一种用于预测蚕丝含量占比的近红外光谱分析方法

针对近红外光谱分析技术中未充分利用预测模型光谱数据的问题,提出了一种可充分利用光谱数据和有效预测蚕丝含量占比的新方法。以5种类型共145个样本的蚕丝含量占比以及相应的所有蛋白质基光谱数据为研究对象,将这些样本分别划分为校正集和验证集,并采用偏最小二乘回归(Partial Least Squares Regression,PLSR)方法和提出的偏最小二乘回归多模型(multi--model Partial Least Squares Regression,multi--PLSR)方法建立了预测模型。然后对比和观察了两种方法的预测效果。以类型2的蚕丝样本为例,选用13个主成分并对比两种模型后发现,multi--PLSR模型的相关系数由0.594增至0.9784,平均相对误差由0.4866降至0.1384。实验结果表明,新方法充分利用了光谱数据中的信息,提高了蚕丝含量占比预测模型的精度,为建立近红外光谱预测模型提供了一种新思路。     

基于PCR和PLS的蔗糖浓度透反射测量方法研究

利用近红外透反射光谱技术,研究短波近红外光谱(780~1100nm)无损检测蔗糖溶液的可行性,并通过主成分回归(PCR)和偏最小二乘(PLS)方法建立了蔗糖溶液的近红外定量分析模型。采用Savitzky-Golay卷积平滑(5点)和多元散射校正(MSC)进行预处理,并且对预处理后的数据进行建模分析。PCR定量分析的结果:主成分数PC=7,交互验证相关系数RCV=0.957335,交互验证的校正标准偏差RMSECV=0.015859;PLS定量分析结果:主成分数PC=4,交互验证相关系数RCV=0.975789,交互验证的校正标准偏差RMSECV=0.012251。分别用PCR和PLS的校正模型对预测集样本进行预测,两种模型的预测标准偏差RMSEP分别为0.0127,0.0118。二者均对高浓度蔗糖溶液的预测结果比较理想,而且在PLS模型下,77%以上的样本相对误差在10%以下,较PCR模型的高。综合结果,PLS所建立的模型简单,而且精度很高,所以,基于短波近红外光谱的蔗糖浓度的快速无损检测是可行的。     

紫外可见光谱检测水体COD算法研究

应用紫外可见(ultraviolet/visible,UV/Vis)光谱技术对宜昌市环境监测站水体有机物指标化学含氧量(chemical oxygen demand,COD)进行快速检测,对采集的94份水样进行UV/Vis波段全光谱扫描,采用平滑(Savitzky-Golay smoothing,SG)、一阶导数(first-derivative,1-Der)以及二阶导数(second-derivative,2-Der)对光谱进行预处理,并结合偏最小二乘回归(Partial Least Squares Regression,PLSR)对水样建立COD回归预测模型,并利用该回归预测模型预测水样COD浓度。实验结果表明采用SG平滑预处理后结合连续投影算法(Successive Projections Algorithm,SPA)选取全波段光谱中的特征波长得到的PLS模型预测精度最高,相关系数r=0.91882,预测均方根误差RMSEP=2.8156mg/L-1。进一步研究发现,使用SG平滑预处理得到的岭回归(Ridge Regression)模型精度(r=0.92,RMSEP=2.765 mg/L-1)高于PLS模型,且模型仅仅选取了4个特征波长变量,占238个全波段光谱变量的1.38%。说明针对该水样样本,利用平滑光谱预处理后,再建立岭回归模型,能节约时间和降低算法复杂度,能够快速准确地进行水样COD浓度预测,为进一步实现水样的COD浓度快速检测奠定了基础。     

紫外可见光谱检测水体COD算法研究

应用紫外可见(ultraviolet/visible,UV/Vis)光谱技术对宜昌市环境监测站水体有机物指标化学含氧量(chemical oxygen demand,COD)进行快速检测,对采集的94份水样进行UV/Vis波段全光谱扫描,采用平滑(Savitzky-Golay smoothing,SG)、一阶导数(first-derivative,1-Der)以及二阶导数(second-derivative,2-Der)对光谱进行预处理,并结合偏最小二乘回归(PartialLeast Squares Regression,PLSR)对水样建立COD回归预测模型,并利用该回归预测模型预测水样COD浓度。实验结果表明采用SG平滑预处理后结合连续投影算法(Successive Projections Algorithm,SPA)选取全波段光谱中的特征波长得到的PLS模型预测精度最高,相关系数r=0.91882,预测均方根误差RMSEP=2.8156mg/L-1。进一步研究发现,使用SG平滑预处理得到的岭回归(Ridge Regression)模型精度(r=0.92,RMSEP=2.765 mg/L-1)高于PLS模型,且模型仅仅选取了4个特征波长变量,占238个全波段光谱变量的1.38%。说明利用平滑光谱预处理后,再建立岭回归模型,能节约时间和降低算法复杂度,能够快速准确地进行该水样样本COD浓度预测,为进一步实现水样的COD浓度快速检测奠定了基础。     

基于近红外高光谱成像技术的长枣含水量无损检测

利用近红外(NIR)高光谱(900~1 700nm)成像技术对灵武长枣含水量的无损检测进行了研究。通过900~1 700nm高光谱成像系统采集了128个长枣图像,对原始光谱与Savitzky-Golay平滑处理后的光谱反射率R曲线、吸收率A曲线和Kubelka-Munk函数(KM)等曲线的偏最小二乘回归(PLSR)模型进行对比分析;采用PLSR的加权β系数分别提取不同光谱参数下的特征波长,建立RPLSR、A-PLSR和KM-PLSR的长枣含水量预测模型。结果表明,采用原始光谱建立的PLSR模型优于Savitzky-Golay平滑的PLSR模型;原始光谱的特征波长建立的PLSR模型优于全波段的PLSR模型,特征波长建立的KM-PLSR模型优于R-PLSR、A-PLSR模型,决定系数(R2)和预测均方根误差(RMSEP)分别为0.793、1.828。这表明,NIR高光谱成像技术提取特征波长进行长枣水分检测是可行的,同时也为今后长枣品质在线检测提供了理论依据。     

基于偏最小二乘回归的与头相关传递函数的个人化

该文提出了一种基于偏最小二乘回归(Partial Least Squares Regression, PLSR)的与头相关传递函数(Head Related Transfer Function, HRTF)的个人化方法。通过对HRTF进行预处理和主元分析,并对人体参数进行筛选,只要相对简单的人体参数测量,就可利用PLSR得到特定人的HRTF。客观误差分析和主观声音定位测试结果表明估计的HRTF与实际测量的HRTF之间不仅均方误差较小,而且感知区别不大;同时由PLSR估计的个人化HRTF在水平面上的主观测试定位准确率明显优于非个人化HRTF,也优于由最小二乘回归(Least Squares Regression, LSR)估计的个人化HRTF。     

基于流形学习的混合光谱解混分析

光谱解混分析的重要研究内容是计算分析各地物类别成分在混合像素内所占的比例技术。文中以实测高光谱数据为研究对象,针对高光谱数据具有高维度数、严重的光谱混合等特点,基于流形学习中局部线性嵌入（LLE）算法的思想,提出了一种约束最小乘方局部线性加权回归（CLS-LLWR）建模方法。通过4种典型地物的光谱吸收特征差异分析,从它们不同比例组合下的实测混合光谱中选取了不同波段范围,分别对该模型预测覆盖度信息能力进行了验证分析。最后,将CLS-LLWR模型与主成分回归（PCR）和偏最小二乘回归（PLSR）模型,通过计算预测标准误差（SE）进行了对比分析。结果表明,CLS-LLWR模型有较好的预测能力。这为流形学习在高光谱遥感图像信息提取方面进行了有意的探索。     

可见近红外高光谱快速诊断番茄叶片含水量及其分布

基于可见近红外高光谱建立番茄叶片水分含量快 速诊断模型,对不同光谱处理及建模进行优选, 对水分含量分布进行可视化研究。结合阈值法采集不同生长期192个 番茄叶片感兴趣区域光谱信息进行预 处理比较,分析β权重系数法、连续投影算法(SPA)、无信息 变量消除(UVE)、竞争自适应加权算法(CARS) 及UVE-SPA、CARS-SPA组合方法特征波长优化方法,利用提取特征波长对多元线性回归(MLR)、主成分回 归(PCR)及偏最小二乘回归(PLSR)水分含量建模方法进行有效性评价,优化出最佳组 合模型,采用特征 图像光谱反射权重系数实现叶片含水量及其分布的可视化,解析叶片含水量光谱响应特性。 最终确立 Baseline为最佳波段预处理方法,全波段建模预测集相关系数R_p 达0.97;提取特征波长后,Baseline-CARS-MLR 为叶片水分含量预测最佳模型,预测集相关系数R_p为 0. 95,预测集均方根误差RMSEP为0.042。基于高光 谱成像技术快速评估叶片水 分含量具有一定优势,为活体番茄植株生长水分亏缺状况实时评估及智能化灌 溉技术提供理论依据。     

梨表面色泽的可见/近红外漫反射光谱无损检测研究

应用可见/近红外漫反射光谱对梨表面色泽进行无损检测研究.在350～1800nm光谱区间,结合梨的原始吸收光谱和标准化光谱,采用多元线性回归(MLR)、主成分回归(PCR)和偏最小二乘回归(PLSR)三种数学校正算法进行了定量对比分析.原始吸收光谱应用偏最小二乘回归建立的定标模型对24个未知样品的预测结果是:L*、a*、b*预测均方差分别为1.4251,0.4569和0.9497;相对预测偏差分别为3.7404%,3.3571%和2.5877%.实验结果表明:可见/近红外光谱技术对梨表面色泽的无损检测具有可行性.     

基于近红外高光谱成像技术的长枣含水量无损检测

利用近红外(NIR)高光谱(900～1700nm)成像技术对灵武长枣含水 量的无损检测进行了研究。通过900～1700nm 高 光谱成像系统采集了128个长枣图像,对原始光谱与Savitzky-Golay 平滑处理后的光谱反 射率R曲线、吸收率A曲线和Kubelka-Munk函数(KM )等曲线的偏最小二乘回归(PLSR)模型进行对比分析;采 用PLSR的加权β系数分别提取不同光谱参数下的特征波长,建立R-PLSR、A-PLSR和KM-PLSR的长 枣 含水量预测模型。结果表明,采用原始光谱建立的PLSR模型优于Savitzky-Golay平滑的PLS R模 型;原始光谱的特征波长建立的PLSR模型优于全波段的PLSR模型,特征波长建立的KM-PLSR模型优于R- PLSR、A-PLSR模型,决定系数(R²)和预测均 方根误差(RMSEP)分别为0.793、1.828。这表明,NIR 高光谱成像技 术提取特征波长进行长枣水分检测是可行的,同时也为今后长枣品质在线检测提供了理论依 据。     

Spatial characterization of wafer state using principal componentanalysis of optical emission spectra in plasma etch

Optical emission spectroscopy (OES) is often used to obtain in-situ estimates of process parameters and conditions in plasma etch processes. Two barriers must be overcome to enable the use of such information for real-time process diagnosis and control. The first barrier is the large number of measurements in wide-spectrum scans, which hinders real-time processing. The second barrier is the need to understand and estimate not only process conditions, but also what is happening on the surface of wafer, particularly the spatial uniformity of the etch. This paper presents a diagnostic method that utilizes multivariable OES data collected during plasma etch to estimate spatial asymmetries in commercially available reactor technology. Key elements of this method are: first, the use of principal component analysis (PCA) for dimensionality reduction, and second, regression and function approximation to correlate observed spatial wafer information (i.e., line width reduction) with these reduced measurements. Here we compare principal component regression (PCR), partial least squares (PLS), and principal components combined with multilayer perceptron neural networks (PCA/MLP) for this in-situ estimation of spatial uniformity. This approach has been verified for a 0.35-μm aluminum etch process using a Lam 9600 TCP etcher. Models of metal line width reduction across the wafer are constructed and compared: the root mean square prediction errors on a test set withheld from training are 0.0134 μm for PCR, 0.014 μm for PLS, and 0.016 μm for PCA/MLP. These results demonstrate that in-situ spatially resolved OES in conjunction with principal component analysis and linear or nonlinear function approximation can be effective in predicting important product characteristics across the wafer     

Monitoring PM2.5 in the Atmosphere by Using Terahertz Time-Domain Spectroscopy

The real-time monitoring of the air pollution with multiple sources is of great significance for pollution control and environmental protection. In this paper, we presented a study of terahertz time-domain spectroscopy (THz-TDS) as a direct tool for monitoring the component and content of PM2.5 in atmosphere. Due to the THz absorption, the intensities of the peaks in THz-TDS decreased with the augment of PM2.5 and were proportional to the PM2.5 content. The ratio of absorbance A to PM2.5 reflected a basically unchanged tendency, indicating the little change of principal elements under the pollution degree. In the high-pollution condition, a lot of SO₂ from vehicle and factory was emitted into air. The elements, such as S and O from anions, had a stronger absorption effect in THz range. Based on the absorbance spectra, the absorption tendencies with PM2.5 over the whole range were validated by principal component analysis and the quantitative model with a high correlation was built by using back propagation artificial neural network. BPANN model improved the precision of linear fitting between peak intensities and PM2.5. The research demonstrates that THz-TDS is a promising tool for fast, direct, and reliable monitoring in environmental applications.     

基于视频图像的水位监测方法研究

为实现水位的实时精确监测,提出了一种基于视频图像的水位监测方法,该方法不识别水尺刻度与数字,而是利用水尺刻度对相机进行标定,用图像差分法提取水位变化区域,计算图像水位线坐标,根据相机标定结果算得实际水位高度。该方法算法简便、处理速度快、满足实时监测要求、受水尺刻度限制及污渍等外界环境的影响较小,可以较精确测得水位高度。研究选用两幅分辨率为 640×480的图像进行模拟实验,在图像未满足要求的情况下测得水位平均误差小于0.5cm,当系统满足设计要求时测量精度会进一步提高,该方法可以较好地实现水位的实时精确监测。     

Methodology for feedback variable selection for control of semiconductor manufacturing processes - Part 2: Application to reactive ion etching

The PVVM methodology for feedback variable selection introduced in a companion paper (Patterson et al., 2003) is applied to a gate etch process. The primary purpose of this paper is to illustrate the practical aspects of utilizing this methodology. Particular attention is given to the challenging task of process modeling. The model-building procedure and constraint-limited exhaustive search is demonstrated to perform superior to other model-building procedures including principal component regression and partial least squares regression for use in this methodology. A second purpose is to present the results for the etch process. Advanced sensors considered for real-time process control of this process include an RF probe, mass spectroscopy and optical emission spectroscopy. Feedback variables are selected to reduce variation in etch rate, nonuniformity and lateral etch rate. The advantages of treating location on the wafer as a disturbance to the etch rate model so that both etch rate and nonuniformity may be captured in one model are presented and experimentally verified.     

基于主成分分析和人工神经网络的五味子质量鉴定方法研究

提出了一种采用近红外光谱技术结合人工神经网络对中药五味子质量进行鉴别的新方法.利用近红外光谱仪获得了3种不同来源地五味子合计90个样本的光谱曲线,采用主成分分析法对光谱数据进行了聚类分析,并结合人工神经网络技术建立了五味子甲素、五味子乙素和五味子醇甲三种木脂素类化合物的分析模型.主成分分析表明,前5个主成分的累积贡献率为98.75%,具有很好的聚类作用.在主成分分析的基础上,取前5个主成分的18个吸收峰作为网络的输入节点,取3项指标作为输出节点,建立了一个18(输入节点)-10(隐含层节点)-3(输出节点)的三层人工神经网络模型.五味子甲素、五味子乙素和五味子醇甲三项指标的人工神经网络模型预测值的平均相对误差分别为4.07%、2.65%和6.15%,与高效液相色谱法测定值的符合程度很高.该模型具有很好的预测能力,可用于大批量五味子的质量检测和五味子生产加工过程中的质量控制.     

基于回归滤波器的地杂波抑制研究

本文研究了基于正交多项式拟合的回归滤波器。由于地物杂波变化缓慢,将输入信号投影到低阶多项式子空间可以很好的拟合地物杂波,进而形成一个在零频附近的带凹槽的高通滤波器。回归滤波器的频率响应仅和对信号的采样点数与正交多项式最大阶的阶数有关,通过仿真,回归滤波器对零频附近的地物杂波有明显的抑制效果,且其抑制性能优于五阶的IIR椭圆滤波器。     

支持向量回归在声音转换中的应用

声音转换是将源说话人的声音转化成具有目标说话人特征信息的声音的方法。将3种不同的回归方法:多项式回归,线性多变量回归以及支持向量回归分别应用于声音转换。实验分别对5个普通话元音进行转换。主观和客观评估了每种方法的语音转换质量。结果表明,支持向量回归具有更强的学习能力,使转换语音具有更好的目标倾向性。与多项式回归和线性多变量回归相比,支持向量回归既提高了泛化能力又避免了频谱不连续性,使转换语音与目标语音的频谱距离失真分别减少了33.29%和35.24%。     

基于主成分分析与BP神经网络的识别方法研究

利用BP神经网络对红外目标进行识别之前,若不对原始样本数据进行预处理与特征提取,一方面使识别结果准确性降低,另一方面使BP神经网络的结构复杂化,采用主成分分析法可解决这些问题。主成分分析法能较好地提取表征样本的少数几个主分量,由该方法的特点可知,这几个主分量彼此不相关,非常符合特征优化的要求。研究结果表明,用该方法处理后的结果数据输入BP神经网络．提高了识别正确率,减少了训练时间,同时也简化了网络结构。将两种常见的模式识别方法结合用于红外目标识别：先由主成分分析法对原始样本数据进行精简处理,然后再由BP神经网络法进行分类识别,与传统的单一识别方法相比,准确度得到提高,计算量大为减少。     

连续投影算法的润滑油中含水量近红外光谱的分析

应用近红外光谱技术结合连续投影算法（SPA）实现了油中含水量的分析。对57个油样进行光谱扫描,通过比较不同预处理方法,以相关系数（R）和均方根误差（RMSE）作为模型评价指标,建立油中含水量预测的全波段偏最小二乘法（PLS）模型。同时应用SPA提取有效波长,作为PLS的输入变量,建立了SPA-PLS模型。结果表明经连续投影算法提取24个特征波长建立的模型,所用变量数仅占全波段的 4.68%,SPA-PLS优于全波段的PLS模型,其对验证集样本进行预测的相关系数和均方根误差分别为0.994 4和5.455 110-5,获得了满意的预测精度。说明应用光谱技术检测油中含水量是可行的,并能获得满意的预测精度,为进一步应用光谱技术进行油中其他污染物的在线监测提供了新的方法。