[发明专利]一种基于缩胀变步长的非线性定标方法

说明书

本发明实施例提供一种基于缩胀变步长的非线性定标方法，所述方法包括，获取实时试剂光值，根据预先构造的非线性函数确定所述实时试剂光值对应的实时试剂浓度；其中，所述预先构造的非线性函数通过以下方式确定：获取已知的设定组数的试剂光值及其对应试剂浓度的数据组；根据所述数据组，通过缩胀变步长和加权非线性参数估计方式构造从试剂光值到试剂浓度的非线性函数。本技术方案创新地通过数据组进行参数估计进行非线性函数的确定，使得通过试剂光值确定浓度的精度提高。

技术领域

本发明涉及生物试剂的定标领域，具体涉及一种基于缩胀变步长的非线性定标方法。

背景技术

生物试剂出厂前，在厂内要完成定标。车间仪器测量了不同时间、不同环境下试剂的光值，需要把这个光值转化成试剂浓度，定标就是要找到一个从浓度到光值的非线性函数。这个非线性函数严格单调，且依赖一组未知的参数。假定定标前可以获得有限组浓度-光值数据，且测量中含有误差，利用浓度-光值数据估计未知参数的过程实质就是非线性参数估计问题，而参数估计问题又可以转化为迭代下降优化问题。

发明人发现现有技术中至少存在如下问题：

(1)确定初值方法困难。如果初值为零，算法未必收敛，这个问题常被忽略。初值确定方法依赖采样数据条件和非线性函数的性质。

(2)确定下降方向时计算海塞矩阵困难。只有下降方向才能保证算法收敛，现有非线性参数估计方法包括：最速下降法、牛顿法、高斯-牛顿法、混合法，等等。其中最速下降法基于雅克比矩阵的转置；牛顿法基于海塞矩阵和雅克比矩阵的转置、高斯-牛顿法基于雅克比矩阵的广义逆、混合法基于最速下降法与牛顿法之间的切换。海塞矩阵计算往往很困难，需要回避该运算。

(3)确定迭代步长很难做到张弛有度。如果步长太小，则收敛速度太慢；如果步长太大，就可能导致算法发散。确定步长的常规方法有直线搜索法、置信域法、阻尼法、莱文伯格 -马夸特法。这些方法各有局限性，比如直线搜索法本身过程复杂、计算较耗时，且依赖一个新的限定参数；又如，置信域法和阻尼法需要事先确定未知的搜索半径参数；再如，阻尼法、莱文伯格-马夸特法还要额外考虑阻尼系数。总之，这些方法总是把旧参数的困难转嫁到新参数上，导致工程化的困难。

发明内容

本发明实施例提供一种基于缩胀变步长的非线性定标方法，通过采样数据确定非线性函数以实现基于缩胀变步长的非线性定标。

为达到上述目的，本发明实施例提供了一种基于缩胀变步长的非线性定标方法，所述方法包括：

获取实时试剂光值，根据预先构造的非线性函数确定所述实时试剂光值对应的实时试剂浓度；其中，

所述预先构造的非线性函数通过以下方式确定：

获取已知的设定组数的试剂光值及其对应试剂浓度的数据组；

根据所述数据组，通过缩胀变步长和加权非线性参数估计方式构造从试剂光值到试剂浓度的非线性函数。

上述技术方案具有如下有益效果：

本发明的技术方案创新地通过数据组进行参数估计进行非线性函数的确定，使得通过试剂光值确定浓度的试剂定标效率和局部定标精度都得以提高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一种基于缩胀变步长的非线性定标方法的流程图；

图2为本发明实施例中有紧缩无膨胀无加权条件下的迭代图；

图3为本发明实施例中有紧缩无膨胀有加权条件下的迭代图；