基于iPLS的玉米近红外光谱数据处理方法研究

迟亮，张贺龙，车英，邸旭

(长春理工大学 光电工程学院，长春 130022)

近红外光谱分析技术是近年来发展迅猛的高新分析技术[1]。与传统分析技术相比，近红外光谱分析技术通过对样品的一次近红外光谱简单测量，即可在几秒至几分钟之内同时测定一个样品的几种至十几种性质数据或浓度数据。而且被测样品用量很小、无破坏、无污染，具有高效、快速、成本低等特点[2]。

小波变换具有低熵性、多分辨率、去相关性和选基灵活的特点，使其成为特征提取和低通滤波功能的综合，相当于对信号同时进行低通和高通滤波，其低频系数主要反映信号的信息，而高频系数主要反映噪声和信号细节的信息。对非平稳含噪信号进行多层小波分析，并对每层高频分解系数进行闭值处理后再重构，可有效地达到滤除噪声和保留信号高频信息的目的[3]。

本文以整粒玉米的NIR漫反射光谱为例，经过离散小波变换后，选取了适当的小波细节系数进行光谱的重构，将重构的光谱进行 iPLS建模，通过RMSEC和RMSEP进行比较分析，数据量小，精度高，预测模型好。

1 小波分析

连续小波变换：

而离散化小波变换系数则可表示为：

本文所用的间隔偏最小二乘方法(iPLS)是一种波长筛选法的改进，该法主要用于筛选建模的波长区域，其改进的算法步骤如下：

(1)对原始光谱进行离散小波变换。

(2)对小麦样品的全光谱数据建立的偏最小二乘模型。

(3)将整个波长区域划分为m个等宽的子区间，在每个子区间上进行偏最小二乘法回归，也就可以得到m个局部回归模型。……