详情

原文传递基于渐进式去噪技术的红外光谱定量分析方法

专利名称：	基于渐进式去噪技术的红外光谱定量分析方法
摘要：	本发明属于分析化学技术领域，旨在解决现有的稀疏表示算法只进行一次去噪，无法完全去除噪声的问题。本发明提供了一种基于渐进式去噪技术的红外光谱定量分析方法，包括：构建目标函数；将增广拉格朗日函数引入目标函数；初始化稀疏表示系数、拉格朗日乘子和惩罚系数和迭代数；更新；利用检验函数进行检验，判断是否满足检验条件；如果满足检验条件，则停止迭代；输出稀疏表示系数；应用硬阈值函数对稀疏表示系数α进行去噪处理；应用保留的系数重建红外光谱数据，应用设定指标评价定量分析效果，如果定量分析效果满足设定标准，则停止迭代；输出定量分析方法模型。本发明能够以渐进式的方式来逐次消除噪声，提高定量分析模型的准确性和鲁棒性。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	北京中科知草科技有限公司
发明人：	彭思龙;段开红;谢琼;田瑞华;许鹏程;张秀娟;雅梅;刘彦宏;李晓娟
专利状态：	有效
申请日期：	2019-03-20T00:00:00+0800
发布日期：	2019-06-04T00:00:00+0800
申请号：	CN201910211897.5
公开号：	CN109839362A
代理机构：	北京瀚仁知识产权代理事务所(普通合伙)
代理人：	王强;宋宝库
分类号：	G01N21/35(2014.01);G;G01;G01N;G01N21
申请人地址：	100086 北京市海淀区北四环西路68号E28
主权项：	1.一种基于渐进式去噪技术的红外光谱定量分析方法，其特征在于，所述红外光谱定量分析方法包括： S1：构建目标函数； S2：将增广拉格朗日函数引入所述目标函数； S3：初始化所述增广拉格朗日函数的稀疏表示系数α、拉格朗日乘子μ和惩罚系数λ以及迭代数k； S4：更新α(k+1)、λ(k+1)和μ(k+1)； S5：利用检验函数进行检验，并判断是否满足检验条件； S6：如果满足所述检验条件，则停止迭代；如果不满足所述检验条件，则使迭代数k＝k+1，并返回S4； S7：输出稀疏表示系数α； S8：应用硬阈值函数对稀疏表示系数α进行去噪处理； S9:应用保留的系数重建红外光谱数据，应用设定指标评价定量分析效果，如果定量分析效果满足设定标准，则停止迭代；如果定量分析效果不满足所述设定标准，则返回S3； S10:输出定量分析方法模型。 2.根据权利要求1所述的红外光谱定量分析方法，其特征在于，步骤S1具体包括：应用L1范数作为稀疏约束，将所述目标函数构建为： s.t.x-Φα＝0 其中，x为测量光谱，Φ为字典，\|\|α\|\|1为每个系数的绝对值之和。 3.根据权利要求1所述的红外光谱定量分析方法，其特征在于，步骤S2具体包括：将下列增广拉格朗日函数引入所述目标函数：对α和μ求偏导数，具体为：令得到：其中，x为测量光谱，Φ为字典，\|\|α\|\|1为每个系数的绝对值之和。 4.根据权利要求1所述的红外光谱定量分析方法，其特征在于，步骤S3具体包括：设定α＝0、μ＝0、λ＝0、k＝0。 5.根据权利要求1所述的红外光谱定量分析方法，其特征在于，步骤S4具体包括：将α(k+1)更新为：将λ(k+1)更新为：将μ(k+1)更新为： μ(k+1)＝μ(k)+(x-Φα(k)) 其中，x为测量光谱，Φ为字典。 6.根据权利要求1所述的红外光谱定量分析方法，其特征在于，所述检验函数为：其中，x为测量光谱，Φ为字典。 7.根据权利要求6所述的红外光谱定量分析方法，其特征在于，所述检验条件为：其中，∈为噪声级。 8.根据权利要求1所述的红外光谱定量分析方法，其特征在于，步骤S8具体包括：应用硬阈值函数将稀疏表示系数α中的参数的绝对值从小到大依次排列；去除每次预定百分比p％内较小的系数，硬阈值T表示为： T＝p％。 9.根据权利要求1所述的红外光谱定量分析方法，其特征在于，步骤S9具体包括：应用保留的系数重建红外光谱数据；将重建的红外光谱数据划分为训练集和测试集；应用偏最小二乘法进行交叉验证，用均方根误差RMSECV指标评价定量分析效果；如果RMSECV小于设定的阈值，则停止迭代；否则返回S3。
所属类别：	发明专利