[发明专利]基于伙伴波长的分光波长筛选方法

说明书

技术领域

本发明涉及分光系统设计中的波长筛选技术领域，特别涉及基于伙伴波长的分光波长筛选方法。

背景技术

近红外光谱分析是鉴别物质及确定其化学组成和含量的方法，它可以不需要生化试剂，具有简便快速、非破坏性和易于实时分析等特点，在很多领域具有应用的优势。高信噪比分光波长筛选方法是近红外光谱分析的关键技术，它对于建立高精度分析模型、降低模型复杂性和设计小型专用光谱仪器的分光系统等方面具有重要意义。但是，近红外波段的波长数很多，如果用任意随机组合分别建模的方式筛选波长，现有的计算机运算速度远远不能够满足。因此，在近红外光谱分析波长的选择、小型专用光谱仪器的分光系统设计等方面还存在困难，缺乏有效的分光波长筛选方法。另外，近红外光谱分析技术以其简便快速、非破坏性和易于实时分析等特点已在很多领域得到广泛应用。研制全波段通用型近红外光谱仪器的技术在国外已经比较成熟，但是仪器庞大，价格昂贵（50-80万元左右），不适合于推广应用。研发低价格小型专用近红外分析仪器具有应用前景，高信噪比分光波长筛选方法是其中的关键技术之一。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种可以有效地筛选出分析对象所对应的高信噪比波长组合的分光波长筛选方法。

为了达到上述目的，本发明采用以下技术方案：

本发明基于伙伴波长的分光波长筛选方法，包括以下步骤：

S1、测试样品，得到光谱数据和样品的指标测定值；把全部样品随机分为定标集和预测集；

S2、在预定的波段中选择适当的波长筛选范围。设预定波段的波长个数为N，波长的编号B依此为1,2,…,N；波长筛选范围设置为B_min≤B≤B_max；其中B_min、B_max为正整数，1≤B_min＜B_max≤N；

S3、在波长筛选范围B_min≤B≤B_max中任意固定B的值为B_i，将波长筛选范围中的其他所有波长B_j与B_i组合，用来建立下一步的双波长二元线性回归模型；然后重新选择B_i值，直到B_i取完波长筛选范围的所有波长；

S4、对于所有的双波长组合(B_i,B_j)，分别建立二元线性回归的定标预测模型；基于定标集的双波长(B_i,B_j)光谱数据和指标测定值，利用二元线性回归方法计算回归系数；基于得到的回归系数和预测集的双波长(B_i,B_j)光谱数据，进一步计算出指标的光谱预测值；计算全部预测集样品的光谱预测值与测定值的预测均方根偏差(RMSEP)；

S5、任意固定的B_i，对步骤S4中所得的数据RMSEP进行比较，确定出最小RMSEP（最小误差）对应的波长组合(B_i,B_i^*)，波长B_i^*即为波长Bi的伙伴波长；

S6、B_i取完波长筛选范围中所有的波长，根据步骤S4、S5就可以筛选出全部的伙伴波长；伙伴波长是根据预测效果来筛选的，具有高的光谱信噪比；

S7、将全体伙伴波长代替波长筛选范围的所有波长。

优选的，步骤S4中，建立二元线性回归的定标预测模型包括下述步骤：

基于定标集的双波长(B_i,B_j)光谱数据和指标测定值，利用二元线性回归方法计算回归系数；基于得到的回归系数和预测集的双波长(B_i,B_j)光谱数据，进一步计算出指标的光谱预测值；计算全部预测集样品的光谱预测值与测定值的预测均方根偏差RMSEP。

优选的，伙伴波长是根据预测效果来筛选的。

优选的，在步骤7之后，进一步包括下述步骤：

S8、重复步骤S1-S8，求出伙伴波长集合的伙伴波长。

本发明相对于现有技术具有如下的优点及效果：

1、本发明方法可以有效地筛选出分析对象所对应的高信噪比波长组合，具有应用范围广、模型简单、计算量少、预测效果好等优点，为小型专用光谱仪器中分光系统的设计提出有效的解决方案。