Matlab预处理近红外光谱

1、Matlab预处理近红外光谱1. 微分处理光谱Xi,1stvv/V,iig一阶微分公式：二阶微分公式：Xi,2stXix.2x.igi2式中，叫是谱图数据中i波数下的透过率，g为窗口宽度一阶导数MATLAB代码：Xlst=diff(X,l);%X为输入光谱矩阵，Xlst为输出一阶导数光谱矩阵二阶导数MATLAB代码：X2st=diff(X,2);%X为输入光谱矩阵，X2st为输出二阶导数光谱矩阵2. 多元散射校正处理谱图1)计算平均光谱：2)一元线性回归：X.=m.；b.iii3)多元散射校正：X（MSC）m.i公式中X表示nXp维定标光谱数据矩阵，n为样品数，p为波点数。X表示所有样品的原始

2、近红外光谱在各个波长点处求平均值所得到的平均光谱矢量，Xj是lXp维矩阵，表示单个样品光谱矢量，mi和bj分别表示各样品近红外光谱血与平均光谱X进行一元线性回归后得到的相对偏移系数和平移变量。代表第i个样本,j代表第j个波数。MATLAB代码如下：me=mean(X);m,=size(X);fori=l:m,p=polyfit(me,X(i,:),l);Xmsc(i,:)=(X(i,:)-p(2)*ones(l,n)./(p(l)*ones(l,n);End代码中输入光谱矩阵为X,输出光谱矩阵为Xmsco3. 标准正态变量变换(SNV)X.=vvi,kil,SNV、(m1)式中叫是第i样品光谱

3、的平均值,k=l,2,.,m°m为波长点数;i=l,2,.,n。n为校正样品数；X.SNy是变换后的光谱。SNV的MATLAB代码如下：,n=size(X);rmean=mean(X,2);dr=X-repmat(rmean,1,n);Xsnv=dr./repmat(sqrt(sum(dr.A2,2)/(n-1),1,n);代码中X为光谱输入矩阵，Xsnv为SNV处理后光谱输出矩阵。4. 小波变换处理谱图傅里叶变换是小波变换的基础，傅里叶变换是一种分析信号的方法。傅里叶变换的基本公式为：F)=公式中f(t)是输入信号,在这里可看作光谱信号，t是时域信号，可以看作是波数，F(3)是在信

4、号频谱。傅里叶变换原理表明：任何连续测量的时序或信号，都可以表示为不同频率正弦信号的无限叠加。傅里叶变换将原来难以处理的时域信号转换成了易于分析的频域信号，在频域表示的信号图称为信号的频谱。在频谱中可以看到时域谱图中看不到的特征，处理这些特征后利用傅里叶逆变换可以将这些频域信号转换成时域信号。小波变换是傅里叶变换的延伸。傅里叶变换有很多缺点：不能求解变系数线性微分方程，只适用于平移不变的线性系统，不能反映信号在局部时间范围内的信息。小波变换继承了傅里叶变换的长处，同时解决了傅里叶变换的一些缺点。利用小波变换能够“放大”信号局部时间、频率范围内的信息，消除信号噪声。连续小波变换基本公式为：(t)

5、dt小波逆变换为：f(t)=JJY(s，叽(t)dsdT公式中*表示共轭，q)sT表示小波基函数。小波基函数是由一个基本小波甲(t)放缩、平移形成。1tT本研究使用MATLAB的wavelet工具箱里的连续小波变换函数，MATLAB代码如下：Xcwt(i,:)=CWT(X(i,:),scale,basis);代码中X(i,:)为第i个样本原始光谱矩阵,scale是小波分解尺度,取值范围1到正无穷，basis是小波基函数，Xcwt(i,:)是第i个样本光谱小波变换后的小波系数。5. 提取图谱主成分主成分分析的实质是对原坐标系进行平移和转换，使得新坐标原点与样本点集合的重心重合，新坐标的第一主轴与

6、数据变异的最大方向对应，新坐标的第二主轴与第一主轴标准正交，并且对应于数据变异的第二大方向。其基本步骤如下：(1) 对数据进行标准化处理，得到矩阵X。也可以不处理，但是标准化处理可以使数据计算方便。(2) 计算矩阵X的协方差矩阵V。这时V又是X的相关系数矩阵。(3) 求V的前n个特征值Y丫2.丫九，以及特征值对应的特征向量珀>。2>>am要求它们相互正交。(4) 求第h主成分化，有：%=Xah=仆j=i式中：ahj是主轴伟的第j个分量。所以主成分耳是原变量叫,x2,，,乂卩的线性组合，组合系数恰好为伉町。从这个角度，又可以说耳是一个新的综合变量。MATLAB代码如下：,XSe

7、lected_SCORE，=princomp(X);fl=XSelected_SCORE(:,l);f2=XSelected_SCORE(:,2);fn=XSelected_SCORE(:,n);Xprincompn=fl,f2,.,fn;X为输入光谱矩阵，XSelected_SCORE是提取的全部主成分得分，fl,f2,fn是第1,2，n个主成分。Xprincompn是提取前n个主成分。6. 相关系数法度量相似度相关系数(通常用R表示)表明变量之间线性相关程度。在这里计算两个光谱谱图之间的相关系数来评价相似度，相关系数小于等于1，越接近1越相似。公式如下：RNJ严备一兀&u-丹2况1沧兀2R为相关系数，乂卍yk.是j,k两个谱图第i点的透射率，x.和儿是,k两个谱图在各个