李淥潔　劉航　王英鴻

摘 要：材料的紅外光譜包含大量信息，屬于高維度數據。從復雜的近紅外光譜樣本中消除無用信息、提取關鍵特征是近紅外光譜建模領域中不易攻克的關鍵技術。依據獲取的透射近紅外光譜信息建立小麥含水量模型，采用小波分析手段，選取最佳小波系數，優(yōu)化了模型結構，提高了模型對含水量的預測精度。

關鍵詞：小波分析；近紅外光譜；小波系數；特征提取

1 概述

物質的光譜樣本蘊含了大量信息。近紅外光譜與物質的物理性質、化學成分相關，同時還會受到共線性、散射、照明光強等因素的影響。因此，在包含大量信息的近紅外光譜信號中發(fā)掘出有用的特征信息是光譜分析方法的重要技術難點。傅里葉分析在處理高維度近紅外光譜數據時，出現了運算量大、誤差大的問題。傳統的傅里葉分析方法無法滿足近紅外光譜建模的需求。相較于傅里葉變換，小波分析具有明顯的優(yōu)勢，能根據實際需求快速、準確地提取信號中的特征信息。我們將小波分析引入到近紅外建模領域，開展了理論分析與實際應用。

光譜特征信息提取是在復雜的多維光譜數據中獲得有用的分類信息。光譜特征提取要實現兩個目標：一減小內類差異，二增大類間差異[1]。這兩個指標是評價一種光譜特征提取方法優(yōu)劣的主要依據。光譜特征信息提取的目的是將材料光譜信號與環(huán)境噪聲相分離，獲取有用的光譜信號，進而分析出材料的化學特性。光譜分析技術中，對光譜特征信息提取是首要環(huán)節(jié)，提取出的信息被用于物質分類識別，并能得出物質的量化數值。因此，光譜特征提取是光譜分析的先決因素。

從工程的角度分析，小波變換，與傅里葉變換一樣，都是集合時域、頻域等多種概念的信號特征提取方法[2]。小波理論是在多學科、多領域技術交叉融合的基礎上建立起來的[3]。

2 實驗與數據

實驗平臺：分光器、探測器、漫反射信號收集器和近紅外光源構成了光譜探測核心裝置，再配合光學耦合器件、計算機等輔助設備繼而能開展近紅外光譜建模實驗。借助此套裝置，通過光譜信號采集、數據預處理、光譜模型建立等步驟實現對小麥樣品水分的定量分析。

小麥樣品放置于冰柜內，冷藏至4℃。光譜數據采樣之前，避免環(huán)境溫度對近紅外光譜的影響，環(huán)境溫度嚴格控制在20℃。儀器提前開機1小時，確保采樣時儀器處于穩(wěn)定的工作狀態(tài)。光譜采樣前，測量標準白板光譜，修正光譜儀測量誤差。MCS611NIR光纖光譜儀對每個樣品進行3次測試，取平均值。

圖2為小波變換光譜特征提取流程示意圖，光譜提取分為兩步：

小麥近紅外光譜建波及特稱提取過程：針對近紅外光譜采用PLS建模，求解出校正集和對應驗證集的R2與RMSE的數值，選取coif、db、sym三種基本函數對近紅外光譜進行小波變換。根據計算結果，決定選擇的小波函數為db5，分解尺度為5。

整個小波系數19-55，58-72，96-114三個區(qū)間構成一個大區(qū)間，內部蘊含了大量特征信息，分析大區(qū)間的光譜數據能獲得小麥水分含量的精準數據數值。重新組合各類系數，對光譜信號進行重構，重構光譜如圖3所示。再使用PLS方法校正模型，則校正集為R2=0.9812，RMSE=0.2523，對應的驗證集為R2=0.9758，RMSE=0.2910。根據此結果可以看出，選取19-55，58-72，96-114三個區(qū)間為小波系數時，相對應的校正集與驗證集為最優(yōu)組合，所構造的模型精準度最高，對小麥水分的預測準確度最高。

3 結束語

文章采用小波分析法對小麥透射光譜進行光譜特征信息提取，預測小麥的含水量。選取小波系數（19-55，58-72，96-114），優(yōu)化模型，使校正集結果（R2=0.9812，RMSE=0.2523）和驗證集結果（R2=0.9758，RMSE=0.2910）達到最佳狀態(tài)。以此對紅外光譜進行重構，提高了對小麥含水量的預測精度。

參考文獻

[1]熊智新.基于小波變換的化學譜圖數據處理[D].浙江：浙江大學，2004.

[2]葛哲學，沙威.小波分析理論與MATLABR2007實現[M].電子工業(yè)出版社，2007，1.

[3]田高友，袁洪福，劉慧穎，等.小波變換在近紅外光譜分析中的應用進展[J].光譜學與光譜分析，2003，23（6）：1111-1114.

作者簡介：李淥潔（1987-），女，吉林長春人，職稱：研究實習員，學歷：碩士，主要研究方向：光子學與光電子技術。