MATLAB和Python激发光谱

激发光谱是一种用于研究物质发光特性的分析方法。当样品吸收特定波长的光时，电子从基态跃迁至激发态。随后，当电子返回基态时，会发射出光子，产生荧光或磷光。激发光谱通过测量不同波长的入射光激发下的发光强度来获取数据。该技术用于识别物质的结构和组成，因为不同物质的电子跃迁特性不同，因此具有独特的激发光谱。广泛应用于材料科学、生物化学和化学分析领域。

🌵MATLAB片段

在 MATLAB 中处理激发光谱可以使用其强大的数据处理和可视化功能。以下是如何用 MATLAB 处理和绘制激发光谱的步骤和示例代码：

步骤：

1. 导入数据：可以是从文件导入数据或直接在 MATLAB 中定义。
2. 处理数据：包括去噪声、平滑和归一化。
3. 绘制光谱 ：使用 plot() 函数或更高级的可视化工具。

示例代码：

假设我们有一个光谱数据集，数据中包括激发波长和对应的强度。

% 示例激发光谱数据
wavelengths = 300:1:600; % 波长范围从 300 nm 到 600 nm
peak_wavelength = 400;   % 激发峰值位置
width = 20;              % 峰值的宽度

% 生成一个高斯曲线来模拟激发光谱强度
intensities = exp(-((wavelengths - peak_wavelength).^2) / (2 * width^2));

% 绘制激发光谱
figure;
plot(wavelengths, intensities, 'LineWidth', 2);
title('Excitation Spectrum');
xlabel('Wavelength (nm)');
ylabel('Intensity (a.u.)');
grid on;

代码说明：

• wavelengths：表示激发光谱的波长范围。
• exp()：使用高斯函数模拟激发光谱的强度分布。
• plot()：绘制光谱图并设置线宽。

数据处理的进一步步骤：

• 平滑光谱 ：如果数据有噪声，可以使用 smooth() 函数进行平滑处理。

  smoothed_intensities = smooth(intensities, 5); % 平滑窗口为5
  plot(wavelengths, smoothed_intensities, 'LineWidth', 2);

• 归一化：为了将数据归一化到 0-1 之间，可以使用以下方法：

  normalized_intensities = intensities / max(intensities);
  plot(wavelengths, normalized_intensities, 'LineWidth', 2);

实验数据的导入：

如果激发光谱数据存储在文件中（如 CSV 或 Excel 文件），可以使用 readmatrix() 或 xlsread() 导入：

data = readmatrix('excitation_spectrum.csv'); % 假设数据文件格式为两列：[波长, 强度]
wavelengths = data(:, 1);
intensities = data(:, 2);

plot(wavelengths, intensities, 'LineWidth', 2);

小结：

• MATLAB 提供了灵活的工具来处理和绘制激发光谱数据。
• 可以根据需要调整图表的格式和样式，并进行数据的高级处理，如去噪和归一化。

这种方法适用于光谱数据的可视化和分析，例如在荧光显微镜或其他光学实验中分析激发光谱。

🌵Python片段

在Python中处理和绘制激发光谱可以使用科学计算库，如NumPy和Matplotlib，来处理数据和可视化光谱信息。以下是一个使用Python来模拟和绘制激发光谱的完整示例。

步骤：

1. 导入必要的库：

   • NumPy 用于数值计算和生成光谱数据。
   • Matplotlib 用于绘制光谱图。

2. 生成或加载激发光谱数据：

   • 可以通过函数生成模拟数据，或者从实验数据文件中加载真实数据。

示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 模拟激发光谱数据
wavelengths = np.linspace(300, 600, 1000)  # 波长范围，从300 nm 到 600 nm
peak_wavelength = 350  # 假设激发峰值在350 nm
width = 20  # 峰宽度，影响曲线的形状

# 使用高斯函数生成激发强度
intensities = np.exp(-((wavelengths - peak_wavelength) ** 2) / (2 * width ** 2))

# 绘制激发光谱
plt.figure(figsize=(10, 6))
plt.plot(wavelengths, intensities, label='Excitation Spectrum', color='orange')
plt.title('Excitation Spectrum')
plt.xlabel('Wavelength (nm)')
plt.ylabel('Intensity (a.u.)')
plt.grid(True)
plt.legend()
plt.show()

代码解释：

• wavelengths：定义了波长范围，从300 nm到600 nm，以便绘制光谱。
• intensities：使用高斯函数生成模拟的激发光谱数据，其中峰值和宽度可调。
• plt.plot() ：用来绘制光谱曲线，并可通过color和label调整样式和图例。

自定义调整：

• 真实数据 ：如果有实验数据，可以用pandas加载CSV或Excel文件，例如：

  import pandas as pd
  
  data = pd.read_csv('excitation_data.csv')  # 假设数据文件中有'wavelength'和'intensity'列
  wavelengths = data['wavelength']
  intensities = data['intensity']
  plt.plot(wavelengths, intensities)

• 多峰光谱：可以叠加多个高斯函数来模拟具有多个激发峰的复杂光谱。

这个示例展示了如何使用Python处理和绘制激发光谱，为进一步的光谱分析或可视化提供了基础。

👉更新：亚图跨际