近红外分析中光谱预处理方法的研究与应用进展.docVIP

近红外分析中光谱预处理方法的研究与应用进展 　　摘 要：光谱预处理方法在近红外光谱分析技术中占居重要地位。本文综述了均值中心化、标准化、归一化、平滑、导数、正交信号校正等常用的光谱预处理方法，着重介绍了傅里叶变换（FT）、小波变换（WT）两种基于变量压缩和信息提取的光谱预处理方法。 　　关键词：近红外光谱 预处理 小波变换 　　中图分类号：O657.33 文献标识码：A 文章编号：1672-3791（2013）05（c）-0002-01 　　近红外光谱（700～2500 nm）主要是含氢基团的倍频和组合频的吸收光谱，吸收强度弱，灵敏度相对较低，吸收带宽也相对较宽且重叠严重。利用近红外光谱仪对样品进行采集，得到的光谱除了样品自身的信息外，还携带了其他无关的信息。为了得到准确可靠的分析结果，对光谱数据进行预处理是十分必要的。 　　1 光谱预处理方法与应用 　　（1）均值中心化（mean centering）。均值中心化是从每个光谱数据中减去各个样品的平均光谱，以此来消除光谱的绝对吸收值。在对样品进行定性和定量分析时，光谱均值中心化是最为常用的。 　　（2）标准化（autoscaling）。标准化又称为均值方差化，是把均值中心化处理后的光谱再除以校正集光谱阵的标准偏差光谱。 　　（3）归一化（normalization）。归一化算法有：最小/最大归一化、矢量归一化、回零校正。在近红外光谱分析中，常用的是矢量归一化，它是先计算出光谱的吸光度平均值，然后用光谱减去该平均值，再除所有光谱的平方和。光谱归一化的目的是消除光程变化对光谱产生的影响。 　　（4）平滑（smoothing）。信号的平滑是消除噪声最常用的方法，对滤除高频噪声尤为有效。常用的平滑方法有移动平均平滑法和Savitzky-Golay卷积平滑法。移动平均平滑法的基本思想是选择一个宽度为的平滑窗口，计算窗口内的中心波长点g以及g点前后点处光谱测量值得平均值，用来代替波长点g处的测量值，依次改变g值来移动窗口，完成对所有波长点的平滑。Savitzky-Golay卷积平滑法（多项式平滑），波长点g处经过平滑后的平均值为：，式中： 　　为归一化因子；为平滑系数。利用平滑系数去乘每一个测量值，尽可能减小平滑对有用光谱信息带来的影响。 　　（5）导数（derivative）。导数光谱法是近红外光谱分析中常用的预处理方法。导数光谱能够有效的消除基线和背景干扰，提高分辨率和灵敏度。但它同时会放大噪声，导致信噪比降低。因此，对光谱进行导数运算前，应首先进行平滑处理。对于一个离散光谱，计算其波长点处的一阶导数和二阶导数光谱。式中，g为窗口宽度。一阶导数： 　　二阶导数： 　　（6）标准正态变量变换（SNV）和去趋势算法（De-trending）。SNV（standard normal variate transformation）用来减小颗粒大小不均匀和粒子表面非特异性散射的影响。SNV与标准化的计算公式相同，区别在于标准化过程是基于光谱阵的列进行运算，即对一组光谱数据进行处理，而标准正态变量变换是基于光谱阵的行，即对一条光谱数据进行处理。去趋势算法一般是对SNV后的光谱进行处理的，将原始光谱的吸光度和波长拟合出一条趋势线，然后从原光谱中减掉趋势线，从而消除漫反射光谱的基线漂移。 　　（7）多元散射校正（MSC）。MSC（multipli 　　cative scatter correction）由Martens等人提出，主要是用来减小颗粒大小及分布不均匀产生的散射对近红外光谱的影响。MSC是基于一组样品的光谱阵的，与光谱标准化本质上是一样的。 　　（8）正交信号校正（OSC）。OSC（orthogo 　　nal signal correction，OSC）是一种新的谱图预处理方法。其基本原理可以描述为在建立分析模型之前，利用浓度矩阵与光谱矩阵正交，滤除光谱中与浓度阵无关的信号，再进行多元校正，以此简化模型及提高模型预测能力。目前有3种方式：正交信号校正、直接正交信号校正和直接正交方法。 　　（9）傅里叶变换（fourier transform）。傅里叶变换是一种十分重要的信号处理技术。在近红外光谱分析中，它可以实现光谱的平滑去噪、信息提取以及数据的压缩。对于波长间隔相等的个离散的光谱数据点，其离散傅里叶变换为：，式中：为相应的频率谱，描述了原始光谱数据中的大部分信息，实现了压缩数据的目的。利用较大的频率信号进行傅里叶逆变换，可以得到原始光谱数据，傅里叶逆变换为： 　　（10）小波变换（wavelet transform）。小波变换的基本原理与傅里叶变换类似，不同的是，它既保持了傅里叶变换的优点又具有良好的局部化性质。因此，小波变换被誉为分析信号领域的显微镜