典型文献
基于块稀疏学习的光谱基线校正方法
文献摘要：
光谱数据在采集过程中易发生基线偏移现象,导致后续的鉴别和分析结果偏离真实值.因此,在光谱数据分析前,需利用基线校正技术获取更为准确的光谱数据.基于稀疏贝叶斯学习(SBL)的基线校正方法无需人工选择参数,基线校正结果在贝叶斯框架下具有最优性.然而,现有的稀疏贝叶斯建模较为简单,无法适用于复杂的稀疏结构.在实际应用中,当纯谱的某些谱峰较宽时,对应的稀疏向量将具有一定的块稀疏特性.利用额外的块稀疏结构,有助于进一步提升SBL方法的性能.为了建模稀疏向量的块稀疏结构特性,在原有的贝叶斯模型框架中引入模式耦合分层模型.得益于稀疏贝叶斯框架固有的学习能力,引入的模式耦合分层模型可自适应地学习稀疏向量的块稀疏结构,从而大幅提升了基于SBL的基线校正方法的性能.为验证本文方法的基线校正性能,首先利用模拟数据集进行仿真实验,并将该方法与SSFBCSP方法和SBL-BC方法在不同噪声方差条件下进行对比.仿真实验结果表明,该方法恢复谱峰较宽纯谱的效果提升明显,特别是当噪声方差较大时,其他方法的性能均有不同程度的下降,但该方法依然具有较好的稳定性.蒙特卡罗仿真实验结果也显示该方法纯谱拟合的标准化均方根误差明显优于其他对比方法.最后,利用色谱数据集与三种矿物的拉曼光谱数据集进行实测数据的基线校正性能验证,结果表明该方法能产生比其他方法更为平滑的纯谱拟合结果,且去噪效果更优.
文献关键词：
光谱分析;块稀疏;稀疏贝叶斯学习;基线校正
中图分类号：
作者姓名：
陈苏怡;李浩然;戴继生
作者机构：
江苏大学电气信息工程学院,江苏 镇江 212013
文献出处：
引用格式：
[1]陈苏怡;李浩然;戴继生-.基于块稀疏学习的光谱基线校正方法)[J].光谱学与光谱分析,2022(12):3730-3735
A类：
SSFBCSP,恢复谱
B类：
块稀疏,稀疏学习,基线校正,校正方法,采集过程,中易,基线偏移,结果偏离,真实值,光谱数据分析,分析前,校正技术,技术获取,稀疏贝叶斯学习,SBL,人工选择,贝叶斯框架,最优性,较为简单,稀疏结构,谱峰,稀疏向量,稀疏特性,结构特性,贝叶斯模型,模型框架,模式耦合,分层模型,地学,正性,模拟数据,效果提升,其他方法,蒙特卡罗仿真,比方,用色,色谱数据,拉曼光谱,性能验证,去噪效果,光谱分析
AB值：
0.282558
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
