[发明专利]一种基于子空间分析的近红外光谱分析方法

摘要

本发明涉及分析化学领域，具体为一种基于子空间分析的近红外光谱分析方法。一种基于子空间分析的近红外光谱分析方法，包括如下步骤：（1）校正集样品处理；（2）完成预测样本组分值确定。本发明采用统一步骤对样品光谱进行分析，获得样品组分信息，克服了PLS算法的主要不足。实验结果表明预测性能优于现有的PLS算法，预测均方根误差均小于PLS的预测均方根误差。本发明还可应用于其它谱分析，如紫外光谱分析、拉曼光谱分析、色谱分析等。

主权项

1.一种基于子空间分析的近红外光谱分析方法，其特征在于：包括如下步骤：(1)校正集样品处理：步骤1.1 选择p个具有代表性的样品作为校正集样本，其中p为正整数；根据样品近红外光谱响应性质，在M个波长内测量其近红外光谱，对样品进行测定，获得其N个组分值；步骤1.2 用p行、M列的近红外光谱矩阵X表示校正集样品的近红外光谱，其中X的每一行代表一个样品的吸光度；按同样顺序构建p行、N列的组分矩阵Y，其中Y的每一行代表一个样品的组分值；步骤1.3 近红外光谱矩阵X预处理：步骤1.3.1 计算上述步骤1.2中构成的近红外光谱矩阵X的平均值行向量mX，如下所述：式中，mX_k为行向量mX的第k列元素，X_i,k为矩阵X的第i行k列元素；步骤1.3.2 计算去均值近红外光谱矩阵X0X0_i，k＝X_i，k‑mX_k i＝1，2，…，p           (2)；式中，X0_i,k为矩阵X0的第i行k列元素，X_i,k为矩阵X的第i行k列元素；步骤1.4 组分矩阵Y预处理：步骤1.4.1 计算上述步骤1.2中构成的组分矩阵Y的平均值行向量mY，如下所述：式中，mY_k为行向量mY的第k列元素，Y_i,k为矩阵Y的第i行k列元素步骤1.4.2 计算去均值组分矩阵Y0，如下所述：Y0_i，k＝Y_i，k‑mY_k i＝1，2，…，p        (4)；式中，Y0_i,k为矩阵Y0的第i行k列元素；步骤1.5 确定子空间：步骤1.5.1 计算去均值近红外光谱矩阵X0的自相关矩阵R0，如下所述：式中，上标T表示矩阵转置；步骤1.5.2 计算自相关矩阵R0的特征值λ_i，其中i＝1,2,…，p，并排序使λ_p≥…≥λ₂≥λ₁＝0；步骤1.5.3 确定噪声子空间维数nn：步骤1.5.3.1 设置显著性水平α，α≤0.05，计算标准正态分布上侧分位数N_α；步骤1.5.3.2 设置噪声子空间初始维数nn，其中nn≥p/4；步骤1.5.3.3 计算部分特征值的平均值ms，如下所述：步骤1.5.3.4 计算特征值λ_i的均方差步骤1.5.3.5 如果λ_nn+1≤ms+ss×N_α，令nn＝nn+1，转步骤1.5.3.3，否则转步骤1.6；步骤1.6 输出参数X0、mX、Y0、mY、nn；(2)完成预测样本组分值确定：步骤2.1 按校正集样本近红外光谱测量方法测量预测样本近红外光谱，并记为M列向量xt；步骤2.2 对预测样本光谱进行预处理，得光谱x0，如下所述：x0＝xt‑mX               (8)；步骤2.3 构造扩展矩阵Xs：步骤2.4 计算扩展矩阵Xs的自相关矩阵R步骤2.5 对矩阵R进行特征值分解R＝V^TDV            (11)；式中，矩阵D是以向量[d₁,d₂,…,d_p+1]为对角元素的对角矩阵，且d₁≤d₂≤…≤d_p+1；步骤2.6 令矩阵V的前nn列构成的矩阵Vn为噪声子空间；步骤2.7 将Vn分块为两个矩阵V1与V0，其中，V1是Vn的前p行构成的矩阵，V0是Vn的第p+1行构成的矩阵；步骤2.8 计算初始估计值，如下所述：步骤2.9 输出估计结果y,如下所述:y＝y0+Y0            (13)。