基于盲源分离的有机物混合信号特征提取与解析

展开基于独立成分分析(ICA)对复杂有机物混合体系盲源解析的系统研究。通过确立合理的独立成分数目的方法，分别利用模型分离信号的重构信号与原始信号之间的均方根误差、主成分的方差贡献率对独立成分数目的选择进行优化。综合3种ICA算法完成了以下研究：(1)含硝基苯等多种环境有机污染物混合质谱信号的源解析，其中Kernel-ICA提取的独立成分与实际的源信号之间具有较高的相关性，R平均值(标准差)为0.869 7(0.10),可以满足定性识别的要求；(2)复方氨酚烷胺药物的紫外光谱信号中特征组分信息的提取，Kernel-ICA对药物主要成分对乙酰氨基酚提取的有效度最大。该研究工作为构建有机物体系最优盲源解析模型提供了理论支持，为实际环境样本中有机污染物的源解析、药物有效成分的提取提供了有效的手段。