波段[5,6]。

光谱测试环境在很大程度上影响反演模型的可靠性和普遍性。在自然条件下, 土壤有机质含量、质地、含水量及母质等因素对土壤光谱的影响很难截然分开, 在实验室测试所建模型很难外推到自然条件下使用。通过对土壤样品进行特殊处理, 以及对原始光谱数据进行适当变换, 可以实现自然条件下单独测定某一因素对光谱特征的影响。为了降低非有机质含量变化而引起的光谱响应特征的影响, 本文将土壤样品进行处理后, 结合室外实测光谱和土壤有机质含量进行分析, 建立土壤有机质含量高光谱反演模型, 并试图在模型精度及稳定性上有所突破。

1 材料与方法

1.1 土样制备

本文研究区为江苏省昆山市, 其土壤类型主要为潴育型水稻土。土壤样品采集按梅花采样法采集5点的混合样品, 采样深度为0～20cm。样品在实验室经自然风干, 木棒压磨后粗略去除沙砾及植物残体, 然后过100目尼龙筛混合均匀。每个样品分成两份, 一份用来进行化学分析, 土壤有机质含量采用重铬酸钾法测定[7];另一份土壤样品则放置在载波片上, 用蒸馏水稀释成泥状并压平, 在常温下自然风干, 用来进行光谱测量。

1.2 光谱测量

采用ASD FieldSpec Pro地物光谱仪测量土壤样品的反射光谱数据, 其波长范围为350～2 500nm, 采样间隔为1.4nm (250～1 000nm区间) 和2nm (1 000～2 500nm区间) , 重采样间隔为1nm, 输出波段数为2 150。选择晴朗无云、无风的天气, 在室外自然光照条件下, 采用5°视场角探头, 距土壤样品15cm处垂直角度进行光谱采集, 测量时间范围一般为上午11:00-12:00。每一样品采集10条光谱, 得到土壤反射亮度平均值;然后采用漫反射标准参考板准同步测量太阳辐射光谱, 通过比值法获得土壤样品光谱反射比。

1.3 数据预处理

对测量获取的土壤反射率数据进行筛选, 去除异常 (土样风干后出现裂纹) 数据, 选定27条光谱数据。其中, 随机抽取19条数据用于模型的回归分析, 其余8条用于模型验证。所选27个土样有机质含量的统计特征描述如表1所示。

2 结果与分析

2.1 光谱特征分析

土壤反射光谱特性是土壤有机质含量、土壤类型、土壤质地和土壤湿度等光谱特征的综合响应[8]。实验室光谱测定中, 土壤样品经研磨预处理后改变了表面的粗糙度, 其反射光强度比未研磨土样有所增强, 但吸收特性的位置并没有发生改变[9]。据此, 本次所选样品土壤类型均为潴育型水稻土, 土样经过研磨、风干处理后, 基本消除了土壤类型、土壤质地以及土壤湿度对土壤光谱的影响, 土壤样品的反射光谱变化特性主要反映了有机质含量的变化特征。所选土壤样本反射光谱曲线, 如图1所示。

在1 400, 1 900, 2 400nm等波段附近有强烈的水分吸收谷, 通常认为与粘土矿物中所含的OH-有关[10]。由于是室外采集, 该范围光谱受大气中水汽吸收的干扰作用较大, 数据质量较差, 无法直接用于土壤有机质含量估测, 本次研究对这些水汽吸收带进行了剔除处理。根据戴昌达等对我国主要土壤反射光谱特征曲线的划分, 研究区土壤的光谱曲线属缓斜型[11]。光谱曲线整体呈上凸的抛物线形, 反射率随波长增加, 在可见光波段增加较快, 而在近红外波段曲线变得平缓。由于690～930nm波段是铁的氧化矿物对光谱的主要吸收区[12], 因此该波段是有机质和氧化铁对土壤反射光谱影响的复合区, 波形存在着差异;在2 100～2 380nm所表现出的峰谷吸收结构主要是由残余在土壤中的少量水分以及空气中的水汽吸收所引起的。

2.2 模型建立与验证

由于光谱仪各波段间对能量响应上的差异, 获取的原始光谱曲线存在一些噪声。本研究采用九点加权移动平均的方法对原始光谱曲线进行平滑去噪处理:波段i处的反射率用包括i在内的相邻9个波段的加权平均值替代, 计算公式如下

对平滑曲线R′i应用ENVI4.2中Spectral模块的Continuum Removed算法直接生成连续统去除归一化曲线Rcon。为了便于运算吸收特征参数, 用1分别去减归一化曲线Rcon上各波段对应值, 得到土壤光谱吸收特征曲线Rabs, 如图2所示。

光谱吸收特征参数包括吸收波段波长位置、深度、宽度、斜率、对称度、面积和光谱绝对反射值等。其中, 面积A为宽度和深度的综合参数, 定义为

undefined

其中, A为吸收带面积, d为吸收深度, Δλ为波长增量, a和b分别为吸收带起止波段值。

分析土壤光谱吸收特征曲线, 在380, 490, 700, 830, 900, 1 470, 2 060, 2 200nm附近都有强烈的特征吸收峰, 且不同有机质含量的样品光谱吸收深度明显不同, 各吸收带所包含的面积也不同。笔者在文献[13]中运用统计单相关分析方法确定了511nm波长为诊断土壤有机质含量的敏感波段。因此, 本文选择包含511nm在内的450～580nm波段范围内的特征吸收面积来评价与有机质含量的关系, 回归模型分析结果见表2所示。

**通过置信水平0.001的系数检验。

综合考虑R2, F以及系数信度3个检验值, 450～580nm波段范围内的特征吸收面积与土壤有机质含量之间的对数拟合模型较好, 该模型可以解释有机质含量变异性的67.40%。利用建模样品数据对该模型进行误差分析, 绝对误差最大值为5.618g/kg, 最小值为0.008g/kg, 平均相对误差为7.33%, 即模型拟合总体精度达92.67%。进一步利用剩余8个检验样品数据对该对数模型进行预测评价 (如图3所示) , 平均相对误差为6.81%, 验证精度达到93.19%。

由此可见, 用连续统去除法提取特征吸收面积来定量评价土壤有机质含量具有普遍意义。

3 讨论与结论

土壤反射光谱深受土壤自身理化性质差异以及光谱测试环境变动的影响, 对土壤样本进行研磨、风干等处理, 可部分消除非有机质特性对土壤光谱的影响。此外, 由于高光谱波段很窄 (<10nm) , 单波段能量较低, 而前人研究多以单波段反射率建立土壤有机质含量反演模型, 其受到环境差异的影响较大。本文用连续统去除法提取特征吸收面积建立土壤有机质含量的预测模型, 增强了反射率能量, 提高了模型的稳定性。

光谱参数篇4

1 微型快速生化检测仪光谱扫描系统

基于微型光谱仪的多参数微型快速生化检测仪光谱扫描系统结构[3]如图1所示。

光谱扫描系统以卤钨灯作为检测光源, 通过直线步进电机带动直线型结构排列的分立式多参数样品检测室移动, 样品室透射光通过光纤探头进入微型光谱仪, 从而获取光谱信号[4], 各被测样品室与准直光源、光谱仪形成生化检测系统以检测相应的生化指标。光纤探头在样品室通光孔处获取光谱信号时, 光线相对纤芯平面的入射角对光纤获取的光强信号有较大影响, 如果光纤探头对同一样品室的多次对准过程中存在较大偏差, 便会导致检测结果的准确性、重复性变差, 因此准直光源、光纤探头与样品室通光孔必须精确共轴, 因此, 光谱扫描自动定位的高精度控制是微型快速生化检测仪精确检测各被测样品的关键技术, 文中就此展开微型快速生化检测仪光谱扫描自动定位控制系统的设计与实验研究, 对提高微型快速生化检测仪的稳定性与准确性具有重要的作用。

2 光谱扫描系统控制电路

光谱扫描系统的控制电路原理如图2所示。

光谱扫描系统控制电路主要是采用S3C2410A核心板控制光源、光谱仪、直线步进电机和光电限位开关等硬件设备[5]。通过S3C2410A控制GPE12端口的高低电平实现光源的开关, USB接口控制光谱仪的光强数据采集。S3C2410A核心板的TOUT3端口及GPE15、GPE13端口为步进电机驱动器提供脉冲信号、方向信号以及使能信号, 使步进电机驱动器驱动步进电机转动, 从而带动样品室沿直线导轨移动, 实现各个样品室的光谱扫描功能。S3C2410A核心板的GPB2端口读入光电限位开关输出电平, 设置步进电机初始参考位置[6]。

3 光谱扫描系统自动定位控制程序

光谱扫描系统样品室自动定位程序是在基于微型快速检测仪的嵌入式Linux软件系统方案下设计的, 软件系统平台采用最新的Linux2.6.14内核作为嵌入式操作系统[7]。

3.1 搭建交叉编译环境

由于嵌入式设备的资源有限, 需要在PC机上进行应用程序的编写, 但是PC机是基于X86的体系结构, 而嵌入式设备是基于ARM9的体系结构, 因此PC机上编写的应用程序不能直接应用到嵌入式设备中, 需要通过交叉编译环境来开发嵌入式设备程序[8]。最后把编译好的应用程序生成可执行文件下载到嵌入式设备中[9]。所选用的是开源的基于ARM体系结构的GCC工具链, 交叉编译时所用的工具链是ARM3.4.1版本, 采用arm-linux-g++交叉编译器[10]。

3.2 应用程序设计

程序首先要进行设备初始化, 包括:光源控制函数 (PSMSC_IOCW_LAMP) 、风扇控制函数 (PSMSC_IOCW_CHASSIS_FAN) 、温度控制函数 (PSMSC_IOCR_CELL_TEMPT) 等设备函数的初始化。初始化完成后, 电机调用原点程序使步进电机回到初始位置。发送脉冲前调用电机驱动程序 (PSMSC_IOCR_STEPPER_MOTOR_RUN) , 同时光谱仪采集光强信号, 通过判断光强是否为最大函数的算法比较得到光强最大点所对应的脉冲数, 并记录为样品室的定位位置。最后所有样品室定位完成时, 步进电机触碰光电限位开关定位结束[11]。应用程序的结构框图如图3所示。

3.3 自动定位控制图形界面

在Windows下使用集成开发工具Qt Creator设计的光谱扫描系统样品室自动定界面[12]如图4所示。点击start按钮, 开始发送脉冲并采集光强数据, 程序自动找到光强最大点。

数据采集结束后, 点击result按钮, 每个样品室的定位点显示在location子界面中如图5中得到的每个样品室定位点的脉冲数[13]。

4 控制系统的联机测试

将光谱扫描自动定位控制模块程序优化整合到微型快速生化检测仪样机软件设计中, 进行联机调试实验研究。以甲基橙溶液为例, 展开了仪器测试吸光度重复性、吸光度线性的实验研究[14]。

由于甲基橙在465 nm波长处的吸光度效果最好, 因此实验时设置波长为465 nm, 并将积分时间调至270 s, 此时光强大且处于不饱和状态, 能够达到很好的实验效果。配置的溶液浓度分别为:5μmol/L、10μmol/L、20μmol/L、25μmol/L、30μmol/L、35μmol/L、40μmol/L。每个浓度测试10次, 实验的原始数据如表1所示。

(1) 吸光度重复性

将所得数据按式 (1) 计算每个杯位的变异系数CV值[15]

式中, ;x为每次实测的吸光度值;n为实测次数;xˉ为n次测量结果的平均值。

由以上计算公式得到数据的重复性为:CV1=0.35%、CV2=0.23%、CV3=0.10%、CV4=0.07%、CV5=0.06%、CV6=0.06%、CV7=0.07%。根据YY/T0014-2005《半自动生化分析仪》中仪器重复性要求≪1%, 由计算结果得知每个杯位的重复性均满足要求。

(2) 吸光度线性

由于系统采用的样品检测室为标准比色杯, 标准比色杯光程为10 mm, 因此该项检测, 依据YY/T0014-2005《半自动生化分析仪》中线性度的检测方法来计算吸光度的线性度, 按照式 (2) 计算线性偏倚

其中, ΔAi为在吸光度为i时的线性偏倚;i为在吸光度为i时的实测吸光度的平均值;Ai0为在吸光度为i时的标准溶液或中性滤色片的标称值。各浓度吸光度线性偏倚如表2。

YY/T0014-2005《半自动生化分析仪》吸光度线性应满足如下要求:

吸光度在≤0.5范围内, 偏倚不超过±5%;

吸光度在>0.5~≤1.0范围内, 偏倚不超过±4%;

吸光度在>1.0~≤1.8范围内, 偏倚不超过±2%。

由计算结果得出, 微型快速生化检测仪的吸光度在各个范围内均满足要求。