下面是小编为大家带来的基于独立成分分析的被动红外光谱弱信号检测，本文共4篇，希望大家能够喜欢!本文原稿由网友“九如”提供。
篇1：基于独立成分分析的被动红外光谱弱信号检测
基于独立成分分析的被动红外光谱弱信号检测
简要阐述了独立成分分析(independent component analysis,ICA)的基本模型及其假设、含混性、非高斯性度量和通用求解过程,介绍了一种基于峰度的快速ICA算法.提出了基于基本ICA模型的从被动遥感红外光谱中分离出弱目标信号的`信号检测方法.实验结果表明:基于ICA的信号提取方法可不依赖于预先采集的“干净”背景光谱,并且与差谱法的结果进行了对比.
作 者：虞莉娟 熊伟 熊惠民 YU Li-juan XIONG Wei XIONG Hui-min 作者单位：虞莉娟,YU Li-juan(武汉理工大学自动化学院,湖北,武汉,430070)熊伟,XIONG Wei(中国科学院安徽光学精密机械研究所,安徽,合肥,230031)
熊惠民,XIONG Hui-min(华中师范大学数学与统计学学院,湖北,武汉,430079)
刊 名：激光与红外 ISTIC PKU英文刊名：LASER & INFRARED 年，卷(期)： 38(3) 分类号：O646 关键词：独立成分分析 被动红外光谱 信号 检测篇2：基于主成分分析和BP神经网络的土壤养分近红外光谱检测
基于主成分分析和BP神经网络的土壤养分近红外光谱检测
基于近红外光谱技术的土壤养分快速、无损检测,有利于精细施肥决策.在一黄豆田采用7 m×7 m的栅格采集54个土样,测定其土壤有机质、速效氯、有效磷、有效钾,并使用FieldSpec 3光谱仪测定土样的近红外漫反射光谱.将54个样本随机分成预测集与验证集,其中预测集40个,验证集14个.通过平滑预处理后,利用主成分分析法(PCA)提取原始光谱8个主成分.然后以8个主成分为输入,分别以所测土壤养分作为输出,建立土壤有机质、速效氮、有效磷、有效钾的预测模型,最后对14个验证样本进行预测.结果表明,在小尺度采样的情况下进行光谱分析,采用主成分分析和人工神经网络相结合的方法建立土壤有机质预测模型,其测量值与预测值的相关性较高,相关度为0.796 2,相对误差较小,其平均值为1.88%,表明该方法预测土壤有机质含量是可行的'.但对土壤速效氮、有效磷和有效钾含量的预测并不理想,还有待进一步研究.
作 者：张淑娟 王凤花 张海红 赵华民 ZHANG Shu-juan WANG Feng-hua ZHANG Hai-hong ZHAO Hua-min 作者单位：山西农业大学工程技术学院,山西,太谷,030801 刊 名：山西农业大学学报（自然科学版） ISTIC英文刊名：JOURNAL OF SHANXI AGRICULTURAL UNIVERSITY(NATURAL SCIENCE EDITION) 年，卷(期)： 29(6) 分类号：O433.4 关键词：近红外光谱 土壤养分 检测 主成分分析 BP神经网络篇3：近红外光谱检测技术在农业和食品分析上的应用
近红外光谱检测技术在农业和食品分析上的应用
摘要：近红外光谱是20世纪90年代以来发展最快、最引人注目的光谱分析技术. 阐述了近红外光谱的原理、技术特点, 介绍了近红外光谱仪、光谱预处理方法以及化学计量学研究的发展过程, 重点列举了近红外光谱在农业和食品分析中的.成功应用实例. 资料表明,近红外光谱以其速度快、不破坏样品、操作简单、稳定性好、效率高等特点, 已广泛应用于各个领域. 特别是在欧美及日本等发达国家, 很多近红外光谱分析法被列为标准方法. 而我国近红外光谱的应用研究起步较晚, 虽然某些方面已具国际领先水平, 但就总体来看与国际水平还有大的差距. 文章首次提出了集中优势资源, 包括人力资源和设备资源, 利用现代网络技术, 建立终端用户和中心数据库资源共享的模式, 以推动近红外光谱技术在我国农业科技和生产中的应用. 作者： 王多加[1]周向阳[2]金同铭[2]胡祥娜[2]钟娇娥[2]吴启堂[3] Author： 作者单位： 深圳市无公害农产品质量监督检验站,广东,深圳,518040;华南农业大学资源环境学院,广东,广州,510000深圳市无公害农产品质量监督检验站,广东,深圳,518040华南农业大学资源环境学院,广东,广州,510000 期 刊： 光谱学与光谱分析 ISTICEISCIPKU Journal： SPECTROSCOPY AND SPECTRAL ANALYSIS 年，卷(期)： , 24(4) 分类号： O657.33 关键词：近红外光谱 农业 食品 应用 机标分类号： TP2 TH7 机标关键词：近红外光谱分析法 光谱检测技术 农业科技 食品分析 应用研究 资源共享 近红外光谱仪 红外光谱技术 光谱分析技术 中心数据库 预处理方法 计量学研究 终端用户 优势资源 网络技术 人力资源 技术特点 国际水平 国际领先 发达国家 基金项目：篇4：近红外光谱和化学计量方法用于火箭煤油快速分析检测的研究
近红外光谱和化学计量方法用于火箭煤油快速分析检测的研究
摘要：基于火箭煤油的近红外光谱数据和化学计量学方法,成功地对火箭煤油的`密度、馏程、粘度、碘值等四种特性指标进行了测定.本文测定了70多个火箭煤油样品的近红外光谱,在适当的光谱区间内用偏最小二乘法(PLS)法建立模型,各参数的相关性R2在0.862～0.999之间.用该模型对10个未知样品进行测定,近红外光谱法预测的准确度均符合标准分析方法的要求.研究表明,该方法为火箭煤油分析检测提供了一种简便、快捷、准确的方法. 作者： 夏本立[1]丛继信[1]李霞[2]王煊军[2] Author： XIA Ben-li[1] CONG Ji-xin[1] LI Xia[2] WANG Xuan-jun[2] 作者单位： 总装备部后勤部防疫大队,北京,100101第二炮兵工程学院503教研室,陕西,西安,710025 期 刊： 光谱学与光谱分析 ISTICEISCIPKU Journal： SPECTROSCOPY AND SPECTRAL ANALYSIS 年，卷(期)： 2011, 31(6) 分类号： V312.1 关键词：近红外光谱(NIRS) 火箭煤油 偏最小二乘(PLS) 机标分类号： R28 O65 机标关键词：近红外光谱法 化学计量方法 火箭 煤油 分析检测 Near Infrared Spectrum Analysis Rapid Determination 化学计量学方法 偏最小二乘法 测定 标准分析方法 未知样品 特性指标 建立模型 光谱数据 准确度 油样品 粘度 预测 基金项目： 总装备部项目
