基于卡尔曼滤波的近红外光谱特征波长变量优选方法

将经典的卡尔曼滤波器与近红外光谱分析技术相结合,提出了一种新的特征波长变量选择方法——卡尔曼滤波法。分析了卡尔曼滤波器用于波长优选的原理,设计了波长选择算法并将其应用到大豆油脂酸价的近红外光谱检测中。首先利用偏最小二乘法(PLS)对油脂不同吸收波段建模,初步筛选出4 472～5 000 cm-1油脂酸价特征波段共132个波长点,然后进一步利用卡尔曼滤波器进行特征波长选择,从中优选出22个特征波长变量建立PLS校正模型,预测集决定系数R2、预测误差均方根RMSEP分别为0.970 8和0.125 4,与利用132个波长点建立的校正模型预测结果相当,而波长变量数减少到原来的16.67%。该波长变量选择算法是一种确定性的迭代过程,无复杂的参数设置和变量选择的随机性,物理意义明确。优选出少数对模型影响较大的特征波长变量以代替全谱建模,在简化模型的同时提高了模型的稳健性,为开发专用油脂近红外光谱分析仪器提供了重要参考依据。     

超声处理黑豆蛋白结构变化的拉曼光谱分析

探究了拉曼光谱应用于黑豆蛋白结构变化研究的可行性,研究了黑豆蛋白溶液在低频超声处理在不同超声强度、不同处理时间下的结构变化,并进行了热力学特性分析。低、中超声处理强度下TD的降低表明蛋白质分子的内部疏水作用被破坏,使黑豆蛋白不稳定的聚集体解聚为小分子可溶性聚集物,而在高超声处理强度下TD的增高表明聚集体重聚。拉曼光谱分析表明超声处理下除了E样品(300 W, 24 min)所有黑豆蛋白均发生了α-螺旋结构含量降低和β-折叠结构含量增高。聚集体的聚合/解聚导致黑豆蛋白二级结构的重组,尤其是β-折叠。超声处理使拉曼光谱在760 cm-1的色氨酸归属谱线强度降低表明超声处理使黑豆蛋白发生了部分的解折叠。超声处理下酪氨酸归属谱线强度变化不显著,表明超声处理并未显著改变黑豆蛋白酪氨酸的微环境。1 450 cm-1拉曼归属谱带随着超声处理强度和时间的增加而增大,但随着功率及处理时间的进一步增大此值有所降低。在超声处理下聚集体的形成使二硫键的g-g-t构型转变为t-g-t构型。尽管黑豆蛋白聚集体重组的机理仍有待研究,但拉曼光谱是一种研究超声处理黑豆蛋白结构变化的可行方法,也可为蛋白质结构研究提供一种新的研究思路。