首页 > 其他分享 >Peakfit | 光谱分析拟合软件功能介绍&安装教程

Peakfit | 光谱分析拟合软件功能介绍&安装教程

时间:2024-04-09 11:22:52浏览次数:16  
标签:选项 高斯 PeakFit 卷积 峰值 Peakfit 拟合 光谱分析

PeakFit当前新版本为V4.12

Systat PeakFit是一款功能强大的数据峰值拟合软件,通过该软件,用户可以快速的将数据导入软件进行分析,为用户拟合出各项数据的峰值,该软件支持大多数数据文件格式导入您可以利用软件中的数据扫面功能将该分析数据运用在软件中,当您创建一个新的峰值时,可以将计算的数据重新导入分析项目,无需完成重建该数据的峰值,新版中PeakFit可以自动和准确地放置正和负幅度峰值的混合,用户不需要在进行分类设置了,非常方便。

软件功能

1、PeakFit的参数约束

“适应首选项”选项包含内置参数约束,这些约束基于与峰的初始位置定义的值的百分比变化。这些约束的默认值非常严格,适合提供具有大量明确定义的峰的光谱或色谱数据。如果在拟合期间在“约束”字段中看到重复的非零值,则可能需要打开这些约束或谨慎地禁用它们。

2.背景配件

要在后台执行峰拟合,只需将“数值拟合”或“图形拟合”窗口进行小化。由于PeakFit使用单独的和较低优先级的适配线程,所以前台性能不应该受到任何影响。

3.直接删除峰

在“自动修正峰”选项中,现在可以直接通过双击其主锚点直接删除峰。也可以使用删除峰的文档中描述的步骤,右键单击峰的主锚点,然后在弹出对话框中左键单击“删除峰”按钮。

4.正振幅峰值和负振幅峰值的混合

PeakFit现在可以自动和准确地放置正和负幅度峰值的混合。此功能存在于AutoFit Peaks I Residuals选项中。只需选中允许负值。当允许负幅度峰值时,禁用自动添加正残余峰值的选项。仍然可以通过在期望峰的中心位置附近的残差图中点击来添加单个残差峰。您可能需要预先减去基线或使用线性渐进基线选项,因为常数零二阶导数程序在存在负振幅峰值时失败。

5.部分重新扫描

当您在自动调整峰值选项之一中创建自定义峰值展示位置时,可以更改控制面板设置,而无需完全重建峰值。检测到自定义调整时,将显示完全扫描或部分扫描的选项。完整扫描将清除所有自定义调整。部分扫描将使用当前峰值计数和位置作为新的峰值放置的基础。除了当前默认峰类型之外的峰在部分扫描中完全保留。

6.从AIA文件导入过程数据

AIA包含有效保留时间的过程数据的色谱文件可以在任何自动修正峰选项中导入。 “读取扫描设置和参数估计”选项还提供AIA CDF文件类型。只需选择包含要导入的峰分析结果的AIA文件(PeakFit将仅使用峰计数和保留时间值)。包含过程数据的文件不需要与数据拟合相同,但保留时间必须在要拟合的数据的范围内,以便作为峰放置。当更改导致重新扫描的选项时,必须选择部分扫描,以保留导入的峰值计数和位置。如果选中“变化宽度”或“变化形状”,则这些保留时间将通过PeakFit进一步细化。

7.从ASCII文件导入峰值位置

您还可以创建一个ASCII文件,其中包含您希望PeakFit放置峰的峰位置。这在所有三个AutoFit Peaks选项中可用。 “读取扫描设置和参数估计”选项还提供了用于导入峰值位置的外部列表的ASCII TXT文件类型。使用任何ASCII文本编辑器创建文件,或者您可能希望从自定义程序生成文件。简单列出峰值位置每行一个。这些位置必须在拟合数据的范围内。每当发生重新扫描时,必须选择部分扫描,以保留导入的峰值计数和位置。如果选中了变化宽度或变化形状,这些峰值位置值将通过PeakFit进行细化。

8.具有二次模型的非参数数字滤波器

当您使用带有二次模型的PeakFit非参数数字滤波器时,建议使用至少5个点的数据窗口。对于噪声数据,当使用4点的小数据窗口时可能出现不稳定性。

9.鼠标放大复位

在PeakFit图形中单击鼠标右键,远离数据点或峰锚点,现在将仅导致当前放大的清除。默认缩放的完全重置不再发生。

10.数值摘要中的分析领域

分析区域是具有闭合形式解的区域。 PeakFit对其大多数峰函数具有闭合形式的分析面积公式,这些公式在数值摘要的“测量值”部分中报告。例外是高斯 - 洛伦兹交叉积函数,Pearson IV函数,对称双累积,非对称双S型和非对称双累积。对于这些函数,对于所有峰,分析区域的“数值摘要”报告“未知”,并且省略分析面积百分比。对于这些功能,您将需要依靠数字集成的领域。除非峰具有超出数据的X范围的非常宽的尾部,否则分析和数字积分区域将基本上相等。

11.将数字摘要添加到打印输出

当在固定和自定义纵向模式下打印图形时,此选项可用。数字摘要直接打印在图表下方。对于8个或更少的峰,报告两个拟合参数和缩写的测量值。对于超过8个峰,仅打印测量值。字体缩放自动适合指定区域。此选项仅在PeakFit的审阅中可用。

12.打印输出中的线宽

将图形打印到高分辨率输出设备时,用于绘制峰的单宽度线可能显得太浅。这些线可以通过增加线宽来变暗。由于该宽度无法在有限的屏幕分辨率内有效表示,因此打印预览不会反映此线宽设置。

13.拟合高斯和洛伦兹导数

您现在可以数字地放置高斯或洛伦兹峰的一阶或二阶导数。这些功能只能使用正确的鼠标弹出窗口选择。这些列为D1(高斯放大器),D2(高斯放大器),D1(Lor Amp)和D2(Lor Amp)。函数必须严格地由基础高斯或洛伦兹的参数的数值设置。自动放置和图形调整不可用。

作为拟合导数的替代,您可能希望考虑使用PeakFit的累积面积选项的值,以首先集成数据,然后使用PeakFit的自动化直接拟合峰。由于导数中的噪声通常在综合基线中产生不寻常的趋势,因此在拟合之前,您可能希望在AutoFit基线选项中使用PeakFit的非参数过程。通过仅激活被判断为表示真实基线的那些点,非参数模型可以有效地拟合和去除这种类型的基线。数值摘要的测量值部分将报告基于底层峰值而不是导数的分析区域。注意,大多数测量值仅对峰型数据有效,并且在拟合导数时没有意义。

软件安装

首先下载好安装文件→PeakFit V4.12 1、解压安装文件

2、右键管理运行安装程序

 

3、Next

 

4、Yes

 

5、随意输入 点击Next  

 

6、点击Browse….修改软件安装位置为D 点击Next

 

7、Next

 

8、Next

 

9、等待软件安装(太快了,没截到图~)

10、点击Fnish

 

11、开始使用吧

 

 

软件特征:

  1. PeakFit使用三个程序自动放置隐藏的峰值;虽然每种方法都是一种强大的解决方案,但有些数据集可能比其他方法更好。

  2. Residuals过程开始通过在平滑数据流中找到局部最大值放置峰值。然后可选的添加隐藏的峰值,其中出现残余峰值。

  3. 二阶导数过程在平滑二阶导数数据流中搜索局部最小值。这些局部最小值经常揭示隐藏的峰值。

  4. 去卷积过程使用具有傅立叶反卷积/滤波算法的高斯响应函数。成功解卷积的范围将包括等效面积的“尖锐”峰值。目标是增强隐藏的峰值,使每个峰值代表局部最大值。

  5. 如果PeakFit的自动放置功能在极其复杂或嘈杂的数据上失败,您只需点击几下鼠标即可以图形方式放置和拟合峰值。每个放置的函数都有一个“锚点”,甚至可以调整复杂的函数,自动更改函数的特定数字参数。PeakFit的图形放置选项可以平滑的处理复杂的峰值,如高斯峰值。

  6. PeakFit提供复杂的数据处理,使用PeakFit的可视FFT滤波器,您可以检查傅里叶域中的数据流和零点的较高频率点-并立即在时域中检查。这种平滑技术可在保持原始数据流完整性的同时实现出色的降噪效果。

  7. PeakFit还包括自动FFT方法和高斯卷积,Savitzky-Golay方法和用于平滑的Loess算法。AI专家会自动帮助您在整个平滑选项和程序的其他部分中设置许多调整。此外,PeakFit甚至还有一个数字数据助推器,可以帮助您分析稀疏数据。只有PeakFit通过了许多不同的数据处理方式。

  8. PeakFit的非参数基线拟合程序可以轻松去除DNA电泳样品的复杂背景。PeakFit还可以减去其他八个内置基线方程,或者它可以减去您开发并存储在文件中的任何基线。

  9. 每个公布的质量图表都是使用PeakFit的内置图形引擎创建的-现在包括打印预览和一些文件和剪贴板导出选项。数字输出可自定义,因此您只看到所需内容。

  10. PeakFit为您节省宝贵的研究时间,对于大多数数据集,PeakFit将为您完成所有工作。过去花了几个小时、几分钟-现在只需点击几下鼠标。新手可以快速学习如何使用PeakFit。如果您拥有极其复杂或嘈杂的数据集,PeakFit数据处理技术的复杂性和深度是无与伦比的。

软件特色

卷积

当不同的过程根据两个不同的和独立的扩散函数加宽峰时,所得到的峰被认为包括两种不同功能形式的卷积。卷积的数学形式由积分组成:

例如,许多光谱峰由榷状态洛仑兹展宽和独立的高斯仪器展宽形成。高斯和洛伦兹的卷积是Voigt函数,该模型比包括卷积的各个分量复杂得多。

卷积模型

两个不同峰值函数的大多数卷积对于卷积积分缺少闭合形式解。 PeakFit的内置峰值函数集包含三种具有分析形式的不同卷积模型,光谱函数集内的Voigt,以及色谱函数中的EMG和GMG。

卷积模型的独特之处在于拟合函数的参数直接描述了卷积中的分量。这是在峰值拟合内实际发生的唯一的反卷积形式。这是一个最有吸引力的方法,因为它准确地解决卷积积中的两个分量,而不会引入噪声,并且可以重叠和隐藏峰值。

解卷积

解卷积本质上是卷积的撤销或逆转。它通常在傅里叶域中用离散数据完成,并且通常去除仪器响应函数。反卷积的FFT形式涉及必须使用一些有效形式的频域过滤来处理的噪声的主要引入。

仪器响应函数

当不完全的测量仪器有助于峰值展宽时,描述该效应的函数被称为仪器响应函数。大多数去卷积的目的是去除器械拖尾,以便产生没有仪器失真的信号信号。

解卷积光谱或高斯仪器响应函数

大多数光谱仪器响应函数在形式上倾向于是高斯的。因此,大多数光谱峰将由它们的榷状态洛伦兹形式和该高斯拖尾的卷积组成。独立的高斯和洛伦兹展宽可以通过拟合Voigt模型来解决。您还可以通过使用高斯响应函数对傅里叶域中的数据进行第一反卷积来去除高斯拖尾。

“准备菜单”中的Deconvolve Gaussian IRF选项提供了一个自动化的FFT高斯反卷积程序,可用于在拟合之前删除仪器效应。

PeakFit产品功能说明

  • ASCII
  • Excel
  • Lotus 123
  • Quattro Pro Windows
  • SigmaPlot
  • AIA Chromatography
  • dBase III+, IV
  • DIF
  • ASCII和电子表格—如编辑器
  • 平均数字滤波器
  • 高斯反卷积去除分光光度计仪器响应拖尾

  • 指数去卷积以消除色谱检测器响应拖尾

  • 平滑(Savitsky Golay,FFT滤波器,Loess,高斯卷积)
  • 实时FFT/时域图形编辑器
  • 具有图形数据点排除功能的双图形数据分段
  • 非参数数字过滤器,用于过滤或扩充数据
  • 与参考比较
  • 减去从文件导入的基准
  • 数据转换
  • 面积归一化
  • 检查二阶和四阶导数
  • 数据加权
  • 由本地Maxima和残余自动执行
  • 由二阶导数自动生成
  • 通过反卷积自动最大化
  • 图形放置和调整
  • 共享和锁定参数
  • 一步即可恒定或可变宽度和/或形状
  • Marquardt—Levenburg算法
  • 83个内置的非线性模型
  • 最小二乘和3个Robust(最大似然)方法
  • 最多100个峰和1000和参数
  • 智能约束确保合身的完整性
  • 稀疏曲率矩阵,可更快拟合
  • 数值和图形拟合选项
  • 拟合期间放大或切换点
  • 具有完整生成的数据的文件导出:Lotus 123,Excel,Quattro Pro Windows, SigmaPlot和ASCII
  • 图形以BMP或WMF格式写入剪贴板或文件
  • 图形到剪贴板中电子表格格式的所有数值数据

标签:选项,高斯,PeakFit,卷积,峰值,Peakfit,拟合,光谱分析
From: https://www.cnblogs.com/qianxunxiaobao/p/18123513

相关文章

  • (求助)SPSS、Matlab中非线性回归拟合报错-来自即将延毕研究生的苟延残喘
    提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录1原函数形式2SPSS中输入式3Matlab代码及数据集3.1数据集3.2Matlab代码4求助目的1原函数形式原函数形式是这样的,建立多元非线性回归模型,求解参数2SPSS中输入式我的输入式是:0.24a*......
  • 【Mathematical Model】基于Python实现随机森林回归算法&特征重要性评估&线性拟合
    ​    前段时间在做遥感的定量反演,所以研究了一下回归算法,由于之前发的几篇博文都是定义好基础方程进行拟合的,不太满足我的需求。所以研究了一下随机森林回归的算法,之前使用随机森林都是做分类,这次做了回归算法也算是补全了RF算法的空缺了。今天抽空给大家分享一下使用P......
  • 人工智能基础概念5:使用L1范数惩罚进行Lasso回归(正则化)解决机器学习线性回归模型幻觉和
    一、引言在老猿CSDN的博文《人工智能基础概念3:模型陷阱、过拟合、模型幻觉》中介绍了通过L1或L2正则化来限制模型的复杂度来解决过拟合的问题,老猿当时并不了解这背后的原理,这2天通过查阅资料终于明白了相关知识,在此一L1正则化来分享一下相关原理。二、相关概念2.1、......
  • 过拟合(Overfitting)
    过拟合(Overfitting)是机器学习中的一个重要概念,它指的是模型在训练数据上表现得过于优秀,以至于在训练集上达到了很高的准确率,但在未见过的数据(测试集或实际应用中的数据)上表现却大幅下降的现象。这通常意味着模型学习到了训练数据中的噪声或细节,而非数据的通用规律。过拟合的原......
  • R语言GARCH模型对股市sp500收益率bootstrap、滚动估计预测VaR、拟合诊断和蒙特卡罗模
    原文链接:http://tecdat.cn/?p=26271最近我们被客户要求撰写关于GARCH的研究报告,包括一些图形和统计输出。Box等人的开创性工作(1994)在自回归移动平均模型领域的相关工作为波动率建模领域的相关工作铺平了道路,分别由Engle(1982)和Bollerslev(1986)引入了ARCH和GARCH......
  • 【Emgu CV教程】10.4、轮廓之多边形近似拟合
    文章目录一、什么叫轮廓的多边形近似拟合二、轮廓的多边形近似拟合函数三、简单应用1.原始素材2.代码3.运行结果一、什么叫轮廓的多边形近似拟合轮廓一般都是光滑的曲线,多边形近似拟合的意思就是,利用少量的点组成的折线,近似逼近原始多边形,这样可以减少轮廓的点集数......
  • python项目开发——总结笔记(csv excel读取 服务端端口进程 拟合预测 时间格式转化 服
    目录部署服务端程序主服务端控制程序main.py子目录的计算程序jisuan.py读取数据读取csv数据读取读取excel时间格式转换时间戳转datetime并且生成时间序列最后格式化时间 常用函数拟合预测服务端程序控制与维护部署服务端程序主服务端控制程序main.pyfromfl......
  • R语言拟合线性混合效应模型、固定效应随机效应参数估计可视化生物生长、发育、繁殖影
    全文链接:https://tecdat.cn/?p=35338原文出处:拓端数据部落公众号本文将介绍如何设置工作目录、读取数据、标准化数据、拟合线性混合效应模型、提取随机效应参数、绘制相关性图和Dot-and-Whisker图,以帮助研究人员更好地理解数据并进行有效的数据分析。通过这些步骤,我们可以深入了......
  • [Open3d系列]--点云曲线拟合
    Open3d:点云曲线拟合因为项目需要分析点云数据,此文总结其中拟合点云的部分。拟合首先定一个曲线方程:deffunc(x,a,b,c):returna*x**2+b*x+c然后将点云数据结构转换为numpy数组:points=np.asarray(pcd.points)读取点数组中,x轴、y轴的数组:xy_points......
  • matlab用高斯曲线拟合模型分析疫情数据|附代码数据
    原文链接:http://tecdat.cn/?p=19211最近我们被客户要求撰写关于疫情数据的研究报告,包括一些图形和统计输出。本文用matlab分析疫情数据集 数据源我们检查解压缩的文件。包含:confirmed.csv-确诊病例的时间序列数据deaths.csv-死亡人数的时间序列数据recovered.csv-......