光谱预处理方法的作用与目的.docVIP

光谱预处理方法的作用与目的 光谱预处理的方法有很多，应结合实际情况合理选取最好的预处理方法。 均值中心化（mean centering）：增加样品光谱之间的差异，从而提高模型的稳健性和预测能力。 标准化（autoscaling）：该方法给光谱中所有变量相同的权重，在对低浓度成分建立模型时特别适用。 归一化（normalization）：常用于微小光程差异引起的光谱变化。 平滑去噪算法（smoothing）：是消除噪声最常用的一种方法。其效果与选择的串口数有关，窗口数太大，容易失真；窗口数过小，效果不佳。 导数（derivative）：可有效的消除基线和其他背景的干扰，分别重叠峰，提高分辨率和灵敏度。 标准正太变换（SNV）：主要用来消除固体颗粒大小、表面散射以及光程变化对漫反射光谱的影响。去趋势算法常用在SNV处理后的光谱，用来消除南反射光谱的基线漂移。 多元散射校正（msc）：作用于SNV 差不多，主要是消除颗粒分布不均匀及颗粒大小产生的散射影响，在固体漫反射和浆状物透射和反射光谱中运用比较多。 傅里叶变换（FT）：能够实现时域和频域之间的转换。仪器的噪声相对于信息信号而言，其振幅更小，频率更高，故舍去高频率的部分信号可以消除大部分光谱噪声，使信号更加平滑，利用低频信号，通过傅里叶反变换，对原始光谱数据重构，达到去除噪声的目的。 小波变换（WT）：将信号转变成一系列的小波函数的叠加，这些小波函数都是由一个母小波函数经过平移和尺度伸缩得到，小波变换在时域和频域同时具有良好的局部化性质，他可以对高频成分采用逐步精细化的时域或空间域取代步长，从而达到聚焦到对象的任意细节。