红外光谱分析技术新进展

关于红外光谱仪的一个总结性文档，介绍了红外光谱仪的基本情况并总结了近年来光谱仪的发展

2dshige软件安装包，下载后内附说明书和测试样例数据，可直接运行，2dshige.2dshige.2dshige.2dshige.2dshige.2dshige.2dshige.2dshige.2dshige.

红外光谱分析技术作为一种有效的分析手段在二十世纪三十年代就得到了认可，当时红外仪器主要用于分子结构理论的研究。近红外区的光谱吸收带是有机物质中能量较高的化学键（主要是 CH、OH、NH）在中红外光谱区基频吸收的倍频、合频和差频吸收带叠加而成的。由于近红外谱区光谱的严重重叠性和不连续性，物质近红外光谱中的与成份含量相关的信息很难直接提取出来并给予合理的光谱解析。而有机物在中红外谱区的吸收带较多、谱带窄、吸收强度大及有显著的特征吸收性，传统的光谱学家和化学分析家习惯于在中红外基频吸收波段进行光谱解析，所以近红外谱区在很长一段时间内是被人忽视和遗忘的谱区。 随着红外仪器技术的发展，更加稳定的电源、信号放大器、更灵敏的光子探测器、微型计算机等的发展使得近红外光谱区作为一段独立的且有独特信息特征的谱区得到了重视和发展。Karl Norris 作为近红外光谱分析技术发展的奠基人，于二十世纪五十年代在美国农业部的支持下开始进行近红外光谱分析技术用于农产品（包括谷物、饲料、水果、蔬菜等）成份快速定量检测的探讨研究。Norris 的早期工作主要是探求合理的近红外光谱分析方法用于研究物质在近红外光照射下所体现出的光谱吸收特性和散射特性，他首先提出了多元线性回归（MLR）算法在物质成份近红外光谱定标模型建立和光谱信息提取解析方面所体现出的优势，这为后来系统的近红外光谱技术理论体系的形成起到了很重要的作用。二十世纪六十年代，Norris 领导的课题组进行了大量的光谱学方法论证，其中包括可见和近红外波段透射、反射及透反射等测量方法比较，在这一阶段的工作中最大的成果莫过于得到了植物叶子和谷物的反射吸收光谱，这为近红外光谱技术的发展提供了更大的优势和方便。与此同时，Norris 研制出世界上第一台近红外扫描光谱仪，这台光谱仪是在 Cary 14 单色仪的基础上改进得到的，拥有与微型计算机进行数据传输的功能，也就是在这台扫描光谱仪上，多元线性回归分析方法在提取与成份相关的光谱信息方面的优势得到了演示，这台仪器就成为了后来近红外光谱分析仪器发展的雏形。

检测血糖的方法主要是从体内抽取血液通过生化检测进行分析，这属于有创伤检测，有创伤检测给患者带来的痛苦和不便。

甲烷是导致煤矿爆炸事故的主因,取决于甲烷在空气中的爆炸极限。甲烷气体的浓度直接影响矿井作业的安全,这里提出一种新型的甲烷激光式检测系统,利用近红外光谱差分吸收技术,结合最小二乘拟合方法求出气体浓度。较传统的催化燃烧检测方式,提高了系统精确度、灵敏度、抗交叉干扰能力,能够实时在线检测甲烷气体浓度。将该系统应用于煤矿束管监测系统中,将有助于矿井安全作业,有广泛的工业应用前景。

卷积神经网络和功能性近红外光谱信号对癫痫发作的预测 请引用为：Rosas-Romero，R.，Guevara，E.，Peng，K.，Nguyen，DK，Lesage，F.，Pouliot，P.，and Lima-Saad，W.-E. （2019）。 与卷积神经网络和在生物学和医学功能近红外光谱信号的计算机癫痫发作的预测，111，103355. MATLAB中CNN的实现，用于癫痫发作的预测。 描述 该实现旨在解决二进制分类问题。 它可以轻松修改以解决多类问题。 该实现解决了癫痫发作的预测； 但是，可以轻松对其进行修改以解决其他应用程序。 主要代号 MAIN_CNN_CODE.m 评论 主要代码调用子例程： Data.m （获取观察值）， SAMPLING.m （生成发作间和发作前集合），Crossvalidation.m（生成用于训练，测试和验证的集合）， parametersCNN.m

猕猴桃近红外光谱MLR建模中的波长选择，傅霞萍，应义斌，光谱波长选择方法在近红外光谱分析建模中相当重要。本研究采用逐步回归分析（stepwise regression analysis）法和连续投影算法（successive pro

用于近红外光谱的分析 聚类分析和判别的matlab程序

内有参考文献、matlab编程代码、解释说明 利用近红外光谱技术对某海产品的水分含量进行无损检测。通过420～1023nm近红外光谱采集了266个海产品样本的光谱信息。分别采用多元散射校正(MSC)、标准正态变量交换(SNV)、归一化(Normalize)、数据中心化(Mean centering)、标准化(Autoscales)、移动窗口平滑、Savitzky-Golay卷积平滑法、一阶导数(FD)、二阶导数(SD)等方法对光谱进行预处理，并采用PCA主成分分析 (principal component analysis)结合马氏距离法对近红外校正样品集中的异常样品进行剔除。剔除样本后使用偏最小二乘法(PLS)建立模型对样本进行定量分析。比较各种光谱预处理的方法以及剔除异常值的权重阈值的选取，获取最佳PLS模型便可对待测样本进行水分预测。