[发明专利]一种基于小波函数的近红外光谱软测量方法及系统

权利要求书

1.一种基于小波函数的近红外光谱软测量方法，其特征在于，包括如下步骤：

S1、获取建模所需的样本数据，该样本数据为采样样品所对应的近红外光谱数据以及对应的水分含量数据；

S2、创建每条光谱所对应的光滑连续函数，该光滑连续函数通过以小波函数作为基函数对光谱进行逼近获得；

S3、创建每条光谱所对应的回归函数，该回归函数通过以所述小波函数为基函数对光谱进行逼近获得；

S4、创建各所述光滑连续函数与水分含量数据的回归关系模型；

S5、获取待测样品所对应的光谱数据，基于回归关系模型获取所对应的预测质量数据；

其中，所述S2中的光滑连续函数x_i(s)对应的公式为：

其中，表示DB4小波基函数向量，表示第k个小波基函数，c_i＝[c_i1，c_i2,…,c_iK]^T表示第i条光谱函数的拟合系数向量，c_ik是其中的第k个系数，k＝1,2,…,K，K表示选用小波基函数的个数，s表示连续函数中的自变量，上标T表示转置；

同时利用最小二乘法计算拟合系数向量c_i，即得到拟合系数

其中，y_i＝[y_i1,y_i2,…,y_iM]^T表示第i条光谱的所有采样点向量，M表示采样点个数，Φ表示所有的小波函数基对应的数值矩阵，即

其中，s₁，s₂，…，s_M表示每个采样点位置；

其中，所述S3中的回归函数β(s)对应的公式为：

其中，表示DB4小波的基函数，b＝[b₁,b₂，…，b_K]^T表示对应的拟合系数向量，b_k表示拟合系数向量b中的第k个分量，k＝1,2,…,K；

其中，所述S4中光滑连续函数x_i(x)与水分含量z_i的回归关系模型为：

其中，a表示回归模型的截距，s₁和s_M分别是自变量s取值的下界和上界；又因为

定义则

定义N表示采集谱图的个数，1_N表示维数为N数值都是1的列向量，C表示拟合系数向量c_i所构成的矩阵，则z＝Hp，其中水分含量所对应的向量z＝[z₁,z₂,…,z_N]^T；

利用最小二乘法得到

p＝(H^TH)^-1H^Tz (5)

其中p为光谱函数与水分含量之间的回归系数；

其中，所述S5中基于步骤S2-S4获取所对应的预测质量数据的过程包括：

若待测样品所对应的光谱数据记为y_new，创建该光谱y_new所对应的光滑连续函数以及回归函数并通过求解所对应的回归关系模型获取预测质量数据；即

z_new＝H_newp (6)

其中，

2.一种基于小波函数的近红外光谱软测量系统，其特征在于，包括：

第一数据获取单元，其用于获取建模所需的样本数据，该样本数据为采样样品所对应的近红外光谱数据以及对应的水分含量数据；

第二数据获取单元，其用于创建每条光谱所对应的光滑连续函数，该光滑连续函数通过以小波函数作为基函数对光谱进行逼近获得；

第三数据获取单元，其用于创建每条光谱所对应的回归函数，该回归函数通过以所述小波函数为基函数进行逼近获得；

第四数据获取单元，其用于创建各所述光滑连续函数与水分含量数据的回归关系模型；

第一数据输出单元，其用于获取待测样品所对应的光谱数据并输出所对应的预测质量数据；

其中，所述第二数据获取单元中的光滑连续函数x_i(s)对应的公式为：

其中，表示DB4小波基函数向量，表示第k个小波基函数，c_i＝[c_i1，c_i2,…,c_iK]^T表示第i条光谱函数的拟合系数向量，c_ik是其中的第k个系数，k＝1,2,…,K，K表示选用小波基函数的个数，s表示连续函数中的自变量，上标T表示转置；

同时利用最小二乘法计算拟合系数向量c_i，即得到拟合系数

其中，y_i＝[y_i1,y_i2,…,y_iM]^T表示第i条光谱的所有采样点向量，M表示采样点个数，Φ表示所有的小波函数基对应的数值矩阵，即

其中，s₁，s₂，…，s_M表示每个采样点位置；

其中，所述第三数据获取单元中的回归函数β(s)对应的公式为：

其中，表示DB4小波基函数，b＝[b₁，b₂，…，b_K]^T是对应的拟合系数向量，b_k表示拟合系数向量b中的第k个分量，k＝1，2，…，K；

其中，所述第四数据获取单元中光滑连续函数x_i(s)与水分含量z_i的回归关系模型为：

其中，a表示回归模型的截距，s₁和s_M分别是自变量s取值的下界和上界；又因为

定义则

定义N表示采集谱图的个数，1_N表示维数为N数值都是1的列向量，C表示拟合系数向量c_i所构成的矩阵，则z＝Hp，其中水分含量对应的向量z＝[z₁，z₂，…，z_N]^T；

利用最小二乘法得到

p＝(H^TH)^-1H^Tz (11)

其中p为光谱函数与水分含量之间的回归系数；

其中，所述数据输出单元中输出预测质量数据的过程包括：

若待测样品所对应的光谱数据记为y_new，创建该光谱y_new所对应的光滑连续函数以及回归函数并通过求解所对应的回归关系模型获取预测质量数据；即

z_new＝H_newp (12)

其中，