净分析信号预处理在喷气燃料重质组分快速分析中的应用

为了改善干扰信息与分析组分浓度变化产生偶然相关造成的分析模型预测精度下降的问题,将净分析信号概念引入多种烃类化合物构成的喷气燃料重质组分快速分析中。利用净分析信号(NAS)算法进行样品近红外光谱预处理,并结合偏最小二乘回归(PLS)建立反映喷气燃料重质组分含量信息的终馏点校正模型(NASPLS),并与常规PLS校正模型进行对比分析。结果表明,NAS预处理结合PLS方法相比常规PLS方法显著减小了建模所需主因子数,交互预测偏差降低了33%,模型的准确性和适应性得到一定的提高。净分析信号算法应用于近红外光谱模型预处理过程,对构成复杂且干扰未知的样品建立近红外光谱模型具有一定的借鉴作用。     

可见光谱结合偏最小二乘法对混合染料浓度的同时测定

采用偏最小二乘法建立测定混合染料浓度的可见光谱定量分析模型,应用多种光谱预处理方法对光谱进行信息提取和分析,分别建立定量分析模型;讨论了光谱的预处理方法和主成分数对PLS模型定量预测能力的影响;比较各个模型的内部交互验证均方根误差(RMSECV),校正均方根残差(RMSEC),校正相关系数R,预测均方根误差(RMSEP)选取最优模型.结果表明:所建立的校正模型稳健性好和预测精度高,为混合染料浓度的快速、准确和同时测定提供了新的途径,对于连续在线监测混合染料浓度具有指导意义.     

干扰校正组合法在近红外检测牛奶中的应用

以牛奶近红外透射光谱为研究对象,探讨不同干扰信息消除方法对牛奶主要成分定量检测模型的影响,对比分析了采用扩展多元散射校正、标准正交变换、正交信号校正、扣标准液校正法和小波变换处理后光谱的建模效果,并对干扰校正方法组合后的效果进行了评价.结果表明,使用干扰校正组合方法能更有效地消除无关信息对模型的影响,与最佳单一方法的结果相比,脂肪和蛋白质的预测精度分别提高了31.6%和30.0%.该研究为建立稳健的近红外牛奶检测模型提供了有效的预处理方法,对牛奶品质在线快速检测具有参考价值.     

数据预处理方法对油页岩含油率近红外光谱分析的影响

为提高利用近红外光谱(NIRS)分析技术进行油页岩含油率的原位检测时的建模精度,需要采用适当的方法进行数据预处理。本研究利用实际和合成油页岩样品,结合光谱和矩阵2类数据预处理方法,研究不同方法及其组合对油页岩光谱数据一致性、样品含油率偏最小二乘法(PLS)的模型精度的影响。结果表明:在11种光谱数据预处理方法中,一阶导数、正则化、中心化以及适当的组合(如平滑、消噪和消基线后分别加中心化)等光谱预处理方法,可提高相同样品光谱数据间的一致性;在11种光谱预处理和3种矩阵处理的组合方法中,3种数据预处理组合方法(中心化、一阶导数2种光谱预处理+中心化矩阵预处理、一阶导数光谱预处理+正则化矩阵预处理)可提高合成样品含油率PLS模型的精度。     

基于近红外光谱技术测定小麦籽粒淀粉含量

采用化学方法测定78个小麦样品中的淀粉含量,运用近红外光谱仪采集小麦样品近红外光谱.用光学处理和数学处理等手段对模型的影响进行了探讨.结果显示,反相离散多元校正(Inverse MSC)与二阶导数结合对光谱数据进行预处理后,运用偏最小二乘法(PLS)所建分析模型的预测效果最优,其相关系数为0.951 7.以17个验证集样品进行外部检验,得小麦籽粒中淀粉含量的模型预测值与化学值之间的相关系数为0.978 6.     

栀子提取和纯化过程的近红外光谱快速检测方法

采用近红外光谱分析技术(NIR)以栀子渗漉提取和大孔树脂纯化过程为研究对象,分别研究并建立了过程中栀子苷含量的检测模型,可实现对中药栀子提取和纯化过程栀子苷含量的快速分析.运用偏最小二乘法(PLS)建立模型,提取过程校正模型相关系数R为0.997 47,校正均方差(RMSEC)和验证均方差(RMSEP)分别为0.588和0.536;纯化过程校正模型相关系数R为0.99640,校正均方差(RMSEC)和验证均方差(RMSEP)分别为0.308和0.298.本方法可用于中药栀子的提取、纯化过程有效成分含量的快速检测.     

多组分溶液近红外光谱检测算法研究

利用下一代红外光谱检测仪MEMS-FTIR,在基于近红外波段1 000—2 100 nm区域对多组分糖溶液进行检测,通过开源平台的R语言对实验中的近红外光谱数据进行数据分析和PLS算法研究,为下一代快速、便携式、移动平台光谱数据分析奠定基础。本次研究主要使用具有开源性质的R语言和近红外光谱PLS算法,PLS算法可以显著提高近红外光谱回归模型的有效性。在建立回归模型后,对模型的RMSEP系数和R2系数进行分析和比较,结果表明建立的多组分糖浓度的PLS回归模型拟合程度较高。     

近红外光谱法快速定量分析那格列奈

采用近红外漫反射光谱分析技术和化学计量学的方法对那格列奈进行快速无损的定量分析.采集41份不同浓度系列的那格列奈样品测量近红外漫反射光谱,用多元散射校正结合一阶导数的光谱预处理方法,结合偏最小二乘法(PLS)建立那格列奈的定量分析模型.结果表明:交叉验证均方根误差(RMSECV)为0.448 5,决定系数R2为0.999 8;预测均方根误差(RMSEP)为0.196 0.方法精密度RSD为1.1%(n=6),加标回收率为95.55%.结果表明,用近红外光谱分析技术对那格列奈进行定量分析结果准确可靠,方法简便快速,可推广用于此类样品的工业在线分析.     

应用NIR高光谱成像技术检测羊肉脂肪和蛋白质质量分数

采用近红外高光谱成像技术(900～1 700 nm)对羊肉脂肪和蛋白质质量分数进行预测.通过近红外高光谱对72个羊肉样本进行高光谱图像采集,获取的光谱数据经过多元散射校正进行光谱预处理.通过回归分析选取对应的特征波长,利用BP神经网络结合脂肪和蛋白质的实测值,建立预测模型并对模型进行验证.结果显示,羊肉脂肪和蛋白质的预测模型效果较好.其中,脂肪模型的相关系数R和预测均方根误差RMSEP分别为0.91和0.73;蛋白质模型的相关系数R和预测均方根误差RMSEP分别为0.87和1.19.该研究表明,利用近红外高光谱成像技术预测羊肉脂肪和蛋白质质量分数是可行的.     

基于高光谱成像技术的马铃薯多种营养成分同时检测

利用高光谱成像技术对马铃薯淀粉、干物质、水分含量进行同时检测。采用多元散射校正方法(MSC)对原始光谱预处理,并通过竞争性自适应重加权算法(CARS)和连续投影算法(SPA)选择特征波长,分别建立两种特征波长下的偏最小二乘模型(PLS)和多元线性回归模型(MLR),并对比建模效果。结果表明,采用CARS选择的特征波长建模效果较好。淀粉的最优模型为CARS-MLR模型,其校正模型相关系数(RC)、校正模型的均方根误差(RMSEC)、预测模型的相关系数(RP)、预测模型的均方根误差(RMSEP)分别为0.965、0.376、0.950、0.361;干物质的最优模型为CARS-PLS模型,其RC、RMSEC、RP、RMSEP为0.954、0.386、0.947、0.383;水分的最优模型为CARS-PLS模型,其RC、RMSEC、RP、RMSEP为0.926、0.410、0.929、0.398。研究结果表明,CARS算法是一种有效的高光谱特征波长提取方法,利用CARS选择特征波长建立的预测模型可替代全波段建模。利用高光谱成像技术可以实现马铃薯多种营养成分同时检测。     

基于MPSK信号频偏估计的非线性滤波算法

基于MPSK信号的非线性频偏估计算法，通过对叠加了高斯分布白噪声接收信号的非线性交换分析，将非线性滤波(中值滤波)算法应用于载波频率估计之中．运用Monte Carlo仿真手段对其进行了验证，结果表明，在非线性频率估计中运用中值滤波算法后，其估计的均方误差较之运用均值滤波算法有很大的改善．     

季节指数改进的PM2.5质量浓度组合预测模型研究

随着我国的经济和城市化迅速发展,PM_2.5主导的区域空气污染已成为紧迫、突出的环境问题。据相关研究表明,PM_2.5在不同季节质量浓度差异较大。根据广州市2015~2019年的PM_2.5月均质量浓度数据,结合大气污染物及气象因素,引入季节指数,建立预测PM_2.5质量浓度的改进多元线性回归和多层感知器组合预测模型,探析广州市大气污染物中PM_2.5质量浓度的变化规律。结果表明,用季节指数改进的组合预测模型对PM_2.5质量浓度进行预测分析,拟合结果良好。使用不同评价指标将组合模型与传统的多层感知器预测模型和多元线性回归模型进行对比,该组合模型的均方根误差(Root Mean Square Error,RMSE)、平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)、平均绝对误差(Mean Absolute Error,MAE)分别比多层感知器模型减少了23.1%、31%、24.2%;比多元线性回归模型减少了35.3%、41.3%、41%。该模型精度均优于传统的多元线性回归模型和多层感知器模型,能更好地预测环境PM_2.5质量浓度,为优化环境提供参考。     

多天线系统下信道估计算法及性能分析

在多天线系统下对信道估计算法进行研究。比较最小二乘算法(Least Square,LS)和最小均方误差算法(Minimum Mean Square Error,MMSE)在多天线(MIMO)系统中的性能,并在二者的基础上,论述一种能够降低计算复杂度的松弛最小均方误差(RMMSE)估计方法。通过发送正交导频序列对RMMSE估计算法的性能进行仿真,并对其算法复杂度进行分析比较。结果表明,在保证一定性能的前提下,RMMSE算法复杂度可适当降低,这说明RMMSE估计算法具有较好的估计性能以及较低的计算量。     

一种新的噪声自相关估计方法

通过分析带噪语音、纯净语音和噪声的自相关关系,在均方误差最小准则下给出了一种基于最优平滑滤波和能量最小算法相结合的噪声自相关无偏估计算法,与传统的噪声自相关估计不同,该算法直接从带噪语音自相关中估计噪声自相关。实验表明,该算法优于传统的噪声自相关估计算法,在非平稳噪声环境下,估计器的性能得到改善。     

异源高分辨率卫星遥感影像配准新方法

首先建立了粗配准模型。然后对影像进行边缘提取,采用Hough变换提取同名直线。利用同名直线交点构建虚拟点集并进行特征描述,通过几何约束和互信息方法提取初始同名点。最后采用RANSAC算法获取最终的匹配结果,并利用获取的同名点对构建三角网进行小面元纠正。实验结果表明:相对于传统的SIFT匹配算法,本文方法可提取更多的同名点,均方根误差(RMSE)可以控制在1个像素以内。     

用基于LMMSE-PIC算法消除OFDMA上行链路多用户干扰

提出了一种消除载波频偏引起的多用户接入干扰的LMMSE-PIC算法.首先,采用线性最小均方误差(LMMSE)来估计各用户的频偏干扰,然后根据这些估计值采用一种迭代的并行干扰消除(PIC)算法来消除多用户接入干扰.仿真结果表明,所采用的算法对载波频偏的估计精度较高,消除MUI干扰的效果明显.     

MIMO-OFDM系统中一种有效的信道估计方法

提出了一种MIMO-OFDM(Multiple Input and Multiple Output-Orthogonal Frequency Division Multi-plexing)系统中的信道估计实现方案.该算法采用STBC(Space-Time Block Code)训练序列,利用LMS(Least Mean Square)迭代算法估计信道响应,避免了矩阵的求逆运算,与基于MMSE(Minimum MeanSquare Error)的MIMO信道估计算法相比,具有运算复杂度低、跟踪能力强的优点.计算机仿真结果显示了该算法的有效性和优越性.     

自适应平方根中心差分卡尔曼滤波算法在捷联惯性导航系统大方位失准角初始对准中的应用

提出了一种自适应平方根中心差分卡尔曼滤波(ASRCDKF)算法,并应用于捷联惯性导航系统(SINS)大方位失准角初始对准中。ASRCDKF算法以中心差分变换为基础,基于平方根滤波能够克服发散的思想,利用协方差平方根代替协方差参加递推运算,并将自适应估计原理引入该算法中,不仅克服了扩展卡尔曼滤波产生线性化误差和计算雅可比矩阵的不足,而且减小了计算量,保证了数值稳定性。同时,ASRCDKF算法解决了传统滤波算法过度依赖系统动态模型和噪声统计特性先验知识的问题。最后通过滤波仿真证明了ASRCDKF算法在SINS大方位失准角初始对准中的有效性和优越性。     

基于预测模型和自主计算的网络资源管理

为解决综合网络系统中的自主管理问题,以气象水文业务系统为背景,对自主网络管理中的设备状态预测机制和DEN-ng策略模型扩展机制以及结合这两种机制处理网络通信系统中的自主管理问题进行了深入研究,提出了NAR-BP（Nonlinear Auto Regressive-Back Propagation）状态预测模型,并根据观探测设备的测量数据,对该模型进行了实验测试。实验结果表明,NAR-BP状态预测模型的各项误差指标较传统的AR（AutoRegressive）模型算法减少了约4/5。基于DEN-ng策略模型扩展了管理决策组件,使其适应应用层的系统状态预测,通过一个策略驱动的多信道数据通信管理实例展示了DEN-ng扩展策略模型在自主网络管理中应用的可行性。