第30卷，第9期 2010年9月
光谐学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 30,No. 9.pp2409-2412 September, 2010
基于脉冲耦合神经网络的拉曼光谱定性分析
王成‘，黎绍发"，吴正洁"，何
凯，黄耀能2
1.华南理工大学计算机科学与工程学院，广东广州510006 2.暨南大学生物医学工程研究所，广东广州510632
摘要通过对脉冲耦合神经网络（pulsecoupledneuralnetwork，PCNN)和拉曼光讲定性分析的研究，提出了基于PCNN的拉受光谱定性分析方法。首先，利用PCNN神经元的疲劳与不应期特性将拉变光谱数据进行编码；然后，基于改进的Horspool算法将检测样品对应编码与基码数据库中的所有基码遂一匹配，并得到各对应的匹配相似度，进而判定样品类别。相关实验和数据分析证明了该文方法的准确性和有效性。同时，该文方法避免了目前基于谱模版定性分析方法中待测样品拉曼光谱特征谱峰难以确定以及匹配分析允
余度高等不足，且对存储空间的要求仪为后者的5.8%。关键词
脉冲耦合神经网络；激光拉受光谱；定性分析；相似度：Horspool算法
中图分类号：0657.3
引言
文献标识码：A
D0I:10.3964/j.issn.1000-0593(2010)09240904
1990年，Eckhom根据猫的大膀皮层同步脉冲发放现象(")，提出了展示脉冲发放现象的连接模型，对Eckhom提
脉冲耦合神经网络（pulse coupled neuralnetwork，PC NN)是依据猫、猴等动物的大脑视觉皮层上的同步脉冲发放现象提出的第三代人工神经网络，与传统神经网络相比，它更好的模仿了生物神经元。国内外大量研究指出，PCNN 处理过程具有良好的尺度不变性、旋转不变性、信号强度不变性和信号扭曲不变性"。并能通过神经元的相位锁定环实现时序编码和频率编码3。至今，PCNN模型已被广泛应用于图像处理、通信、决策优化等领域[46]。
激光拉变光谱分析作为一项新兴光谱分析技术，具有制样简单、分析快速、无损、以及所检测的样品仅需微量即可满足测至要求等诸多优点[7.8]，已被广泛应用于样品的定性分析[9.)。本文首次将PCNN应用于受光谱定性分析。首先，利用PCNN神经元的疲劳与不应期特性"，将拉受光谐数据做二进制时序编码；然后，基于改进的Horspool算法[]将检测样品光谱对应编码与基码数据库中的基码逐一匹配，并使用相似度来衡录样品编码与各基码的相似程度，以最终确定检测样品中的物质成分。相关实验结果和分析证明了本文方法的准确性和有效性。
基本原理 1
1.1基于PCNN的拉受光谱数据编码方法收璃日期：2009-11-06，修订日期：2010-02-09
出的模型进行一此修改，就得到了PCNN模型[12]。PCNN 中每个神经元通常由5个部分组成：反馈输入、链接输人、内部活动项、动念阀值，以及脉冲产生器，其结构如图1所示，并可由离敢数学方程描述如下
F(n) = ep4F (n1)+S, +VMgY(n1)
(1)
Ly (n)= e4L (n-1)+V,WYu(n-1)
(2)
U, (n) = F, (n)(1+μL, (n)
, (n) = e, (n1) + V,Y, (n 1)
Y, (n) step(U, (n) —, (n)) 尚口
t
H
X
ALRH
：要变城 Fig1
基金项目：国家自然科学基金仅器专项项日(30227001)和面上项月(30940019)资助
作者简介：王成，1977年生，华南理工大学计算机科学与工程学院博土研究生万方数据
请制部分
脉净产生器分
Single neuron model of PCNN
e-mail; wzhjmoon163. com
(3)(4)(5)