合理的半高宽FWHM

* Asymmetry of Fe ? 2007 XPS International LLC * Asymmetry of Fe2O3 ? 2007 XPS International LLC * Asymmetry of Co ? 2007 XPS International LLC * Asymmetry of CoO ? 2007 XPS International LLC * Asymmetry of Ni ? 2007 XPS International LLC * Asymmetry of NiO ? 2007 XPS International LLC * 9.4、数值方法 非线性和线性最小二乘法拟合，目标因子分析可应用于包括深度剖析、线扫描和图象在内的多轴数据。 这些拟合方法使得元素或化学物种的重叠得以分离。 * 9.4.1、目标因子分析(TFA) 当数据中包含有多维谱时 (深度剖析、线扫描、角分辨XPS等)，通常适合于组合使用目标因子分析 (TFA)和最小二乘法拟合。用这种方法，谱中细微的差别可用于测定数据集中不同化学态变化的情形。 某些纯金属峰并非是简单的高斯-洛仑兹峰型，而是难以拟合的不对称峰型。 TFA假定剖析数据由共同的谱元的线性组合构成。TFA仅能确定谱元的数目但并不能鉴别它们。 元谱可由TFA定义。比如SiO2/Si的深度剖析，氧化硅的参考谱取自氧化物层中，而元素硅的参考谱取自溅射后衬底中的某一级谱。 * (1)原理方法(Procedure) TFA选取出剖析中最有意义的层次(level)，剖析数据中的每个层次都用这些元谱的线性或非线性组合来进行拟合。 然后计算每个层次的吻合度，并与用户定义的信噪比限值比较。若此一计算值大于定义的信噪比限值，就认为拟合是满意的。 若任一层次不能满意地拟合，则该层次增添作为元谱，然后每一层次都以此两谱来进行拟合。继续这一过程来增添额外的元谱直到所有层次都拟合到比信噪比限值更好时为止。必需的谱数即为剖析中有意义的元谱数。注意作为元谱的这些谱可能实际上不包含纯参考谱，因而其强度剖析可能会是负值。每个层次元谱的线性组合产生表观剖析谱。 当TFA确定了主元后，它自动用这些元谱执行数据的线性最小二乘法拟合。 * (2)TFA分析方法 * TFA分析 * TFA分析 * 9.4.2、非线性最小二乘法拟合 (NLLSF) 在许多方面NLLSF谱峰拟合与TFA的扩充。优点是真实峰型可应用于数据集中。TFA仅支持真实峰型的线性组合，所以分析中移动的峰就不能精确测定。 在某些实验中，数据中存在有能量位移。在这种情况下可以使用NLLSF，因此荷电位移峰并不作为不同的化学态来处理。 NLLSF假定剖析数据由共同的元谱的线性组合构成但其峰位在深度剖析中可以变化(如荷电造成)。 * NLLSF对话框 点击 打开NLLSF对话框 * (1)定义参考元谱 参考元谱可从不同的来源获取 参考元谱位于多级数据集中： 最简单的方法是使用来自于多级数据集中的参考谱。这类似于TFA中的情形。 参考元谱来自于标准数据： 如果存在纯组分谱，即可定义其为参考元谱 使用此法时应注意，数据采集参数(通能等)应相同，以保证好的拟合结果。 参考元谱来自于生成的数据 可以使用由谱峰拟合得到的合成谱 组合参考元谱 * NLLSF程序运行中显示的典型屏幕 * (2)价带谱的NLLSF拟合 混合价态Ce3d的NLLSF拟合 * * 思考题 常用样品表面荷电效应的校正方法有哪些？如何进行校正？ 在进行谱峰拟合处理时应注意和考虑哪些因素？ * 第9章 数据处理方法 谱图分析 谱图修正 谱峰拟合 数值方法 * 9.1、谱图分析 鉴别谱峰 数据：全谱(Survey Scan) 方法：自动/手动按照能量范围或元素 工具：标准谱图手册、数据库 化学态分析 XPS Web 数据库： /XPS/ * 鉴别谱峰(按元素) * 鉴别谱峰(按能量范围) 自动谱峰识别Auto-Peak ID * 9.2、谱图修正 数据平滑：Savitzky-Golay, 傅立叶滤波 本底去除：线性, Shirley, Tougaard 微分与积分 去卷积(Deconvolution) 校正荷电位移 谱图比较/覆盖, 归一化谱图 9.2.1、数据平滑 实验谱图中包含有测量随机噪声。 数据平滑的目的就是这些高频噪声成分而不失真地保留原始谱图中包含的涉及峰高和峰型的所有信息。提高谱线的信噪比。 存在两种基本的平滑方法：使用卷积平滑函数与应用傅里叶分析的频率滤波。 常用第一种平滑方法，尤其是多点移动平滑。 最常用的卷积程序是三次/四次函数—Savitzky-Golay，其次可采用高斯函数。 当平滑点数取谱图中可分辨的最窄峰的FWHM所含的数据点数时，Savitzky-