1.一种用于光谱分辨增强的逆矩阵迭代反卷积方法，包括如下步骤：步骤一、序列卷积和卷积方阵

对于序列f(n)和g(n)的卷积结果为：

如果f(n)是一个含有m个值的光谱序列，g(n)序列截断为2m-1个元素，式(1)表达为：改写成矩阵形式：

式(3)中，保留其中可计算部分，即：

式(4)中F的元素重新编号，有：

考察式(4a)，如果卷积核g是有限峰宽的对称函数，其中g(m)是峰值，而峰值前后b个元素值趋于0；同时，f序列的最前和最后的b个元素值也趋于零；那么，式(4)可完成计算，计算结果与式(2)相等；即得到结论式(4)是一种通过构造对称卷积核方阵完成卷积计算的方法；用矩阵乘的形式表达为：F＝f·G            (5)

进一步的，

f＝F·inv(G)      (6)

式(6)的含义是，已知序列F与卷积方阵的逆相乘，得到去卷积结果f；

步骤二、卷积方阵累积乘与卷积核函数峰展宽

以高斯函数为例，对于

记：

G(1)(y)＝Vonvlve[g(x)，g(x)，x，y]            (8)有：

即，高斯函数自身卷积后仍为高斯函数，峰宽增加至卷积次数n的 倍；

根据该结论，矩阵G连乘，记为：

只要单位G峰宽足够小，只需调整n，就可以逼近至需要精度的卷积和反卷积要求；而不同的卷积核函数，只需要替换G中的序列g(n)即可；

步骤三、峰分辨增强

峰宽是影响分辨的主要因素，通过缩小峰宽，达到分辨增强，使得相互重叠覆盖的峰得到辨识；式(9)表明正向卷积导致峰变宽，而逆向可实现峰收窄，根据式(6)和式(10)，可构造出相应的反卷积核函数单位矩阵，继而通过迭代计算得到需要精度的反卷积核函数矩阵。

2.根据权利要求1所述的方法，其特征在于，该方法的具体步骤为：步骤一、生成单位卷积和反卷积矩阵

1)输入需要处理的光谱序列值峰f(n)，前后保留或增加若干个不含出峰的平坦数据点；

2)根据f(n)中元素数量m，以及f中峰的性质，确定反卷积所用的分布函数；

3)根据计算精度要求，确定分布函数峰宽(半峰宽)，可以在0.1到1之间选择；

4)生成g(n)序列，其中元素数量为2m-1，峰值位置为第m个元素；将g(n)序列值放在第1行，依次向后平移，生成第2行、……，直至第m行，平移中缺失元素用0或者‘NaN’替代，得到尺寸为m×(3m-2)的矩阵M；

5)从M中，切出第m列至2m-1列，得到一个m×m的方阵，该方阵即为单位卷积矩阵G；

6)对G求逆，即得到单位反卷积矩阵IG；

生成的单位卷积和反卷积矩阵是斜对角对称矩阵，针对不同元素数量光谱序列，不需要每次重复生成，首先生成一个元素数量大的单位阵，后续需要用到时，从大矩阵中截取相应尺寸的方阵；

步骤二、应用反卷积矩阵增强光谱分辨率

1)选择需要分辨增强的光谱峰；对于拉曼或红外光谱，由于不同波数上峰展宽情况不一致，为了保证分辨增强稳定、准确，从完整图谱上选择需要分辨增强的部分，同时尽可能保留一部分头尾基线；

2)选择反卷积核函数类型；根据峰型特点和宽度，判断展宽主要影响因素后选择；如果无法判断或者缺乏先验知识，也可以随机或者枚举试算，考察分辨率增强结果；

3)依据分峰精度的要求，定义单位卷积矩阵的序列峰宽，生成单位反卷积矩阵；

4)输入的原始峰F，按照f＝F·inv(G(n))，或者f＝F·IG(n)，其中IG(n)与G(n)类似，即：计算去卷积后的分辨增强峰f；

5)不断增加n进行迭代，峰宽降至重叠峰可满足识别要求时可停止计算，或者继续计算，信号的信噪比达到用户可容忍极限；

需要注意的，分辨率与信号的信噪比关系密切，分辨率提升实际是信号频率从低频向高频的转换，由于分辨率提高，原来隐含在信号中的低频噪声，也会同时表现为显著的高频噪声，导致信噪比恶化；为降低信噪比限制，应该选择信噪比好的信号进行分辨增强；本发明的去卷积分辨增强是渐进过程，因此过程中可以视情况，穿插平滑降噪，改善输出结果的信噪比。

3.根据权利要求2所述的方法，其特征在于，所述步骤一的步骤1)中，前后各大于10个数据点，以便于在最终结果中舍弃。

4.根据权利要求2所述的方法，其特征在于，所述步骤一的步骤2)中，所述分布函数具体为高斯分布、洛伦兹分布。

5.根据权利要求2所述的方法，其特征在于，所述步骤一的步骤6)中，具体为：已生成元素数量为m×m的大矩阵G(m×m)，如果只需要p×p个元素(p