谱峰拟合软件-Systat Peakfit下载4.13 无限制免费版

Systat Peakfit是一款专业的谱峰拟合软件。你绝对不能错过的谱峰拟合工具Systat Peakfit。它是独特的数据峰峰拟合软件，即峰分析。该工具支持基准测试处理，还提供了三个用于管理基准的选项。您可以从导入的数据中减去外部文件中包含的基准。支持将代表当前数据基线的点拟合到参数或非参数模型，并在放置和拟合之前从数据中减去基线；支持将参数基线和峰放在一起，并一步拟合峰与基线一起，可以在三个自动调整峰选项中的任何一个中完成；可以在拟合之前删除基线，并且用户可以通过选择代表基线的点来非常精确地独立拟合基线，自动进行调整和缩小。取消引用功能支持寻求自动执行此操作，用户可以自由选择特定的基线。您认为应该包含在这样的参考适合中的要点；支持将基线和峰拟合在一起，可以将基线和峰拟合在一起，保持数据的原始纯度，并且当所有模型都适用时，可以产生最佳拟合质量和最准确的拟合统计信息；三个AutoFit Peaks（自动调整峰）模块均使用自动扫描程序，系统将指定的参数基线拟合到数据副本，然后将其减去以尽可能方便地放置峰，非常方便，需要的用户可以下载体验。

使用说明：

隐山

PeakFit将隐藏峰定义为不负责数据流中局部最大值的峰。这并不意味着您看不到隐藏的峰。以下示例说明了包含局部最大峰和两个隐藏峰的数据。

Systat Peakfit

左侧的隐藏峰几乎没有遗漏以在数据流中产生此局部最大值。右侧的隐藏峰在数据流中远不那么明显，位于主峰的肩部之内。隐藏的峰不会在数据的一阶导数中引起符号变化。

残留法查找隐藏峰

残差是数据点的y值与在数据点的x值处评估的组分峰之和之间的差。通过以总面积等于数据面积的方式放置峰，可以显示残差中的隐藏峰。

Systat Peakfit

以上数据反映了五个局部最大峰和两个隐藏峰。当放置五个局部最大峰以保存数据区域时，下图中的残差清楚地显示了隐藏峰。

通过残差信息内容查找隐藏峰是“自动调整”菜单中“自动调整峰I残差”选项的前提。

寻找隐峰的二阶导数法

数据的平滑二阶导数将在峰值位置包含局部最小值。在许多情况下，隐藏峰表明原始数据流中没有局部最大值，但在平滑二阶导数中它确实表现为局部最小值。

Systat Peakfit

显示具有五个局部最大值和两个隐藏峰的相同数据。下图显示了平滑的二阶导数。注意，在二阶导数数据流中很容易检测到两个隐藏峰。

通过自动平滑菜单中的最小值找到平滑的二阶导数中的隐藏峰。

解卷积方法以查找隐藏峰

反卷积是一种数学过程，通常用于消除由仪器测量系统中的缺陷引起的峰拖尾或展宽。当仪器的响应功能从数据中解卷积后，峰会“锐化”。对数据进行反卷积和过滤后，隐藏的峰表明原始数据流中没有局部最大值。

Systat Peakfit

同样，上图显示了具有五个局部最大峰和两个隐藏峰的相同数据集。下图由良好的高斯反卷积和数据的傅立叶域滤波组成请注意，这些峰确实确实变得更加尖锐，并且两个以前隐藏的峰现在清楚地表明了局部最大值。

通过自动解卷积查找隐藏峰，并在过滤后的数据流中找到最大值是“自动适应”菜单中“自动拟合峰III解卷积”选项的前提。

卷积

当不同的过程根据两个不同且独立的扩展函数扩展峰时，所得峰称为两个不同函数形式的卷积。卷积的数学形式由一个整数组成：

Systat Peakfit

例如，通过“自然”洛伦兹展宽和独立的高斯仪器展宽形成许多光谱峰。高斯和洛伦兹的卷积是Voigt函数，该模型比构成卷积的组件复杂得多。

卷积模型

两个不同峰函数的大多数卷积缺少卷积积分的闭合形式解。 PeakFit®的内置峰函数集包含三个解析形式的卷积模型，即谱函数集的Voigt和色谱函数集的EMG和GMG。

卷积模型的唯一性在于拟合函数的参数直接描述了卷积内的分量。这是在峰拟合中实际发生的反褶积的唯一形式。这是

他是最吸引人的方法，因为它可以在不引入噪声的情况下准确地分析卷积的两个分量，并且可以处理重叠峰和隐藏峰。

去卷积

反卷积本质上是卷积的撤消或倒置。通常使用傅立叶域中的离散数据完成此操作，并且通常会删除仪器响应功能。反卷积的FFT形式涉及噪声的主要引入，必须使用有效形式的频域滤波来解决。

仪器响应功能

当不完善的测量仪器引起峰展宽时，描述此效应的函数称为仪器响应函数。大多数反卷积的目的是消除仪器拖尾，以产生没有仪器失真的“粗音”信号。

卷积反卷积或高斯仪器响应函数

大多数频谱仪器的响应函数通常为高斯形式。因此，大多数光谱峰将由其“自然”洛伦兹形式和高斯拖尾的卷积组成。高斯和洛伦兹独立展开可以通过拟合Voigt模型来解决。您还可以通过使用高斯响应函数首先对傅立叶域中的数据进行反卷积来消除高斯拖尾。

在“准备”菜单中找到的“去卷积高斯IRF”选项提供了自动FFT高斯去卷积过程，可用于消除拟合前的仪器影响。

卷积面积恒定

当响应函数具有单位面积时，如仪器响应函数，卷积是恒定的。观测峰的面积与云母峰的面积相同。它只是越来越小。如果您的唯一目的是解析面积和传输频率，则无需担心仪器的效果。

Systat Peakfit

上图说明了由三个重叠的Voigt函数组成的数据。所示的反卷积有效消除了大多数高斯乐器的拖尾。注意，去卷积的结果不是三个单独的洛伦兹分量峰。从某种意义上说，这是一条精炼数据流，其组成峰更明显，建议为每个包含数据的峰建议更大的幅度和更窄的宽度。

去卷积和峰分离

但是，通过消除仪器拖尾，去卷积可以减少或消除相邻峰的重叠。因此，反卷积被视为峰分离过程。仅当重叠足够适度以至于反卷积将原始数据解析为没有峰重叠的新数据流时，峰才会分开。这与通过非线性拟合程序（PeakFit的基本功能）分析组分峰非常不同。

对索引检测器的响应函数进行反卷积

到达色谱检测器的物质将不会立即被检测到。在许多情况下，已经用一阶或指数衰减模型很好地描述了检测器的响应。与光谱法不同，在光谱法中，仪器的响应功能会将信号拖向较高和较低的频率，并且色谱检测器实质上是定向的。它可以将数据记录为比“ rue”信号晚到达，但不能早于到达。

Systat Peakfit

在上图中，色谱峰已使用指数检测器响应函数进行了反卷积。 “原始”信号包含比原始数据中的高斯峰更大的幅度和更窄的宽度。单边指数去卷积消除了方向性拖尾现象，从而将观察到的信号转移到更长的时间。

在“准备”菜单中找到的“卷积索引IRF”选项提供了自动FFT单边指数反卷积过程，可用于消除拟合前的检测器响应影响。如果可以使用这种单边指数去卷积方法成功消除大部分峰偏斜，则可以拟合简单的高斯分布，还可以假设这些高斯分布表示色谱分离中的实际信号，并且理论上数量定义了色谱柱的性能和容量。

卷积模型：EMG

由于EMG（指数修正的高斯函数）是高斯和指数衰减的卷积，因此通过将EMG模型拟合到峰值，您将使用非线性拟合为您实际执行此反卷积。 EMG函数的参数直接产生去卷积的高斯。傅立叶域反卷积会给数据增加很多噪声，并且需要大量滤波，并且通过拟合卷积模型不会引入任何噪声。

去卷积本征峰偏斜

该列可以视为“旋转引擎”，它可以通过多个顺序的数学运算生成高斯峰形状

l卷积然而，实际上，在色谱中很少观察到对称的高斯分布。这部分是由于上一节中提到的离柱检测器响应的影响。同样重要的因素是，柱内动力学中的各种非理想性也会导致峰形的固有偏斜。由于方向性流动或自然序列（例如解吸之前必不可少的吸附），这些非理想状态中的一些可以视为具有方向性约束的峰拖尾。

卷积模型：GMG

产生不对称形状的卷积模型的最简单形式是GMG（半高斯修正高斯）。它是带方向约束或半高斯的无约束或全高斯卷积的结果。

Systat Peakfit

在上图中，色谱峰已用单面高斯反卷积。该效果类似于使指数检测器响应去卷积的效果。峰的宽度减小，幅度增加，并且移动到更早的时间。

在“准备”菜单中找到的“去卷积高斯IRF”选项提供了自动FFT单面高斯去卷积过程，可用于消除拟合前尾部和前端的不对称性。如果您可以使用这种单面高斯反卷积方法成功消除大部分峰值偏斜，则可以拟合简单的高斯分布。

通将GMG模型拟合到峰，您可以直接使用非线性拟合进行反卷积。 GMG函数的参数直接生成反卷积的主高斯。

局部加权最小二乘

非参数拟合方法基于某种形式的点有序子集对数据进行建模。局部加权最小二乘拟合过程可能是功能最强大且用途最广泛的非参数算法。对于任何x值，估计的y由包含附近点的加权最小二乘法确定

乘以拟合。权重是基于与x的接近度分配的。这种类型最著名的过程是Loess算法。 PeakFit的非参数数字滤波器提供了Loss算法的一种变体，该算法使用高斯函数而不是三角加权函数。 PeakFit提供线性和二次拟合。

任何N1->任何N2

这种形式的算法不仅提供了最佳的数字过滤形式之一（减少了数据计数），而且还提供了非常稳定的数据增强形式（增加了数据计数）。输出流将始终具有均匀间隔的x值。您可以生成任何大小的输出数据流，而不管大小如何。在下图中，由212个点（较大的圆圈）组成的DNA凝胶数据增强到1000个点（较小的正方形）：

Systat Peakfit

在PeakFit的数据菜单中找到“数字滤波器”选项。如果需要恢复统一的X间距，此选项特别重要。

数据平滑和过滤

PeakFit提供有效的平滑算法，其中许多用于各种AutoFit程序中。您可以选择使用这些算法来平滑数据，然后再进行放置和拟合。有两点要考虑。首先是您是否要预先平滑数据。

通过预平滑数据，可以消除峰拟合算法在拟合过程中可能吸收的数据局部干扰。例如，在拟合迭代过程中，输入数据无法很好表征的小峰可能会波动。在数据具有某个局部最大值的任何噪声区域中，无论该峰值有多小，这些峰值都可能变得固定。

另一方面，预平滑会更改原始数据并可能带来不良影响。例如，时域平滑处理趋于稍微加宽峰宽。

PeakFit检测AutoFit算法可以正确检测峰，而无需事先平滑数据。所有AutoFit程序均可以处理平滑的数据副本，以进行峰位置，参数估计和基线检测。

如果选择预平滑的数据，则下一个问题是使用哪种算法。

FFT平滑算法可以消除高频中的所有噪声，并且信号频率几乎不会失真。 PeakFit的傅立叶域编辑允许您以图形方式设置此频率阈值。

高斯卷积平滑也是频域中的一个过程。它通过对窄宽度的高斯进行卷积来执行局部平滑，并通过自动滤除较高频率的信道来执行全局平滑。通常，它会产生PeakFit®平滑方法的最高效率。

Savitzky-Golay过程是一种出色的时域过程，适用于包含大量数据点的移动窗口中的四阶多项式。

黄土处理通常效率较低，更容易出现特征变形，但具有不需要统一的X值的优点

选择“准备”菜单中的“平滑和傅立叶域编辑”选项。

切片和等距X值

当“选择”数据时，将隔离特定的零件或分区以进行拟合。点处于活动状态或已启用，这意味着它们将包含在配件中，或者它们将处于非活动状态或被排除，并且将不进行处理。

全局分区

PeakFit提供两个级别的切片。全局分区会影响主数据表的当前状态。

“准备”菜单中的“部分”选项用于全局部分。通常，您将使用这种全局分区形式来禁用所有情况下都不希望看到的所有数据元素。

本地切片

每个“自动调整峰”选项都有一个本地切片。在此，仅更改数据的临时副本。在拟合整个数据集以测试多个模型的拟合度之前，您可能需要本地拆分数据以分离峰。这对于将数据集划分为几个部分也很有用，每个部分明显被基线分隔。

分段允许打开和关闭单个点，数据带或数据区域。因此，生成缺少均匀x间距的有效点集是一件简单的事情。当切换代表某种工件形式的一个或多个点时，尤其如此，确实应该在安装之前将其删除。

均匀X间距

如果原始数据缺乏统一的x间距，或者在切片后为true，那么很有可能会遇到一些PeakFit的问题。特别是，除了黄土之外，所有基于FFT的过程和所有平滑过程都需要数据中恒定的x间隔。 PeakFit不会基于对缺少均匀x间隔的检测来限制处理选项，因为此非恒定间隔所引入的噪声可能小于平滑处理所消除的噪声。

缺少统一x的方法有两个推荐课程

间距数据：

HELP22.png在“自动拟合峰I残基”选项中使用“黄土平滑”选项。此方法不需要均匀的X间距。

使用“数据”菜单中的非参数“数字过滤器”选项，可以创建间隔均匀的数据集。