基于脉冲耦合神经网络的拉曼光谱定性.pdfVIP

第30卷，第9期 光谱学与光谱分析 20 and l 0年9月 SpectroscopySpectralAnalysis September，2010 基于脉冲耦合神经网络的拉曼光谱定性分析 王 成1，黎绍发1，吴正洁2，何凯1，黄耀熊2 1．华南理工大学计算机科学与工程学院。广东广州510006 2．暨南大学生物医学工程研究所，广东广州 510632 neural 摘要通过对脉冲耦合神经网络(pulsecouplednetwork，PCNN)和拉曼光谱定性分析的研究，提出 了基于PCNN的拉曼光谱定性分析方法。首先，利用PCNN神经冗的疲劳与不应期特性将于证曼光谱数据进 行编码；然后，基于改进的Horspool算法将检测样品对应编码与基码数据库中的所有基码逐一匹配，并得 到各对应的匹配相似度，进而判定样晶类别。相关实验和数据分析证明r该文方法的准确性和有效性。同 时，该文方法避免r目前基于谱模版定性分析方法中待测样品拉曼光谱特征谱峰难以确定以及匹配分析冗 余度高等不足，且对存储空间的要求仪为后者的5．8％。 关键词脉冲耦合神经网络；激光拉曼光谱；定性分析；相似度；Horspool算法 中图分类号：0657．3文献标识码：A IX)I：10．3964／j．issm1000-0593(2010)09-2409—04 1990年，Eckhom根据猫的大脑皮层同步脉冲发放现 引 言 象L1]，提出了展爪脉冲发放现象的连接模型，对Eekhom提 neural 出的模型进行一些修改，就得到了PCNN模型[J引。PCNN 脉冲耦合神经网络(pulsecouplednetwork，PC- 中每个神经元通常由5个部分组成：反馈输入、链接输入、 NN)是依据猫、猴等动物的大脑视觉皮层上的间步脉冲发放 内部活动项、动忿阈值，以及脉冲产生器，其结构如图1所 现象提f}{的第：代人。r：神经网络。与传统神经网络相比，它 示，并可由离散数学方程描述如下 更好的模仿了生物神经元【1]。国内外大量研究指出，PCNN 处理过程具有良好的尺度不变性、旋转不变性、信号强度不 变性和信号扭曲不变性【2J。并能通过神经元的相位锁定环实 (1) 现时序编码和频率编码L3]。至今，PCNN模型已被广泛应用 于图像处理、通信、决策优化等领域[4“。 k．I (3) 激光拉曼光谱分析作为一项新兴光谱分析技术，具有制 ％(船)=R(疗)(1+阻。(n)) (4) 样简单、分析快速、无损、以及所检测的样品仅需微跫即町 如(疗)一f妒rod(行一1)+Ⅵy。(行一1) (5) 满足测量要求等诸多优点[7一]，已被广泛应用于样品的定性 K(”)=step(乩(行)一如(”)) 分析f9J…。本文首次将PCNN应用于拉曼光谱定性