本發(fā)明涉及拉曼光譜降噪領(lǐng)域，尤其涉及一種基于msc-u-net算法的拉曼光譜降噪方法。

背景技術(shù)：

1、由于儀器、環(huán)境、宇宙射線等因素的干擾，測(cè)量得到的拉曼光譜都存在一定的噪聲，會(huì)對(duì)拉曼光譜后續(xù)的定量或定性分析等產(chǎn)生干擾，因此對(duì)光譜進(jìn)行降噪處理是必要的。

2、1.傳統(tǒng)降噪方法

3、常用的基于統(tǒng)計(jì)學(xué)的光譜降噪方法有s-g濾波、wt平滑、滑動(dòng)平均法等，在專利cn117574063a中，通過使用離散傅里葉變換得到光譜的頻譜數(shù)據(jù)，并從其中提取有效信號(hào)，去除噪聲信號(hào)，然后再將有效信號(hào)利用傅里葉變換復(fù)原得到降噪后的光。在專利cn111289106中，通過設(shè)計(jì)光譜信號(hào)s的頻率-幅度響應(yīng)函數(shù)pf，將pf變換得到相應(yīng)濾波卷積傳遞函數(shù)h，并計(jì)算光譜與h的卷積y，截取與光譜s等長(zhǎng)的數(shù)據(jù)，得到降噪后光譜數(shù)據(jù)。在專利cn110208211a中，利用eemd方法對(duì)港普進(jìn)行信號(hào)分解，等到若干imf分量，依據(jù)imf分量自適應(yīng)獲得與之，選取出含噪聲的imf分量，對(duì)選取的噪聲分量平滑處理，在將處理后的信號(hào)重構(gòu)獲得降噪光譜。

4、2.機(jī)器學(xué)習(xí)

5、在專利cn111678599a中，通過建立adam算法神經(jīng)網(wǎng)絡(luò)拓?fù)淠Ｐ?，選取s-g濾波的最佳參數(shù)組合，根據(jù)最佳參數(shù)再使用s-g濾波算法對(duì)光譜進(jìn)行自適應(yīng)降噪。在專利cn110135320a中，公開了一種基于bp神經(jīng)網(wǎng)絡(luò)與方差補(bǔ)償?shù)墓庾V降噪方法以及裝置，使用bp神經(jīng)網(wǎng)絡(luò)算法獲取最有濾波參數(shù)組合對(duì)光譜進(jìn)行降噪。

6、在測(cè)量拉曼光譜過程中，由于環(huán)境、儀器、宇宙射線等影響，光譜中存在的噪聲有周期性噪聲也有隨機(jī)分布噪聲，而傳統(tǒng)頻譜法只對(duì)于周期性噪聲信號(hào)有很好的降噪效果，對(duì)于隨機(jī)噪聲的去除表現(xiàn)一般；而基于多項(xiàng)式擬合的降噪方法對(duì)于參數(shù)的選取很敏感，參數(shù)的選擇對(duì)結(jié)果有很大影響，并且在降噪的同時(shí)也會(huì)損失部分有效信號(hào)；一些網(wǎng)絡(luò)光譜降噪模型使用人工合成數(shù)據(jù)訓(xùn)練，在實(shí)際應(yīng)用中有很大的區(qū)別。

7、因此，有必要提供一種基于u-net神經(jīng)網(wǎng)絡(luò)算法的拉曼光譜降噪方法，能有效去除拉曼光譜中的噪聲信號(hào)，包括傳統(tǒng)方法難以去除的奇異峰，以提高拉曼光譜信噪比，為后續(xù)光譜定量或定性分析奠定基礎(chǔ)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題是提供一種基于msc-u-net算法的拉曼光譜降噪方法，能有效去除拉曼光譜中的噪聲信號(hào)，以提高拉曼光譜信噪比。

2、為解決上述技術(shù)問題，本發(fā)明提供了一種基于msc-u-net算法的拉曼光譜降噪方法，包括如下步驟：s1：在同一測(cè)量條件、環(huán)境下，測(cè)量多種物質(zhì)不同濃度的拉曼光譜，每種物質(zhì)的每個(gè)濃度分別測(cè)量多條光譜，得到含有噪聲的原始光譜數(shù)據(jù)集；s2：對(duì)采集的所有光譜進(jìn)行歸一化預(yù)處理，將數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集，構(gòu)建降噪模型所需數(shù)據(jù)集；s3：將采集的原始光譜按照同一物質(zhì)同一濃度的多條光譜分別做平均處理，得到不含噪聲的理想光譜；s4：構(gòu)建msc-u-net模型，將訓(xùn)練集輸入模型進(jìn)行參數(shù)學(xué)習(xí)，根據(jù)損失函數(shù)迭代優(yōu)化，得到光譜降噪模型。

3、進(jìn)一步地，所述步驟s4包括如下步驟：s41：msc處理：按照同一物質(zhì)同一濃度，將訓(xùn)練集、驗(yàn)證集光譜進(jìn)行msc處理；s42：下采樣：卷積層、池化層、bn層交替形成，其中卷積層卷積核大小為1×3，使用padd?ing處理，bn層對(duì)輸出數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，池化層均采用1×2最大池化，激活函數(shù)采用relu函數(shù)；s43：上采樣：由卷積層和反卷積層組成，上采樣采用1×2大小卷積核進(jìn)行反卷積操作，并與對(duì)應(yīng)下采樣特征圖連接；卷積層同樣使用1×3卷積核進(jìn)行卷積操作，使用padd?ing處理，bn層對(duì)輸出數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，激活函數(shù)采用relu函數(shù)；s44：輸出層由兩層卷積層組成，卷積核大小均為1×1，激活函數(shù)為relu函數(shù)。

4、進(jìn)一步地，所述步驟s4中的relu函數(shù)如下：

5、f(x)＝max(0,x)。

6、進(jìn)一步地，所述步驟s4中的損失函數(shù)計(jì)算公式如下：

7、。

8、

9、進(jìn)一步地，所述步驟s1中測(cè)量至少6種不同物質(zhì)至少5種不同濃度的拉曼光譜，每種物質(zhì)的每個(gè)濃度分別測(cè)量至少7條光譜。

10、進(jìn)一步地，所述步驟s2中，訓(xùn)練集、驗(yàn)證集和測(cè)試集的比例為8：1：1或6：2：2。

11、進(jìn)一步地，所述步驟s4采用的優(yōu)化策略為adam算法，參數(shù)初始學(xué)習(xí)率為1×10-2-1×10-3，迭代更新次數(shù)根據(jù)驗(yàn)證集損失函數(shù)值確定，當(dāng)驗(yàn)證集損失函數(shù)值不再下降時(shí)結(jié)束迭代。

12、進(jìn)一步地，還包括步驟s5：將未參與訓(xùn)練的測(cè)試集數(shù)據(jù)使用訓(xùn)練好的網(wǎng)絡(luò)模型進(jìn)行降噪處理，計(jì)算與理想光譜的mse以驗(yàn)證模型的降噪能力,mse小于10-5表明數(shù)據(jù)降噪效果較為理想，若降噪效果較差，則返回步驟s1增加數(shù)據(jù)集繼續(xù)優(yōu)化模型。

13、本發(fā)明對(duì)比現(xiàn)有技術(shù)有如下的優(yōu)勢(shì)效果：本發(fā)明提供的基于msc-u-net算法的拉曼光譜降噪方法，通過對(duì)采集的所有光譜進(jìn)行歸一化預(yù)處理并劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集，然后將采集的原始光譜按照同一物質(zhì)同一濃度的多條光譜分別做平均處理，得到不含噪聲的理想光譜；最后構(gòu)建msc-u-net模型，將訓(xùn)練集輸入模型進(jìn)行參數(shù)學(xué)習(xí)，根據(jù)損失函數(shù)迭代優(yōu)化，得到光譜降噪模型。能有效去除拉曼光譜中的噪聲信號(hào)，包括去除傳統(tǒng)方法難以去除的奇異峰，同時(shí)又不損失有效信號(hào)，提高了拉曼光譜信噪比，為后續(xù)光譜定量或定性分析奠定基礎(chǔ)。

技術(shù)特征：

1.一種基于msc-u-net算法的拉曼光譜降噪方法，其特征在于，包括如下步驟：

2.如權(quán)利要求1所述的拉曼光譜降噪方法，其特征在于，所述步驟s4包括如下步驟：

3.如權(quán)利要求2所述的拉曼光譜降噪方法，其特征在于，所述步驟s4中的relu函數(shù)如下：

4.如權(quán)利要求1所述的拉曼光譜降噪方法，其特征在于，所述步驟s4中的損失函數(shù)計(jì)算公式如下：

5.如權(quán)利要求1所述的拉曼光譜降噪方法，其特征在于，所述步驟s1中測(cè)量至少6種不同物質(zhì)至少5種不同濃度的拉曼光譜，每種物質(zhì)的每個(gè)濃度分別測(cè)量至少7條光譜。

6.如權(quán)利要求1所述的拉曼光譜降噪方法，其特征在于，所述步驟s2中，訓(xùn)練集、驗(yàn)證集和測(cè)試集的比例為8：1：1或6：2：2。

7.如權(quán)利要求6所述的拉曼光譜降噪方法，其特征在于，所述步驟s4采用的優(yōu)化策略為adam算法，參數(shù)初始學(xué)習(xí)率為1×10-2-1×10-3，迭代更新次數(shù)根據(jù)驗(yàn)證集損失函數(shù)值確定，當(dāng)驗(yàn)證集損失函數(shù)值不再下降時(shí)結(jié)束迭代。

8.如權(quán)利要求7所述的拉曼光譜降噪方法，其特征在于，還包括步驟s5：將未參與訓(xùn)練的測(cè)試集數(shù)據(jù)使用訓(xùn)練好的網(wǎng)絡(luò)模型進(jìn)行降噪處理，計(jì)算與理想光譜的mse以驗(yàn)證模型的降噪能力,若mse大于等于10-5，則返回步驟s1增加數(shù)據(jù)集繼續(xù)優(yōu)化模型，直到mse小于10-5。

技術(shù)總結(jié)
本發(fā)明公開了一種基于MSC?U?Net算法的拉曼光譜降噪方法，包括如下步驟：S1：在同一測(cè)量條件、環(huán)境下，測(cè)量多種物質(zhì)不同濃度的拉曼光譜，每種物質(zhì)的每個(gè)濃度分別測(cè)量多條光譜，得到含有噪聲的原始光譜數(shù)據(jù)集；S2：對(duì)采集的所有光譜進(jìn)行歸一化預(yù)處理，將數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集，構(gòu)建降噪模型所需數(shù)據(jù)集；S3：將采集的原始光譜按照同一物質(zhì)同一濃度的多條光譜分別做平均處理，得到不含噪聲的理想光譜；S4：構(gòu)建MSC?U?Net模型，將訓(xùn)練集輸入模型進(jìn)行參數(shù)學(xué)習(xí)，根據(jù)損失函數(shù)迭代優(yōu)化，得到光譜降噪模型。能有效去除拉曼光譜中的噪聲信號(hào)，包括奇異峰，同時(shí)又不損失有效信號(hào)，提高了拉曼光譜信噪比，為后續(xù)光譜定量或定性分析奠定基礎(chǔ)。

技術(shù)研發(fā)人員：于永愛,李子璇,鄧趙斌
受保護(hù)的技術(shù)使用者：上海如海光電科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30