便携式质谱重叠峰解析方法 — 小波变换 vs 分形理论
两篇对比论文：小波变换方法（李宝强等，2015）与分形分辨法（陈晓燕等，2004），均用于便携式/低分辨率质谱重叠峰解析。
论文一：基于小波变换的便携式质谱重叠峰解析方法研究
| 字段 | 值 |
|---|---|
| 作者 | 李宝强、李翠萍、黄启斌、张众垚、徐智、张琳、郭春涛 |
| 单位 | 国民核生化灾害防护国家重点实验室；北京普析通用仪器有限责任公司 |
| 期刊 | 质谱学报，2015年5月，第36卷第3期，pp.199-205 |
| DOI | 10.7538/zpxb.youxian.2014.0067 |
| 基金 | 国家重点基础研究发展计划（973计划）项目（2011CB706900） |
核心问题
便携式质谱仪（分辨率半峰宽 ΔM < 1 u）在复杂混合物分析时，由于分辨率不够高，出现重叠峰，导致无法准确识别待测物质的特征峰。
方法原理
小波变换分离重叠峰的基本思路：
- 对重叠谱峰信号 f(t) 进行小波变换，得到系数 {c_j, d_j, d_{j-1}, …, d_1}
- 选取表示谱峰信号的较高频率的离散细节 d_j
- 合理确定细节 d_i 的放大倍数 T
- 将放大后的细节部分与近似部分进行小波逆变换，得到新的质谱峰信号
质谱峰模型（高斯峰叠加）：
f(t) = Σ A_m / (w_m * √(π/2)) * exp{-2[(t - c_m)/w_m]²} + n(t)
其中 c_m 为峰中心，w_m 为半峰宽，n(t) 为噪声。
四个关键参数
1. 小波函数选择
标准：最大化能量 + 最小化 Shannon 熵
- 能量：E_s(W) = Σ|W(s,i)|²
- Shannon熵：H_s(W) = -Σ p_i log₂(p_i)，p_i = |W(s,i)|²/E_s(W)
- 综合指标：能量-Shannon熵比 R(s) = E_s(W)/H_s(W)
实验结果：选择 bior2.2 小波函数（仿真信号和实测 DMMP 数据综合最优）
2. 小波分解层数确定
关系式：a = 2^N（尺度 a 与分解层数 N） 截止条件：f_a ≥ β/w（β 一般 ≤ 3） 推导：N ≥ log₂(3/(w·f_c))
其中 bior2.2 的中心频率 f_c = 1.008，便携式质谱半峰宽 w 对应 ΔM < 1 u，得 N ≥ 2。
实测 DMMP 数据峰较宽，选用 N = 4 层分解。
3. 细节部分选取
- 仿真数据（峰窄）：选取所有细节部分 D(N,n)，n=1,2,3,…,2
- 实测数据（峰宽）：选取部分高频细节 D(N,n)，n=1,3,5,…,2
4. 放大倍数 T
- T ∈ [2, 10]
- T > 10：分离效果不增加，信号强度严重失真
- T < 2：达不到解析效果
- 仿真大峰-大峰：T = 8
- 仿真大峰-小峰：T = 4
- 实测 DMMP：T = 4
分离度定义（借鉴色谱）
R = (c₂ - c₁) / [0.5 × (W₁ + W₂)]
其中 c₁,c₂ 为峰位置，W₁,W₂ 为 10% 峰强处宽度。
实验结果
| 谱图类型 | 原始分离度 | 解析后分离度 | 提高幅度 |
|---|---|---|---|
| 大峰-大峰（仿真） | 0.4375 | 1.0 | +128.57% |
| 大峰-小峰（仿真） | 0.625 | 0.95 | +52.0% |
| 实测 DMMP | < 0.8 | 1.07 | > 33.75% |
实测 DMMP（甲基磷酸二甲酯，化学战剂模拟物）两个峰位从 93/94 解析为 93.085/93.979，误差 < ±0.1，与 NIST 标准谱库一致。
局限与注意事项
- 旁瓣效应：仿真峰起始/结束处尖锐，分离后存在旁瓣，峰位略有偏差（不影响特征峰识别）
- 寻峰算法依赖：峰位偏差部分源于最大值寻峰算法
论文二：基于分形理论分辨重叠峰的新算法
| 字段 | 值 |
|---|---|
| 作者 | 陈晓燕、莫金垣、邹小勇、梁利芳 |
| 单位 | 中山大学化学与化学化工学院 |
| 期刊 | 高等学校化学学报，2004年7月，第25卷第7期，pp.1221-1225 |
| 基金 | 国家自然科学基金(29975033)、广东省自然科学基金(001237) |
核心问题
光谱、色谱、电化学等仪器分析中普遍存在重叠峰问题。传统方法（曲线拟合需预先确定峰个数、傅里叶去卷积需预选变宽函数、小波分析需母小波函数）均有参数敏感性问题。
方法原理：分形分辨法（FRM）
分形维数定义：
D = lim(r→0) [lg N(r) / lg(1/r)]
其中 N(r) 是覆盖信号曲线所需边长为 r 的正方形最少个数。
实际算法：
- 将信号 f(n) 分段，每段 2^(r-1) 个元素
- 计算每段的 N(r) = Σ round{[max(g_i) - min(g_i)] / r}
- 作 lgN(r) ~ lg(1/r) 散点图
- 最小二乘拟合直线 y = kx + b，斜率 k 即为分形维数 D
关键性质：分形维数曲线的每个点代表从起点到该点的原始信号维数，原始信号的任何变化都会灵敏地表示在分形维数曲线上。
峰数判断：若分形维数表征图中凹陷点总数为 n，则谱峰个数为 (n+1)/2。峰位置对应于奇数编号的凹陷点。
模拟信号模型
y = Σ A_i * d / [x^(1 + exp[B_i(x - C_i)])]
A、B、C 分别控制峰高、半峰宽和峰位置。
分离度定义
R = 2(ν₂ - ν₁)^(2-ν) / (W₁ + W₂)
R 越大分离越好，R ≤ 0.4 时难以辨别。
实验结果
模拟信号（1-5个组分峰）：
- 峰位置判断误差 ≤ 2个点（对长度2000的信号）
- 无需限制信号长度为 2
- 分离度最小可达 0.5
峰面积保持性检验：
- 改变第二个峰面积（比例 0.5:1:1.5:2），处理后峰面积线性关系 R² = 0.9999
- 证明该方法不破坏定量分析基础
实测数据：
- 荧光光谱（NaYF₄:Yb/Er 上转换纳米材料）：5个发射峰（²I₁₁/₂→⁴I₁₅/₂ 和 ⁴S₃/₂→⁴I₁₅/₂ 跃迁）原本未完全分离，处理后全部清晰分辨
- 毛细管电泳高频电导信号（精氨酸、赖氨酸、组氨酸、脯氨酸）：经基线校正+去噪+分形分辨后，4个氨基酸峰完全分离
方法特点
- 时域分析，无需频域变换
- 无须优选参数，自动化程度高
- 避免人工判断误差
- 适用于光谱、电化学、色谱、质谱等多种信号
方法对比
| 维度 | 小波变换法（李宝强等，2015） | 分形分辨法（陈晓燕等，2004） |
|---|---|---|
| 理论基础 | 小波多尺度分析 + 能量/熵优化 | 分形几何 + Hausdorff 维数 |
| 参数敏感 | 需选定小波函数、分解层数、细节选取、放大倍数（4个参数） | 仅需分形分析，参数更少 |
| 频域处理 | 需要（小波变换本质是时频分析） | 不需要（纯时域） |
| 适用信号 | 便携式质谱重叠峰（ΔM < 1 u） | 光谱/电化学/色谱/质谱通用 |
| 分离效果 | 大峰-大峰提升128.57%，实测DMMP提升33.75% | 模拟信号基本实现基线分离，R最小达0.5 |
| 定量保持 | 峰位准确，峰强有变化但不影响相对比例 | 峰面积保持性 R²=0.9999 |
| 峰数判断 | 需手动设定参数后寻峰 | 自动判断（凹陷点计数） |
实践启示
- 便携式质谱场景：小波变换法更适合，因其针对便携质谱分辨率特性设计了分解层数公式
- 通用分析场景：分形分辨法更简单鲁棒，适合自动化处理
- 组合使用：可先用分形法判断峰数和峰位，再用小波法精细分离