[发明专利]不同近红外光谱变量优选结果融合方法及应用

权利要求书

1.一种基于二维相关分析的不同近红外光谱变量优选结果融合方法，其特征在于，包括步骤：

步骤1：测定样本近红外光谱数据与目标待测物浓度参考值；

步骤2：构建浓度扰动动态光谱，进行二维相关分析；

步骤3：基于二维相关分析，综合考虑邻近光谱变量共线性，识别高频优选敏感变量；其中，定义共线性临近距离d和重复选择频次f，假设光谱变量间隔在共线性临近距离之内的变量高度相关，在总优选变量集V中，变量在[i-d，i+d]范围内的变量优选频次定义为变量γ_i的优选频次f_i，优选频次f_i≥f的变量及其距离d之内的变量为共线性临近变量组V_g，每组内优选的唯一变量为高频优选敏感变量，i为变量编号；

步骤4：基于二维相关分析，识别独立谱区低频优选敏感变量；其中，基于二维相关同步自动峰切线谱独立峰，划分光谱子区间，剔除包含高频优选敏感变量的区间和与总优选变量集无交集的区间，余下每个区间中优选唯一变量为低频优选敏感变量；以及

步骤5：得出全谱区域综合变量优选结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤1中，获取样本近红外光谱X及目标待测物浓度参考值C，基于近红外光谱X及目标待测物浓度参考值C，利用m种变量优选方法优选光谱敏感变量，每种变量优选方法优选出的敏感光谱变量子集V_m包含k个敏感变量γ_m1，γ_m2，...，γ_mk，叠加不同变量优选结果，构建总优选变量集V。

3.根据权利要求1所述的方法，其特征在于，所述步骤1中，所述目标待测物浓度参考值为要检测的物料待测目标的测量值。

4.根据权利要求1所述的方法，其特征在于，所述步骤2中，设定等间距目标待测浓度y_es，构建目标待测物浓度分布区间内n个目标待测物浓度间距为y_es的样本子集，其相应光谱子集为x_j(γ)＝x(γ，c_j)，j＝1，2，...，n，γ表示光谱变量，c_j表示所属光谱的目标待测物浓度，j表示样本/光谱编号，其中选定动态光谱子集的平均谱为参考谱计算方法为利用子集光谱差减参考谱构成动态光谱具体计算方法而后进行二维同步相关计算其中表示γ₁，γ₂变量处同步相关系数，分别表示j样本/光谱的γ₁、γ₂变量处的光谱值，提取同步谱自动峰切线谱其中表示γ_i变量处的同步相关系数，q为光谱变量数目。

5.根据权利要求1所述的方法，其特征在于，

所述步骤3中，高频优选步骤为：

如共线性临近变量组V_g中优选频次最高的变量唯一，则该变量定义为高频优选敏感变量；

如共线性临近变量组V_g中优选频次最高的变量不唯一，计算优选频次最高变量的均值，如距该均值最近的变量唯一，则该变量定义为高频优选敏感变量；以及

如距该均值最近的变量不唯一，则优选频次最高变量处二维相关同步相关系数大的变量为高频优选敏感变量。

6.根据权利要求1所述的方法，其特征在于，所述步骤4中，低频优选步骤为：计算区间内优选变量均值，如距该均值最近变量唯一，则该变量为低频优选敏感变量；如距该均值最近变量不唯一，选择优选变量处二维同步相关系数大的变量为低频优选敏感变量。

7.根据权利要求1所述的方法，其特征在于，

所述步骤5中，结合高频优选敏感变量与低频优选敏感变量为全谱区域综合变量优选结果。

8.权利要求1-7中任一权利要求所述的基于二维相关分析的不同近红外光谱变量优选结果融合方法在农产品品质快速检测中的应用。