[发明专利]光谱标准化方法

说明书

技术领域

本发明涉及光谱处理领域，更具体涉及一种光谱标准化方法。

背景技术

近红外光谱分析技术是一种具有高效、无损、无污染、可同时进行多组分定性或定量分析的快检技术，在各个行业得到了广泛应用，例如农产品、石油、饲料、烟草、医药等领域。

近红外光谱分析作为一种检测分析技术手段依据的是近红外光谱中包含了样品特征的重要光谱信息，通过化学计量学的偏最小二乘多变量校正方法(partial least squares,PLS)可以建立样本光谱信息和其成分含量之间的关系模型，用于预测未知待测样本成分含量。

但是，近红外光谱分析技术是一种间接的分析方法，在建立光谱校正模型时，往往需要测定分析大量样品的化学值或基础性质数据作为建立光谱校正模型的基础，这个过程不仅费时费力，且投入较大，所以对所建立的光谱校正模型在动态适应性方面提出了较高的要求，不仅要求光谱校正模型的预测范围广，而且要求在一台仪器上建立的光谱校正模型能够在其它仪器上应用，方便大范围应用和网络化集成，即要求进行光谱校正模型的转移。

激光波束漂移、吸光度漂移、峰行畸变是光谱校正模型不能通用的主要原因，而光谱标准化也根据这些特征具有相应的分类，例如基于模型预测结果调整的SBC，基于模型参数调整的算法。其中应用最广，算法最多的一类是光谱标准化算法，通过对主机和子机光谱进行计算，得到一个转换矩阵，通过该矩阵对待测子机光谱进行标准化。最著名的光谱标准化算法是PDS(piecewise direct standardization)，其算法以稳定性和广泛的实用性著称，通常作为考察新算法的标杆。另外近年来提出的典型相关性分析方法(canonical correlation analysis，CCA，analyticachimicaacta 2008年637期22～29页)和目标因子分析方法(TTFA,光谱学与光谱分析2005年25卷第3期398～401页)，分别以典型相关分析和主成分分析作为基础，进行光谱标准化。

发明内容

本发明的目的是提供一种高通用性和准确度的光谱标准化算法。

为了解决上述技术问题，本发明提供了一种光谱标准化方法，所述方法包括以下步骤：

S1、选取主光谱仪以及子光谱仪，其中所述主光谱仪与所述子光谱仪的光谱存在差异；

S2、分别利用所述主光谱仪和子光谱仪对预定物质进行照射，获取所述主光谱仪的主机标准光谱以及所述子光谱仪的子机标准光谱；

S3、利用所述主机标准光谱以及所述子机标准光谱构建目标函数；

S4、根据所述目标函数确定对应主光谱仪和子光谱仪同时代表最大相关和最大方差的主机特征向量、子机特征向量；

S5、根据所述主机标准光谱、子机标准光谱、主机特征向量、子机特征向量确定具有最大方差同时具有最大相关性的主机子成分和子机子成分；

S6、确定利用所述主机标准光谱以及所述子机标准光谱的列空间线性组合成所述主机子成分以及子机子成分的主机权重系数和子机权重系数；

S7、在所述主机标准光谱以及所述子机标准光谱中分别剔除所述主机子成分和子机子成分，形成主机光谱残差矩阵以及子机光谱残差矩阵，并以所述主机光谱残差矩阵代替所述主机标准光谱，以所述子机光谱残差矩阵代替所述子机标准光谱执行步骤S3-S6，以此类推重复执行若干次，得到多组主机子成分、子机子成分、主机权重系数和子机权重系数；

S8、多组主机子成分、子机子成分、主机权重系数和子机权重系数分别形成主机子成分矩阵、子机子成分矩阵、主机权重系数矩阵和子机权重系数矩阵，确定主机子成分矩阵和子机子成分矩阵的最小二乘解；

S9、利用所述主机子成分矩阵和子机子成分矩阵的最小二乘解、主机权重系数和子机权重系数确定光谱标准化转换矩阵，利用所述光谱标准化转换矩阵对待测光谱仪的光谱进行标准化处理。

优选地，所述主机光谱仪为近红外光谱仪。

优选地，所述预定物质的浓度分别均匀，并且在具有预定数量的波段吸收峰。

优选地，所述目标函数为：

式中，a_i为子机特征向量，t_i为子机子成分，b_i为主机特征向量，u_i为主机子成分，X_m为主机标准光谱或主机光谱残差矩阵；X_s为子机标准光谱或子机光谱残差矩阵。

优选地，所述步骤S4包括以下步骤：