近红外光谱数据处理

近红外光谱数据预处理

近红外光谱数据预处理是将原始光谱数据进行清洗、校正和转换，以提高数据质量并使其适合后续数据分析和建模。

下面是一些常见的近红外光谱数据预处理步骤：

1. 背景处理：处理光谱中的背景噪声。可以通过采集背景光谱并从样本光谱中减去背景光谱来实现。

2. 光谱对齐：将不同样本的光谱对齐，以确保它们从同样的起点和终点开始。这可以通过插值或者使用标准光谱进行校准来实现。

3. 波长选择：选择感兴趣的波长范围。有时，只有特定的波长信息是有用的，可以通过删除不必要的波长来减小数据集的维度。

4. 数据平滑：使用平滑算法（如Savitzky-Golay算法）来降低数据中的噪声，并提高光谱的光滑性。

5. 数据标准化：对光谱数据进行标准化，使得不同样本的数值范围一致。常用的标准化方法包括最大最小值标准化、均值方差标准化等。

6. 数据去噪：对光谱数据进行去噪处理，例如使用小波变换或者降噪算法（如小波阈值降噪）。

7. 数据降维：对光谱数据进行降维处理，以减少数据的维度和特征数量。常见的降维方法包括主成分分析（PCA）和偏最小二乘回归（PLS）等。

8. 数据插补：对存在缺失值或异常值的数据进行插补或处理，以填补数据空缺或修复异常值。

以上是一般常见的近红外光谱数据预处理步骤，具体的预处理方法可以根据数据的特点和需求进行选择和调整。

origin处理红外数据方法

（1）输入数据并绘图

（2）双击坐标轴，修改坐标轴格式，包括坐标轴间距（-400），名称等。

（4）圈内修改，其他默认，点finish后，如下图所示。

（5）修改数值的朝向，点击标峰数值修改，在数据栏里修改小数点位，再修改Y偏移

（6）峰的修改：根据红外软件OMNIC标出的峰，修改ORIGIN软件标出的峰，去掉不需要的峰，添加需要的峰

（7）修改字体（坐标轴字体24号，图中文字22号，数字20号，线宽度1.5），添加Layout，copy page 输出，或者小论文图片（file, export page, tif, 分辨率1000）

（8）最终如下：

（9）多条红外曲线的绘制，要在不同的图层上

近红外光谱分析技术的数据处理方法

数据处理方法主要包括光谱预处理、特征提取和模型建立三个步骤。

光谱预处理是指在进行特征提取和模型建立之前对光谱数据进行预处理，主要目的是去除噪声、修正谱线偏移、提高曲线分辨率等。常见的光谱预处理方法有：

1. Baseline Correction（基线校正）：光谱图中常常存在基线漂移现象，可以通过多种方法进行校正，如直线基线校正、多项式基线校正、小波基线校正等。

2. Smoothing（平滑）：常用的平滑方法有移动平均、中值平滑、高斯平滑等，可以去除谱图中的高频噪声。

3. Normalization（归一化）：归一化可以将不同光谱样本之间的强度差异消除，常用的归一化方法有最小-最大归一化、标准差归一化等。

特征提取是指通过对预处理后的光谱数据进行降维或选择重要信息，提取出有效的特征用于模型建立。常见的特征提取方法有：

2. Partial Least Squares (PLS, 偏最小二乘法)：通过将多个预测变量与原始的输出变量进行线性组合，找到最佳的方向，实现数据降维并提取有效特征。

3. Variable Selection（变量选择）：通过对预处理后的光谱数据进行相关性分析、F检验、t检验等方法，筛选出与目标变量相关性较高的变量。 模型建立是指根据预处理后的光谱数据和与之对应的标准参照值，通过建立适当的数学模型，实现定量或定性的分析与检测。常见的模型建立方法有：

1. Partial Least Squares Regression（PLSR, 偏最小二乘回归）：通过与已知样本值的相关数据分析，建立起预测模型。

2. Support Vector Machine (SVM, 支持向量机)：通过寻找最佳的分割超平面，将样本划分到不同的类别中。

3. Artificial Neural Networks (ANN, 人工神经网络)：通过多层神经网络对光谱数据进行训练和拟合，实现预测与分析。

1 如何解析红外光谱的方法

一、看图前预备知识

（1）根据分子式计算不饱和度公式：

不饱和度 Ω＝n4+1+(n3-n1)/2 其中：

n4：化合价为4价的原子个数（主要是C原子），

n3：化合价为3价的原子个数（主要是N原子），

n1：化合价为1价的原子个数（主要是H,X原子）

（2）分析3300~2800cm-1区域C-H伸缩振动吸收；以3000 cm-1为界：高于3000cm-1为不饱和碳C-H伸缩振动吸收，有可能为烯，炔，芳香化合物；而低于3000cm-1一般为饱和C-H伸缩振动吸收；

（3）若在稍高于3000cm-1有吸收,则应在 2250~1450cm-1频区，分析不饱和碳碳键的伸缩振动吸收特征峰，其中炔 2200~2100 cm-1， 烯 1680~1640 cm-1 芳环 1600,1580,1500,1450 cm-1若已确定为烯或芳香化合物，则应进一步解析指纹区，即1000~650cm-1的频区，以确定取代基个数和位置（顺、反，邻、间、对）；

（4）碳骨架类型确定后,再依据官能团特征吸收，判定化合物的官能团；

（5）解析时应注意把描述各官能团的相关峰联系起来，以准确判定官能团的存在,如2820，2720和1750~1700cm-1的三个峰，说明醛基的存在。

二、熟记健值

1.烷烃：C-H伸缩振动（3000-2850cm-1）C-H弯曲振动（1465-1340cm-1）

一般饱和烃C-H伸缩均在3000cm-1以下，接近3000cm-1的频率吸收。

2.烯烃：烯烃C-H伸缩（3100~3010cm-1），C=C伸缩(1675~1640 cm-1)，烯烃C-H面外弯曲振动（1000~675cm-1）。

3.炔烃：炔烃C-H伸缩振动（3300cm-1附近），三键伸缩振动（2250~2100cm-1）。

4.芳烃：芳环上C-H伸缩振动3100~3000cm-1, C=C 骨架振动1600~1450cm-1, C-H面外弯曲振动880~680cm-1。