基于Tchebichef图像矩的氧化锌太赫兹光谱定量研究

为了提高多组分混合物太赫兹光谱定量分析的准确性和稳定性, 将Tchebichef图像矩结合偏最小二乘回归(PLS)的建模方法引入到太赫兹光谱定量分析中, 以橡胶添加剂氧化锌、白炭黑与丁腈橡胶的混合物为实验样本, 对混合物中的氧化锌进行定量分析。获取样本太赫兹吸光度数据后, 用3维光谱自构建方法构建样本的3维光谱, 利用Tchebichef图像矩提取样本3维光谱灰度图的特征信息, 然后用PLS建立定量模型对氧化锌进行定量分析。结果表明, 由本方法得到的样本预测集相关系数和均方根误差分别为0.9993和0.0351, 与用PLS和支持向量回归直接对吸光度数据进行建模的方法相比, 结果更加准确和稳定。本方法能够对混合物中氧化锌进行准确、稳定的定量分析, 为多组分混合物太赫兹光谱定量分析提供了新思路。     

基于太赫兹辐射的黄芩苷光谱分析及定量检测

采用太赫兹时域光谱系统测试黄芩苷混合物的光谱,发现黄芩苷混合物在0.3～1.5 THz波段具有明显的吸收特征;采用二维相关光谱(2DCOS)算法进行分析后发现,混合物光谱对外扰变量(黄芩苷的浓度)变化敏感。在光谱分析的基础上分别建立了基于支持向量机(SVM)和偏最小二乘法(PLS)的定量分析模型,采用Kenard-Stone(KS)法选择模型的校准集和验证集,引入相关系数和均方根误差评价建模效果。结果表明:基于支持向量机和偏最小二乘法的定量分析模型的预测数据与实际数据均表现出良好的相关性,并且均方根误差较小,能够实现对黄芩苷的定量检测;SVM模型的预测结果优于PLS模型。研究结果为药物质量检测提供了一种新方法,对药物的质量检测具有重要意义。     

丁基羟基茴香醚的太赫兹时域光谱检测与分析

利用太赫兹时域光谱（THz-TDS）技术对食品添加剂丁基羟基茴香醚（BHA）及其与聚乙烯不同配比的混合物进行了检测,获得了其在0.2-2.6THz波段的吸收谱和折射率谱。实验结果表明,在此波段内该物质有三个明显的吸收峰,分别位于0.64THz,1.14THz和1.81THz,该指纹谱可用于THz波段该物质的检测与识别。此外,利用最小二乘法对混合物太赫兹光谱峰位的吸收系数和质量分数进行线性拟合,结果表明聚乙烯中丁基羟基茴香醚的含量与太赫兹光谱的相关系数大于0.98。最后,用密度泛函理论对单分子丁基羟基茴香醚进行了数值计算,表明太赫兹指纹谱与分子构型和分子内部运动有关系。     

基于LS-SVM的宽带接收前端非线性补偿算法

针对目前常用的基于参数化非线性模型（Parameterized Nonlinear Model,PNM）的补偿算法存在易陷入局部最小值，导致补偿性能不稳的问题，该文提出了基于最小二乘支持向量机（Least Squares Support Vector Machine,LS-SVM）的宽带接收前端非线性补偿算法.该算法基于减谱-时频变换法（Spectrum Reduction Algorithm based on Time-Frequency Conversion,SRA-TFC）盲分离接收前端输出信号中的大功率基波信号和其他小功率信号，并以此作为LS-SVM逆模型的训练输入-输出样本对.引入最小二乘支持向量回归（Least Squares Support Vector Regression,LS-SVR）算法高精度拟合接收前端非线性逆模型.通过以宽带接收前端的输出信号为测试样本消除其非线性失真分量.仿真与实测结果表明：该算法可使宽带接收前端的无杂散失真动态范围（Spurs-Free-Dynamic-Range,SFDR）提高约20 dB，较基于PNM的补偿算法提高了约5 dB.     

水稻叶片氮含量光谱监测中使用连续投影算法的可行性

使用5段移动平滑法、基线校正、光谱面积归一化、多元散射校正方法对水稻叶片可见-近红外光谱进行预处理,使用连续投影算法（SPA）进行有效波长的选取。分别基于光谱指数RVI、NDVI建立多元线性回归（MLR）模型,基于SPA有效波长建立MLR模型,基于全部波长建立主成分回归（PCR）及偏最小二乘法（PLS）回归模型。利用模型预测水稻叶片氮含量,对比发现基于SPA有效波长建立的模型的预测效果明显好于基于光谱指数RVI及NDVI建立的模型,略差于基于全部波长建立的PCR及PLS模型。基于MSC预处理光谱及SPA有效波长建立的模型预测集预测结果r=0.7943,RMSE=0.4558。在水稻叶片氮含量光谱监测中使用连续投影算法进行有效波长的选取是可行的。     

玉米粉中苯甲酸的太赫兹光谱定量检测研究

为了检测玉米粉中苯甲酸的含量，控制苯甲酸在玉米粉中使用量，提高食品安全等级，采用太赫兹光谱技术对玉米粉中苯甲酸含量进行定量研究，获得了玉米粉中不同质量分数的苯甲酸在0.5THz~3THz的光谱数据。采用偏最小二乘、最小二乘支持向量机和多元线性回归构建光谱模型，未参与建模的样品用来进行模型评估, 并利用预测集相关系数R_p和预测集均方根误差e_RMSEP对模型进行了评价。结果表明, 最小二乘支持向量机模型评价能力最强，预测集相关系数R_p=0.9958，预测集均方根误差e_RMSEP=0.0057。说明太赫兹技术结合化学计量学方法可以用于定量检测玉米粉中苯甲酸的含量。     

若干食品添加剂的太赫兹光谱检测与分析研究进展

随着太赫兹(THz)技术的快速发展,其在食品、药品、生物大分子检测等领域的巨大应用前景越来越被人们所重视。在食品领域,由于许多食品添加剂在太赫兹波段具有特征吸收峰,它们的指纹谱有望被用来进行食品添加剂的监测和分析,具有重要的研究意义和应用价值。鉴于此,针对不同研究小组所开展的工作,概括总结了一些有关食品添加剂的太赫兹光谱检测与分析研究进展,并讨论了该技术应用于食品添加剂检测方面有待解决的问题,从而展望未来的发展趋势。     

运用太赫兹时域光谱技术定量分析柴油的含硫量

测量柴油样品的太赫兹时域光谱并对其含硫量进行了定量计算.在0.2 ～1.5 THz范围内,柴油的吸收系数随着太赫兹频率和硫含量呈规律性递增.基于这一变化关系建立起了硫含量与太赫兹吸收系数和频率的多元非线性模型,通过测量柴油的太赫兹光谱代入此模型即可计算出柴油的硫含量.这一结果为太赫兹时域光谱技术应用于柴油含硫量的无损快速检测奠定了理论基础,显示出巨大的应用前景.     

太赫兹光谱技术在生物医学检测中的定性与定量分析算法

提出了两种有效混合物成分的定性与定量分析算法。针对混合物中每种成分太赫兹光谱已知的情况,提出了已知混合物成分光谱分析法,该方法具有步骤简单、样本需求量少的优点。而针对成分过多或部分成分光谱无法有效获得的情况,提出了未知混合物成分光谱分析法,该方法适用于多成分混合物,具有精度较高的优点,样本需求量多于已知混合物成分光谱分析法,但计算量相比传统算法大幅缩减。相关工作为生物医学领域中关键物质的识别和测量提供了新的思路和方法。     

用支持向量机识别毒品的太赫兹吸收光谱

在采用太赫兹时域光谱(THz-TDS)技术对9种常见毒品纯品和3种混合物进行实验研究,并得到它们在0.2～2 THz频率范围的特征吸收光谱的基础上,用支持向量机(SVM)对毒品纯品和混合物的太赫兹吸收光谱进行了识别分类.用归一化预处理后的9种毒品和面粉的太赫兹吸收光谱训练libsvm模型.选用与训练光谱不同时间测得的毒品和混合物的太赫兹吸收光谱作为检测光谱,经过归一化预处理之后分别输入到训练好的libsvm模型中进行识别,识别率达100%.识别结果允分表明,用支持向量机可以实现对不同种类毒品的识别和鉴定,为太赫兹光谱技术用于毒品的检测和识别提供了另一种有效的方法.     

2-巯基苯并噻唑的太赫兹时域光谱定量研究

为了减少由于橡胶促进剂2-巯基苯并噻唑(MBT)掺假而导致橡胶制品质量不过关的问题，提出利用太赫兹时域光谱技术对MBT的有效含量进行定量研究。利用太赫兹透射测量得到MBT和聚乙烯混合物在0.3THz~1.4THz的吸收特征谱，提出了一种基于最小二乘支持向量回归(LS-SVR)的MBT定量检测模型，将LS-SVR模型分别与偏最小二乘模型和支持向量机回归模型进行比较，得到模型预测集均方根误差分别为1.1330%，2.5583%和2.3869%。结果表明，LS-SVR的定量模型可取得更好的效果，其精度更高，稳定性更好。本研究为MBT定量检测提供了新的快速且有效的方法。     

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。     

基于特征融合的减肥药太赫兹时域光谱模式识别

为打击不法分子利用寄递渠道运输掺杂有毒有害等非食品原料的减肥药的现象，提出一种基于太赫兹时域光谱技术的减肥药模式识别方法。与传统方法相比，太赫兹光谱的时域频谱信噪比高，具有快速、省时和无损等特点。选用7种减肥药作为实验样品，采集样品的太赫兹时域光谱，用自动寻峰器找到0～0.19 THz、1.75～2.14 THz、2.23～2.5 THz三个特征频率区间；采用希尔伯特变换、巴特沃思低通滤波器、快速傅里叶变换低通滤波器、标准正态变换后的一阶导数处理特征频率区间，并对处理结果与原始光谱进行特征数据融合；采用粒子群优化最小二乘支持向量机和随机森林模型对原始数据和四种方法融合的数据进行分类识别。实验结果表明，粒子群优化最小二乘支持向量机模型对经过希尔伯特变换的光谱特征融合数据具有最佳的识别效果，准确率可达到100%，对法庭科学中减肥药的鉴别有一定借鉴意义。     

利用可见/近红外光谱测定小麦叶面积指数的改进研究

改进了小麦叶面积指数的可见/近红外光谱测定模型。以不同方法实现了小麦冠层反射光谱的预处理,并采用偏最小二乘回归算法（PLS）建立小麦叶面积指数估测模型对其进行比较分析,发现小波除噪结合一阶导数能最有效地消除原始光谱的噪声与背景信息,此时PLS模型校正集与预测集R2分别为0.849与0.835。为进一步优化模型,对经一阶导数结合小波除噪后的光谱采用主成分分析法（PCA）降维,以前4个主成分（含原始光谱84.867%特征信息）为输入变量,采用小二乘支撑向量机回归算法（LS-SVR）建立了小麦叶面积指数估测模型,其校正集与预测集R2分别达0.905与0.883,具有比PLS算法更高的精度。结果表明:以小波除噪结合一阶导数去除小麦冠层反射光谱中的土壤背景信息以提高模型精度是可行的,且LS-SVR是建模的优选方法。     

基于SPA和PSO-LSSVM的可见-近红外光谱水质pH值检测

为了提高可见-近红外（Vis-NIR）光谱法检测水质pH值的精度和稳定性，基于连续投影算法（SPA）和粒子群优化-最小二乘支持向量机（PSO-LSSVM）建立了多元校正模型。采集60个不同pH值水溶液样品的Vis-NIR光谱数据，运用Savitzky-Golay卷积平滑和标准正态变量变换对原始光谱数据进行预处理。基于SPA筛选的特征波长和PSO算法自动优化LSSVM的建模参数，建立多元非线性校正模型。结果表明，相比于其他对比模型，SPA-PSO-LSSVM模型具有更高的精度与更优的稳定性，验证集的均方根误差为0.67、决定系数为0.91，剩余预测偏差为3.10。     

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。     

基于太赫兹时域谱分析的常见包裹物屏蔽下食品药品检测方法

食品和药品的检测在民生领域中具有重要的应用价值,为此提出一种基于太赫兹时域谱分析的检测方法.使用太赫兹时域光谱探测技术研究不同包裹物覆盖下物质的太赫兹谱特性,并对高相对湿度条件下的太赫兹样品探测技术进行研究.采用一种简单有效的谱减法处理样品光谱中的水汽吸收干扰,并计算样品在太赫兹波段的折射率和吸收系数.通过计算不同包裹...     

FTIR-ATR光谱法对硫酸盐和硝酸盐离子的定量分析方法

硫酸盐和硝酸盐作为大气颗粒物可溶性组成的重要成分,对环境气候和人体健康有重要的影响,因此实现对其快速定量检测具有重要的科研意义.利用衰减全反射傅立叶变换红外光谱(FTIR-ATR)对硫酸盐及硝酸盐单组份水溶液进行了定量分析,线性关系良好,相关系数分别为0.9982、0.9997.利用正交实验设计配制了硫酸盐及硝酸盐的混合溶液,分别利用一元校正和基于偏最小二乘(PLS)模型算法的多元校正对硫酸盐和硝酸盐两组分进行了定量分析.结果表明SO:-离子一元校正预测精度优于PLS预测精度,预测值平均相对误差为2.6％,NO;离子基于PLS模型的预测精度优于一元校正,预测值平均相对误差为2.31％.这种方法快速、简便,为同时定量分析气溶胶未知液中硫酸盐和硝酸盐的含量建立了基础.     

基于多分支空洞卷积网络的光谱定量分析

卷积神经网络（CNN）近年来已经广泛应用在各种化学计量学任务中。然而，通过CNN从光谱中学习长程相关性仍然是一个挑战，为了避免过拟合，很多之前的工作中使用的CNN架构都很浅。本文提出了一种并行空洞卷积网络（ACPnet）的方法来学习定量光谱的长程相关性，该方法将具有不同空洞率的并行卷积分支组合在一起，以寻找近程和长程相关性的最佳平衡。并在片剂（拉曼光谱）、土壤（近红外光谱）和葡萄酒（核磁共振光谱）3个数据集上验证了该方法的通用性。结果表明，与偏最小二乘回归（PLS）、最小二乘支持向量机（LS-SVM）、常规CNN和级联模式空洞卷积网络（ACCnet）相比，ACPnet在3个数据集的回归精度都达到了最佳。此外，将ACPnet提取的特征输入到不同的回归器中进行分析，来评估该结构作为有监督特征提取器的性能。特征提取-回归模型的预测结果表明，ACPnet在3个数据集上提取的特征信息都要优于常规CNN。     

粒子群优化的最小二乘支持向量机在通信装备故障预测中的应用

提出了一种通信装备故障预测的智能算法.该方法将粒子群算法(PSO)和最小二乘支持向量机(LS-SVM)算法相结合,采用PSO算法优化LS-SVM的参数,克服了人为参数选择的盲目性,在全局优化与收敛速度方面具有较大优势.仿真实验表明,相比BP神经网络、未经优化的支持向量机(SVM)和LS-SVM模型,经PSO算法优化后的LS-SVM有更高的预测精度和运算速度,具有较好的有效性和可行性.