主题:【分享】在近红外分析中,为什么要进行数据的预处理?

浏览0 回复0 电梯直达
Insm_68f50e17
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
在建模前,需要近红外光谱数据、参考数据进行预(前)处理,改善数据适应性,获得更好的建模效果。均值中心化、方差归一化和标准化等都是最常用的方法,在实际应用中可根据具体建模的效果来对数据(包含参考数据)预处理方法作优化组合。近红外光谱除了含有样品自身的理化信息外,在测量光谱的过程中,还会引入一些受电源质量不稳定、光谱仪性能波动制样误差、样品状态和环境变化等因素影响产生的各噪声。通常采用基线校正、散射校正平滑滤波等预处理方法消除或减小这些噪声的影响,改善光谱质量,从而提高模型的稳健性。为了降低样品粒度对测量光谱的散射影响,除了采用MSC校正光谱的误差之外,SNV也是一种校正效果较好的方法,从理论上来讲,SNV 是对每条光谱进行独立校正,校正能力优于 MSC,但实际处理效果两者相当。导数能降低光谱基线漂移的影响,但同时也会降低光谱的信噪比,平滑可提升信噪比,但也会降低光谱的分辨率。这就需要针对具体对象、建模效果,对比取舍预处理方法和处理的强度,当然,这需要反复的实践。通过比较,Norris 导数平滑滤波(Norris Derivative Filter)优于 Savitzky-Golay平滑滤波二阶微分优于一阶微分,应用二阶微分与Norris滤波结合处理光谱,可获得理想的建模效果。但值得注意的是,不管选择何种滤波器,都有很强的经验性,如处理烟草的近红外光谱,选择Norris导数滤波时,应慎重选择段长(Segment length)和段间距(Gap between segments),即窗口宽度,较大的段长会造成信号失真、灵敏度下降,较小的段间距,滤噪效果不佳。通过建模对比,段长不宜大于13,较为理想的段间距在 4~6 之间比较合适。

以上所讨论的是较为常见的预处理方法的应用,随着化学计量学方法不断推陈出新,如果有更新的方法预处理光谱,只要建立的模型能通过有效性检验,这些方法均可使用。建议在熟悉本仪器所捆绑的化学计量学软件的基础上,进一步尝试使用其他软件的数据处理方法。
为您推荐
您可能想找: 近红外光谱(NIR) 询底价
专属顾问快速对接
立即提交
猜你喜欢最新推荐热门推荐更多推荐
品牌合作伙伴