第34卷，第4期 2014年4月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 34,No.4 -pp958-961
April;2014
基于卡尔曼滤波的近红外光谱特征波长变量优选方法
王立琦，葛慧芳，李贵滨，于殿宇”，胡立志”，江连洲2
1.哈尔滨商业大学计算机与信息工程学院，黑龙江哈尔滨150028 2.东北农业大学食品学院，黑龙江哈尔滨15003
摘要将经典的卡尔受滤波器与近红外光谱分析技术相结合，提出了一种新的特征波长变量选择方法一卡尔曼滤波法。分析了卡尔曼滤波器用于波长优选的原理，设计了波长选择算法并将其应用到大豆油脂酸价的近红外光谱检测中。首先利用偏最小二乘法（PLS)对油脂不同吸收波段建模，初步筛选出4472 ～5000cm-油脂酸价特征波段共132个波长点，然后进一步利用卡尔曼滤波器进行特征波长选择，从中优选出22个特征波长变量建立PLS校正模型，预测集决定系数R、预测误差均方根RMSEP分别为0.9708 和0.1254，与利用132个波长点建立的校正模型预测结果相当，而波长变量数减少到原来的16.67%。该波长变量选择算法是一种确定性的选代过程，无复杂的参数设置和变量选择的随机性，物理意义明确。优选出少数对模型影响较大的特征波长变量以代替全谱建模，在简化模型的同时提高广模型的稳健性，为开发专用油脂近红外光谱分析仪器提供了重要参考依据，
关键词卡尔曼滤波；近红外光谱；油脂酸价；波长优选
中图分类号：0657.3
引言
文献标识码：A
DOI : 10, 3964 /j. issn. 1000-0593(2014 )04-0958-04
中应用最多的是遗传算法。
本文将经典的卡尔曼滤波器与近红外光谱分析技术相结合，提出一种新的波长变量提取方法卡尔曼滤波法，并
现代近红外光谱仪器的发展，使得人们可以获得包含几百甚至几千个波长变量的光谱数据。为了不丢失光谱中的任回信息，一般股在光谱分析中都用全部波长变量进行建模。考虑到近红外光谱技术应用时，必须保证所分析样品的光谱维数与建模时所采用的光谱数据维数一致，随者波长变量的增加，不仅会提高模型传递的难度，而且会增加专用分析仪器的硬件成本。许多研究证明，由于不同基团的近红外特性不同，导致在有些波长点处并没有目标组分的吸收或吸收过于微弱，通过特定方法从得到的谱图中筛选出对建模影响较大的特征波长变量，在简化模型的同时可以提高模型的稳健性，有利于性价比高的专用近红外光谱仪器的开发，对近红外光谱分析技术的应用和推产具有很高的实用价值
常用的特征波长选择方法包括相关系数法、显变分析法、间隔偏最小二乘法等-3}。近年来不断出现新的波长选择方法，如连续投影算法、模拟退火法、遗传算法等-9」，其
收稿日期：2013-07-03，修订日期：2013-10-15
将其应用到油脂酸价的近红外光谱分析中。
1理论分析及算法设计 1.1卡尔曼滤波理论
20世纪60年代卡尔曼把状态空间模型引人滤波理论，并导出了一套避推估计算法，后人称之为卡尔曼滤波器，常用来去除混杂于有用信号之中的随机噪声。其基本思想是以最小均方误差为最佳估计准则，采用信号与噪声的状态空间模型，利用前一时刻的估计值和当前时刻的观测值来更新对状态变量的估计，求出当前时刻的估计值，算法根据建立的系统方程和观测方程对需要处理的信号做出满足最小均方误差的估计。以下即为卡尔曼滤波算法，共包括三个方程，都是矩阵运算。
K = APC"(CPC' + S:)
(1)
基金项目：国家自然科学基金项目（31271886），黑龙江省高校科技成果产业化前期研发培育项目（1253CGZH22），哈尔滨市科技创新人才研
究专项资金项目（2012RFQXG082），黑龙江省教育厅科学技术研究项目（12531154），哈尔滨商业大学博士科研启动项目(12DL023)和食品安全与营养协同创新中心团队资助
作者简介：王立琦，女，1966年生，哈尔滨商业大学计算机与信息工程学院教授
e-mail : jlzname@163.com
》通讯联系人
e-mail : hsdwlq@ 163 .com