一种基于双树复小波算法的毒品检测仪标准化方法技术

本发明专利技术公开了一种基于双树复小波算法的毒品检测仪标准化方法，本发明专利技术首先采用双树复小波对光谱进行多尺度分解并重构，然后应用分段直接标准化对重构每一层光谱进行校正，接着建立基于偏最小二乘法和留一法交叉验证的预测模型，最后通过计算出的权重将所有的预测模型融合并进行评价。本发明专利技术采用的双树复小波与直接标准化相结合的方法，由于双树复小波具有的平移不变性和多尺度特性，克服了现有模型传递方法的不足，在校正x轴和y轴方向上的漂移的能力都十分出色，同时具有精细、精确、高效的优点，能广泛应用于近红外和拉曼光谱等领域。

【技术实现步骤摘要】

本专利技术涉及化学计量学
，尤其涉及一种基于双树复小波算法的毒品检测仪标准化方法。
技术介绍
近年来，随着我国对毒品问题的不断重视，拉曼光谱开始被引入毒品检验领域，成为快速准确检验毒品的新式武器和最优选的技术之一。拉曼光谱分析技术是以拉曼效应为基础建立起来的分子结构表征技术，其谱峰位置、数量和强度等直接反映了分子的构成及构象信息，具有快速、简便、原位无损及免试剂等特点，可直接对不同形态的样品进行测试。通过解析复杂体系的拉曼指纹谱，可同时获得多种组分的定性、定量信息，且能有效避免样品中水分的干扰。拉曼光谱分析技术属于光学检测中技术含量最高的一层，具有较强的数据库功能，只要把常见的毒品的拉曼谱图建库，即可通过谱图自动检索功能进行查谱，确定检材是否谱图库收入的毒品中的一种，可在几秒之内无损测定一个样品的多种分析数据，具备广阔的应用前景。在毒品检测的实际过程中，由于不同的拉曼光谱仪之间存在一定的差异，导致其对同一个样品所检测的拉曼光谱存在相当的差异，不利于后续的谱峰识别，因此，极有必要对不同的毒品检测仪进行标准化工作，以实现不同仪器之间的检测结果一致性。仪器标准化，是指经过数学处理后，使一台仪器上的模型能够用于另一台仪器，从而减少重新建模所带来的巨大工作量，实现样品和数据资源的共享。目前应用最为普遍和最为成功的方法是多变量校正算法，而其中又以分段直接标准化(PDS)算法以及在其基础上的改进算法效果较好。r>对于光谱来说，两台仪器光谱之间的差异可以归纳为两个方面，一是x轴方向上的差异，即波形的移位；另一方面是y轴方向上的差异，即波形的变形。光谱本身是多尺度的，其包含的信息也是多尺度的。不同光谱仪的光谱之间的差异，可能只存在于一部分频率域上，其他部分的信息则是相同的。分段直接标准化算法是在对整个光谱层面上进行校正，没有在频率域对光谱进行划分，这样的模型传递很笼统，不够精细。而在分段直接标准化算法基础上的小波多尺度分段直接标准化算法，其多尺度校正的特点克服了分段直接标准化方法的笼统、不够精细的缺点，但小波具有的平移可变性的缺点造成这种方法在校正两台仪器光谱x轴方向上的漂移的能力很差。
技术实现思路
有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题是提供一种基于双树复小波算法的毒品检测仪标准化方法，其引入双树复小波算法，具有精细、精确、高效的优点，以有效克服常规小波变换的平移可变性，是一种新型的毒品检测仪标准化手段。为实现上述目的，本专利技术提供了一种基于双树复小波算法的毒品检测仪标准化方法，其特征在于，包括以下步骤：S1、选择并设定两台毒品检测仪器分别作为主、从仪器，分别采集样品的主、从机仪器光谱；S2、采用Kennard-Stone算法对样品光谱进行优选，剔除掉样品光谱中异常样品光谱，然后选择并设定训练集和测试集；S3、针对样品光谱特性，设定最佳分解层数，并按照最佳分解层数对样品光谱进行双树复小波变换，得到各层分解系数；S4、对各层的分解系数分别进行重构，得到各层重构的光谱；S5、对各层重构的光谱，使用直接标准化(PDS)算法对从机光谱进行校正，然后使用训练集的主机光谱与样品的化学真值浓度，建立基于偏最小二乘法和留一法交叉验证的预测模型，然后将校正后的测试集从机光谱输入该模型得到预测结果，并得到每个预测模型的交叉验证均方根误差RMSECV；S6、通过交叉验证均方根误差来计算每个预测模型的权值，使用权值将所有的预测模型进行模型融合，并计算RMSEP值和相关系数来评价模型传递效果。进一步地，步骤S1中所述的主、从仪器需保证是同一类型号的仪器，采集光谱是对同一样品在同一测量条件下采集不同仪器的光谱。进一步地，步骤S4中所述的重构是对不同仪器的光谱的分解后的每一层小波系数分别进行重构。进一步地，步骤S5中所述的直接标准化(PDS)算法是一种多变量校正的模型传递方法，其具体过程如下：首先，在训练集从机光谱上第i个波长点选取一个K+W+1长的窗口Zi，令Zi＝[as，i-k，as，i-k+1，...，as，i+w-1，as，i+w]然后，将训练集主机的第i个波长点与Zi构造一个多元回归方程，即am，i＝Zibi+ei对这个方程使用主成分(PCA)方法求解，然后将解出来的系数b置于转换矩阵F的主对角线上，其他置0，就得到了转换矩阵F，如下所示：最后通过转换矩阵，将测试集的从机光谱转换为主机光谱相匹配的光谱，就实现了模型传递，即：Xs，pds＝Xs·F式中：as，i为训练集从机光谱第i个波长点，am，i为训练集主机光谱第i个波长点，bi为转换系数，ei为误差，F为转换矩阵，Xs为测试集从机光谱，Xs，pds为直接标准化(PDS)法后得到的校正光谱。进一步地，步骤S5中所述的交叉验证均方根误差为RMSECV，其公式如下：式中：n是测试集样品数，CNIR是样品的某一实际属性矩阵，一般为浓度阵；CREF为预测出的样品属性矩阵。进一步地，步骤S6中所述的使用权值将预测模型进行模型融合的操作具体为： W i = ( 1 RMSECV i ) 2 Σ i m ( 1 RMSECV i ) 2 ]]>根据权值Wi将预测模型融合在一起，公式如下： C = Σ i m W i · C i R 本文档来自技高网...

【技术保护点】
一种基于双树复小波算法的毒品检测仪标准化方法，其特征在于，包括以下步骤：S1、选择并设定两台毒品检测仪器分别作为主、从仪器，分别采集样品的主、从机仪器光谱；S2、采用Kennard‑Stone算法对样品光谱进行优选，剔除掉样品光谱中异常样品光谱，然后选择并设定训练集和测试集；S3、针对样品光谱特性，设定最佳分解层数，并按照最佳分解层数对样品光谱进行双树复小波变换，得到各层分解系数；S4、对各层的分解系数分别进行重构，得到各层重构的光谱；S5、对各层重构的光谱，使用直接标准化(PDS)算法对从机光谱进行校正，然后使用训练集的主机光谱与样品的化学真值浓度，建立基于偏最小二乘法和留一法交叉验证的预测模型，然后将校正后的测试集从机光谱输入该模型得到预测结果，并得到每个预测模型的交叉验证均方根误差RMSECV；S6、通过交叉验证均方根误差来计算每个预测模型的权值，使用权值将所有的预测模型进行模型融合，并计算RMSEP值和相关系数来评价模型传递效果。

【技术特征摘要】
1.一种基于双树复小波算法的毒品检测仪标准化方法，其特征在于，包括以下步骤：
S1、选择并设定两台毒品检测仪器分别作为主、从仪器，分别采集样品的主、从机仪器
光谱；
S2、采用Kennard-Stone算法对样品光谱进行优选，剔除掉样品光谱中异常样品光谱，
然后选择并设定训练集和测试集；
S3、针对样品光谱特性，设定最佳分解层数，并按照最佳分解层数对样品光谱进行双树
复小波变换，得到各层分解系数；
S4、对各层的分解系数分别进行重构，得到各层重构的光谱；
S5、对各层重构的光谱，使用直接标准化(PDS)算法对从机光谱进行校正，然后使用训
练集的主机光谱与样品的化学真值浓度，建立基于偏最小二乘法和留一法交叉验证的预测
模型，然后将校正后的测试集从机光谱输入该模型得到预测结果，并得到每个预测模型的
交叉验证均方根误差RMSECV；
S6、通过交叉验证均方根误差来计算每个预测模型的权值，使用权值将所有的预测模
型进行模型融合，并计算RMSEP值和相关系数来评价模型传递效果。
2.如权利要求1所述的一种基于双树复小波算法的毒品检测仪标准化方法，其特征在
于，步骤S1中所述的主、从仪器需保证是同一类型号的仪器，采集光谱是对同一样品在同一
测量条件下采集不同仪器的光谱。
3.如权利要求1所述的一种基于双树复小波算法的毒品检测仪标准化方法，其特征在
于，步骤S4中所述的重构是对不同仪器的光谱的分解后的每一层小波系数分别进行重构。
4.如权利要求1所述的一种基于双树复小波算法的毒品检测仪标准化方法，其特征在
于，步骤S5中所述的直接标准化(PDS)算法是一种多变量校正的模型传递方法，其具体过程
如下：
首先，在训练集从机光谱上第i个波长点选取一个K+W+1长的窗口Zi，令
Zi＝[as，i-k，as，i-k+1，…，as，i+w-1，as，i+w]
然后，将训练集主机的第i个波长点与Zi构造一个多元回归方程，即
am，i＝Zibi+ei对这个方程使用主成分(PCA)方法求解，然后将解出来的系数b置于转换矩阵F的主对
角线上，其他置0，就得到了转换矩阵F，如下所示：
最后通过转换矩阵，将测试集的从机光谱转换为主机光谱相匹配的光谱，就实现了模
型传递，即：
Xs，pds＝Xs·F
式中：as，i为训练集从机光谱第i个波长点，am，i为训练集主机光谱第i个波长点，bi为
转换系数，ei为误差，F为转换矩阵，Xs为测试集从机光谱，Xs，pds为直接标准化(PDS)法后
得到的校正光谱。
5.如权利要求1所述的一种基于双树复小波算法的毒品检测仪标准化方法，其特征在
于，步骤S5中所述的交叉验证均方根误差为RMSECV，其公式如下：式中：n是测试集样品数，CNIR是样品的某一实际属性矩阵，一般为浓度阵；CREF为预测
出的样品属性矩阵。
6.如权利要求1所述的一种基于双树复小波算法的毒品检测仪标准化方法，其特征在
于，步骤S6中所述的使用权值将预测模型进行模型融合的操作具体为：
W i = ( 1 RMSECV i ) 2 Σ i m ( 1 RMSECV i ) 2 ]]>根据权值Wi将预测模型融合在一起，公式如下：
C = Σ i m W i · C i R E F ]]>其中，CiREF是预测模型的预测结果，m是分解的尺度，C为预测模型融合后的预测结果，
即最终的模型传递结果。
7.如权利要求1所述的一种基于双树复小波算法的毒品检测仪标准化方法，其特征在
于，步骤S6中所述的RMSEP是预测模型的预测均方根误差，表示模型预测值与化学真值之间
的偏差，用于评价模型的优劣最重要的参数，公式如下：
R M S E P = Σ 1 n ( C N I ...

【专利技术属性】
技术研发人员：陈达，刘晓，李勇，王志军，魏强，
申请(专利权)人：河北伊诺光学科技股份有限公司，张家口市公安局刑事警察支队，
类型：发明
国别省市：河北;13