光谱处理过程

在本文中，光谱数据处理是指所有与comput-过程从所测量的“原始”光谱荷兰国际集团的葡萄糖浓度值。它涉及四个主要步骤：（i）将所述传动装置（或反射率）光谱成吸收谱，（ⅱ）除去频谱的错误包括基线噪声和高频电子噪声（称为预处理步骤），（ⅲ）显影葡萄糖通过一个校准模型多元的技术，和（iv）从一组新的预计算葡萄糖浓度处理光谱。图5-1给出了一般的光谱处理步骤包括校准和预测阶段。5.1传输到吸收率转换在已被证明在通道。2，在临床相关浓度范围内，NIR葡萄糖吸收的信号成线性比例的浓度。因此，线性模型已被广泛使用。常见的包括偏最小二乘法（PLS），主成分分析（PCA）和经典最小二乘（CLS）。这样的应用程序之前一个模型，然而，所检测到的辐射应该被对数转换-如所述通过公知的比尔-朗伯定律：

预处理过程：

其中a是吸收幅度作为波长A的函数，TCOMP是传输组件的光谱，Trej是参照样品的透射光谱，一个是样品吸收系数，c是浓度，f是辐射的路径长度通过样品。TREF是一般成分的缓冲液的透射光谱解决方案。例如，在含水葡萄糖测量的情况下，传输水频谱通常被用作温度Tref。然而，对于葡萄糖的实际目的浓度的预测，用来生产Trej组件并不重要，因为什么问题是光谱变化AA级。事实上，在我们所有的实验测量，Trej的简直就是一个常数。然而，往往只使用缓冲区作为参照，我们才能够看到该组件定性特征。

5.2。光谱预处理

在本文完成的工作，涉及生物样品大多数测量，基线噪声已被发现是幅度比高频噪声较大的订单，并迄今为止噪声的更重要的类型来抑制。有几种类型的基线噪声去除技术。最常见的在光谱是多项式拟合，光谱分化和带通滤波的字段或通常被称为傅里叶滤波。以下部分提供了他们的简要说明。然而，它首先确定基线噪声的来源是重要的。

5.2.1来源基线噪音

基线噪音通常与“漂移”或不需要的变化有时间关联大小作为频谱读取时间周期的顺序相同的尺度。这样的漂移可能源于仪器（如在光源输出和检测器响应漂移功能），环境（例如在

湿度和温度）漂移，样品本身（例如温度和散射变化）。尽管使用低噪声和良好控制电子，该仪器漂移可能仍然是数量级高于由于生理葡萄糖变化的信号的变化，仅仅是因为葡萄糖信号是非常小的。在所有本文工作进行的实验调查，没有控制环境和条件下的样品使用。原型机的那些“露天”类型，而控制柜。液体样品置于石英比色皿，而不使用温度控制。因此，实验和优良的成功复光谱的重复性表明，错误和漂移得到了有效通过预处理技术抑制，这表现不久。在非散射，水生物样品，基线噪音的最大来源是大概样品的温度变化[1，2]，它是通过在改变支配水吸收光谱由于氢键的量的变化。在这里，我们表明，使用适当的前处理法中，温度引起的光谱变型中，它主要是在基线噪声的形式，可以有效地抑制。示于图5-2是蒸馏水在各种温度的差光谱差异。例如，实线表示的吸水率差异谱78where a是吸收幅度作为波长A的函数，TCOMP是传输组件的光谱，Trej是参照样品的透射光谱，一个是样品吸收系数，c是浓度，f是辐射的路径长度通过样品。TREF是一般成分的缓冲液的透射光谱解决方案。例如，在含水葡萄糖测量的情况下，传输水频谱通常被用作温度Tref。然而，对于葡萄糖的实际目的浓度的预测，用来生产Trej组件并不重要，因为什么问题是光谱变化AA级。事实上，在我们所有的实验测量，Trej的简直就是一个常数。然而，往往只使用缓冲区作为参照，我们才能够看到该组件定性特征。

5.2光谱预处理

光谱这里预处理指的原始吸收处理光谱的（A）的前一个多元算法的校准和预测中的应用。该此预处理步骤的主要目的是消除或抑制基线的影响噪声通常被样品，仪器，和/或环境的变化而引起的。通常情况下，它也被设计以除去检测器及其电子器件的高频噪声。

5.2。光谱预处理

在27度和31度C（水，在27度的吸收光谱减去水在31度的吸收光谱）。顶部图显示了未加工的光谱，和底部图显示了处理前的光谱。预处理方法是一个一阶谱的分化和二阶多项式的组合适合作为我们将描述秒。5.2.6。在顶部和底部的数字比较光谱，我们可以看到，在光谱的变化的幅度是由三个数量抑制的在下面的2315纳米的窗口大小。

图5-2：在不同温度下重复用水谱差谱。上图：生吸收光谱。底部：使用分化的组合过滤光谱和多项式拟合技术。实线：4度变更，短虚线：6度杂物-化，长虚线：8度变更

在经皮，在体内测量，基线噪声的主要来源是组织散射- ING。光谱变化是由于组织的散射特性已经讨论了在CH。2.它显示在本文的工作，这样的变化可以有效地移除通过适当的预处理技术的应用。使用相同的预加工技术，其所述一个用于抑制温度的影响的（一个组合一阶谱的分化和二阶多项式FIT），有效的抑制实现，如将要证实在Ch 9。

5.2.2多项式拟合

在一个多项式拟合方法中，原始吸收光谱araw（A）的第一个安装有一个

多项式函数fpolv（A），它是等于其中CO，CI，...是

常数。该常数通过最小化残差确定：

其中n等于频谱单元的总数。用户确定的顺序

多项式，一般是通过的频谱噪声的一些知识相结合

特性和试验和错误。

的“过滤”或处理前吸收光谱是然后之间的差

原始吸收光谱和所述嵌合多项式：

在本文的工作，所述多项式拟合光谱预处理方法已被发现

非常有效地去除涉及非散射测量的基线噪声

样品。例如，一个三阶多项式拟合用在一个很好的结果用于

实验涉及合成生物学的解决方案，在ch6。

5.2.3光谱分化

顾名思义，该方法包括测量的原始吸收衍生物谱：

其中n是分化的顺序。例如，对于一个二阶导数

谱，n等于2，一种光谱衍生物方法往往比一个更强大的

多项式拟合，因为它不查明特定基准形状。然而，频谱

衍生物的方法倾向于降低SNR通过增强高频噪声。因此，它们

通常用于以“平滑”的方法，以补偿SNR恶化