【技术实现步骤摘要】
本专利技术涉及一种近红外光谱标准化方法，具体涉及一种烟草近红外光谱标准化模型及应用，属于近红外光谱分析。
技术介绍
1、近红外光谱是一种简单、快速、环保的分析技术，已广泛应用于食品、饮料、饲料、农业、制药、化工和纺织等众多领域。随着应用场景的日益复杂，经常会遇到实验条件、光谱仪器或样品性质发生改变的情况，导致第二次测量的光谱含有噪声、甚至出现基线漂移，原模型无法适用。为了避免重新建模，可采用模型转移来解决此类问题，模型转移主要是通过在主机和从机的检测信号之间构造适当的转换函数，来确保预测结果的一致性和准确性。
2、一般而言，两次测量光谱之间反映被测物信息的部分是一致的，而噪声和干扰信息是随机的。对光谱求导可有效消除背景噪声和基线漂移，突出波峰特征，但原始光谱经微分后噪声会被放大，而光谱分析中重点关注的两个特征量是尖峰信号的位置和幅度，噪声会严重影响它们的精确提取，因此对光谱进行去噪处理，可以滤除噪声和干扰信息，保留有用信息。
3、广义s变换是近期发展起来的一种时频分析技术，具有小波变换的多分辨特性，且可无损重构，已广泛应用于生物医学、地球物理和故障诊断等领域。把波数域光谱视作时间序列信号，将广义s变换引入到近红外光谱处理，建立主机光谱与从机光谱时频信号间的函数关系，然后通过广义s逆变换将此函数关系转换到光谱信号，实奇异值分解现对主、从机光谱之间差异的校正，提高光谱标准化的成功率。
技术实现思路
1、针对现有技术存在的问题，本专利技术的第一个目的在于提供一种烟
2、本专利技术的第二个目的在于提供一种烟草近红外光谱标准化模型的应用，对新测烟草样品标准化的光谱进行预测。利用本专利技术所提供的标准化模型，不仅可以实现新测烟草样品的近红外光谱的快速校正，还可以利用已有的烟草标准样品模型对新测烟草样品进行精确预测，经测试，使用已有模型对本专利技术标准化后光谱进行预测，其总糖、还原糖、烟碱、总氮、氯和钾的加权预测均方根误差为0.67％左右，响应速度快，预测结果准确。
3、为了实现上述技术目的，本专利技术提供了一种烟草近红外光谱标准化模型，其特征在于：包括：
4、1)获取烟草粉末标准样品的主机近红外光谱xm和从机红外光谱xs；
5、2)将xm和xs预处理后进行广义s变换，得二维时频矩阵am和as；
6、3)分别对二维时频矩阵am和as进行奇异值分解，对奇异值分类计算后进行重构，得重构矩阵amr和asr；
7、4)建立重构矩阵amr和asr的关系函数，得转换矩阵f；
8、5)获取普通烟草粉末的从机红外光谱xsn，执行2)～3)，得重构矩阵asnr，利用转换矩阵f对asnr进行逆重构，得转换重构矩阵amnr；
9、6)将转换重构矩阵amnr进行广义s逆变换，得校正光谱xmn。
10、本专利技术所提供的标准化模型，利用广义s变换将主机和从机近红外光谱转化为对应的时频信号，并寻找两者时频信号之间的对映关系，经过奇异值分解和重构，滤除数据中的噪声和冗余特征，强化突出特征数据，于主机和从机近红外光谱之间建立有效的函数关系，从而实现光谱的标准化。
11、作为一项优选的方案，所述成分分析方法为分光光度法、气相色谱-质谱法、液相色谱法、连续流动法和固相萃取法中的至少一种。
12、作为一项优选的方案，所述成分分析包括：总糖、还原糖、烟碱、总氮、氯和钾。
13、作为一项优选的方案，所述预处理过程为：对近红外光谱进行一阶导数预处理。
14、作为一项优选的方案，所述广义s变换的计算公式为：
15、式1：
16、式1中：t为时间，f为频率，τ为时移因子，λ和p为可调节参数。
17、作为一项优选的方案，所述奇异值分解的计算过程为：1)对主机标准样品二维时频矩阵am进行奇异值分解，其计算公式为：
18、式2：am＝uλvt；
19、式3：
20、2)对从机标准样品二维时频矩阵as进行奇异值分解，其计算公式为：
21、式4：as＝uλvt；
22、式5：
23、式2～5中：λ为对角矩阵，λ＝diag(σ1,σ2,…,σn)，并按降序排列，其中，每个子矩阵由两个特征矢量(分别来自于u和v)和权值相乘得到；k为am的秩，ui和vi分别为u和v的第i列奇异值矢量，i＝1,2,3,…；σi为第i个奇异值；ai为包含ui和vi的子矩阵；k'为as的秩，uj和vj分别为u和v的第j列奇异值矢量，j＝1,2,3,…；σj为第j个奇异值；aj为包含uj和vj的子矩阵。
24、作为一项优选的方案，所述am的奇异值分类计算过程为：1)建立基于奇异值序列的子集群，各子集li由集合中第n个到第i个奇异值元素组成，其矢量表达式为：
25、l1＝{σn,σn-1,…,σ1}，l2＝{σn,σn-1,…,σ2}，…，li＝{σn,σn-1,…,σi}，…，ln={σn}；
26、2)计算各子集的标准差，将奇异值特征序列和标准差序列合并，采用k-均值聚类算法进行分类计算，分出对应光谱数据和对应噪声的两个类，选择奇异值较大的分类为重构奇异值，得出重构奇异值个数u。
27、作为一项优选的方案，所述as的奇异值分类计算过程为：1)建立基于奇异值序列的子集群，各子集lj由集合中第n个到第j个奇异值元素组成，其矢量表达式为：
28、l1＝{σn,σn-1,…,σ1}，l2＝{σn,σn-1,…,σ2}，…，li＝{σn,σn-1,…,σi}，…，ln＝{σn}；
29、2)计算各子集的标准差，将奇异值特征序列和标准差序列合并，采用k-均值聚类算法进行分类计算，分出对应光谱数据和对应噪声的两个类，选择奇异值较大的分类为重构奇异值，得出重构奇异值个数p。
30、作为一项优选的方案，所述重构矩阵amr的获取过程为：根据重构奇异值个数u进行重构，得到重构矩阵amr，重构公式为：
31、式6：
32、作为一项优选的方案，所述所述重构矩阵asr的获取过程为：根据重构奇异值个数p进行重构，得到重构矩阵asr，重构公式为：
33、式7：
34、作为一项优选的方案，所述amr和asr的关系函数为：
35、式8：amr＝asr×f。
36、作为一项优选的方案，所述转换矩阵f通过偏最小二乘法计算得到，计算过程为：
37、式9：f＝(a′srasr)-1a′sramr。
38、作为一项优选的方案，所述asnr逆重构得转换重构矩阵amnr的过程为：
3本文档来自技高网...
【技术保护点】
1.一种烟草近红外光谱标准化模型，其特征在于：包括：
2.根据权利要求1所述的一种烟草近红外光谱标准化模型，其特征在于：所述成分分析方法为分光光度法、气相色谱-质谱法、液相色谱法、连续流动法和固相萃取法中的至少一种；所述成分分析包括：总糖、还原糖、烟碱、总氮、氯和钾。
3.根据权利要求1所述的一种烟草近红外光谱标准化模型，其特征在于：所述预处理过程为：对近红外光谱进行一阶导数预处理。
4.根据权利要求1所述的一种烟草近红外光谱标准化模型，其特征在于：所述广义S变换的计算公式为：
5.根据权利要求1所述的一种烟草近红外光谱标准化模型，其特征在于：所述奇异值分解的计算过程为：1)对主机标准样品二维时频矩阵Am进行奇异值分解，其计算公式为：
6.根据权利要求1或5所述的一种烟草近红外光谱标准化模型，其特征在于：所述Am的奇异值分类计算过程为：1)建立基于奇异值序列的子集群，各子集Li由集合中第n个到第i个奇异值元素组成，其矢量表达式为：
7.根据权利要求6所述的一种烟草近红外光谱标准化模型，其特征在于：所述重构矩阵
8.根据权利要求1所述的一种烟草近红外光谱标准化模型，其特征在于：所述Amr和Asr的关系函数为：
9.根据权利要求1所述的一种烟草近红外光谱标准化模型，其特征在于：所述Asnr逆重构得转换重构矩阵Amnr的过程为：
10.根据权利要求1所述的一种烟草近红外光谱标准化模型，其特征在于：所述广义S逆变换的计算公式为：
11.权利要求1～10任意一项所述的一种烟草近红外光谱标准化模型的应用，其特征在于：对新测烟草样品标准化的光谱进行预测。
...【技术特征摘要】
1.一种烟草近红外光谱标准化模型，其特征在于：包括：
2.根据权利要求1所述的一种烟草近红外光谱标准化模型，其特征在于：所述成分分析方法为分光光度法、气相色谱-质谱法、液相色谱法、连续流动法和固相萃取法中的至少一种；所述成分分析包括：总糖、还原糖、烟碱、总氮、氯和钾。
3.根据权利要求1所述的一种烟草近红外光谱标准化模型，其特征在于：所述预处理过程为：对近红外光谱进行一阶导数预处理。
4.根据权利要求1所述的一种烟草近红外光谱标准化模型，其特征在于：所述广义s变换的计算公式为：
5.根据权利要求1所述的一种烟草近红外光谱标准化模型，其特征在于：所述奇异值分解的计算过程为：1)对主机标准样品二维时频矩阵am进行奇异值分解，其计算公式为：
6.根据权利要求1或5所述的一种烟草近红外光谱标准化模型，其特征在于：所述am...
【专利技术属性】
技术研发人员：宾俊，王志国，杜文，钟科军，吴名剑，
申请(专利权)人：湖南中烟工业有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。