相比于细胞、 组织等其他病理诊断样品, 血液样本更易临床采集, 其生化构成变化常表现于医学影像学检测到的临床症状出现之前, 更有利于实现恶性疾病的早期筛查与诊断。 拉曼光谱（RS）技术, 具有快速、 无标记、 无损、 非侵入等检测优势, 且可获得特异性的生物分子结构和物质组成信息, 在临床血液样品（血浆、 血清）的癌变诊断检测中具有重大的应用前景。 本工作采用显微拉曼光谱检测技术, 在分析不同病变阶段（健康, 早期癌变和晚期癌变）乳腺癌血清样品生化组成信息基础上, 结合主成分分析（PCA）与线性判别分析（LDA）、 支持向量机（SVM）和偏最小二乘算法（PLS-DA）等多变量光谱分析手段, 构建光谱特征归类鉴别模型; 并采用留一交叉验证方法（LOOCV）评估、 比较这些模型的灵敏度、 特异性和准确率, 探索基于血清拉曼光谱的乳腺癌诊断方法。 研究工作在观察血清类胡罗卜素成分共振拉曼光谱现象基础上, 进一步分析了乳腺癌病理演进过程中血清样品蛋白质与脂类光谱特征变化。 此外, 利用多种光谱数据模型, 在提取、 识别更具代表性的分子光谱特征信息后, 实现了较为准确的血清特征光谱信息鉴别分析。 其中, PCA-LDA模型的分类准确率达99%; PCA-SVM（三个内核函数: 线性核、 多项式核及RBF核）模型中, 当线性核函数PCA-SVM模型误差惩罚参数C为0.003时, 其在测试集中的分类准确率为92%; 当RBF核函数PCA-SVM模型参数C和参数γ分别为0.125和256时, 其在测试集中的分类准确率可达到了最高94%; 当多项式核函数PCA-SVM参数C为0.003、 多项式阶数d＝1时, 其在测试集中的分类准确率为92%; 然而, PLS-DA模型的分类准确率仅为80%。 这些实验分析结果, 从光谱特征的角度描述了不同病理条件下血清的物质构成信息, 更为拓展血清拉曼光谱分析技术在乳腺癌早期筛查与病理分期分级中的应用范畴, 奠定了一定实验与理论基础。

为了提高土壤中重金属Ba元素定量分析的检测精度，将腔体约束与传统激光诱导击穿光谱技术（LIBS）相结合，选择Ba Ⅱ 495.709 nm作为分析线，建立了基于谱峰积分的单变量定标模型及多变量主成分回归（PCR）、人工神经网络（ANN）定标模型，对土壤中金属Ba元素进行定量分析。结果表明，外加腔体约束LIBS（CC-LIBS）与传统LIBS相比，增大了特征谱线的光谱强度及信噪比，利用谱峰积分法对Ba元素分析时，与传统LIBS相比CC-LIBS可以提高单变量定量分析精度，定标曲线相关系数由0.63提高到了0.84，验证集平均相对误差（MRE）由47.52%降低到23.44%，且Ba元素的检出限由64.73减小到37.86；利用CC-LIBS结合多变量回归模型PCR、ANN分析Ba元素含量时，进一步提高了LIBS的检测精度，减小了土壤中基体效应的影响。多变量回归定标曲线相关系数分别为0.941、0.999，且验证集MRE分别为9.93%、5.35%。该研究为LIBS技术应用于土壤品质检测提供了新思路。

近红外光谱分析中多变量校准模型的建立依赖于校准建模的光谱样本。 然而, 近红外光谱测量环境的变化会导致同一被测物的光谱样本的偏移。 为了削减光谱偏移后重新建立校准模型的成本, 提出一种基于深度自编码器(DAE)的非线性光谱转移方法, 以端到端的形式实现不同测量环境之间的光谱转移, 避免已有的线性光谱转移方法在非线性偏移光谱时效果不佳的情况。 该方法在操作前不需要对光谱进行预处理和特征提取等操作, 可以实现原始光谱之间的转移, 是首个端到端的非线性光谱转移方法。 为了实现光谱空间的有效转移, 设计了一种基于条件概率和参数最大似然法的误差函数惩罚项, 结合梯度反向传播算法优化深度自编码的网络参数。 为了验证该方法的有效性, 引入两个公共的近红外光谱数据集, 分别是药片数据集和玉米数据集。 利用本方法进行光谱转移的过程主要有: 根据Kennard-Stone(KS)算法分别将两个数据集划分为校准集、 验证集和测试集； 用校准集中的光谱样本输入深度自编码器, 根据设计的误差函数求出误差, 并用反向传播法迭代训练网络参数, 直至模型最优； 将预测集样本输入训练好的DAE转移模型, 可以发现转移后的光谱与相应的目标光谱谱线基本重合, 这说明该设计的转移模型的有效性。 最后, 为了进一步验证本方法的优越性, 将该方法与经典的线性转移算法光谱空间变换(SST)和分段直接标准化(PDS)进行比较。 这三种算法得到的转移光谱分别作为测试样本, 输入已建立的偏最小二乘(PLS)多变量校准模型, 通过比较预测均方根误差(RMSEP), 可以发现该方法在多变量校准模型中的预测结果的均方根误差均小于SST和PDS, 分别提高了5.7%和10.1%, 表明由非线性深度自编码器转移的光谱样本具有高效和实用的特点。

提出了以纳米色敏传感器捕获挥发气体为中间介质的可见/近红外光谱检测霉菌感染小麦的新方法。 以霉菌感染的小麦为研究对象, 在恒温恒湿条件下储藏不同的时间; 通过纳米化处理过的色敏传感作为中间介质捕获小麦霉变后产生的特征挥发气体, 采用可见/近红外光谱检测分析挥发气体与纳米色敏传感结合前后的可见和近红外区域光谱变化特征, 结合多变量分析模型预测小麦的霉菌菌落数。 以灰绿曲霉和白曲霉为目标菌种, 分别接种至无菌小麦以培养出不同带菌量的小麦样本, 分别储藏3～9 d。 根据前期的预实验, 采用对特征霉变挥发气体敏感的色敏材料(8-(4-硝基苯基)-4,4-二氟硼二吡咯甲烷(NO2BDP)和8-(4-硝基苯基)-4,4-二氟-6-溴硼二吡咯甲烷(NO2BrBDP))组成的纳米传感器捕获特征挥发气体。 采用无皂乳化法合成纳米级微球聚苯乙烯-丙烯酸处理色敏材料, 提高色敏传感器捕获特征挥发气体的能力, 以纳米化前后的NO2BDP和NO2BrBDP四种色敏材料构建传感器阵列。 采集不同带菌量的小麦样本的可见/近红外光谱, 运用多变量分析方法对光谱信息进行变量筛选, 用平板菌落计数法测定菌落总数分别建立灰绿曲霉和白曲霉菌落总数的定量预测模型。 实验结果表明, 以纳米化NO2BDP和NO2BrBDP组成的传感器阵列为中介采集的带菌小麦的特征光谱波段建立的联合区间-无信息变量消除法偏最小二乘模型(Si-UVE-PLS)效果最佳, 此时预测集的交叉验证平方根(RMSECV)为0.444 4 lgcfu, 实测值与预测值的相关系数Rp为0.981 1。 采用2个纳米化和2个非纳米材料组成的色敏传感阵列结合联合区间-遗传算法偏最小二乘模型(Si-GA-PLS)检测白曲霉菌落总数取得最佳检测结果, RMSECV为0.434 9 lgcfu, Rp为0.977 2。 表明通过可见/近红外光谱与纳米色敏传感器技术结合的方法, 能够良好的完成对挥发性气体的定量检测研究, 实现霉变小麦的品质监控。Spectroscopy Technology

为了提高激光辐照下加热点处红外测温精度, 建立了多变量测温补偿模型, 研究了测量距离、测量角度与测量精度的关系。采用单一变量与正交变量结合的方法, 建立关于测量距离与测量角度的二元变量补偿模型, 并进行误差补偿模型验证实验。结果表明: 补偿模型与实际测量结果可以较好地匹配, 补偿后测量误差为±1.25%, 与补偿之前相比测量精度提高64.25%, 验证了补偿模型的正确性, 为激光辐照下加热点温度红外测量提供理论指导。

本文应用表面增强拉曼散射技术以纳米银溶胶作为基底直接对17种葱属植物的挥发性物质进行了检测,进一步用SERS谱图结合化学计量学多变量统计分析,对17种葱属植物进行鉴别分类研究,并提出一种基于SERS的快速、有效的挥发性物质筛选式葱属植物鉴别分类研究方法。对不同年份制作的纳米银溶胶进行了重现性测试,结果显示纳米银溶胶作为SERS基底对葱属植物的挥发性物质检测重现效果较好;对同一植物不同部位的挥发性物质进行检测,结果显示光谱峰位变化不大,只是个别峰的相对强度发生了变化;对17种葱属植物的挥发性物质进行检测,结果显示:17种葱属植物的挥发物的SERS光谱可分为三组,1-丙硫醇增强组、烯丙基甲基硫醚增强组、二烯丙基二硫增强组,说明纳米银溶胶对葱属植物的挥发物具有选择性增强效果;17种葱属植物挥发物的SERS谱结合聚类分析、因子分析、判别分析进行多变量统计分析,分析结果显示,样品能按三个不同增强组进行准确分类。实验结果表明,基于SERS的挥发物筛选式葱属植物鉴别分类研究方法可以为葱属植物分类研究提供参考信息。

基于 Matlab参数化控制 GRASP9天线仿真模型，通过 Matlab程序调用 GRASP9仿真界面，批量化计算毫米波、亚毫米波辐射计天线电性能。以 FY4系统方案验证样机准光馈电网络椭球镜的安装误差为例，分析椭球镜在球坐标系中的位移和转角偏差对天线电性能影响。当位移和角度偏差分别控制在 0.5 mm和 0.4°以内，主波束效率可达到指标要求的 90%以上。理论计算结果与测试结果吻合良好，验证了参数化控制法对多变量容差分析的有效性，为后续工程装配提供技术基础。

针对钢铁合金样品元素组成相对复杂, 基体效应较严重的问题, 利用激光诱导击穿(LIBS)光谱技术对钢铁合金中的元素进行了定量分析。以Nd∶YAG脉冲激光器基频1 064 nm波长激光作为激发光源, 采用中阶梯光栅光谱仪和ICCD分光探测钢铁合金样品的LIBS光谱。通过优化实验确定最佳探测延时为1.5 μs, 最佳探测门宽为2 μs, 激光聚焦点位置在实验样品靶面以下1.5 mm。采用单变量定量分析、 多变量线性回归和偏最小二乘(PLS)三种方法分析钢铁合金中Cr元素和Ni元素的含量。结果表明, 采用单变量定标方法定标曲线相关系数不高, 对待测样的预测误差相对较大, 难以有效地定量分析基体元素复杂的钢铁合金中金属元素的含量; 采用多变量线性回归分析方法能有效提高定量分析的精度; 采用PLS方法得到的Cr和Ni元素的拟合曲线相关系数r分别为0.981和0.995, 对两个待测样品中Cr元素和Ni元素的预测相对误差在6.4%和7.1%以内, 分析结果优于多变量线性回归方法。可见, 采用多变量校正的PLS方法能更有效地校正基体效应对定量分析的影响, 提高定量分析的精度。