本發(fā)明實施例涉及光譜檢測，具體而言，涉及一種光譜儀、光譜數(shù)據(jù)的噪聲處理方法、液體濃度預(yù)測方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、光譜檢測是一種利用物質(zhì)對光的吸收、發(fā)射或散射等特性，來分析物質(zhì)的組成、結(jié)構(gòu)或性質(zhì)的方法。光譜檢測具有靈敏度高、分辨率高、無損傷、無污染等優(yōu)點，廣泛應(yīng)用于化學(xué)、生物、醫(yī)學(xué)、農(nóng)業(yè)、環(huán)境、食品、藥品等領(lǐng)域。

2、近紅外光譜(near?infrared，nir)是一種常用的光譜檢測方法，其波長范圍為700-2500nm，可以反映物質(zhì)的分子振動和旋轉(zhuǎn)等信息，從而獲得物質(zhì)的化學(xué)成分和結(jié)構(gòu)信息。近紅外光譜具有穿透性強、干擾少、速度快等優(yōu)點，適用于對復(fù)雜樣品的快速無損分析。

3、近紅外光譜儀是實現(xiàn)近紅外光譜檢測的核心設(shè)備，其主要功能是將近紅外光源發(fā)出的光束經(jīng)過樣品后，分解成不同波長的光譜，并將其轉(zhuǎn)換為電信號輸出。近紅外光譜儀的性能和質(zhì)量直接影響到近紅外光譜檢測的準(zhǔn)確性和穩(wěn)定性。

4、隨著科技的發(fā)展和市場的需求，近紅外光譜儀的微型化和集成化越來越受到關(guān)注。微型化和集成化的近紅外光譜儀可以實現(xiàn)便攜式、在線式或嵌入式的應(yīng)用，拓展了近紅外光譜檢測的應(yīng)用場景和領(lǐng)域。然而，在將近紅外光譜儀微型化為芯片級光譜儀時，可能會遇到以下新問題：芯片級光譜儀的尺寸較小，傳感器可能面臨更高的噪聲水平，從而影響光譜信號檢測的準(zhǔn)確性和穩(wěn)定性。因此，目前亟需一種能夠?qū)庾V數(shù)據(jù)噪聲進行有效抑制的芯片級光譜儀。

技術(shù)實現(xiàn)思路

1、本發(fā)明實施例提供一種光譜儀、光譜數(shù)據(jù)的噪聲處理方法、液體濃度預(yù)測方法、裝置、設(shè)備及介質(zhì)，用以克服傳統(tǒng)芯片級光譜儀噪聲水平高的問題，提高了芯片級光譜儀的測量性能和質(zhì)量。

2、第一方面，本發(fā)明實施提供了一種光譜儀，包括：光源、光柵、傳感器陣列和信號處理器，其中，

3、光源，用于發(fā)出近紅外光束；

4、光柵，用于接收近紅外光束經(jīng)過待測樣品后形成的近紅外光譜，并將近紅外光譜分解為不同波長的光譜分量；

5、傳感器陣列，用于接收不同波長的光譜分量，并將不同波長的光譜分量轉(zhuǎn)換為電信號，并將電信號作為待處理光譜數(shù)據(jù)發(fā)送給信號處理器；

6、信號處理器，與傳感器陣列連接，包括：數(shù)據(jù)預(yù)處理模塊、噪聲建模模塊、噪聲抑制模塊和數(shù)據(jù)重建模塊，其中，

7、數(shù)據(jù)預(yù)處理模塊，用于對待處理光譜數(shù)據(jù)進行預(yù)處理，該預(yù)處理包括去除背景噪聲和去除高于預(yù)設(shè)頻率的噪聲；

8、噪聲建模模塊，用于基于預(yù)設(shè)噪聲模型對待處理光譜數(shù)據(jù)中的每個采樣點的噪聲進行估計，得到各采樣點的噪聲估計值，以形成噪聲估計曲線；

9、噪聲抑制模塊，用于對預(yù)處理后的光譜數(shù)據(jù)進行降噪處理；

10、數(shù)據(jù)重建模塊，用于基于噪聲估計曲線，對降噪處理后得到的光譜數(shù)據(jù)進行噪聲修復(fù)，并通過校正系數(shù)對經(jīng)過噪聲修復(fù)后的光譜數(shù)據(jù)進行校正，得到校正后的光譜數(shù)據(jù)，其中，校正系數(shù)通過對標(biāo)準(zhǔn)樣品數(shù)據(jù)進行線性回歸得到。

11、第二方面，本發(fā)明實施例還提供了一種光譜數(shù)據(jù)的噪聲處理方法，包括：

12、接收待處理光譜數(shù)據(jù)，并對待處理光譜數(shù)據(jù)進行預(yù)處理，該預(yù)處理包括去除背景噪聲和去除高于預(yù)設(shè)頻率的噪聲，其中，待處理光譜數(shù)據(jù)是待測樣品經(jīng)過光譜儀中的光源照射形成近紅外光譜后，該近紅外光譜依次經(jīng)過光譜儀中的光柵和傳感器陣列得到的電信號數(shù)據(jù)；

13、基于預(yù)設(shè)噪聲模型對待處理光譜數(shù)據(jù)中的每個采樣點的噪聲進行估計，得到各采樣點的噪聲估計值，以形成噪聲估計曲線；

14、對預(yù)處理后的光譜數(shù)據(jù)進行降噪處理；

15、基于噪聲估計曲線，對降噪處理后得到的光譜數(shù)據(jù)進行噪聲修復(fù)，并通過校正系數(shù)對經(jīng)過噪聲修復(fù)后的光譜數(shù)據(jù)進行校正，得到校正后的光譜數(shù)據(jù)，其中，校正系數(shù)通過對標(biāo)準(zhǔn)樣品數(shù)據(jù)進行線性回歸得到。

16、可選的，預(yù)設(shè)噪聲模型為高斯白噪聲模型，相應(yīng)的，基于預(yù)設(shè)噪聲模型對待處理光譜數(shù)據(jù)中的每個采樣點的噪聲進行估計，得到各采樣點的噪聲估計值，包括：

17、計算背景光譜數(shù)據(jù)中各個采樣點的噪聲均值和噪聲方差值，并將得到的噪聲均值和噪聲方差值作為預(yù)設(shè)噪聲模型的參數(shù)值；

18、根據(jù)參數(shù)值，并基于最大似然估計法對待處理光譜數(shù)據(jù)中每個采樣點的噪聲進行估計，得到各采樣點的噪聲估計值。

19、可選的，對預(yù)處理后的光譜數(shù)據(jù)進行降噪處理，包括：

20、基于小波變換算法將預(yù)處理后的光譜數(shù)據(jù)分解為不同尺度和頻率的小波系數(shù)；

21、根據(jù)噪聲估計曲線確定閾值，以對小波系數(shù)進行軟閾值處理，得到軟閾值處理后的小波系數(shù)；

22、基于最小均方誤差lms算法，對軟閾值處理后的小波系數(shù)進行濾波處理，得到濾波處理后的小波系數(shù)；

23、對濾波處理后的小波系數(shù)進行重構(gòu)，得到降噪處理后的信號。

24、可選的，基于噪聲估計曲線，對降噪處理后得到的光譜數(shù)據(jù)進行噪聲修復(fù)，包括：

25、將降噪處理后各個采樣點的光譜數(shù)據(jù)與噪聲估計曲線中對應(yīng)采樣點的噪聲估計值相減，得到噪聲修復(fù)后的光譜數(shù)據(jù)；

26、相應(yīng)地，通過校正系數(shù)對經(jīng)過噪聲修復(fù)后的光譜數(shù)據(jù)進行校正，包括：

27、按照如下公式通過校正系數(shù)對噪聲修復(fù)后的光譜數(shù)據(jù)進行校正：

28、y_corrected＝a×y_repaired+b

29、其中，y_corrected表示校正后的光譜數(shù)據(jù)，y_repaired表示噪聲修復(fù)后的光譜數(shù)據(jù)，a和b為校正系數(shù)。

30、第三方面，本發(fā)明實施例還提供了一種液體濃度預(yù)測方法，包括：

31、在將待測液體經(jīng)過本發(fā)明任意實施例提供的光譜儀進行近紅外光譜檢測后，獲取光譜儀輸出的噪聲處理后的待測信號；

32、將待測信號輸入訓(xùn)練完成的預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型，得到待測信號對應(yīng)的液體濃度信息，其中，預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型通過如下方式訓(xùn)練得到：

33、將各組樣本液體依次置于光譜儀中進行近紅外光譜檢測，得到各組樣本液體對應(yīng)的噪聲處理后的樣本光譜數(shù)據(jù)；

34、將各組樣本光譜數(shù)據(jù)及其對應(yīng)的濃度信息作為訓(xùn)練樣本，輸入預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，當(dāng)預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型的目標(biāo)函數(shù)達到收斂時，預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練完成，其中，預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型通過如下公式表示：

35、

36、其中，y為噪聲處理后的待測信號，w1和w2為神經(jīng)網(wǎng)絡(luò)的權(quán)值矩陣，b1和b2為神經(jīng)網(wǎng)絡(luò)的偏置向量，σ為預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型的激活函數(shù)。

37、第四方面，本發(fā)明實施例還提供了一種光譜數(shù)據(jù)的噪聲處理裝置，包括：

38、數(shù)據(jù)預(yù)處理模塊，用于接收待處理光譜數(shù)據(jù)，并對待處理光譜數(shù)據(jù)進行預(yù)處理，該預(yù)處理包括去除背景噪聲和去除高于預(yù)設(shè)頻率的噪聲，其中，待處理光譜數(shù)據(jù)是待測樣品經(jīng)過光譜儀中的光源照射形成近紅外光譜后，該近紅外光譜依次經(jīng)過光譜儀中的光柵和傳感器陣列得到的電信號數(shù)據(jù)；

39、噪聲建模模塊，用于基于預(yù)設(shè)噪聲模型對待處理光譜數(shù)據(jù)中的每個采樣點的噪聲進行估計，得到各采樣點的噪聲估計值，以形成噪聲估計曲線；

40、噪聲抑制模塊，用于對預(yù)處理后的光譜數(shù)據(jù)進行降噪處理；

41、數(shù)據(jù)重建模塊，用于基于噪聲估計曲線，對降噪處理后得到的光譜數(shù)據(jù)進行噪聲修復(fù)，并通過校正系數(shù)對經(jīng)過噪聲修復(fù)后的光譜數(shù)據(jù)進行校正，得到校正后的光譜數(shù)據(jù)，其中，校正系數(shù)通過對標(biāo)準(zhǔn)樣品數(shù)據(jù)進行線性回歸得到。

42、可選的，預(yù)設(shè)噪聲模型為高斯白噪聲模型，所述噪聲建模模塊，具體用于：

43、計算背景光譜數(shù)據(jù)中各個采樣點的噪聲均值和噪聲方差值，并將得到的噪聲均值和噪聲方差值作為預(yù)設(shè)噪聲模型的參數(shù)值；

44、根據(jù)所述參數(shù)值，并基于最大似然估計法對所述待處理光譜數(shù)據(jù)中每個采樣點的噪聲進行估計，得到各采樣點的噪聲估計值。

45、可選的，噪聲抑制模塊，具體用于：

46、基于小波變換算法將所述預(yù)處理后的光譜數(shù)據(jù)分解為不同尺度和頻率的小波系數(shù)；

47、對小波系數(shù)進行軟閾值處理，得到軟閾值處理后的小波系數(shù)；

48、基于最小均方誤差lms算法，對所述軟閾值處理后的小波系數(shù)進行濾波處理，得到濾波處理后的小波系數(shù)；

49、對濾波處理后的小波系數(shù)進行重構(gòu)，得到降噪處理后的信號。

50、可選的，數(shù)據(jù)重建模塊，包括：

51、噪聲修復(fù)單元，用于將降噪處理后各個采樣點的光譜數(shù)據(jù)與噪聲估計曲線中對應(yīng)采樣點的噪聲估計值相減，得到噪聲修復(fù)后的光譜數(shù)據(jù)；

52、數(shù)據(jù)校正單元，用于按照如下公式通過校正系數(shù)對所述噪聲修復(fù)后的光譜數(shù)據(jù)進行校正：

53、y_corrected＝a×y_repaired+b

54、其中，y_corrected表示校正后的光譜數(shù)據(jù)，y_repaired表示噪聲修復(fù)后的光譜數(shù)據(jù)，a和b為校正系數(shù)。

55、第五方面，本發(fā)明實施例還提供了一種液體濃度的預(yù)測裝置，其特征在于，包括：

56、待測信號獲取模塊，用于在將待測液體經(jīng)過本發(fā)明任意實施例所提供的光譜儀進行近紅外光譜檢測后，獲取光譜儀輸出的噪聲處理后的待測信號；

57、液體濃度確定模塊，用于將待測信號輸入訓(xùn)練完成的預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型，得到待測信號對應(yīng)的液體濃度信息，其中，預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型通過如下方式訓(xùn)練得到：

58、將各組樣本液體依次置于光譜儀中進行近紅外光譜檢測，得到各組樣本液體對應(yīng)的噪聲處理后的樣本光譜數(shù)據(jù)；

59、將各組樣本光譜數(shù)據(jù)及其對應(yīng)的濃度信息作為訓(xùn)練樣本，輸入預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，當(dāng)預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型的目標(biāo)函數(shù)達到收斂時，所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練完成，其中，預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型通過如下公式表示：

60、

61、其中，y為噪聲處理后的待測信號，w1和w2為神經(jīng)網(wǎng)絡(luò)的權(quán)值矩陣，b1和b2為神經(jīng)網(wǎng)絡(luò)的偏置向量，σ為預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型的激活函數(shù)。

62、第六方面，本發(fā)明實施例還提供了一種計算設(shè)備，包括：

63、存儲有可執(zhí)行程序代碼的存儲器；

64、與所述存儲器耦合的處理器；

65、所述處理器調(diào)用所述存儲器中存儲的所述可執(zhí)行程序代碼，執(zhí)行本發(fā)明任意實施例所提供的液體濃度預(yù)測方法。

66、第七方面，本發(fā)明實施例還提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該程序被處理器執(zhí)行時實現(xiàn)本發(fā)明任意實施例所提供的光譜數(shù)據(jù)的噪聲處理方法。

67、第八方面，本發(fā)明實施例還提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該程序被處理器執(zhí)行時實現(xiàn)本發(fā)明任意實施例所提供的液體濃度預(yù)測方法。

68、本發(fā)明實施例提供的技術(shù)方案，在利用光譜儀進行近紅外光譜檢測時，通過信號處理器中的數(shù)據(jù)預(yù)處理模塊，可去除對待處理光譜數(shù)據(jù)中的背景噪聲和高頻噪聲。通過噪聲抑制模塊，可對預(yù)處理后的光譜數(shù)據(jù)進行降噪和濾波處理，并可根據(jù)噪聲估計曲線確定適當(dāng)?shù)拈撝岛蛥?shù)進行噪聲去除。通過數(shù)據(jù)重建模塊，可利用噪聲估計曲線對噪聲去除后的光譜數(shù)據(jù)進行噪聲修復(fù)，并可結(jié)合已知的標(biāo)準(zhǔn)樣品數(shù)據(jù)進行數(shù)據(jù)校正，以提高測量結(jié)果的準(zhǔn)確性。通過將本實施例提供的信號處理器集成于光譜儀中，避免了芯片級光譜儀在測量過程中由于噪聲水平高所導(dǎo)致的測量準(zhǔn)確性差的問題，提高了芯片級光譜儀在近紅外光譜檢測時的準(zhǔn)確性和穩(wěn)定性。

69、本發(fā)明實施例的創(chuàng)新點包括：

70、1、在對待測樣品進行檢測之前采集噪聲信號，并建立噪聲模型，以便在樣品測量時進行背景噪聲校正，從而保證樣品測量的準(zhǔn)確性，是本發(fā)明的發(fā)明點之一。

71、2、通過利用神經(jīng)網(wǎng)絡(luò)模型建立光譜強度與待測液體濃度之間的關(guān)聯(lián)關(guān)系，可在光譜儀輸出光譜強度數(shù)據(jù)后，直接利用該神經(jīng)網(wǎng)絡(luò)模型得到對應(yīng)的待測液體濃度，實現(xiàn)了對液體濃度的快速、準(zhǔn)確預(yù)測，是本發(fā)明的發(fā)明點之一。