- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于混合校正集利用偏最小二乘法（PLS）回归构建全局稳健的近红外校正模型
摘要： 基于特定仪器构建的近红外光谱（NIR）模型常因仪器间光谱差异在其他仪器上失效。本研究通过偏最小二乘法（PLS）回归，基于由主、次级光谱混合组成的校准集构建了全局稳健的NIR校准模型，并以三个数据集为案例：首个包含72份黄芩样本（在两台已知黄芩苷含量的NIR光谱仪上测定）；第二个含80份玉米样本（在两台已知水分、油脂和蛋白质浓度的仪器上测定）；第三个包括279份已知尼古丁含量的烟草主样本及78份已知尼古丁浓度的次级样本。通过比较不同校准集的结果，探究了混合校准集中次级光谱数量及其选择方法对PLS模型性能的影响。研究表明：只要主光谱与次级光谱数量比低于22，所建全局稳健校准模型就能准确预测主、次级样本，且模型性能不受次级光谱选择方法影响。这种包含主光谱信息与次级光谱的混合校准集，使构建的全局稳健模型适用于主、次级仪器。
关键词： 全局稳健模型、混合校准集、近红外光谱、偏最小二乘法（PLS）回归
更新于2025-09-23 15:21:01
-
有机液体三元体系的定量分析：近红外透射与拉曼光谱法、偏最小二乘法与经典最小二乘回归评估及体积与重量百分比浓度单位的比较
摘要： 近红外（NIR）和拉曼光谱的谱带形状及位置会随多组分体系中特定化学官能团浓度的变化而改变。为更详细阐明这些效应及其对分析测量技术和评估程序的影响，我们采用偏最小二乘法（PLS）和经典最小二乘法（CLS）回归这两种多元校正方法，分析了两种具有可变组成的有机液体三组分体系的近红外透射光谱和拉曼光谱。此外还测试了采用不同浓度单位（体积百分比%V和重量百分比%W）对两种校正方法性能的影响。苯/环己烷/乙苯混合体系（体系1）可视为分子相互作用较弱的共混体系，而乙酸乙酯/1-庚醇/1,4-二氧六环混合体系（体系2）中氢键起主导作用。体系1通过PLS和CLS回归均获得良好校正效果，体系2仅PLS回归取得可接受结果。两种样品体系的拉曼光谱通常比近红外光谱产生更低的校正性能。最后，体积百分比和重量百分比浓度单位对两种化学计量评估方法均产生可比结果。
关键词： 拉曼光谱、分子相互作用、有机液体三元混合物、体积/重量百分比浓度单位、经典最小二乘法（CLS）回归、近红外（NIR）光谱、偏最小二乘法（PLS）回归
更新于2025-09-19 17:13:59
-
基于耦合波导的微传感器与光谱多元分析相结合，以改进农业中喷雾沉积特性的表征
摘要： 叶片覆盖面积是衡量喷洒过程以实现最大喷雾效率的关键指标。为测定叶片覆盖面积，建议研发结合多变量光谱分析的光学微传感器，用于测量沉积在叶片表面的液滴体积。研究人员制造了基于锗-硒-碲硫系薄膜的脊形光波导，并研究其表面沉积去离子水液滴时的透光响应。使用专用分光光度计在1200-2000纳米波长范围内，分别记录波导输出端在液滴沉积前（参考值）和沉积后的透射光谱。检测到相对透射光谱在1450纳米处出现凹陷，该特征对应水中O-H伸缩振动的第一泛音。结果表明：液滴沉积后观测到的光强减弱部分源于导模倏逝场携带的光能被水吸收?；谡?硒-碲脊形光波导的探头在整个研究体积范围（0.1至2.5微升）内均保持敏感。随后采用主成分分析和偏最小二乘等多元技术处理测量数据统计特性及透射光谱的预测性，证实测量系统对水吸收的敏感性，且预测模型在独立测试集上实现了66.5%的相关性和0.39微升的精度来预测液滴体积。
关键词： 主成分分析（PCA）、偏最小二乘法（PLS）、精准农业、液滴特性表征、红外光谱技术、光学微传感器、作物保护
更新于2025-09-12 10:27:22
-
并发双频带包络跟踪功率放大器的多查找表数字预失真器偏最小二乘辨识
摘要： 本文提出一种基于偏最小二乘(PLS)回归方法的多查找表(LUT)数字预失真(DPD)架构系数估计技术。所提出的三维分布式存储LUT架构适用于高效FPGA实现，可补偿并发双频包络跟踪功率放大器中的失真。一方面，提出正交匹配追踪算法的新变体，以仅在前向通路中合理选择DPD函数的最佳LUT，从而减少所需系数数量；另一方面，采用PLS回归方法同时解决系数估计的正则化问题，并降低DPD反馈识别通路中待估计的系数数量。此外，通过利用PLS变换矩阵的正交性，可显著简化参数识别的计算复杂度。实验结果将证明：在满足目标线性度水平的同时，如何降低前向和反馈通路中的DPD复杂度（即系数数量）。
关键词： 主成分分析（PCA）、查找表（LUTs）、功率放大器（PA）、包络跟踪（ET）、偏最小二乘法（PLS）、数字预失真（DPD）
更新于2025-09-09 09:28:46
-
利用高光谱反射率估算叶片叶绿素含量的偏最小二乘模型信息性光谱波段选择
摘要： 偏最小二乘法（PLS）回归是一种利用光谱数据建模化学成分的常用方法，已广泛应用于高光谱遥感反演叶片化学组分。然而，在海量获取的光谱中筛选有效波段始终是应用PLS回归面临的挑战。尽管已提出多种技术，但如何选择有效波段尚未达成共识。本文整合了包含598个不同树种叶片样本的四个独立数据集，评估了四种不同的波段剔除/选择方法。结果表明：逐步PLS法在不同光谱分辨率下（从近红外波段内波段，以及蓝光和红光范围内各选一个波段构成的有效波段组合）对叶绿素含量的估算效果最优，且能满足精准估算需求。多数PLS回归模型的精度随光谱分辨率降低而下降，但逐步PLS法能在不同分辨率下稳定估算叶绿素含量（分辨率<20nm时R2≥0.77）。该研究为PLS分析中的有效光谱波段选择提供了重要依据，也为利用高光谱遥感数据反演叶片生化组分奠定了坚实基础。
关键词： 波段选择、偏最小二乘法（PLS）、叶片色素、高光谱反射率
更新于2025-09-09 09:28:46