详情

原文传递一种基于小波函数的近红外光谱软测量方法及系统

专利名称：	一种基于小波函数的近红外光谱软测量方法及系统
摘要：	本发明公开了一种基于小波函数的近红外光谱软测量方法及系统，其包括：获取建模所需的样本数据；创建每条光谱所对应的光滑连续函数，该光滑连续函数通过以小波函数作为基函数对光谱进行逼近获得；创建每条光谱所对应的回归函数，该回归函数通过以所述小波基函数进行逼近；创建光滑连续函数与水分含量数据的回归关系模型；获取待测样品所对应的光谱数据，获取所对应的预测质量数据。本发明有效解决了传统近红外光谱进行软测量时无法解决光谱数据的高维度和非线性问题。
专利类型：	发明专利
国家地区组织代码：	辽宁;21
申请人：	大连海事大学
发明人：	刘井响;王丹;彭周华;刘陆
专利状态：	有效
申请日期：	2019-06-25T00:00:00+0800
发布日期：	2019-09-20T00:00:00+0800
申请号：	CN201910555369.1
公开号：	CN110261345A
代理机构：	大连至诚专利代理事务所(特殊普通合伙)
代理人：	涂文诗;裴盈欣
分类号：	G01N21/359(2014.01);G;G01;G01N;G01N21
申请人地址：	116000 辽宁省大连市甘井子区凌水街道凌海路1号
主权项：	1.一种基于小波函数的近红外光谱软测量方法，其特征在于，包括如下步骤： S1、获取建模所需的样本数据，该样本数据为采样样品所对应的近红外光谱数据以及对应的水分含量数据； S2、创建每条光谱所对应的光滑连续函数，该光滑连续函数通过以小波函数作为基函数对光谱进行逼近获得； S3、创建每条光谱所对应的回归函数，该回归函数通过以所述小波函数为基函数对光谱进行逼近获得； S4、创建各所述光滑连续函数与水分含量数据的回归关系模型； S5、获取待测样品所对应的光谱数据，基于回归关系模型获取所对应的预测质量数据。 2.根据权利要求1所述的方法，其特征在于，所述S2中的光滑连续函数xi(s)对应的公式为：其中，表示DB4小波基函数向量，表示第k个小波基函数，ci＝[ci1,ci2,…,ciK]T表示第i条光谱函数的拟合系数向量，cik是其中的第k个系数，k＝1,2,…,K，K表示选用小波基函数的个数，s表示连续函数中的自变量，，上标‘T’表示转置；同时利用最小二乘法计算拟合系数向量ci，即得到拟合系数 ci＝(ΦΦT)-1Φyi (2) 其中，yi＝[yi1,yi2,…,yiM]T表示第i条光谱的所有采样点向量，M表示采样点个数，Φ表示所有的小波函数基对应的数值矩阵，即其中，s1,s2,…,sM表示每个采样点位置。 3.根据权利要求2所述的方法，其特征在于，所述S3中的回归函数β(s)对应的公式为：其中，表示DB4小波的基函数，b＝[b1,b2,…,bK]T表示对应的拟合系数向量，bk表示拟合系数向量b中的第k个分量，k＝1,2,…,K。 4.根据权利要求3所述的方法，其特征在于，所述S4中光滑连续函数xi(s)与水分含量zi的回归关系模型为：其中，a表示回归模型的截距，s1和sM分别是自变量s取值的下界和上界；又因为定义则定义N表示采集谱图的个数，1N表示维数为N数值都是1的列向量，C表示拟合系数向量ci所构成的矩阵，则z＝Hp，其中水分含量所对应的向量z＝[z1,z2,…,zN]T；利用最小二乘法得到 p＝(HTH)-1HTz (5) 其中p为光谱函数与水分含量之间的回归系数。 5.根据权利要求4所述的方法，其特征在于，所述S5中基于步骤S2-S4获取所对应的预测质量数据的过程包括：若待测样品所对应的光谱数据记为ynew，创建该光谱ynew所对应的光滑连续函数以及回归函数并通过求解所对应的回归关系模型获取预测质量数据；即 znew＝Hnewp (6) 其中，cnew＝(ΦΦT)-1Φynew， 6.一种基于小波函数的近红外光谱软测量系统，其特征在于，包括：第一数据获取单元，其用于获取建模所需的样本数据，该样本数据为采样样品所对应的近红外光谱数据以及对应的水分含量数据；第二数据获取单元，其用于创建每条光谱所对应的光滑连续函数，该光滑连续函数通过以小波函数作为基函数对光谱进行逼近获得；第三数据获取单元，其用于创建每条光谱所对应的回归函数，该回归函数通过以所述小波函数为基函数进行逼近获得；第四数据获取单元，其用于创建各所述光滑连续函数与水分含量数据的回归关系模型；第一数据输出单元，其用于获取待测样品所对应的光谱数据并输出所对应的预测质量数据。 7.根据权利要求6所述的系统，其特征在于，所述第二数据获取单元中的光滑连续函数xi(s)对应的公式为：其中，表示DB4小波基函数向量，表示第k个小波基函数，ci＝[ci1,ci2,…,ciK]T表示第i条光谱函数的拟合系数向量，cik是其中的第k个系数，k＝1,2,…,K，K表示选用小波基函数的个数，s表示连续函数中的自变量，上标T表示转置；同时利用最小二乘法计算拟合系数向量ci，即得到拟合系数 ci＝(ΦΦT)-1Φyi (8) 其中，yi＝[yi1,yi2,…,yiM]T表示第i条光谱的所有采样点向量，M表示采样点个数，Φ表示所有的小波函数基对应的数值矩阵，即其中，s1,s2,…,sM表示每个采样点位置。 8.根据权利要求7所述的系统，其特征在于，所述第三数据获取单元中的回归函数β(s)对应的公式为：其中，表示DB4小波基函数，b＝[b1,b2,…,bK]T是对应的拟合系数向量，bk表示拟合系数向量b中的第k个分量，k＝1,2,…,K。 9.根据权利要求8所述的系统，其特征在于，所述第四数据获取单元中光滑连续函数xi(s)与水分含量zi的回归关系模型为：其中，a表示回归模型的截距，s1和sM分别是自变量s取值的下界和上界；又因为定义则定义N表示采集谱图的个数，1N表示维数为N数值都是1的列向量，C表示拟合系数向量ci所构成的矩阵，则z＝Hp，其中水分含量对应的向量z＝[z1,z2,…,zN]T；利用最小二乘法得到 p＝(HTH)-1HTz (11) 其中p为光谱函数与水分含量之间的回归系数。 10.根据权利要求9所述的系统，其特征在于，所述数据输出单元中输出预测质量数据的过程包括：若待测样品所对应的光谱数据记为ynew，创建该光谱ynew所对应的光滑连续函数以及回归函数并通过求解所对应的回归关系模型获取预测质量数据；即 znew＝Hnewp (12) 其中，cnew＝(ΦΦT)-1Φynew，
所属类别：	发明专利