光譜信號分析

1. 學習光譜分析看什麼書好呢

多年前看過浙江大學有一本教材《色度學》，裡面講得很好。
可下載的連接沒有找到，只找到了書的介紹，希望對你有幫助。

《色度學》荊其誠、焦書蘭、喻柏林、胡維生著。科學出版社1979年第1版，1982年第2次印刷。
下面是概述，

色度學是研究人類顏色視覺規律、顏色測量的理論和技術的科學，它涉及到物理光學、視覺生理、視覺心理和心理物理等學科領域，是一門綜合性的科學。光源研製、印刷、染織、電影、電視、化工、燈光信號、照明、偽裝等都需要對顏色進行測量和控制，因而色度學也是一門應用領域非常廣泛的科學。隨著經濟建設的迅速發展和科學技術水平的提高，人們對色度學知識的了解日益迫切。本書正是為滿足這種需要而撰寫的，它系統地介紹了顏色視覺的基本規律和顏色測量的方法，是中國第一本色度學的著作。
本書36萬字,共分8章。前兩章介紹了顏色視覺的生理學和心理學基本知識。第 3章介紹了國際照明委員會(CIE)正式推薦的色度學規定和測色方法。第4章介紹了測色原理和測色的儀器。第 5章說明了同色異譜顏色及其評價。第 6章敘述了一種對表面色進行分類和標定的方法——孟塞爾顏色系統。第 7章介紹了光源的色度學。第 8章說明了色度學在彩色電視、顏色燈光信號及彩色印刷、塗料、攝影等領域中的應用。本書還收集了 9個色度學常用的數據表作為附錄，書的正文里對如何運用這些數據表進行有關的色度學計算作了敘述。

2. 光譜分析儀器的基本結構是什麼

（1） 光源 提供強度大、穩定、而且發光面積小的連續光譜或線光譜的裝置。紫外分子吸版收分光光權度計常用的光源有氫燈和氘燈，可見分子吸收分光光度計常用的光源有鎢燈和鹵鎢燈，紅外分子吸收分光光度計常用的光源有硅碳棒，能斯特燈；原子吸收分光光度計常用的光源有空心陰極燈。
（2）單色器 將連續光按波長順序色散，並從中分離出一定寬度的波帶的裝置。單色器一般由光柵或棱鏡、狹縫、準直鏡三部分組成。
（3）樣品池 用來存留被測樣品的器皿或裝置。紫外分子吸收常用石英池，可見分子吸收常用玻璃池，紅外分子吸收用岩鹽材料製作的液體池、氣體池、固體池；原子吸收為原子化器。
（4）檢測器 將光信號轉換成電信號的裝置。紫外-可見吸收常用光電池、光電管、光電倍增管、光二極體陣列檢測器。紅外吸收常用熱電偶、高萊槽和電阻測輻射熱計。
（5）訊號處理及顯示系統 訊號處理包括訊號放大、數學運算與轉換等。顯示系統包括電表顯示、數字顯示、熒光屏顯示、結果列印等。

3. 光譜特徵分析與提取

6.1.1 基於光譜重排的光譜特徵提取方法

首先，針對光譜吸收特徵受雜訊影響較大的問題，對數據進行最小雜訊分量正變換，消除雜訊後，再將最小雜訊分量特徵空間的數據變換回原數據空間，即最小雜訊分量反變換；然後針對單個吸收不穩定、光照等對光譜幅值影響較大等問題，提出在連續去除的基礎上，利用所有吸收特徵並將光譜吸收特徵按吸收深度由強至弱重排，從而實現穩定、可靠的光譜特徵提取。

（1）最小雜訊分量變換

在實際應用中，地物光譜吸收特徵對雜訊敏感，因此，在進行特徵提取之前，研究中引入了最小雜訊分量變換（Minimum Noise Fraction，MNF），去除雜訊對特徵提取影響的同時去除數據相關性。

MNF變換是Green等人在主成分分析理論的基礎上改進得到的。通常被用來去除數據中的雜訊成分，同時確定高光譜數據的本徵維數，從而減少後續處理的運算量。

該方法以雜訊協方差的估計矩陣為基礎，調整雜訊的取值並去除其波段間的相關性。在結果數據中雜訊的方差為1，並且在波段間無相關性。假設高光譜數據X＝［x₁，x₂，…，x_m］^T可以表示為

X ＝ Z ＋ N （6.1）

式中：矩陣Z，N分別是理想信號和雜訊矩陣，且彼此不相關；第i 波段的雜訊分量定義為NF_i ＝

，信噪比定義為SNR_i＝

。

∑_X，∑_Z和∑_N分別為可觀測信號、理想信號及雜訊的協方差矩陣，並且有

∑_X ＝∑X_Z ＋∑_N （6.2）

假設F為∑_N的白化矩陣，∑_N的特徵值矩陣為

＝diag（λ_N1，λ_N2，…，λ_Np），其中p為波段數，則有

高光譜遙感技術原理及礦產與能源勘查應用

高光譜遙感技術原理及礦產與能源勘查應用

式中：I為單位矩陣，矩陣

由∑_N的特徵向量組成，且滿足

。

假設∑_w＝F ^T∑_X F為雜訊白化之後的觀測數據的協方差矩陣，∑_w矩陣特徵值組成的對角矩陣為

＝d i a g（λ_w1 ，λ_w2 ，…，λ_wp），對矩陣∑_w作主成分變換，可以得到由矩陣∑_w特徵向量組成的

，使得

高光譜遙感技術原理及礦產與能源勘查應用

於是得到最小雜訊分量變換矩陣：

高光譜遙感技術原理及礦產與能源勘查應用

由式（6.6）得觀測信號最小雜訊分量變換後的矩陣為

T ＝ M^TX （6.7）

經過式（6.7）變換之後，可觀測信號各個波段間彼此不相關，且各個波段按信噪比由大到小排列

。即按變換後數據T的特徵值排列，較大的特徵值對應信號為主的圖像，接近於1的特徵值代表雜訊佔主導的圖像。在變換之後，通常可以直接利用T進行數據後續處理，但是Cheriyadat和Bruce等人證明，主成分變換完全依賴於數據整體的協方差，當類內方差占據類間方差的主體時，主成分變換傾向於將數據向不利於分類的方向投影。可見，MNF變換與主成分變換具有相同的特點，因此，研究中提出的演算法在利用MNF之後，利用最小雜訊分量反變換將數據轉換回光譜空間，這樣可以最大限度地保證數據的可分性。

（2）光譜重排

不同地物的光譜信息是不相同的，因此，高光譜遙感提供的地物精細的光譜信息可以直接作為特徵提取與目標識別的依據，比如利用紅邊、綠峰、NDVI等特徵可以提取植被。但當不同地物之間的光譜在形狀、幅值、變化趨勢等指標大致相同的時候（即光譜特徵相似），提取區分不同地物顯著特徵是非常困難的，即地物之間的不相關性均勻地分布在各個波段；此外，由於單個光譜吸收特徵容易受到光照條件、大氣等影響使得提取的光譜特徵參量不穩定。因此，針對以上問題，研究中提出了基於光譜重排的特徵提取方法，根據光譜吸收深度的由強到弱排列，剩餘的沒有吸收特徵波段則按波長由小到大排列。

光譜重排的實現過程如下：

1）通過不同階數的微分值確定的光譜彎曲點、最大最小光譜反射率及其波長位置，計算連續統去除後目標光譜的吸收位置λ_M 及其反射率值ρ_M、吸收深度H、吸收左右肩（ρ_L，ρ_R）及其反射值（λ_L，λ_R），並且吸收深度H的計算公式如下：

H ＝ d × ρ_L ＋（1-d）× ρ_R-ρ_M （6.8）

d ＝（λ_L-λ_M）/（λ_R-λ_L） （6.9）

2）將目標光譜按照吸收深度H由強至弱進行排列，若無吸收特徵，則按波長由小到大進行排列；

3）以目標光譜為基譜，將圖像數據光譜按照目標光譜重排後的波長進行排序。

該方法有效地利用了高光譜遙感數據提供的地物所有吸收特徵，增加了特徵提取的穩定性和可靠性；並且通過大量的實驗發現，任何兩種不同地物的光譜通過光譜重排之後，區分不同地物的顯著特徵更加明顯，增加了類別間的可分性。

（3）演算法實現

基於光譜重排的抗雜訊光譜特徵提取方法的實現流程如圖6.1所示。該方法中為了消除雜訊對光譜吸收特徵參數提取的影響，引入了MNF變換；為了有效抑制由於光照條件、感測器等因素產生的光譜幅值變化對光譜特徵提取的影響，引入了連續統去除操作；為了克服單一特徵不穩定、不同地物光譜特徵相似等問題，提出了光譜重排的方法。

（4）實驗分析

為了驗證上述研究中方法的有效性和可行性，採用AVIRIS航空高光譜數據進行實驗分析，並利用光譜之間的光譜角進行可分性的定量化分析。

實驗數據為1995年7月在美國內華達州Cuprite礦區AVIRIS航空高光譜數據，並且使用ATREM方法校正得到了地表反射率，波段范圍為1990～2480nm，空間解析度20m，光譜解析度10nm，數據大小為255 × 350 × 50。

圖6.1 光譜特徵提取方法實現流程

該研究區域的礦物分布圖如圖6.2（a）所示，從數據中提取高嶺石光譜曲線如圖6.2（b）所示，光譜重排後的光譜如圖6.2（c）所示。高嶺石、明礬石、布丁石及熱液硅石特徵提取前的光譜比較如圖6.3（a）所示，以高嶺石光譜為基譜，光譜重排後四種礦物的光譜特徵如圖6.3（b）（圖中的光譜曲線縱坐標做了平移處理）所示。利用光譜角的方法進行四種礦物光譜重排前後可分性的比較，結果如表6.1和表6.2所示。

圖6.2 高嶺石礦物光譜比較

圖6.3 四種礦物光譜比較

表6.1 原始光譜數據四種礦物的可分性

表6.2 重排後光譜數據四種礦物的可分性

由圖6.2和圖6.3可以看出，經光譜重排後，高嶺石礦物光譜吸收特徵按吸收深度的強弱進行了重新排列，較好的顯現了高光譜所有吸收特徵及主次吸收特徵的變化；並且明礬石與高嶺石礦物在2200 nm的光譜特徵由於吸收寬度等不同而能將二者較好的區分。由圖6.3與表6.2可以看出，經過光譜重排後，高嶺石與其他三種礦物的可分性均存在不同程度的增大，特別是，高嶺石與明礬石的可分性從0.1978增加為0.225；為後續礦物識別與分類等處理奠定了良好的基礎。

圖6.4 SAM方法礦物識別結果

為了進一步驗證該方法的性能，進行了利用該方法以及基於SAM方法的礦物識別結果比對分析。利用原始光譜進行光譜角匹配識別的結果如圖6.4所示。利用基於光譜重排的抗雜訊特徵提取方法得到的數據進行礦物識別，結果如圖6.5 所示。可以看出，兩種方法均能實現四種主要蝕變礦物的識別，但是，採用原始光譜進行識別的結果中存在著一定程度的礦物混淆，並且布丁石的識別結果混淆尤其明顯；而在研究方法中進行特徵提取基礎上得到的礦物識別結果礦物混淆明顯降低，取得了較好的識別結果，證明了上述研究中提出的方法的優越性能。

圖6.5 基於光譜重排特徵提取方法礦物識別結果

6.1.2 吸收波長加權匹配方法

光譜曲線往往包含了許多由雜訊引入的無效特徵，利用同類地物光譜特徵求交，實現了有效吸收波長、吸收深度的提取；常用的SAFP匹配方法中，只有參考光譜和測試光譜的特徵在相同的波長位置時，兩條光譜才被判為相同，匹配准則比較苛刻，導致由於雜訊等因素影響光譜特徵而無法匹配，吸收波長加權匹配法利用偏移加權矩陣實現了吸收波長的容偏匹配，大大增加了匹配的准確性，降低了外界因素對吸收參量特徵的影響。

對同類地物光譜曲線特徵求交，得出識別地物的有效特徵；地物光譜的診斷吸收特徵總是出現在特定的波段上，在某些情況下會有局部的偏移；對吸收特徵的中心波長進行匹配，並容許一定程度的波段偏移，容許程度用偏移加權矩陣來度量，能夠對地物光譜實現精確的識別。考慮到實際應用雜訊及系統誤差引入的干擾，用吸收深度對單個中心波長進行加權，吸收深度小的吸收特徵對整體相似度的貢獻小，吸收深度大的吸收特徵對整體相似度的貢獻大，這樣一定程度上抑制了無法去除的非有效特徵的影響。

（1）吸收波長加權匹配的實現

有效吸收特徵的精確提取和容偏匹配實現流程如圖6.6所示，具體包含以下幾個步驟：

1）對參考光譜連續統去除。利用導數法確定各吸收特徵的中心位置和左右肩對應的波長後，利用下列公式提取吸收特徵中心波長和吸收深度：

高光譜遙感技術原理及礦產與能源勘查應用

式中：

和

分別為吸收左肩端、右肩端、吸收谷點的反射率和波長位置；d＝

為吸收的對稱性參數。

沒有標准參考光譜時，參考光譜通過訓練樣本得到。通過上述方法提取各條參考光譜的吸收中心波長和吸收深度後，對所有訓練樣本的吸收特徵參數求交，方法如下：

光譜A和B的所有吸收特徵為feature_a，feature_b，A的第i個波段上存在特徵，對feature_b計算：

judge ＝ Weight·feature_b（［i-BandOffset：i ＋ BandOffset］） （6.11）

如果，judge＞0 ，則光譜A的第i個波段上的特徵為有效特徵。

得到參考光譜共有的有效特徵，此處需要記錄的是有效特徵的位置和吸收深度的大小，保存在向量EffFeatureIndex和Depth中。

2）提取未知光譜所有吸收位置和對應的吸收深度特徵，記錄在FeaturePos和FeatureDepth；

圖6.6 中心波長加權匹配流程圖

未知光譜特徵與參考光譜有效特徵按位匹配，匹配方法包含兩個參數，容許波段偏移數BandOffset和偏移加權矩陣Weight。

3）找到參考光譜第i個特徵位置，生成特徵檢驗區間：

TestIndex ＝（i-BandOffset）：（i ＋ BandOffset） （6.12）

計算特徵檢驗值：

TestValue ＝ Weight·FeatureDepth（TestIndex） （6.13）

TestValue不為0 ，則說明未知光譜對應位置存在有效特徵，反之則不存在，未知光譜中的識別特徵所在波段記錄在向量EffIndex中。

4）重復3）的過程，直到對未知光譜的所有有效特徵進行了檢測，未知光譜中識別特徵存在的波段記錄在向量EffIndex中。

5）對吸收位置用吸收深度加權匹配，匹配度的計算公式如下：

高光譜遙感技術原理及礦產與能源勘查應用

6）根據匹配度degree的值判斷未知光譜與參考光譜的近似程度，閾值Thresh手動選擇，根據經驗，在用吸收深度加權的匹配方法中，Thresh＝0.8就能獲得較高的識別率。

用吸收深度加權對吸收特徵中心波長進行容偏匹配的關鍵在於：有效吸收特徵的准確提取和偏移加權矩陣Weight或容許波段偏移數目BandOffset的選擇，反射率曲線所有吸收特徵的精確提取是前提，偏移加權矩陣的確定需要根據對像光譜的采樣間隔來確定，Weight的分量的個數為2 × BandOffset＋1；並且有效特徵提取和特徵識別過程使用的偏移加權矩陣Weight可以不同，光譜采樣間隔較大時，可以選擇Weight的各個分量服從高斯分布。

（2）基於USGS光譜庫數據的實驗與結果分析

圖6.7（a）為USGS礦物光譜庫中六條綠泥石連續統去除後反射率曲線；波段偏移參數BandOffset＝1，對應的容偏矩陣Weight＝［1，1，1］；即兩條光譜的特徵相差一個波段以下認為該特徵為有效特徵；綠泥石的有效特徵見圖6.7（b），用方框標記出了吸收谷的波長位置；圖6.7（c）給出了利用吸收波長加權匹配方法得到的綠泥石有效特徵；圖6.7（d）給出了綠泥石和陽起石反射率光譜。

圖6.7 有效特徵提取

匹配加權矩陣Weight＝［1，1，1］表示容許兩端偏移，Weight＝［0.1，1，0.1］表示不容許偏移；兩情況對應的相似度見表6.3和表6.4。對比表6.3和表6.4的相似度值可以看出，容許波段偏移後，綠泥石光譜間的相似度明顯變大。利用圖6.7（c）的有效特徵對圖6.7（d）所示的陽起石和綠泥石光譜進行Weight＝［1，1，1］匹配，近似度見表6.5，用綠泥石的有效光譜能有效的識別出綠泥石光譜與陽起石光譜的差異。

表6.3 綠泥石光譜識別Weight＝［1，1，1］

表6.4 綠泥石光譜識別Weight＝［0.1，1，0.1］

表6.5 陽起石和綠泥石識別Weight＝［1，1，1］

（3）基於AVIRIS數據的實驗與結果分析

利用內華達州Cuprite礦區的AVIRIS數據進行基於吸收波長加權提取方法實現礦物匹配識別研究。利用的礦物端元光譜如圖6.8所示，識別結果如圖6.9所示。

從地質圖6.2（a）與結果圖6.9比較可以看出，該方法對具有明顯光譜吸收特徵的明礬石和高嶺石礦物具有較高精度的識別效果，但是對於吸收特徵較寬、較淺的白雲母和布丁石的識別效果則較差。

圖6.8 演算法中用到的端元光譜

圖6.9 基於吸收波長加權特徵提取的礦物匹配識別結果

4. 紅外光譜分析時 採集背景信號的目的是什麼

對於非復純凈物樣品而言，制例如溶液樣品，固體粉末(紅外光譜中用KBr 作為壓模基質)，採集背景信號的目的都是為了獲得本底光譜，用來對樣品溶液、或者粉末樣品進行做差減掉溶劑、空氣中的水分、二氧化碳等干擾信號，獲得待測的溶質，或者待測固體的光譜。

5. 光譜分析

現代近紅外光譜（NIR）分析技術是近年來分析化學領域迅猛發展的高新分析技術，越來越引起國內外分析專家的注目，在分析化學領域被譽為分析「巨人」，它的出現可以說帶來了又一次分析技術的革命。

近紅外區域按ASTM定義是指波長在780～2526nm范圍內的電磁波，是人們最早發現的非可見光區域。由於物質在該譜區的倍頻和合頻吸收信號弱，譜帶重疊，解析復雜，受當時的技術水平限制，近紅外光譜「沉睡」 了近一個半世紀。直到20世紀50年代，隨著商品化儀器的出現及Norris等人所做的大量工作，使得近紅外光譜技術曾經在農副產品分析中得到廣泛應用。到60年代中後期，隨著各種新的分析技術的出現，加之經典近紅外光譜分析技術暴露出的靈敏度低、抗干擾性差的弱點，使人們淡漠了該技術在分析測試中的應用，從此，近紅外光譜進入了一個沉默的時期。80年代後期，隨著計算機技術的迅速發展，帶動了分析儀器的數字化和化學計量學的發展，通過化學計量學方法在解決光譜信息提取和背景干擾方面取得的良好效果，加之近紅外光譜在測樣技術上所獨有的特點，使人們重新認識了近紅外光譜的價值，近紅外光譜在各領域中的應用研究陸續展開。進入90年代，近紅外光譜在工業領域中的應用全面展開，有關近紅外光譜的研究及應用文獻幾乎呈指數增長，成為發展最快、最引人注目的一門獨立的分析技術。由於近紅外光在常規光纖中具有良好的傳輸特性，使近紅外光譜在在線分析領域也得到了很好的應用，並取得良好的社會效益和經濟效益，從此近紅外光譜技術進入一個快速發展的新時期。

我國對近紅外光譜技術的研究及應用起步較晚，除一些專業分析工作人員以外，近紅外光譜分析技術還鮮為人知。但1995年以來已受到了多方面的關注，並在儀器的研製、軟體開發、基礎研究和應用等方面取得了較為可喜的成果。但是目前國內能夠提供整套近紅外光譜分析技術（近紅外光譜分析儀器、化學計量學軟體、應用模型）的公司仍是寥寥無幾。隨著中國加入WTO及經濟全球化的浪潮，國外許多大型分析儀器生產商紛紛登陸中國，想在第一時間佔領中國的近紅外光譜分析儀器市場。由此也可以看出近紅外光譜分析技術在分析界炙手可熱的發展趨勢。在不久的未來，近紅外光譜分析技術在分析界必將為更多的人所認識和接受。

現代近紅外光譜分析是將光譜測量技術、計算機技術、化學計量學技術與基礎測試技術的有機結合。是將近紅外光譜所反映的樣品基團、組成或物態信息與用標准或認可的參比方法測得的組成或性質數據採用化學計量學技術建立校正模型，然後通過對未知樣品光譜的測定和建立的校正模型來快速預測其組成或性質的一種分析方法。

與常規分析技術不同，近紅外光譜是一種間接分析技術，必須通過建立校正模型（標定模型）來實現對未知樣品的定性或定量分析。具體的分析過程主要包括以下幾個步驟：一是選擇有代表性的樣品並測量其近紅外光譜；二是採用標准或認可的參考方法測定所關心的組分或性質數據；三是將測量的光譜和基礎數據，用適當的化學計量方法建立校正模型；四是未知樣品組分或性質的測定。由近紅外光譜分析技術的工作過程可見，現代近紅外光譜分析技術包括了近紅外光譜儀、化學計量學軟體和應用模型三部分。三者的有機結合才能滿足快速分析的技術要求，是缺一不可的。

與傳統分析技術相比，近紅外光譜分析技術具有諸多優點，它能在幾分鍾內，僅通過對被測樣品完成一次近紅外光譜的採集測量，即可完成其多項性能指標的測定（最多可達十餘項指標）。光譜測量時不需要對分析樣品進行前處理；分析過程中不消耗其它材料或破壞樣品；分析重現性好、成本低。對於經常的質量監控是十分經濟且快速的，但對於偶然做一兩次的分析或分散性樣品的分析則不太適用。因為建立近紅外光譜方法之前必須投入一定的人力、物力和財力才能得到一個准確的校正模型。

近紅外光譜主要是反映C-H、O-H、N-H、S-H等化學鍵的信息，因此分析范圍幾乎可覆蓋所有的有機化合物和混合物。加之其獨有的諸多優點，決定了它應用領域的廣闊，使其在國民經濟發展的許多行業中都能發揮積極作用，並逐漸扮演著不可或缺的角色。主要的應用領域包括：石油及石油化工、基本有機化工、精細化工、冶金、生命科學、制葯、醫學臨床、農業、食品、飲料、煙草、紡織、造紙、化妝品、質量監督、環境保護、高校及科研院所等。在石化領域可測定油品的辛烷值、族組成、十六烷值、閃點、冰點、凝固點、餾程、MTBE含量等；在農業領域可以測定穀物的蛋白質、糖、脂肪、纖維、水分含量等；在醫葯領域可以測定葯品中有效成分，組成和含量；亦可進行樣品的種類鑒別，如酒類和香水的真假辨別，環保廢棄物的分檢等。

6. 近紅外光譜分析技術中信號如何處理分析

對於非純凈物樣品而言，例如溶液樣品，固體粉末(紅外光譜中用KBr 作為壓模基質)，採集背景信號的目的版都是為了獲得本底光譜，用來對樣品溶液、或者粉末樣品進行做差減掉溶劑、空氣中的水分、二氧化碳等干擾信號，獲得待測的溶質，權或者待測固體的光譜。

7. 四大光譜法解析化合物結構時分別利用哪些信號特徵和參數

這樣實在很龐大 難以簡單說完
只能給你大概的印象
1紫外光譜
基本上用處很小 只能拿來觀察共軛系統大小 長短
大概以200nm為界線 數字越大 那麼共軛系統越長
如果共振結構多 也會使最大吸收波長變長
本環本身約在200上下 若有雙鍵取代基團
像是烯 醛 酸 NO2 有電子對可供共振 則吸收波長偏右
雖然可以有細部計算方式 但並不實際
2紅外光譜
CH3-3000 尖銳
C=O 1630-1850
C=C 1620-1680
O-H 3650-3200 寬廣
N-H 3500-3300 尖銳
其實還有很多 但是一般圖譜都是復雜難辨認
只有以上的幾個 還算是具有特色的特徵
3質譜
質譜的用處就大多了 不過主要還是得到分子量
以及異原子 像是Cl Br
質譜得到的分子量為M+ 具有同位素的原子
會在母峰M+旁出現另外一個峰
若是在M++2位置有波峰 通常考慮Cl Br
Cl35:Cl37 3:1 Br79:Br81 1:1
也就是說母峰比M+2峰高度比 若是3:1 考慮有Cl存在
另外像是斷裂點 假設分子量M+
若有M+ - 15的峰 代表可能有CH3+的斷片存在
若有M+ -31的峰 代表可能有OCH3+ 甲氧基的支鏈
也就是根據斷裂峰的大小推斷分子的可能存在基團
4氫譜
化學位移 所接基團負電性越強 吸電子能力越強
共軛系統上的H 都會逐步增加化學位移
CH3 -1-2
CH2-Cl 2-3
C=C 4-6
苯環 7左右
醛 9-10
酸 11-12
這些很好記 重點是COUPLING CONSTANT 偶合常數
具有相同偶合常數的峰 代表鄰接
代具有共軛系 則可能長距離耦合
像是苯環鄰位取代 偶合常數>間位>對位
這也要看所用的機器解析度 90MHz 則不見得看得到耦合
若是300 MHz 600 MHz 900 MHz 越高則解晰越清礎
耦合關系也會比較好計算
另外要考慮所用溶劑 像是酸化合物
若是使用的溶劑不夠乾燥除水 則可能會發生看不到酸上的H

一般考試所給的圖譜 一定會具有代表性 清晰 干凈
只要背熟了 其實很容易解析結構
若是真的要解化合物結構
那紫外光 紅外光譜 恐怕一點用途也沒有
只能靠經驗啰 多看圖譜

8. 光譜分析基礎

光源所發出的光譜和原子外層電子所激發出的光譜性質是不一樣的 分析測試網路網樂版意為你權解答實驗中碰到的各種問題，基本上問題都能得到解答，有問題可去那提問，網路上搜下就有。

在激發和躍遷過程中，元素燈發光是有方向的，原子發光是無方向的，

你說的是原子吸收光譜吧??原子吸收光譜中,檢測器檢測的是透過的光,是經過火焰原子吸收後透過的光,即陰極燈本身發出的光,儀器上顯示的是吸光度,是被原子吸收的那部分.元素濃度越高,被吸收的部分越大,也就是吸光度越大,那麼到達檢測器的透光其實是越小.因為透光率和吸光率成倒數關系.
而原子發射光譜檢測的是待測原子去激發時發出的光,不會再有吸收的環節,所以發射光譜中的儀器信號不叫吸光度,而是發射強度.

9. 光譜分析儀與分光光度計的詳細區別

個人抄理解如下，請參考：襲
1）區別：
光譜分析儀：用於測量發光體的輻射光譜，即發光體本身的指標參數。
分布光度計：用於產生單色光，並對某物質對該單色光的吸收進行分析。即 使用某種發光體通過單色儀產生某一波長的單色光，並將該單色光照射於被測量物質上，再通過光電感測器接收照射在物質後的光信號，根據此光信號分析該物質。

2)應用：
光譜分析儀：照明燈具廠家（節能燈\LED\白熾燈\熒光粉\紫外光源\紅外光源等等的發光參數）。
分布光度計：醫葯環境等的物質檢定（純度檢驗\推測化合物的分子結構\氫鍵強度的測定\絡合物組成及穩定常數的測定等等）。

3）精度：
與儀器的配置有關，無法做簡單比較，包括單色儀的分光精度\光電感測器的靈敏度等\電路放大等等。