平滑处理在频谱分析中的应用研究与实现 .pdfVIP

平滑处理在频谱分析中的应用研究与实现

钟文峰;周书民

【摘要】质谱仪测试到的数据以频谱图形式显示,通过对频谱图进行分析得到有用

的信息.频谱分析是借助相应的算法运用计算机技术对谱图数据进行处理,以提高谱

图数据的准确度以及其他特性,为分析人员通过谱图来分析质谱数据提供方便.平滑

处理是谱图处理的操作步骤中首要一步,将直接影响到频谱数据分析的准确程度.文

章阐述了频谱分析中所运用的几种平滑处理算法如矩形波串平滑、高斯平滑、抛物

线平滑的原理,并将这些算法运用VS2008和CSharp语言付诸实施.

【期刊名称】《智能计算机与应用》

【年(卷),期】2013(003)003

【总页数】3页(P72-74)

【关键词】平滑处理;质谱仪;频谱分析;研究与实现

【作者】钟文峰;周书民

【作者单位】东华理工大学信息工程学院,南昌330013;东华理工大学信息工程学

院,南昌330013

【正文语种】中文

【中图分类】TP301.6

0引言

质谱仪在对测试对象进行数据采集的过程中，由于环境较复杂，加上光照、电磁多

变等因素，会存在一些噪声和干扰，从而使得频谱曲线呈现锯齿形。如果信噪比低

于一定的水平，将会导致谱图质量的下降，噪声同样可能淹没重要的谱图细节。为

了从采集到的数据中提取更多有用的信息，通常需要对原始数据进行分析处理，即

对原始谱图进行分析处理。对谱线平滑处理则是频谱分析过程中的首要一步，其平

滑效果将影响后续处理环节［1］。文中分析了几种平滑处理算法的原理，同时分

别利用计算机程序加以实现。

1频谱平滑算法概述

平滑处理就是通过某些处理方法使波形线条原有的锯齿变得平滑，看起来即如正弦

曲线般平滑，这实际上就是对谱图进行滤波的过程，滤去噪声数据，达到平滑谱图

的效果。由于平滑算法只是针对优先测量点数据进行平滑处理，所以不能完全去除

噪声数据。在实际应用中，遇到训练数据不够充分的情况时，为了减小由此带来的

统计涨落影响，通常运用参数平滑，对统计结果和概率估计进行必要的调整和修补

［2］。特别说明，参数平滑算法都是运用于实际测试的数据，也就是实际上都是

对实测数据的平滑。

由于频谱曲线是由一系列数据点构成的，在运用计算机技术进行平滑处理时，即转

换成对一批数据的平滑处理。平滑处理某批检测数据(xi，yi)，(i=0，1，2，…，n)

时，其目的是要得到经过平滑处理后的另一批数据(xi，^yi)，(i=0，1，2，…，n)，

不是直接求出拟合多项式的线性参数，而是能得到^yi的平滑计算表达式。平滑处

理在科学研究工作中应用广泛，可以减少测试过程中由于统计误差而产生的影响。

在无法通过多次重复测量来得到其平均数据或者在yi随着xi的变化而发生突然变

化的情况下，比如寻找峰位、峰值或拐点等，平滑处理显得更为有用。

2频谱平滑处理算法

2.1矩形波串平滑算法

矩形波串平滑，即邻域平均法，是一种利用滑动窗口模版对谱图进行模版操作(卷

积运算)的平滑方法。所谓滑动窗口模版是指模版中的全部系数的值均为相同的模

版，常用3点、5点和7点模版。邻域平均法的原理是通过一个数据点和邻域内

数据点求取平均来去除突变的数据点，从而滤掉一定噪声［3］。矩形波串算法中

第i个数据点平滑处理后的值是其前后各M数据点的平均值，故每个模版中参加

平均的数据点数目是2M+1个。计算公式如公式(1)所示:

矩形波串算法适用于连续周期性变化的信号波形探测，这是一种最简单的平滑算法，

可突出中心元素的作用。矩形波串平滑的优点是算法简单，计算速度比较快，其缺

点是会造成图像在一定程度上的模糊。

2.2高斯平滑算法

高峰平滑是一种根据高斯分布函数的形态来计算权值的线性平滑处理方法，可以较

好地降低曲线上噪声及不重要的弱信息。假设谱图曲线的参数方程为F(p)，谱图

曲线上的任一数据点P(x(s)，y(s))与高斯函数G(s，σ)进行卷积运算的公式［4］

如公式(2)所示。

其中，s为欧式参数(s∈［0，L］，L为对应曲线长度)，σ为高斯分布函数均方差。

经高斯平滑后，谱图曲线上数据点的横坐标与纵坐标的计算公式分别为公式(3)和

公式(4)。

由公式(3)和(4)可以依次计算得到谱图曲线上各数据点处理后的新坐标，由这些新

坐标点形成的曲线就是平滑处理后的谱图曲线。

高斯平滑借助信号与噪音频率的特性差异实现了信号与噪音的分开，故而能很好地

去除周期性噪音。在使起伏较缓的峰值不会迅速被淹没的同时，实现了对谱峰的峰