近红外光谱的预处理
由于光谱的原始数据中除含有与样品组成有关的化学信息外，还含有来自于各方面的噪声影响，如电噪声、杂散光、样品背景干扰等。因此，光诺预处理的主要目的是滤除噪声干扰、优化光谱信号，为下步校正模型的建立打下墓础。另外，通过谱图的预处理，还可解决模型的适用性和模型的传递问题。
1.嗓声滤除
噪声的类型很多，这里主要指由高频随机噪声、基线漂移、光散射、侧样器件不一致等引起谱图变形的处理。谱图平滑是消除高频噪声的有效方法。诺图平滑的数学处理方法很多，最常用也是比较有效的方法如Savitzky和Colay提出的卷积平滑方法和傅里叶变换平滑方法，平滑窗口的大小要根据光谱信号的采样和噪声的频度而定，以最大限度的消除噪声，保留有效信息。对各种原因引起的讲图偏移和漂移可通过扣减、微分等方法进行处理。一阶和二阶微分可对讲图的偏移和基线倾斜进行有效的处理，但微分的过程有时会导致灵敏度下降.使校正效果变差;在解决谱图的线性漂移时，DETREND也是一种较为有效的方法，与二次微分相比，其优点在于校正漂移的同时不损失灵敏度。近红外光谱分析中样品池的不均匀往往对光谱的强度产生一定的影响，从而影响最终的分析结果，多元散射校正(MSC)对光谱进行处理，可以有效解决光程差变化对结果的影响。
2.光谱信息的优化
光谱信息的优化是从得到的光讲中提取最有效的进图信息，简化数据运算。相关分析和显变分析是两种常用的方法，相关分析是将样本的进图数据和组成或性质数据相关联，得到相关系数图，以确定信息最强的光谱范围;显变分析是通过对训练集样本光诺在各波长下的方差分析，反映训练集样本光谱的差异，以指导波长的优选，还可提供样品结构的定性信息。
3.中心化与标准化处理
数据的中心化是将每个波长的吸光度减去平均吸光度，便数据分布在零的两侧.这对下面矩阵运算的化简和稳定性都非常重要。标准化可使每个参量之间在数最标度上有可比性。
4.模型的传递
模型传递对保证模型长久可靠的使用及所建模型的推广有养非常重要的意义，模型传递处理就是在应用模型时，通过一定的数学处理.尽可能使不同时间或不同仪器上侧定的谱图，与建立模型时谱图相同。目前在模型的传递上主要有分段直接标准化(PDS)和有限脉冲响应滤波器(FIR)两种传递模式。前者是一种有标传递方法;后者则是一种无标传递方法。
近红外光谱定性分析
近红外光讲中定性的含义与红外光谱进行结构鉴定不同，主要是判别所分析的样品是否适合所建立的校正模型，或确定样品的类别。严格地讲，近红外光谱的定性分析是一种归类判断。
目前常用的方法是依靠主因子分析(PCA)结合马氏距离(Mahalanobisdistance)的方法。PCA方法可以将光谱矩阵进行维数压缩，得到光谱的主成分和得分数据(压缩后的光谱数据)。通过对主成分的选择可有效地选择代表样本的特征，滤除干扰信息。使用得分数据代替计算马氏距离的光讲数据，不仅能及映全诺数据信息，而且也能压缩参加计算马氏距离的变量数目，并能保证马氏矩阵(M)不存在共线问题。
使用光谱数据计算马氏距离的方法。
(1)计算m个对照样本的平均光谱
[attach]51160[/attach]
(2)光谱矩阵的中心化处理
[attach]51161[/attach]
(3)计算马氏矩阵(M)
[attach]51162[/attach]
(4)计算未知样本a的马氏距离
[attach]51163[/attach]
图5.12为不同氯胺(DMC和DMPC)的NIR谱图，从谱图上看,DMC和DMPC准特征吸收上无明显差别，而通过因子分析(图5.13)可以看出不同的氯胺(DMC,DMPC,DIC,DMIC,DEC)在因子空间都有其确定的位置。
[attach]51164[/attach]
[attach]51165[/attach]
近年来，评价和利用小波变换显耳不同物质在近红外光区吸收特性的变化和细徽差异，建立小波变换近红外光潜指纹图借技术.同时实现指纹图谱的可视化，为近红外光谱定性分析的进一步应用提供了广泛的可能性。
来源：《仪器分析选论》，转载请注明出处-仪器信息网(www.cncal.com)