[发明专利]一种校正光谱的方法

说明书

本发明涉及一种校正光谱的方法，首先将已知原油样本分别在两台光谱仪上采集光谱并计算该同一组已知原油样本在不同光谱仪上采集的光谱差谱，然后，对于在其中一光谱仪上采集的未知样品光谱，在相同的波段区间内使用拟合算法得到该光谱仪上采集的已知原油样本的光谱与待转移光谱的拟合系数向量，计算拟合系数向量与光谱差谱矩阵的乘积得到拟合差谱波段，由拟合差谱波段组成拟合差谱，计算未知样品光谱与拟合差谱的差值，即可得到在另一光谱仪采集该未知原油样品的校正光谱。该方法具有使用简便、测试准确的优势。

技术领域

本发明涉及一种校正光谱的方法。

背景技术

专利200910169611.8“一种由近红外光谱快速识别原油种类的方法”基于移动窗口概念(Moving Window)结合传统相关系数法提出了一种用于原油近红外光谱快速识别的方——移动窗口相关系数法。这种方法可以准确地对原油品种进行识别，并能给出不同原油近红外光谱之间详细的差异信息，为解析谱图提供有力帮助。但是在实际应用过程中经常遇到近红外光谱不一致的问题，即同一个原油在不同型号的近红外光谱仪上获得的光谱不相同，其主要原因是由于不同型号光谱仪之间的关键部件存在微小差异。若将在一种型号近红外光谱仪器上的建立的近红外光谱数据库用于另一种型号仪器上时，由于光谱之间存在差异，会导致错误的识别结果，例如，同一种原油有可能被误判为两种不同的原油。

为解决不同仪器所采集光谱不一致的问题，针对不同的应用对象已提出了多种方法。常用的算法是直接标准化算法(Direct Standardization，DS)，这种算法是针对两类仪器之间有较大光谱差异的情况，通过一组标样找到两类仪器之间的光谱转换系数。平均光谱差值校正方法(Mean Spectra Subtraction Correction Method，MSSC)是针对两类仪器间在吸光度上存在差异而在波长上不存在差异的情况，通过一组标样找出不同仪器之间的吸光度差异，所用的光谱差值未一组标样的差谱平均值。

常用的算法是DS(Direct Standardization，直接标准化)算法，这种算法是针对两类仪器之间有较大光谱差异的情况，通过一组标样找到两类仪器之间的光谱转换系数。平均光谱差值校正方法(Mean Spectra Subtraction Correction Method，MSSC)是针对两类仪器间在吸光度上存在差异而在波长上不存在差异的情况，通过一组标样找出不同仪器之间的吸光度差异，所用的光谱差值为一组标样的差谱平均值。

陈嘉威在《滤光片型近红外仪器模型传递的研究》(光谱学与光谱分析，2008，28(10)：2459-2462)一文中，以玉米籽粒近红外光谱图(检测其中水分含量)为例，考察了模型传递的问题。使用斜率截距算法，直接校正法和目标因子分析等算法，在5台滤光片型近红外仪器上实现了模型传递，并比较了各种方法的模型传递效果。研究表明，直接校正法的模型传递效果最好，4台从仪器的平均传递差异度为7.01％。文章还研究了标准样品数量对模型传递效果的影响。作为转换集的标准样品数目越多，模型传递效果越好，一般有20个标准样品就能达到稳定的效果。当转换集小于20时，直接校正法的传递效果急剧下降，而标准样品数量对斜率截距法和目标因子分析法的影响不明显。

赵龙莲在《基于SVR的傅里叶变换型近红外光谱仪间数学模型传递的研究》(光谱学与光谱分析，2008，28(10):2299-2303)一文中，以两台傅里叶变换近红外光谱仪为实验研究对象，以玉米粉末样品为实验材料，采用移动窗口支持向量回归机(SVR)方法，把一台仪器上建立的近红外定量分析数学模型传递到另一台仪器上：当SVR回归的窗口大小为31个波长点，传递样品个数为15个时，模型传递效果较好，以主机所建蛋白含量的数学模型分析从机上修正后的光谱，化学测定值和近红外预测值间的相关系数提高到0.9434，相对标准差为4.23％。表明采用移动窗口SVR法进行傅里叶变换近红外光谱仪间数学模型的传递是可行的。但该方法计算过程较为复杂。

发明内容

本发明的目的是提供一种光谱校正方法，该方法能够消除不同光谱仪之间的波长差异。