申请/专利权人：宁波大学

申请日：2020-05-28

公开（公告）日：2020-10-16

公开（公告）号：CN111783533A

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06N3/00(20060101)

优先权：

专利状态码：有效-授权

法律状态：2023.10.24#授权;2020.11.03#实质审查的生效;2020.10.16#公开

摘要：本发明公开了一种基于粒子群算法的离子淌度重叠信号峰分离方法，首先获取原始离子淌度重叠信号峰的强度数据序列作为训练输出数组以及离子淌度数据序列作为训练输入数组，然后构建两个高斯模型和离子淌度重叠信号峰辨识模型，利用粒子群算法对两个高斯模型以及离子淌度重叠信号峰辨识模型一起进行训练，利用训练好的两个高斯模型以及离子淌度重叠信号峰辨识模型对原始离子淌度重叠信号峰进行分离，分别得到两个信号峰的强度数据序列以及模拟重叠信号峰强度数据序列，完成离子淌度重叠信号峰分离；优点是分离效果好、精度高，可以有效分离重叠的离子淌度信号峰，帮助更好分析离子淌度信息，从而更好地分析混合物质的实际成分组成。

主权项：1.一种基于粒子群算法的离子淌度重叠信号峰分离方法，其特征在于包括以下步骤：1获取原始离子淌度重叠信号峰的强度数据序列以及与原始离子淌度重叠信号峰的强度数据序列相对应的原始离子淌度重叠信号峰的离子淌度数据序列，采用原始离子淌度重叠信号峰的离子淌度数据序列构建训练输入数组，采用原始离子淌度重叠信号峰的强度数据序列构建训练输出数组；2先构建用于辨识单个信号峰的两个高斯模型，然后基于这两个高斯模型构建离子淌度重叠信号峰辨识模型；3基于训练输入数组及训练输出数组，利用粒子群算法对两个高斯模型以及离子淌度重叠信号峰辨识模型一起进行训练，得到训练好的两个高斯模型以及离子淌度重叠信号峰辨识模型；4利用训练好的两个高斯模型以及离子淌度重叠信号峰辨识模型对原始离子淌度重叠信号峰进行分离，分别得到原始离子淌度重叠信号峰中两个信号峰的强度数据序列以及模拟重叠信号峰强度数据序列，完成离子淌度重叠信号峰分离。

全文数据：

权利要求：

百度查询： 宁波大学 一种基于粒子群算法的离子淌度重叠信号峰分离方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD