專利名稱：：一種準(zhǔn)連續(xù)方式的分光波長組合方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及分光系統(tǒng)設(shè)計中的波長優(yōu)選
技術(shù)領(lǐng)域：
，具體涉及一種準(zhǔn)連續(xù)方式的分光波長組合方法。
背景技術(shù)：
：光譜分析是根據(jù)物質(zhì)的光譜來鑒別物質(zhì)及確定它的化學(xué)組成和含量的方法，由于其具有靈敏、迅速的優(yōu)點(diǎn)。目前應(yīng)用的光譜分析主要有中紅外光譜分析、紫外可見光譜分析、拉曼光譜分析和近紅外光譜分析(NIRS)等。特別是近紅外光譜分析技術(shù)以其簡便快速、非破壞性和易于實(shí)時分析等特點(diǎn)已廣泛應(yīng)用于農(nóng)業(yè)、食品、生物醫(yī)學(xué)、石油化工等領(lǐng)域。研制全波段通用型分析儀器的技術(shù)在國外已經(jīng)比較成熟，但是有的儀器龐大，價格昂貴(全波段通用型近紅外分析儀器需要50-80萬元左右)，因此較適合于實(shí)驗(yàn)室分析，不適合在實(shí)際領(lǐng)域中推廣應(yīng)用，研發(fā)低價格小型專用分析儀器(比如濾光片分立型近紅外分析儀器)是非常有必要的。但是，目前在分析模型的波長選擇、小型專用光譜儀器的分光系統(tǒng)設(shè)計等方面還存在困難，缺乏特定有效的分光波長組合方法。以近紅外光譜為例，近紅外光譜是通過對樣品進(jìn)行直接測量得到的，對樣品不需要預(yù)處理，也不需要生化試劑，所以近紅外光譜的檢測對象是一個復(fù)雜的過程，又因?yàn)榻t外光譜重疊嚴(yán)重、平坦、沒有明顯的吸收峰，所以不能依靠直接觀察光譜的方法來選擇近紅外分光波長組合，只能通過對不同的波長組合分別建立定標(biāo)模型，根據(jù)模型的預(yù)測效果才能夠做出判斷，選擇適合的波長組合。但是近紅外波段的波長數(shù)很多，近紅外的波段為780-2526nm，如果波長間隔是0.5nm，那么總波長數(shù)有3493個，如果是通過任意隨機(jī)組合再分別建模的方式篩選適合的波長，現(xiàn)有的計算機(jī)運(yùn)算速度遠(yuǎn)遠(yuǎn)不能夠滿足。
發(fā)明內(nèi)容本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種準(zhǔn)連續(xù)方式的分光波長組合方法，本發(fā)明方法具有計算量少、應(yīng)用范圍廣、遴選自由度大、準(zhǔn)確度高、效果好的優(yōu)點(diǎn)，可以有效地篩選出分析模型的波長組合，為小型專用分析儀器中分光系統(tǒng)的設(shè)計提出有效的解決方案。本發(fā)明的目的通過下述技術(shù)方案實(shí)現(xiàn)一種準(zhǔn)連續(xù)方式的分光波長組合方法，包括以下步驟Sl、測試樣品，得到光譜數(shù)據(jù)和樣品的參考化學(xué)值；選擇波長組合所屬的特定波段；S2、設(shè)波長組合的點(diǎn)數(shù)為N(即波長組合所含有的波長數(shù)量)，設(shè)置波長組合點(diǎn)數(shù)的取值范圍，即Nmin《N《Nmax;設(shè)波長組合的間隔為G(即波長組合中相鄰兩波長在波段中間隔的波長數(shù)，如間隔的波長數(shù)為0，即表示波長組合中的波長為連續(xù)波段)，設(shè)置波長組合間隔的取值范圍，即G邁in《G《G邁ax;其中N為正整數(shù)，Nmin>1，Nmax《f;G為整數(shù)，Gmin>0，Gmax《f_2;f是選定的波3段中含有的總波長數(shù)，通過下式計算總波長數(shù)=波段長度/波長間隔+1;上式中，波長間隔由用戶設(shè)置；S3、波長組合的點(diǎn)數(shù)(N)取最小值N^，波長組合的間隔(G)取最小值Gmin;S4、設(shè)波長組合的起點(diǎn)為B(即波長組合中第一個波長所在位置)，設(shè)置波長組合的起點(diǎn)(B)從特定波段內(nèi)的第一個波長依次變化到最后一個波長；查找所有可能的(B，N，G)參數(shù)組合，利用步驟S1的光譜數(shù)據(jù)和樣品的參考化學(xué)值，分別建立定標(biāo)預(yù)測的數(shù)學(xué)模型；S5、判斷波長組合的間隔G<Gmax是否成立，若是，則增加波長組合的間隔(G)，并返回S4，否則G=Gmin，并進(jìn)入S6;S6、判斷波長組合的點(diǎn)數(shù)N<Nmax是否成立，若是，則增加波長組合的點(diǎn)數(shù)(N)，并返回S4，否則進(jìn)入S7;S7、求出所有數(shù)學(xué)模型的評價指標(biāo)，根據(jù)評價指標(biāo)對所有模型進(jìn)行評價，選取最佳的數(shù)學(xué)模型(或者是最適用的數(shù)學(xué)模型)，由最佳的數(shù)學(xué)模型相應(yīng)的(B，N，G)參數(shù)組合得到對應(yīng)的波長組合。為更好的實(shí)現(xiàn)本發(fā)明，所述步驟S7后還包括S8、對步驟S7選出的波長組合做光譜預(yù)處理，建立定標(biāo)預(yù)測模型，進(jìn)一步提高預(yù)測效果。優(yōu)選的，所述S8中，對步驟S7選出的波長組合做光譜預(yù)處理，具體是指做光譜平滑化、多元散射校正(MSC)、正交信號校正(0SC)和/或小波變換(WT)等。優(yōu)選的，所述步驟S1中選擇波長組合所屬的特定波段，該波段可以是全譜波段，也可以是某個部分波段，或者是某些部分波段的組合；選擇特定波段的考慮因素主要包括以下兩方面一是根據(jù)檢測對象和檢測指標(biāo)所對應(yīng)的物理、化學(xué)特征；二是根據(jù)分析儀器的限制條件，如根據(jù)分析儀器所采用不同的分光材料選擇不同的分光波段。優(yōu)選的，步驟S2中，所述N^和G^和波長間隔由用戶根據(jù)檢測對象的特點(diǎn)、所要設(shè)計的分光系統(tǒng)的特點(diǎn)和計算機(jī)的運(yùn)算速度來選取。優(yōu)選的，步驟S4中，所述數(shù)學(xué)模型包括多元線性回歸(MLR)模型、偏最小二乘法(PLS)模型、人工神經(jīng)網(wǎng)絡(luò)(ANN)模型中的一種或多種。優(yōu)選的，步驟S7中，所述求出所有數(shù)學(xué)模型的評價指標(biāo)，根據(jù)評價指標(biāo)對所有模型進(jìn)行評價，選取最佳的數(shù)學(xué)模型，具體是指，求出所有數(shù)學(xué)模型的三個評價指標(biāo)預(yù)測均方根偏差(RMSEP)、相對預(yù)測均方根偏差(RRMSEP)和預(yù)測相關(guān)系數(shù)(Rp);選擇預(yù)測均方根偏差(RMSEP)和相對預(yù)測均方根偏差(RRMSEP)較小，預(yù)測相關(guān)系數(shù)(Rp)較大的模型；RMSEP和RRMSEP越小，RP越大，說明模型效果越好。本發(fā)明的工作原理本發(fā)明通過設(shè)置三個參數(shù)來選定波長組合波長組合的起點(diǎn)(B)、波長組合的點(diǎn)數(shù)(N)、波長組合的間隔(G)。根據(jù)分析對象的特點(diǎn)和計算機(jī)的運(yùn)算速度來設(shè)置三個參數(shù)的取值范圍，將所有可能的(B，N，G)參數(shù)組合，即按照等間隔提取波長的方式從選定的波段內(nèi)任何位置開始，以不同的波長組合間隔、點(diǎn)數(shù)來做任意波長組合，分別建立定標(biāo)預(yù)測的數(shù)學(xué)模型，然后通過模型評價指標(biāo)選取最適用的模型，根據(jù)該模型相應(yīng)的(B，N，G)參數(shù)組合提取波長，即可得到對應(yīng)的波長組合。本發(fā)明相對于現(xiàn)有技術(shù)具有如下的優(yōu)點(diǎn)及效果第一、有效減少了計算量，減少了構(gòu)建模型的工作量本發(fā)明的核心是有效地從全譜范圍內(nèi)等間隔的提取少數(shù)信息波長點(diǎn)，然后通過組合建模并進(jìn)行評價后，篩選出特定的波長組合，降低了構(gòu)建模型的復(fù)雜度；同時，由于是選取等間隔的波長點(diǎn)，大大減少了計算量，有效的解決了目前在分析模型的波長選擇這一難題，為設(shè)計小型專用分析儀器提出有效的方案，并且更容易推廣應(yīng)用。第二、實(shí)現(xiàn)效果好本發(fā)明的一種準(zhǔn)連續(xù)方式的分光波長組合方法是從連續(xù)的光譜波段中等間隔提取波長組合構(gòu)建模型，特別是建立MLR模型，由于是等間隔提取，所以克服了連續(xù)波段MLR模型通常會出現(xiàn)的由光譜共線性而造成模型效果下降這一缺點(diǎn)，而同時又保留了MLR模型簡單性的優(yōu)點(diǎn)。第三、遴選自由度大，準(zhǔn)確度高本發(fā)明準(zhǔn)連續(xù)方式的分光波長組合方法中的三個重要參數(shù)(波長組合的起點(diǎn)B、波長組合的點(diǎn)數(shù)N、波長組合的間隔G)都是可變的，因此遴選自由度很大，范圍廣，可以覆蓋全部波段，提高了準(zhǔn)確度，同時也是一種計算機(jī)能夠承受的大規(guī)模篩選方法。第四、利用本發(fā)明準(zhǔn)連續(xù)方式的分光波長組合方法所得到光譜，它還可以同時應(yīng)用很多光譜預(yù)處理方法，如光譜平滑化、多元散射校正(MSC)、正交信號校正(0SC)和/或小波變換(WT)等，然后建立定標(biāo)預(yù)測模型，進(jìn)一步提高預(yù)測效果。第五、應(yīng)用范圍廣經(jīng)過實(shí)驗(yàn)證實(shí)，本發(fā)明準(zhǔn)連續(xù)方式的分光波長組合方法應(yīng)用于土壤養(yǎng)分(有機(jī)質(zhì)、總氮)近紅外光譜分析、人體血清葡萄糖含量分析(近紅外光譜、FTIR/ATR光譜)、人體全血血紅蛋白分析(近紅外光譜、FTIR/ATR光譜)、甘蔗制糖業(yè)的原料及中間產(chǎn)品的糖分分析(近紅外光譜、FTIR/ATR光譜)等方面，均可得到比常規(guī)的光譜分析方法更優(yōu)的預(yù)測效果。第六、準(zhǔn)連續(xù)方式當(dāng)波長組合的間隔大于0時，被采用的波長組合是嚴(yán)格的離散分立型的，當(dāng)波長組合的間隔等于O時，被采用的波長組合形成了連續(xù)波段，因此，這種等間隔的波長組合方法實(shí)際也包含了連續(xù)波段的選擇。圖1是本發(fā)明一種準(zhǔn)連續(xù)方式的分光波長組合方法的工作流程圖；圖2是實(shí)施例一中根據(jù)參數(shù)組合(B=6000cm—、N=5，G=2)選取的等間隔波長組合示意圖。具體實(shí)施例方式下面結(jié)合實(shí)施例及附圖，對本發(fā)明作進(jìn)一步地詳細(xì)說明，但本發(fā)明的實(shí)施方式不限于此。實(shí)施例目前小型專用的近紅外分光系統(tǒng)是要求從這么多波長數(shù)中找出適當(dāng)?shù)膸讉€波長的組合，使得它的近紅外分析模型的預(yù)測效果好、穩(wěn)定性高。近紅外分析模型的預(yù)測效果是通過實(shí)驗(yàn)來證實(shí)的，一方面是樣品的近紅外光譜測量實(shí)驗(yàn)(采用全波段通用型近紅外分析儀器)，另一方面是采用常規(guī)生化方法對樣品的分析目標(biāo)進(jìn)行定量分析(作為參考化學(xué)5值)。首先把樣品劃分為定標(biāo)集和預(yù)測集，利用上述這兩方面的數(shù)據(jù)建立定標(biāo)預(yù)測模型，根據(jù)模型的效果篩選出特定的波長組合。以人體血清中葡萄糖含量的近紅外分析為例，通過血清樣品的葡萄糖常規(guī)分析方法測試和近紅外光譜測試，所得數(shù)據(jù)用于建立相應(yīng)的定標(biāo)預(yù)測模型，利用本發(fā)明找出血清葡萄糖所對應(yīng)的特有分光波長組合。實(shí)施例中，光譜實(shí)驗(yàn)儀器為美國Neco1et公司的5700傅里葉變換型近紅外光譜儀，探測器為銦鎵砷(InGaAs)。用光程2mm的石英比色皿測量光譜，掃描譜區(qū)10000cm—1-4000cm—、分辨率4cm—、掃描次數(shù)64。本例中，光譜波段的單位為波數(shù)(cm—0，光譜的波長間隔為1.93cm—、采用191份人體血清樣品，樣品葡萄糖的含量由全自動生化分析儀測定作為光譜分析的參考化學(xué)值。全體化學(xué)值范圍3.53mmol/L-6.15mmol/L，均值為4.90mmol/L，標(biāo)準(zhǔn)偏差為0.59mmol/L。按照大約2:1的比例把全部樣品劃分為定標(biāo)集(131個樣品)和預(yù)測集(60個樣品)。如圖1所示，利用本發(fā)明準(zhǔn)連續(xù)方式的分光波長組合方法找出血清葡萄糖所對應(yīng)的特有分光波長組合SI、通過上面對樣品進(jìn)行的紅外光譜測量和樣品的生化定量分析，得到相應(yīng)的光譜數(shù)據(jù)和樣品的參考化學(xué)值后，選擇波長組合所屬的特定波段考慮到在5200cm—\4000cm—1附近吸收強(qiáng)烈，光譜能量低，信息含量差，噪音大，把這兩段(吸光度高于2的波段)光譜數(shù)據(jù)扣除，選擇的特定波段為10000cn^-5300cm—1和4920cm—1-4160cm—1兩段的組合.設(shè)波長間隔為1.93cm—、計算特定波段的總波長數(shù)總波長數(shù)=波段長度/波長間隔+1，則選擇的特定波段共有2831個波長。S2、根據(jù)人體血清葡萄糖的光譜吸收特點(diǎn)和所要設(shè)計的近紅外分析儀器的特點(diǎn)，設(shè)波長組合的點(diǎn)數(shù)為N(即波長組合所含有的波長數(shù)量)，設(shè)置波長組合點(diǎn)數(shù)的取值范圍，即1《N《100;設(shè)波長組合的間隔為G(即波長組合中相鄰兩波長在波段中間隔的波長數(shù))，設(shè)置波長組合間隔的取值范圍，即0《G《249;S3、波長組合的點(diǎn)數(shù)(N)取最小值1，波長組合的間隔(G)取最小值0;S4、設(shè)置波長組合的起點(diǎn)(B)從特定波段內(nèi)的第一個波長(10000cm—0依次變化到最后一個波長(4160cm—1);查找所有可能的(B，N，G)參數(shù)組合，利用它們的光譜數(shù)據(jù)和樣品的參考化學(xué)值，分別建立定標(biāo)預(yù)測的MLR模型；S5、判斷波長組合的間隔G<249是否成立，若是，則增加波長組合的間隔G，并返回S4，否則G=O，并進(jìn)入S6;S6、判斷波長組合的點(diǎn)數(shù)N<100是否成立，若是，則增加波長組合的點(diǎn)數(shù)N，并返回S4，否則進(jìn)入S7;S7、求出所有MLR模型的評價指標(biāo)，根據(jù)模型評價指標(biāo)對所有模型進(jìn)行評價，選取最佳的模型和相應(yīng)的(B，N，G)參數(shù)組合，同時得到對應(yīng)的波長組合；其中模型效果的評價指標(biāo)主要有三個預(yù)測均方根偏差(RMSEP)、相對預(yù)測均方根偏差(RRMSEP)和預(yù)測相關(guān)系數(shù)(RP)。S8、對于已經(jīng)選出的等間隔的波長組合，進(jìn)一步用光譜平滑化方法做光譜預(yù)處理，然后建立定標(biāo)預(yù)測模型，進(jìn)一步提高預(yù)測效果。為了更好的說明本實(shí)施例，如圖2所示，上述步驟S4查找到的其中一個參數(shù)組合(B=6000cm—、N=5，G=2)中，在波段為10000cm—'-5300cm—1和4920cm—^4160cm—1兩段的組合，由于波長間隔為1.93cm—、所以波長組合的起點(diǎn)從6000cm—1開始，以間隔的波長數(shù)為2等間隔提取5個波長，最后得到的等間隔波長組合是6000cm—1，5994cm—1，5988cm—1，5982cm—1，5976cm—、利用這些波長的光譜數(shù)據(jù)和樣品的參考化學(xué)值來建立MLR模型。目前偏最小二乘(PLS)方法是一種應(yīng)用廣泛而有效的近紅外光譜分析的建模方法，我們用這種方法來建立全譜段的PLS模型，將等間隔波長組合MLR模型與全譜段PLS模型的預(yù)測效果作比較，見表一。表一<table>tableseeoriginaldocumentpage7</column></row><table>從表一可以看出，由本發(fā)明參數(shù)組合(B=5753cm—1，N=22，G=33)建立的MLR模型，其預(yù)測均方根偏差(RMSEP)為O.326mmol/L，預(yù)測相關(guān)系數(shù)(RP)為0.841，相對預(yù)測均方根偏差(RRMSEP)為6.69%，結(jié)果表明，將本發(fā)明分光波長組合方法應(yīng)用于人體血清葡萄糖含量的近紅外光譜分析，只采用22個波長點(diǎn)進(jìn)行分光組合優(yōu)化，就得到比全譜段PLS模型(采用2831個波長點(diǎn))更高的預(yù)測精度，同時降低了模型的復(fù)雜性，為設(shè)計小型專用近紅外分析儀器提供重要依據(jù)。根據(jù)參數(shù)組合(B=5753cm—1，N=22，G=33)建立的等間隔移動窗口MLR模型，所得到的22個波長組合分別是5753cm—'、5818cm—1、5884011—1、5949011—1、6015011—1、6081011—\6146cm—1、6212cm—\6277cm—\6343cm—丄、6408cm—、6474cm—\6540cm—\6605cm—\6671cm—1、6736cm—1、6802cm—1、6867cm—1、6933cm—1、6999cm—1、7064cm—1和7130cm—1。上面是以人體血清中葡萄糖含量的近紅外分析為例，介紹了本發(fā)明的效果，實(shí)際上，我們在其他的多個實(shí)驗(yàn)中也得到了證實(shí)，如土壤養(yǎng)分(有機(jī)質(zhì)、總氮)近紅外光譜分析、人體血清中葡萄糖含量FTIR/ATR光譜分析、人體全血中血紅蛋白分析(近紅外光譜、FTIR/ATR光譜)、甘蔗制糖業(yè)的原料及中間產(chǎn)品的糖分分析(近紅外光譜、FTIR/ATR光譜)等方面，均可得到比常規(guī)的光譜分析方法更優(yōu)的預(yù)測效果。本實(shí)施例以近紅外分析為例，但本發(fā)明的實(shí)施方式并不受所述實(shí)施例的限制，其他的任何未背離本發(fā)明的精神實(shí)質(zhì)與原理下所作的改變、修飾、替代、組合、簡化，均應(yīng)為等效的置換方式，都包含在本發(fā)明的保護(hù)范圍之內(nèi)。權(quán)利要求一種準(zhǔn)連續(xù)方式的分光波長組合方法，其特征在于，包括以下步驟S1、測試樣品，得到光譜數(shù)據(jù)和樣品的參考化學(xué)值；選擇波長組合所屬的特定波段；S2、設(shè)波長組合的點(diǎn)數(shù)為N，設(shè)置波長組合中點(diǎn)數(shù)的取值范圍，即Nmin≤N≤Nmax；設(shè)波長組合的間隔為G，設(shè)置波長組合中間隔的取值范圍，即Gmin≤G≤Gmax；其中N為正整數(shù)，Nmin≥1，Nmax≤f；G為整數(shù)，Gmin≥0，Gmax≤f-2；f是選定的波段中含有的總波長數(shù)，通過下式計算總波長數(shù)＝波段長度/波長間隔+1；上式中，波長間隔由用戶設(shè)置；S3、N取最小值Nmin，G取最小值Gmin；S4、設(shè)波長組合的起點(diǎn)為B，設(shè)置B從特定波段內(nèi)的第一個波長依次變化到最后一個波長；查找所有B、N和G的參數(shù)組合，利用S1的光譜數(shù)據(jù)和樣品的參考化學(xué)值，分別建立定標(biāo)預(yù)測的數(shù)學(xué)模型；S5、判斷波長組合的間隔G＜Gmax是否成立，若是，則增加G，并返回S4，否則G＝Gmin，并進(jìn)入S6；S6、判斷波長組合的點(diǎn)數(shù)N＜Nmax是否成立，若是，則增加N，并返回S4，否則進(jìn)入S7；S7、求出所有數(shù)學(xué)模型的評價指標(biāo)，根據(jù)評價指標(biāo)對所有模型進(jìn)行評價，選取最佳的模型，由最佳模型相應(yīng)的B、N和G參數(shù)組合得到對應(yīng)的波長組合。2.根據(jù)權(quán)利要求1所述準(zhǔn)連續(xù)方式的分光波長組合方法，其特征在于，所述步驟S7后還包括58、對步驟S7選出的波長組合做光譜預(yù)處理，建立定標(biāo)預(yù)測模型。3.根據(jù)權(quán)利要求2所述準(zhǔn)連續(xù)方式的分光波長組合方法，其特征在于，所述S8中，對步驟S7選出的波長組合做光譜預(yù)處理，具體是指做光譜平滑化、多元散射校正、正交信號校正和/或小波變換處理。4.根據(jù)權(quán)利要求1或2所述準(zhǔn)連續(xù)方式的分光波長組合方法，其特征在于，所述步驟Sl中選擇波長組合所屬的特定波段，該波段是全譜波段、或者是某個部分波段、或者是某些部分波段的組合。5.根據(jù)權(quán)利要求1或2所述準(zhǔn)連續(xù)方式的分光波長組合方法，其特征在于，步驟S2中，所述Nmax、Gmax和波長間隔由用戶根據(jù)檢測對象的特點(diǎn)、所要設(shè)計的分光系統(tǒng)特點(diǎn)和計算機(jī)的運(yùn)算速度來選取。6.根據(jù)權(quán)利要求1或2所述準(zhǔn)連續(xù)方式的分光波長組合方法，其特征在于，步驟S4中，所述數(shù)學(xué)模型包括多元線性回歸模型、偏最小二乘法模型、人工神經(jīng)網(wǎng)絡(luò)模型中的一種或多種。7.根據(jù)權(quán)利要求1或2所述準(zhǔn)連續(xù)方式的分光波長組合方法，其特征在于，步驟S7中，所述求出所有數(shù)學(xué)模型的評價指標(biāo)，根據(jù)評價指標(biāo)對所有模型進(jìn)行評價，選取最佳的模型，具體是指，求出所有數(shù)學(xué)模型的三個評價指標(biāo)預(yù)測均方根偏差、相對預(yù)測均方根偏差和預(yù)測相關(guān)系數(shù)；選擇預(yù)測均方根偏差和相對預(yù)測均方根偏差都較小，預(yù)測相關(guān)系數(shù)較大的模型。全文摘要本發(fā)明公開了一種準(zhǔn)連續(xù)方式的分光波長組合方法，包括以下步驟S1、測試樣品光譜數(shù)據(jù)和參考化學(xué)值；選擇波段；S2、設(shè)置波長組合點(diǎn)數(shù)N的取值范圍，設(shè)置波長組合間隔G的取值范圍；S3、N＝Nmin，G＝Gmin；S4、設(shè)置波長組合起點(diǎn)B從波段內(nèi)的第一個波長依次變化到最后一個波長；查找所有B、N和G的參數(shù)組合，建立模型；S5、判斷G＜Gmax是否成立，若是，則增加G，并返回S4，否則G＝Gmin，并進(jìn)入S6；S6、判斷N＜Nmax是否成立，若是，則增加N，并返回S4，否則進(jìn)入S7；S7、求出所有數(shù)學(xué)模型的評價指標(biāo)，選取最佳的模型，得到對應(yīng)的波長組合。本發(fā)明具有計算量少、遴選自由度大、效果好的優(yōu)點(diǎn)。文檔編號G01N21/25GK101788459SQ20101011115公開日2010年7月28日申請日期2010年2月8日優(yōu)先權(quán)日2010年2月8日發(fā)明者潘濤申請人:暨南大學(xué)