【材料课堂】Origin快速处理XPS能谱数据

2019 年 5 月 20 日 材料科学与工程
点击上方「材料科学与工程」快速关注
材料类综合、全面、专业的微信平台


本文将分三部分介绍如何用ORIGIN软件处理能谱数据:


1、多元素谱图数据处理


2、剖面分析数据处理


3、复杂谱图的解叠


一、多元素谱图的处理:


1、将ASC码文件用NOTEPAD打开:

 


2、复制Y轴数值。打开ORIGIN,将Y轴数据粘贴到B(Y):



3、如图:点击工具栏plot,选择line



4、出现下图:点击B(Y),再点击<->Y,使B(Y)成为Y轴数据。然后在“set X values”中输入起始值和步长。



5、点击OK,得到下图:



6、利用ORIGIN提供的工具可以方便的进行平滑、位移。


A. 位移:


1)如图:选择analysis→translate→vertical或horizontal可以进行水平或垂直方向的位移。我们以水平位移为例进行讲解。



2)在图中双击峰顶,如图示(小窗口给出的是此点的X,Y值)



3)然后在图中单击其他位置找到合适的X值(小窗口给出的是红十字的X,Y值)  



4)双击红十字的位置,峰顶就会位移到此处:



位移可以反复多次的进行,垂直方向的位移和水平方向的一样。


B、平滑


1)如图选择:



2)出现下面的小窗口



3)点击settings出现下面的界面(如果想用平滑后的代替原始的,选择“replace original”,如果想重新做图选“add to worksheet”,下面的数值不用改变)



4)点击operation,选择savizky-golay进行平滑。得到下图: 



二、剖面分析数据处理:


1、用写字板打开ASC码文件,选取所需要的元素



2、打开ORIGIN软件,如图示:选择column→add new columns



如果你的数据有九个cycle那么你要在下面的窗口选择8。



然后在B(Y)….J(Y)中依次输入不同cycle的Y轴数值



点击图中下方工具栏的waterfall



然后在下图中先输入X轴起始值及步长,再将Y值输入(点击B(Y),然后按住SHIFT键不放,再点击最后一个Y值选项:如E(Y)),松开SHIFT 键,点击ADD 键。



点击OK得到下图:



应用修改工具得:(X OFFSET 设为0,Y OFFSET 设为100)注意谱线对应的CYCLE数



如果想要得到其中某一个cycle的谱图,只要调出原来的worksheet(数据表),再次点击waterfall。输入X轴数据,然后只选一组Y轴数据(和多元素分析一样),就可以了。


注:不同样品同种元素比较也可以用此种方法


三、谱图解叠:


和多元素分析步骤一样,经过平滑、位移,得到下图:(注:画图时,先输入X轴步长等,再输入Y轴数据)



1、去本底:选择tools→baseline



2、出现下面的窗口,选择baseline,将number of points后的参数改小一些,比如2,点击create baseline



3、出现下图:选择小窗口中的modify:



4、拖动每一点到合适的位置(点住鼠标左键不放一直拖到合适的位置):如图



5、然后选择substract得到



6、分别点击X轴、Y轴将坐标更换为原来顺序和数值:



7、如图:选择analysis→Fit multi-peaks→gaussian



8、出现下面的窗口:按需要拟合的子峰个数输入



9、点击ok,得到:



10、点击OK默认选择,根据谱图的形状双击选择子峰位置(红十字代表峰顶):如图



11、刚才设置为两个子峰,所以双击两个位置,这时电脑自动计算出相关数据:如果想要看拟合后的曲线,需激活(调出)谱图窗口。然后,选择analysisànon liner curve fit 如图:



12、得到:



13、上图不合理,两子峰半峰宽相差太大,需要加入新的子峰进行调整。点击下图中more按钮



14、出现下图:



15、选择basic mode→start fitting回到原界面,点击1 lter和10 lter 直到出现新的子峰



16、上图明显也不合理,调节小窗口中各个子峰的数值 



17、然后点击下图中done按钮,再次选择analysis→non-linear curve fit,反复修改直到得到满意的谱图



多元素分析注意事项:


不能一味的平滑,有时不平滑反而能更准确的反映样品的性质

位移要有理有据,不能按自己的需要移动。


解谱注意事项:


各个子峰的半峰宽要尽量接近


如果所解谱图不是1S,就会出现裂分峰(比如:2p2/3和2p2/5)此时,一定要根据谱图手册,按裂分峰间距解谱


对于裂分峰峰面积不能随意拟合,要按谱图手册的比例进行。


注意:以上方法得出的数据,仅供参考。来源:材料基整理自网络作者王博,吕晋军,齐尚奎。


推荐阅读:

【科研技能】Origin如何叠堆光滑标峰?

【免费下载】5款科研学术必备软件

90页PPT看懂EBSD原理与应用!

上海交大博士退学,与女杰青导师互撕

投稿、合作,点击此处

在看吗👇

登录查看更多
0

相关内容

【2020新书】实战R语言4,323页pdf
专知会员服务
102+阅读 · 2020年7月1日
【2020新书】监督机器学习,156页pdf,剑桥大学出版社
专知会员服务
153+阅读 · 2020年6月27日
Python地理数据处理,362页pdf,Geoprocessing with Python
专知会员服务
115+阅读 · 2020年5月24日
【干货书】流畅Python,766页pdf,中英文版
专知会员服务
226+阅读 · 2020年3月22日
【资源】100+本免费数据科学书
专知会员服务
108+阅读 · 2020年3月17日
【干货书】机器学习Python实战教程,366页pdf
专知会员服务
344+阅读 · 2020年3月17日
【经典书】Python数据数据分析第二版,541页pdf
专知会员服务
195+阅读 · 2020年3月12日
【电子书】C++ Primer Plus 第6版,附PDF
专知会员服务
88+阅读 · 2019年11月25日
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
49+阅读 · 2019年9月24日
PyTorch 学习笔记(三):transforms的二十二个方法
极市平台
12+阅读 · 2019年4月28日
如何编写完美的 Python 命令行程序?
CSDN
5+阅读 · 2019年1月19日
实战 | 相机标定
计算机视觉life
15+阅读 · 2019年1月15日
实战 | 用Python做图像处理(三)
七月在线实验室
15+阅读 · 2018年5月29日
实战 | 用Python做图像处理(二)
七月在线实验室
17+阅读 · 2018年5月25日
[机器学习] 用KNN识别MNIST手写字符实战
机器学习和数学
4+阅读 · 2018年5月13日
文本情感分析的预处理
Datartisan数据工匠
17+阅读 · 2018年3月8日
免费|机器学习算法Python实现
全球人工智能
6+阅读 · 2018年1月2日
python pandas 数据处理
Python技术博文
4+阅读 · 2017年8月30日
Arxiv
8+阅读 · 2019年3月21日
Arxiv
3+阅读 · 2018年11月29日
Arxiv
5+阅读 · 2018年4月22日
Arxiv
4+阅读 · 2017年7月25日
Arxiv
3+阅读 · 2012年11月20日
VIP会员
相关VIP内容
【2020新书】实战R语言4,323页pdf
专知会员服务
102+阅读 · 2020年7月1日
【2020新书】监督机器学习,156页pdf,剑桥大学出版社
专知会员服务
153+阅读 · 2020年6月27日
Python地理数据处理,362页pdf,Geoprocessing with Python
专知会员服务
115+阅读 · 2020年5月24日
【干货书】流畅Python,766页pdf,中英文版
专知会员服务
226+阅读 · 2020年3月22日
【资源】100+本免费数据科学书
专知会员服务
108+阅读 · 2020年3月17日
【干货书】机器学习Python实战教程,366页pdf
专知会员服务
344+阅读 · 2020年3月17日
【经典书】Python数据数据分析第二版,541页pdf
专知会员服务
195+阅读 · 2020年3月12日
【电子书】C++ Primer Plus 第6版,附PDF
专知会员服务
88+阅读 · 2019年11月25日
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
49+阅读 · 2019年9月24日
相关资讯
PyTorch 学习笔记(三):transforms的二十二个方法
极市平台
12+阅读 · 2019年4月28日
如何编写完美的 Python 命令行程序?
CSDN
5+阅读 · 2019年1月19日
实战 | 相机标定
计算机视觉life
15+阅读 · 2019年1月15日
实战 | 用Python做图像处理(三)
七月在线实验室
15+阅读 · 2018年5月29日
实战 | 用Python做图像处理(二)
七月在线实验室
17+阅读 · 2018年5月25日
[机器学习] 用KNN识别MNIST手写字符实战
机器学习和数学
4+阅读 · 2018年5月13日
文本情感分析的预处理
Datartisan数据工匠
17+阅读 · 2018年3月8日
免费|机器学习算法Python实现
全球人工智能
6+阅读 · 2018年1月2日
python pandas 数据处理
Python技术博文
4+阅读 · 2017年8月30日
相关论文
Arxiv
8+阅读 · 2019年3月21日
Arxiv
3+阅读 · 2018年11月29日
Arxiv
5+阅读 · 2018年4月22日
Arxiv
4+阅读 · 2017年7月25日
Arxiv
3+阅读 · 2012年11月20日
Top
微信扫码咨询专知VIP会员