近红外光谱数据分析方法的研究进展
光谱的预处理方面，目前常用的方法有：平滑、多元散射校正 （MSC）、傅里叶变换（FT）、小波变换(WT)等。
小波变换是近几年发展起来的一种数据处理技术，它比较稳定，具有局部性质。
模型优化方法主要包括偏最小二乘法 （PLS）、拓扑学方法、人工神经网络 （ANN）、支持向量机 （SVM） 等。
蚁群算法是新近发展起来的基于群体智能的仿生优化算法。SVM可以减少结构风险和机会风险，是目前理论应用工作者的研究重点。
近红外光谱 （NIR） 分析技术是近年来迅猛发展起来的一种快速检测技术，具有无需预处理，速度快、无污染、无破坏、多成分同时分析、结果重演性高、适于在线分析等优点。
随着现代电子、光谱分析、计算机和化学计量等技术的发展，使得 NIR 分析技术日趋完善，促进该技术在农业食品工业、化工行业和医药行业等领域的应用。
在农业方面，当传统的质量检测技术难以适应生产需要时，这种新型的质量检测方法受到越来越多的关注，但是其信噪比低、波动性大，背景复杂、谱峰重叠等特点，使得光谱数据处理方法的选择对所建模型的有效性、适应性和稳定性具有重要的意义。因此，众多学者开展了相关数据处理方法的研究。
本文分析了近红外光谱分析技术的特点，总结了其在异常值剔除、噪声消除、波长选择等数据预处理和定性定量分析方法的改进和新算法的应用。
近红外光谱分析技术的特点
近红外光谱属于红外光谱，美国材料检测协会（ASTM） 定义其波长范围为 780~2 526 nm，波数范围为 12 820~3 959 cm-1。
红外光谱还包括中红外和远红外，均介于可见光和微波之间，肉眼无法观察到它们的存在。不同的红外光谱具有不同的特性：近红外光线具有较强的穿透能力，而远红外则有良好的加热特性。
在近红外光谱区产生吸收的官能团主要是含氢基团，包括：C- H（甲基、亚甲基、芳基、羧基等）、氨基N-H、羟基O-H、硫基S-H等。近红外光谱主要是有机分子的倍频与合频吸收光谱，与中红外光
一样，该谱区也能够得到分子的结构、组成、状态的信息，而且从近红外反射光谱还能得到样品的密度、粒度、高分子物的聚合度及纤维的直径等物质的物理状态信息。近红外光谱的上述特征，赋予了它有别于其他红外光谱的一些独特魅力。
如样品不需进行任何预处理，即可做多组检测；除液体、气体、固体样品外，还可检测粉末状、纤维状、糊状、肉类、乳类等形式的样品。
由于近红外谱区的信息量十分丰富，作为一种高效、快速、成本低、无污染、不破坏样品化学性质、绿色环保的分析方法，它可用于实验室分析、现场分析及在线分析。
光谱预处理的研究进展
近红外光谱分析的预处理包括 3 个方面：
剔除异常样品；
消除光谱噪声和其他谱图不规则因素的影响，如消除随机噪声、样品背景的干扰、光程的变化、测样器件引起光谱的差异等因素对校正结果产生的影响；
优化光谱范围，净化谱图信息。目前常用的光谱预处理方法有：平滑、多元散射校正（MSC）、标准正态变量变换（SNV）、傅里叶变换（FT）、小波变换（WT）、正交信号校正（OSC）、净分析信号（NAS） 等。
剔除异常样品
常用“一审”剔除法，根据某一准则，一旦鉴定出某些样品为异常样品后，就永久剔出该样品，易把非异常样品错误地当作异常样品剔除了。
陈斌等人提出主成分分析结合马氏距离法，从样品光谱矩阵出发，通过主成分分析求得样品光谱的得分矩阵，依据得分矩阵计算出因子空间的马氏距离，并结合数理统计知识对异常样品进行鉴定和剔除。结果表明，校正模型的预测精度和稳定性得到显著提高。
消除光谱噪声及其他干扰因素的影响
1基线校正
基线校正（Correcting Baseline Effects）的目的是扣除仪器背景或漂移对信号的影响。
孙毅等人利用 BRUKER EQUINOX 55傅里叶近红外光谱仪对不同浓度的异丁烷气体的近红外吸收光谱进行测量，对“微分—平滑”法和光谱仪自带的基线校正方法分别进行了理论分析和实验数据的对比。
理论分析和实验结果表明，对于稳态、线性的背景光谱漂移光谱仪自带方法可以得到较高的信噪比及分析精度，而“微分—平滑”法具有更好的适应性，对于非稳态或非线性漂移，具有更好的抑制作用，是一种很好的在线数据预处理方法。
为消除小波分解过程中的边界效应，孔超等人提出了一种基于多项式拟合的边界延拓的新方式。该方式首先对信号边界处的N个点进行M阶正交多项式拟合，将信号在边界处的低频变化规律用正交多项式表示出来，再利用得到的边界处的低频变化规律对信号进行延拓，从而减少了边界处引入的突变量。
实验表明，利用小波变换在该延拓方式下对信号进行基线校正时，边界效应得到了明显的改善。
2光散射校正
测量漫反射时，由于样品粒径大小分布不均匀，即使相同的样品，多次测量的光谱也会出现差异，即光散射现象。
