0
关键词：
小波多尺度正交校正,干扰,扣除,近红外光谱
发表时间：
2011-12-21 16:25:30
摘 要 光谱分析中, 干扰信号的存在直接影响所建分析模型的质量。基于信号和干扰的不同特性, 提出了一种扣除背景和噪声干扰的新方法———小波多尺度正交校正(WMOSC) 法。首先将原始光谱进行小波变换(DWT) , 消除噪声及背景信息, 然后采用正交信号校正(OSC) 滤除与待测组分浓度无关的全部信息。与单纯的小波变换及正交信号校正相比, WMOSC 能有效地扣除背景和噪声干扰, 使模型具有更强的抗干扰能力, 提高了模型的预测精度。利用该方法对牛奶样品的近红外光谱进行处理, 采用偏最小二乘法建立校正模型, 其牛奶中脂肪、蛋白质和乳糖的预测均方根误差(RMSEP) 分别为01101 6 % , 01087 1 %和01110 7 %。实验结果表明该方法能有效地去除干扰, 保留有用信息。
近红外光谱技术作为一种快速、简便、非破坏性的定性和定量分析方法, 已广泛应用于食品、石油、化工、农业、医药等领域[1 ] 。它不仅可应用于实验室分析, 而且适用于现场快速检测和实时在线分析。
近红外光谱除样品的自身信息外, 还包含了其他无关信息和噪声, 如电噪声、样品背景和杂散光等。因此, 在建立校正模型时, 消除光谱数据无关信息和噪声的预处理方法变得十分关键和必要。特别是背景和噪声干扰的扣除, 对建立预测精度高、稳健性好的分析模型至关重要, 有时甚至起决定作用[2 ] 。但是利用已有的处理方法, 预测结果并不理想。为此, 一些光谱工作者采用小波变换(WT) [3-6 ] 、正交信号校正(OSC) [7-10 ]和净分析信号(NAS) [11 ]等新的方法来解决这一问题。小波变换是一种强有力的信号处理方法, 具有灵活的多尺度特征, 能将重叠混合信号分解为一系列不同频率的基元信号, 实现对信号时频域的局部化分析。这种方法最终将不同频段的小波系数重建光谱, 利用PLS 等校正方法建立定量分析模型。因此, 小波系数的准确与否将直接影响模型的校正效果, 进而影响到预测效果。要想提高校正模型的预测能力和稳健性, 就必须对小波系数重构的信号进行校正,从而得到最佳的重建光谱。本研究将离散小波变换(DWT) 和正交信号校正法相结合, 提出了一种应用于近红外光谱分析中扣除背景和噪声干扰的新方法。实验结果表明, 与已有的DWT2PLS , OSC2PLS 和PL S 方法相比, 本方法处理后建立的PLS 校正模型具有更好的预测精度和抗干扰能力。
近红外光谱除样品的自身信息外, 还包含了其他无关信息和噪声, 如电噪声、样品背景和杂散光等。因此, 在建立校正模型时, 消除光谱数据无关信息和噪声的预处理方法变得十分关键和必要。特别是背景和噪声干扰的扣除, 对建立预测精度高、稳健性好的分析模型至关重要, 有时甚至起决定作用[2 ] 。但是利用已有的处理方法, 预测结果并不理想。为此, 一些光谱工作者采用小波变换(WT) [3-6 ] 、正交信号校正(OSC) [7-10 ]和净分析信号(NAS) [11 ]等新的方法来解决这一问题。小波变换是一种强有力的信号处理方法, 具有灵活的多尺度特征, 能将重叠混合信号分解为一系列不同频率的基元信号, 实现对信号时频域的局部化分析。这种方法最终将不同频段的小波系数重建光谱, 利用PLS 等校正方法建立定量分析模型。因此, 小波系数的准确与否将直接影响模型的校正效果, 进而影响到预测效果。要想提高校正模型的预测能力和稳健性, 就必须对小波系数重构的信号进行校正,从而得到最佳的重建光谱。本研究将离散小波变换(DWT) 和正交信号校正法相结合, 提出了一种应用于近红外光谱分析中扣除背景和噪声干扰的新方法。实验结果表明, 与已有的DWT2PLS , OSC2PLS 和PL S 方法相比, 本方法处理后建立的PLS 校正模型具有更好的预测精度和抗干扰能力。
江立果发布的其他共享资料
-
-
关键词： 烃源岩,粒度,小波变换,漫反射光谱 发表时间： 2011-12-21 16:23:51
-
关键词： 祁白芷,挥发油,GC-MS分析 发表时间： 2011-10-27 11:39:34
-
关键词： 电喷雾飞行时间质谱,牡荆苷,异鼠李素-3-O-β-D-芸香糖苷,源内诱导解离,裂解途径 发表时间： 2011-10-27 11:38:32
-
关键词： 牡丹皮,特征指纹图谱,UPLC 发表时间： 2011-10-27 11:36:52
-
关键词： 蒙古沙冬青,沙冬青属,化学成分 发表时间： 2011-10-27 11:35:44