测量光学玻璃电流传感头线性双折射的新方法

线性双折射是光学(含光纤)电流传感头的重要光学参量之一,会明显影响光学电流传感器的性能,因此测量光学传感头内线性双折射的大小对于提高光学电流传感器的性能有重要意义.本文报道了一种测量光学玻璃电流传感头线性双折射的新方法,以琼斯矩阵为数学工具给出了对该方法的理论分析及测量不确定度分析,并用实验方法给出了应用实例.此方法的主要优点是弥补了以前报道过的两种测量方法暴露出的无法唯一地确定光学玻璃电流传感头线性双折射的大小,或虽然能测定双折射大小,但测量不确定度较大的不足.实验结果表明:本方法可明显地提高测量准确度.     

概率神经网络在胃镜样品红外光谱检测中的应用

将人工神经网络方法应用于人体胃镜样品红外光谱检测,以克服常规线性判别分析方法的局限性,从而提高了胃镜样品判别的准确率。概率神经网络是一种适用模式分类的径向基神经网络,采用样本的先验概率和最优判定原则对新的样本进行分类,具有识别率高、训练速度快、不会陷入局部极值等优点。文章采用概率神经网络进行胃镜样品红外光谱模式识别,将预处理后的胃镜样品光谱进行主成分分析,将得分值作为输入,建立概率神经网络判别模型。文中选取118例胃镜离体样品进行红外光谱判别分析,其中正常胃组织19例,胃炎组织64例,胃癌35例,选取其中59例样品建立概率神经网络校正模型,其余样品作为预测集来检验模型。实验结果表明,正常、炎症及癌症胃镜样品检测的总体准确率达到81.4%,对胃镜样品的判别取得了较好的结果。     

基于交互式自模型混合物分析的近红外光谱波长变量优选方法

为了提高近红外光谱定量分析的预测精度和建模效率,提出了一种基于交互式自模型的混合物分析的波长优选方法,根据光谱各波长变量的纯度值和标准差值,选择含有用信息的波长变量,并引入相关权函数解决变量间共线性问题.通过依次迭代选择的变量建立定量校正模型,由交互验证均方根预测误差(RMSECV)确定最佳波长变量个数.应用该波长变量优选方法对具有不同葡萄糖含量的两组(四成分葡萄糖水溶液实验和人体血浆实验)近红外光谱数据进行分析,两组数据中分别只选择了全部变量的0.3%建立定量校正模型,其验证集葡萄糖浓度的均方根预测误差(RMSEP)分别减少为669和15 mg/L.与全谱范围及优选波段建立的定量校正模型比较,本方法能够通过波长变量优选最小化冗余信息、提高预测精度及建模效率.     

中红外光纤技术研究胃正常和肿瘤组织及其原位、在体临床应用

采用中红外光纤衰减全反射光谱法研究胃组织样品, 以48个病人的90个胃组织的红外光谱, 包括32个正常和58个肿瘤组织样品. 肿瘤光谱的特征通常表现在CH和C=O峰的消失, 酰胺I带以及接近1545 cm^−1的弱的酰胺II带向低波数位移, 1450 cm^−1峰强度下降并一般弱于1400 cm^−1峰. 减谱结果表明正常和肿瘤组织的酰胺I带和酰胺II带在峰位和相对强度方面有着较大的差别. 统计分析结果证实了这一结论. 结果表明中红外光纤技术提供了胃肿瘤组织的信息, 能够用来区分正常和肿瘤组织. 实现了肿瘤的在体原位检测, 在手术室旁对新鲜离体样品以及手术过程中在体原位检测恶性肿瘤的结果同对体外液氮冰冻样品和病理检测所得到的结论一致, 这一新结果成为临床应用的基础.     

一种提高1/4波片相移量测量精度的方法

提出了一种新颖的，在已知四分之一波片快轴方向的情况下，利用两个偏振片和一个三棱镜来提高波片相位延迟角测量精度的简便方法，给出了对该方法的理论分析与不确定度公式，并给出了应用实例.此方法的主要优点是可以提高测量精度，并且操作简单，容易实现.     

沿膜厚方向的簿膜非均匀折射率及其色散测量

以传统的光学监控法与石英晶体振荡法为基础,在薄膜沉积过程中,同时测量膜片的透过率及膜层的厚度,以及与它们对应的控制波长,并根据三者与折射率之间的关系,由计算机反解出不同膜厚处的折射率——非均匀折射率及不同厚度、不同波长处的薄膜折射率——非均匀色散。同时给出了硫化锌薄膜在水晶石薄膜的测量实例,并进行了分析与讨论。     

遗传算法在近红外无创伤人体血糖浓度测量基础研究中的应用

遗传算法（GA）应用在偏最小二乘法（PLS）校正模型的波长优化选择中具有显著的效果。将遗传算法作为模块循环运行，能更快达到最优解，有效提高测量精度，减少建模所用波长数。本文将该方法应用于无创伤人体血糖浓度光学检测的基础研究中，验证实验所用样品为：①葡萄糖水溶液；②包含牛血红蛋白和白蛋白的葡萄糖水溶液；③人血中的血浆（含葡萄糖）。结果表明：建模的波长个数可分别减少88%、86%、85%；预测标准偏差（RMSEP）分别减少56%、64%。这对无阶伤人体血糖浓度光学检测理论的进一步研究具有指导意义。     

基于稳定竞争自适应重加权采样的光谱分析无标模型传递方法

提出了一种基于稳定竞争自适应重加权采样(stability competitive adaptive reweighted sampling,SCARS)的无标模型传递方法。利用有用信息标准即稳定度指数(定义为回归系数除以其标准偏差的绝对值)和传递后的预测均方根误差(root mean squared error of prediction,RMSEP),选择重要的、受测样参数影响不敏感的波长变量,能够消除或减少不同仪器或测量条件对样本信息反应差异,提高模型传递效果。此外,在该方法中,光谱变量被压缩、降维,从而使模型传递更稳定。采用该方法对谷物的近红外光谱分析模型在不同仪器之间进行传递研究。结果表明,该方法能消除仪器间的大部分差异,较好地实现模型传递效果。与正交信号校正法(orthogonal signal correction,OSC)、蒙特卡罗结合无用信息变量消除法(Monte Carlo uninformative variable elimination,MCUVE)、竞争自适应重加权采样法(competitive adaptive reweighted sampling,CARS)的比较表明,SCARS不仅在传递精度上能取得比OSC、MCUVE及CARS更好的效果,而且能有效地对光谱数据进行压缩,简化并优化传递过程。     

基于可见-近红外光谱的植物叶绿素含量无损检测方法研究

叶绿素含量是植物营养胁迫、光合作用能力和生长状况的良好指示剂。实时、可靠的作物营养诊断是进行科学施肥管理的基础,也是实施精细农业的关键技术之一。文章提出了一种应用可见-近红外光谱技术检测植物叶绿素含量的方法。采用透反射测样方式获取了植物叶片的可见-近红外光谱,并对获得的500～900 nm光谱数据进行平滑、一阶微分以及小波变换等预处理,然后采用偏最小二乘法(PLS)建立了植物叶片叶绿素含量与叶片吸收光谱的定量分析模型,最后利用该模型对预测集样本进行预测。预测集中样本的预测值与标准值之间的相关系数为0.93,预测均方根误差为1.1 SPAD。实验结果表明,利用可见-近红外光谱检测叶片叶绿素含量是可行的,这对今后实现快速无损检测植物叶绿素含量具有重要的指导意义。     

人体血氧饱和度检测中消除脉搏波信号高频噪声的方法

基于光电容积脉搏波的方法可以用于人体血氧饱和度的无创检测,基于光电容积脉搏波测量时,由于信号采集过程中随机噪声等干扰,脉搏波信号中存在高频噪声,影响最终的血氧饱和度测量精度。提出采用基于连续均方误差(CMSE)准则的经验模态分解(EMD)法消除脉搏波信号中的高频噪声。利用自行研制的光电容积脉搏波采集装置采集脉搏波信号,应用该方法消除信号中高频噪声,并采用信号的频谱进行效果评价。结果表明：该方法有效消除了高频噪声,这将有利于人体血氧饱和度无创检测精度的提高。