前言：中文期刊网精心挑选了高级波段技术分析范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
高级波段技术分析范文1
【关键词】混沌 S波段海杂波 Lyapunov指数 关联维
在以往对海杂波的研究中，大多使用统计学模型来对海杂波进行建模，常用的统计学模型有对数正态分布、瑞利分布和韦布尔分布等杂波模型，相应的针对海面目标的检测也是基于这些杂波模型建立的。当前海面低速小目标的检测越来越成为对海监视雷达的探测难点，低速的特性使得难以利用运动目标的多普勒特征来分离目标和海杂波；小目标低RCS的特征又使得自动门限检测方法不能够在强海杂波的背景下顺利检测出目标。
人们开始思考除了使用统计学模型来建模海杂波以外，是否还有其他的方法来建模海杂波，就此能够发展出一种检测海面目标的新方法。
随着对非线性动力学系统时间序列分析方法的产生，对现代海杂波的有效描述产生了一系列与以往不同的量度。S.Haykin等人于1990年率先发现了海洋杂波的混沌动力学特性，认为存在一个低维的动力学吸引子控制着海杂波的行为。
本文首先描述了混沌动力系统的一些基本概念及其计算方法，给出了海杂波混沌系统的判据。由于以往对海杂波的混沌特性分析大多集中在X波段实测海杂波的数据，本文着重对S波段实测海杂波数据进行了混沌特性的计算分析。
1 混沌概念简介
混沌是指确定性系统中由非线性相互作用产生的貌似随机的现象。混沌在短期内是可预测的，因此混沌解既不同于确定解也不同于随机解，长期以来对混沌没有一个统一的定义，有很多种定义方法。
现在一般认为混沌应该具备如下三个主要的特征：
（1）内随机特征：在一定条件下，如果系统的某个状态可能出现，或者可能不出现，该系统既被认为具有随机性。一般来说产生混沌的系统具有整体稳定性但是同时还具有局部不稳定性，所谓局部不稳定性是指系统运动的某些方面（如在某些维度上）的行为强烈的依赖于初始条件。
（2）分形特征：混沌系统的非整数维不是用来描述系统的几何外形，而是用来描述系统的轨道在相空间的行为特征。
（3）普适性常数和Feigenbaum常数：混沌是一种无周期的高级有序运动。
2 混沌特征量
从时间序列角度研究混沌，最早始于1980年重构相空间理论的提出。对于决定系统长期演化的任一变量的时间演化，均包含了系统所有变量长期演化的信息。因此可以通过决定系统长期演化的任意单变量时间序列来研究系统的混沌行为。其中吸引子的不变量： Lyapunov指数、Kolmogorov熵、关联维等在表征系统的混沌特性方面起着很重要的作用。
2.1 Lyapunov指数
混沌运动的基本特点是对运动初始条件的极端敏感性，两个靠得很近的初值所产生的轨线，将随时间的推移按指数方式分离，Lyapunov指数就是定量描述动力系统状态演变的一个指标，它从整体上反应了动力系统的混沌量水平，它是区分系统处于混沌状态或非混沌状态的最直接的特征量之一。当Lyapunov指数小于零的方向，运动稳定，且对初始条件不敏感；而在其大于零的方向，长时间行为对初始条件敏感，运动呈混沌状态。
2.2 相图与Poincare截面
相图即相轨迹图，是动力系统在相空间的解曲线图。高维动力系统的相图一般很复杂，为了降低相图的复杂度，引入了Poincare截面。在n维相空间中取横截面流的n-1超曲面 ，满足条件：利于观察动力系统的运动特征，且不能与轨迹相切，更不能包含轨迹线，此截面即为Poincare截面。相空间的连续运动轨迹与截面的交点即为庞卡莱点，此映射为庞卡莱映射，通过观察Poincare截面上点轨迹运动特征，就可以判定时间序列是否具有混沌特性。
2.3 Kolmogorov熵
混沌轨道的局部不稳定性表示为相邻轨道以指数速率分离。如果两个初始点如此靠近，以至在一段时间里不能靠测量来区分两条轨道。则只有在他们充分分离后才能加以区分，在此意义上混沌运动产生信息，信息量与可以区分的不同轨道数N有关，N随时间指数增长。测度熵刻画了信息产生的速率，由Kolmogorov在1958年定义，所以又称为Kolmogorov熵。
使用K的值可以判断系统的运动性质，若K=0， 表示系统做规则运动；若K=∞， 表示系统做随机运动；若0
3 实验结果
实验数据是某海用雷达采集的实测S波段海杂波数据。雷达工作在低仰角凝视状态。记录的海杂波数据是距离范围20m～40km之间雷达回波信号的时间序列。雷达采用V-V极化，2731个脉冲和2387个距离门。
该组S波段海杂波数据的频谱特性如图1所示。
由海杂波数据的频谱图看出，该组海杂波数据可以分为三个不同的距离段进行分析（也即代表不同的海情）：
（1）距离门0-200的近区，零多普勒附近的海杂波数据；
（2）距离门250-400的中间距离段，有较大多普勒的海杂波数据（表明存在涌浪）；
（3）距离门800-2000的远区，有一定多普勒的海杂波数据。
由于海杂波的随机动态特性，一般需要考虑滤除白噪声的影响，经常采用滤波平滑处理的方法对原始数据进行预处理。图2为经过平滑处理后的海杂波数据的频谱特性。
平滑处理后海杂波的频谱没有发生变化，只是减少了频谱图中零散分布的噪点，并没有影响到海杂波的内在动力特性。
3.1 S波段海杂波数据的相关维数
采用Grassberger-Procacia算法对该S波段海杂波数据进行了分析，其中距离门86、111的数据取自近区零多普勒附近的海杂波数据，距离门324、400的数据取自中间距离段有较大多普勒的海杂波数据，距离门860、1900的数据取自远区有一定多普勒的海杂波数据。
计算得到的相关维数如表1所示。
由表1可以看出，S波段海杂波的相关维数是分数维，而且相关维数与距离门和海情没有发生联系，固定在1.90左右；平滑处理是为了消除白噪声的影响，从计算结果看，平滑处理前的相关维数稍高一些，也即当海杂波回波中含有其它噪声时，算得的相关维数的值稍高一些。
3.2 S波段海杂波数据的Lyapunov指数
使用Wolf方法计算得到的该组S波段海杂波的最大Lyapunov指数如表2所示，距离门的选择与计算相关维数时一样，距离门86、111的数据取自近区零多普勒附近的海杂波数据，距离门324、400的数据取自中间距离段有较大多普勒的海杂波数据，距离门860、1900的数据取自远区有一定多普勒的海杂波数据。
由表2可以看出，S波段海杂波的最大Lyapunov指数为正数，并且其最大Lyapunov指数容易受到海情的影响，海杂波多普勒越大（涌浪越大），其最大Lyapunov指数也就越大，这表明系统的随机性变大，可预测性变差；平滑前的最大Lyapunov指数的计算值偏大，也即当海杂波回波中含有其它噪声时，系统的随机性变大，可预测性变差。
如果我们要利用系统的可预测性来区分海杂波和目标，也即通过判断预测误差来检测目标，就必须降低海杂波回波中含有的其它噪声的影响。
3.3 S波段海杂波数据的相空间重构
相图能够反映非线性系统在重构的高维空间随机变化的轨迹，相空间重构即是考察系统中一个分量，并将它在固定的时间延迟点上的测量作为新维处理，确定多维状态空间中的一点，重复这一过程并测量相对于不同时间的各延迟量，就可以产生出许多这样的点，可以将原系统的许多性质保存下来，也即用系统的一个观察量可以重构出原动力系统模型，可以初步确定原系统的真实信息。
采用互信息法对S波段海杂波数据进行相空间重构，得到了系统的相图。其中距离门86的数据取自近区零多普勒附近的海杂波数据，距离门324的数据取自中间距离段有较大多普勒的海杂波数据，距离门1900的数据取自远区有一定多普勒的海杂波数据。
从图中可以看到S波段海杂波系统的变化虽然随机但是没有脱离一定的轨迹，随机而不杂乱，呈现奇异吸引子的形态，具有混沌运动的特征。
4 结论
本文分析了实测S波段海杂波数据的混沌特征。结果表明S波段海杂波具有有限的相关维数和正的最大Lyapunov指数，说明S波段海杂波信号具有混沌动力系统的特征，这为我们今后开展S波段海杂波的特性研究以及如何利用其混沌特性进行海面目标检测提供了一个新的方向和思路。
参考文献
[1]杨万海.雷达系统建模与仿真[M].西安： 西安电子科技大学出版社，2007.
[2]刘剑.海杂波背景下目标检测方法研究[D].长沙：国防科技大学，2002.
[3]Simon Haykin.海杂波的混沌动态特性[M].北京：国防工业出版社，2007.
[4]Takens.F.Detecting Strange attractors in turbulence[J].Lecture notes in Math，1981，898：361-381.
[5]吕金虎，陆君安，陈士华，混沌时间序列分析及其应用[M]，武汉：武汉大学出版社，2002.
[6]Leung.H.Chaotic TL Radar Signal Processing Over the Sea[J].IEEE Journal of Oceanic Engineering，1993，18（3）.
[7]S.Haykin，Puthusserypady.S.Chaos，Sea Clutter，and Neural Networks[J].IEEE，signals，systems&computers，1997，vol.2：1224-1227.
[8]Rosenstein.M.A Practial Method for Calculating Largest Lyapunov Exponents from Small Data Sets[J].Physica D，1992，65-117.
[9]Packard.N.H，Crutchfield.J.D，Shaw.R.S.Geometry from a Time Series[J].Phys Revlett，1980，45：712-716.
[10]S.Haykin，R.Bakker，B.W.Carrie.Uncovering Nonlinear Dynamics-The case study of sea clutter[J].proceedings of IEEE，2002，5：860-882.
[11]S.Haykin，Xiaobo li.Detection of signals in chaos[J].proceedings of IEEE，1995，83（1）：94-122.
[12]S.Haykin.Radar clutter attractor：Implecations for Physics，Signal processing and control[J].IEE Proc-Radar，Sonar Naving，1999，146（2）：177-188.
作者简介
聂翔（1984-），男，江西省吉安市人。工学硕士学位。现为南京电子技术研究所工程师。研究方向为雷达信号处理。
田国银（1981-），女，江苏省南京市人。大学本科学历。现为南京电子技术研究所工程师。研究方向为雷达信号处理。
桂佑林（1977-），男，湖北省黄冈市人。工学硕士学位。现为南京电子技术研究所高级工程师。研究方向为雷达信号处理。
高级波段技术分析范文2
1.1遥感影像基本定义及介绍
遥感技术自诞生之日起,应用逐步延伸至我们日常生活的每个角落。1943年德国开始利用航空相片制作各种比例尺的影像地图。1945年前后美国开始产生影像地图,我国在20世界70年代开始研制影像地图。[1]在日常工作中,我们常常接触到遥感影像,谈及遥感技术及其应用。那么具体是指什么呢?所谓遥感影像,是指纪录各种地物电磁波数据而生成的各种格式的影像数据,在遥感中主要是指航空影像和卫星影像。目前遥感影像图无论在农业的土地资源调查,农作物生长状况及其生态环境的监测,还是在林业的森林资源调查,监测森林病虫害、沙漠化或是在海洋资源的开发与利用,海洋环境污染监测都有着非常重要的应用。[2]
1.2遥感影像的四个基本特征
遥感影像有其四个基本的影像特征:空间分辨率、光谱分辨率、辐射分辨率、时间分辨率。通常意义上,我们平时最多谈及精度的问题,常常是指空间分辨率(SpatialResolution),又称地面分辨率。后者是针对地面而言,指可以识别的最小地面距离或最小目标物的大小。前者是针对遥感器或图像而言的,指图像上能够详细区分的最小单元的尺寸或大小,或指遥感器区分两个目标的最小角度或线性距离的度量。它们均反映对两个非常靠近的目标物的识别、区分能力,有时也称分辨力或解像力。光谱分辨率(SpectralResolution)指遥感器接受目标辐射时能分辨的最小波长间隔。间隔越小,分辨率越高。所选用的波段数量的多少、各波段的波长位置、及波长间隔的大小,这三个因素共同决定光谱分辨率。光谱分辨率越高,专题研究的针对性越强,对物体的识别精度越高,遥感应用分析的效果也就越好。但是,面对大量多波段信息以及它所提供的这些微小的差异,人们要直接地将它们与地物特征联系起来,综合解译是比较困准的,而多波段的数据分析,可以改善识别和提取信息特征的概率和精度。辐射分辨率(RadiantResolution)指探测器的灵敏度——遥感器感测元件在接收光谱信号时能分辨的最小辐射度差,或指对两个不同辐射源的辐射量的分辨能力。一般用灰度的分级数来表示,即最暗——最亮灰度值(亮度值)间分级的数目——量化级数。它对于目标识别是一个很有意义的元素。时间分辨率(TemporalResolution)是关于遥感影像间隔时间的一项性能指标。遥感探测器按一定的时间周期重复采集数据,这种重复周期,又称回归周期。它是由飞行器的轨道高度、轨道倾角、运行周期、轨道间隔、偏栘系数等参数所决定。这种重复观测的最小时间间隔称为时间分辨率。
2常用遥感影像
2.1一般遥感影像
目前,常用的中分辨率资源卫星有LandsateTM5、中巴资源卫星;以及常用的高空间分辨率的Spot5、Rapideye、Alos、QuickBird、WorldviewⅠ、WorldviewⅡ等。高分辨率遥感影像图信息丰富、成本低、可读性和可量测性强、客观真实的反映地理空间状况,充分表现出遥感影像和地图的双重优势,具有广阔的发展前景。[3]LandsateTM5、中巴资源卫星对大区域范围内的资源变化、国土资源变化、自然或人为灾害、环境污染、矿藏勘探有着较大的优势,但是因为分辨率低,所以在林业遥感判读中误判率相较于其他几种高精度遥感影像高,适合大面积地区的使用,譬如内蒙草原的退化变化以及荒漠化变化的监测等。其中ALOS因卫星故障已经于2011年4月开始较少使用。QuickBird虽然精度较高,但它一般对城区影像的覆盖较多较集中,对山区覆盖较少,而且存档数据很少,需要提前预定。不仅如此,QuickBird数据费用较高,综合以上原因,QuickBird数据一般很难大范围使用,所以在林业项目中使用较少。
2.2前沿遥感影像
WorldviewⅠ、WorldviewⅡ均为Digitalglobe公司的商业成像卫星系统,被认为是全球分辨率最高、响应最敏捷的商业成像卫星。这两颗卫星还将具备现代化的地理定位精度能力和极佳的响应能力,能够快速瞄准要拍摄的目标和有效地进行同轨立体成像。其中WorldviewⅠ为0.5米分辨率。相较于WorldviewⅠ,WorldviewⅡ载有多光谱遥感器不仅将具有4个业内标准谱段(红、绿、蓝、近红外),还将包括四个额外谱段(海岸、黄、红边和近红外Ⅱ),能够提供0.4米全色图像和1.8米分辨率的多光谱图像。需要特别一提的是,WorldviewⅡ提供的四个额外谱段(海岸、黄、红边和近红外Ⅱ)可进行新的彩色波段分析:(1)海岸波段,这个波段支持植物鉴定和分析,也支持基于叶绿素和渗水的规格参数表的深海探测研究。由于该波段经常受到大气散射的影响,已经应用于大气层纠正技术。(2)黄色波段,过去经常被说成是yellow-ness特征指标,是重要的植物应用波段。该波段将被作为辅助纠正真色度的波段,以符合人类视觉的欣赏习惯。(3)红色边缘波段,辅助分析有关植物生长情况,可以直接反映出植物健康状况有关信息。(4)近红外Ⅱ波段,这个波段部分重叠在NIR1波段上,但较少受到大气层的影响。该波段支持植物分析和单位面积内生物数量的研究。林业工作对遥感影像的植被信息较为关注,以上提及的四个额外谱段能提供较多的植被信息。国外相关机构已经将四个特色谱段应用于前沿科学研究,譬如生物量遥感估测应用等等。美中不足的是,相较于其他类型的遥感影像,WorldviewⅠ,WorldviewⅡ影像费用较高,在质量和技术上领先但价格上不占优势,不易于大范围的使用。
2.3林业工作中应用较多遥感影像
除去以上谈及的几种类型的遥感影像,在工作中较多使用到的是Spot5和Rapideye这2种遥感影像。Spot5是由法国发射的一颗卫星,常规提供2.5米全色影像和10米多光谱影像。SPOT5卫星影像的专业制图比例尺为1:25,000,概览成图比例尺极限为1:10,000。工作中,我们通常将2.5米全色影像与10米多光谱影像在正射纠正完后进行融合,生成2.5米空间精度的影像用于林业应用。Rapideye卫星为德国所有的商用卫星,主要性能优势:大范围覆盖、高重访率、高分辨率、5米的多光谱获取数据方式,省去了其他种类遥感影像需要全色影像与多光谱影像融合的步骤,这些优点整合在一起,让RapidEye拥有了空前的优势。RapidEye是第一颗提供“红边”波段的商业卫星,结合4个业内标准谱段(红、绿、蓝、近红外)适用于监测植被状况和检测生长异常情况,在林业领域应用中较为有利。
3遥感影像准备及处理过程
3.1遥感影像准备
每种遥感卫星对地面覆盖范围不同,轨道不同,重访周期不同,拍摄时间、角度不同等等原因,还常受天气影响。因此根据实际需要使用的日期,来查询各景遥感影像是一件颇费周章的工作,一般需要向影像公司提前预定。实际工作中往往要求前后两期遥感影像对比,前后两期遥感影像对时间上的要求较为苛刻,因而这些工作往往经由熟悉遥感业务的高级技术人员执行。另外,遥感影像的购买、使用、存储需要考虑到保密工作,这一点也是需要谨慎对待。工作经验总结出Spot5、Rapideye有时因侧视角度过大原因,导致某些区域拉伸变形,尤其是高海拔山区部分;影像角度需要提前检查,侧视角度最佳保持在20以下。而较小侧视角可以保证邻近2景影像良好的接边,并能保证正射纠正后空间位置的准确性。
3.2遥感影像处理
3.2.1DOM及DEM数据准备通常,在条件良好的情况下,工作中使用1∶10000或更高精度的航片或是已经经过处理的高精度卫片作为DOM参考;但也可以使用的是1∶50000或1∶10000地形图作为参考。在实际工作中,我们往往会遇到DOM参考影像的空间分辨率不一致。在参考选用时,应该按照优先使用高精度DOM参考影像,然后再退而求其次的原则,保证校准的精度。一般地形图需要通过扫描形成DRG数据,在扫描图基础上进行逐公里网定位纠正处理,以达到精确的地理定位。DEM数据一般采用国家标准的1:50000DEM,或采用1∶10000、1∶50000矢量数据生成。DEM覆盖范围要大于遥感影像覆盖范围,这样才能保证遥感影像的有效纠正。
高级波段技术分析范文3
[基金项目] 国家“重大新药创制”科技重大专项（2013ZX09402203）
[通信作者] *萧伟，研究员级高级工程师，博士，研究方向为中药新药的研究与开发，E-mail：
[作者简介] 张亚非，硕士研究生，E-mail：
[摘要] 目的：应用近红外（NIR）光谱分析技术，建立热毒宁注射液产业化生产中萃取液浓缩过程绿原酸含量及固含量质量控制指标的快速定量分析方法，实时反映浓缩过程的状态，真正实现萃取液浓缩过程质量控制。方法：收集金青萃取液浓缩过程中样品，经过异常点剔除、光谱预处理和波段选择，运用偏最小二乘法（PLS）分别建立NIR光谱与绿原酸HPLC分析值和固含量之间的定量校正模型，并对未知样品进行预测。结果：绿原酸含量和固含量校正模型的相关系数分别为0.992 1，0.994 0，验证模型的相关系数分别为0.994 4，0.998 4，RMSEC分别为0.814 6，2.656 1，RMSEP分别为0.704 6，1.876 7，RSEP分别为6.01%，2.93%。结论：该方法操作简便、快速无损且准确可靠，可用于热毒宁注射液萃取液浓缩过程中绿原酸含量及固含量的快速监测。
[关键词] NIR光谱；热毒宁注射液；萃取；绿原酸；固含量
中药浓缩过程是中药生产的关键工艺过程之一，目前，传统的质量控制方法多数以比重值判定浓缩终点，缺乏对整个浓缩过程有效的指标性成分实时监测的手段，无法适应生产过程在线质量控制的需要[1]，易造成不同批次浓缩液质量的不稳定，导致最终产品批次间的质量差异，因此，研究中药浓缩过程的在线质量控制技术具有重要意义。近红外（near-infrared，NIR）光谱技术具有样品处理简单、分析速度快、无需消耗试剂等优点，可实现中药生产过程的在线检测，用于实时监控中药实际生产过程的质量。目前，NIR光谱技术已成功应用于中药生产过程的各个环节[2-8]。
热毒宁注射液是江苏康缘药业股份有限公司研制的原国家二类新药，处方由3味药材组成。本研究首次将NIR光谱分析技术引进热毒宁注射液生产的萃取液浓缩过程，采用偏最小二乘法建立该过程的定量校正模型，实现金青萃取液浓缩过程中绿原酸含量与固含量的快速检测，为实现热毒宁注射液金青萃取液浓缩过程的在线质量监控提供了可行性实验依据与技术保障。
1 材料
AOTF-NIR光谱仪（BRIMROSE USA），配套使用SNAP光谱采集软件和CAMO化学计量学软件；Agilent 1100高效液相色谱仪（安捷伦科技有限公司）；AL104-TC电子天平（METTLER）；立鹤牌电热恒温干燥箱（山东潍坊精鹰医疗器械有限公司）；电热恒温水浴锅（上海一恒科技有限公司）。
金青萃取浓缩液来自江苏康缘药业股份有限公司热毒宁注射液生产车间，绿原酸对照品（中国食品药品检定研究院，批号110753-200413，纯度>98%）；甲醇（色谱纯，TEDIA；分析纯，南京化学试剂有限公司）；冰醋酸（分析纯，国药集团化学试剂有限公司）。
2 方法
2.1 样品收集
根据企业生产实际，金青萃取液浓缩开始后，每隔15 min取样1次，剩余2 h时每隔10 min取样1次，最后1 h每隔5 min取样1次，对样品进行编号，并记录浓缩过程中温度和蒸气压，本实验取样6个批次，分别记为A，B，C，D，E，F批次，每批次根据实际生产情况取样20个左右，共收集123个样品。
2.2 近红外光谱采集
对收集到的金青萃取液浓缩样品，在恒温水浴锅内加热至恒温（与实际生产浓缩温度保持一致）后，将近红外液体探头伸入样品液中采集样品的透射光谱，设定光谱扫描范围1 100～2 300 nm；波长增量2.0 nm；扫描次数300次；光程5 mm；检测方式为透射，每个样品采集3张光谱，取平均光谱值作为样品的近红外光谱。
2.3 固含量测定
量取10 mL上清液至已烘干至恒重的扁形瓶（X0），称重（X1），置烘箱105 ℃条件下烘干至恒重，计X2。固含量（mg・g-1）=（X2-X0）/（X1-X0）。
2.4 绿原酸含量测定
2.4.1 色谱条件 Kromasil C18 （4.6 mm×250 mm，5 μm）色谱柱；流动相甲醇-1%冰醋酸溶液（20∶80）；进样量10 μL；流速1.0 mL・min-1；柱温30 ℃；检测波长327 nm。方法学考察符合定量分析要求。
2.4.2 供试品溶液的制备 精密吸取1 mL 浓缩液，用50%甲醇稀释至预实验确定的相应倍数，摇匀，用0.45 μm滤膜滤过，即得。
2.5 光谱数据处理方法与模型性能评价指标
光谱异常点判别后，在适宜光谱预处理基础上，选择合适波段，PLS建立近红外光谱数据与绿原酸含量和固含量2个质量控制指标之间的定量校正模型。CAMO化学计量学软件预测残差平方和（PRESS）的最小值确定最佳主成分数，以相关系数R2，模型的校正集和验证集预测误差均方根（RMSEC，RMSEP）、验证集相对偏差（RSEP）来考察模型性能。
3 结果与讨论
3.1 质量控制指标测定数据
整体上，金青萃取液浓缩过程中固含量和绿原酸含量均随着浓缩过程呈不断增加的趋势，含量分布见表1。按照含量测定值分布范围，验证样品的含量范围需在校正集的含量范围之内，选择E批次所取样品作为验证集，其余样品作为校正集。
3.2 模型的建立
3.2.1 异常点剔除 实验过程中不可避免引入各种误差，如波长的漂移、操作误差、测量环境等的变化，可能导致样品光谱出现异常，从而引起模型精度的下降。本实验异常值的剔除分别采用三维空间分布值（influence）和线性相关性（correlation）这2个统计量来对照检验剔除，同时参考光谱杠杆值（leverage），经过异常值的剔除对模型进行优化。influence是指图1-A中的样品三维空间分布图，做定量分析的样品在主成分空间会因光谱性质的相似性而分布的相对集中，而离散在比较远的区域里的少数几个点就是异常值，如图1-A中B-4点。correlation是指图1-B的线性回归视图，图中横坐标是实测值，纵坐标是PLS回归计算过程中交互验证得出的预测值，图中大部分的样品点都分布在离回归线比较近的两侧，有些直接在回归线上，说明预测值与实测值很接近或一致，因此那些离回归线比较远的离散点就是异常值，如图1-B中的B-4点。leverage是指图1-C中的样品杠杆值，通常位于被测组分浓度或性质的均值处的样品杠杆值较小，位于被测组分浓度或性质范围两端的样品具有较大的杠杆值，但在图1-C中明显发现B-4样品的杠杆值远大于其他值，它有可能不代表被测样品的实际情况，故考虑其为异常值，该指标在模型优化时的作用不是太重要，只是作为辅助参考指标。3个指标同时锁定B-4为异常值，故在模型建立前将B-4样品剔除。
3.2.2 光谱预处理 所采集的光谱中不仅包含了样品中的有效信息，还包括由于外界环境的波动、随机噪音、样品背景干扰所产生的信息，因此在建模前需要对光谱进行预处理，以去除噪音，净化谱图信息，扩大有效信息，提高模型的精度和预测效果 [9]。本文比较了原始光谱及一阶导数、二阶导数分别与Savitzky-Golay（S-G）平滑结合等光谱预处理方法，以RSEP和R2的大小为依据来优选合适的预处理方法，不同预处理方法结果见表2，3。经过比较，发现绿原酸含量和固含量建模时均选用一阶微分+S-G组合对原始光谱进行预处理可以达到最优的结果。
3.2.3 波长的选择 尽管PLS可处理全谱信息，但建模包含大量的多余信息，因此有必要选择特定的波长范围，以消除无关干扰，缩短建模时间，提高模型精度。在1 300～1 600，1 800～2 250 nm处样品吸收强度存在差异性，且溶剂和样品的光谱图差异较大，见图2。本研究采用交互验证分别考察了这2个波段对所建绿原酸校正模型性能的影响，见表4。采用1 300～1 600 nm建模得到的绿原酸校正模型与其他的相比性能要好，且明显缩短了建模时间。从基团的近红外吸收特征角度分析，1 300～1 600 nm包含醇类和酚类的羟基伸缩振动的一级和二级倍频峰，而绿原酸属于酚酸类成分，故在此波段建模可以较好的反映绿原酸的吸收特性。
3.2.4 定量校正模型的建立 经过异常点的剔除，光谱预处理和波段选择，将A，B，D，E，F批样品作为模型的校正集，第C批样品作为模型的验证集，采用一阶微分和S-G平滑处理后，在1 300～1 600 nm应用PLS建立绿原酸的近红外定量校正模型，应用全波段建立固含量的定量模型，其中绿原酸含量和固含量的主因子数均为5，校正集样品的预测值和实际测得值的相关性图分别见图3，4，图中NIR的预测值接近实测值，绿原酸含量和固含量校正模型的R2分别为0.992 1，0.994 0，RMSEC分别为0.814 6，2.656 1，表明模型的预测值与标准对照方法分析值之间的相关性较好。
3.3 模型的验证
用所建立的模型对验证集的绿原酸含量和固含量进行预测，验证集绿原酸含量和固含量的线性相关性图分别见图5，6，图中NIR的预测值接近实测值，绿原酸含量和固含量校正模型的R2分别为0.994 4，0.998 4，RMSEP分别为0.704 6，1.876 7。金青萃取液浓缩过程中绿原酸含量和固含量预测趋势与实际测定值的变化趋势基本一致，RSEP分别为6.01%，2.93%。能够满足中药实际生产过程中实时监控分析的精度要求。
3.4 重复性实验
为检验模型预测的重复性，对一未知样品的6次扫描光谱绿原酸含量和固含量进行预测，见表5，绿原酸含量和固含量6次预测结果的RSD分别为1.6%，1.1%，可见模型较为稳定可靠。
4 结论
本研究建立了热毒宁注射液金青萃取液浓缩过程中绿原酸含量和固含量2个质量控制指标的近红外快速质量监控方法，在模型建立过程中通过软件判定异常点，并对其进行剔除，增加模型的预测精度；通过原始图谱、对图谱进行一阶微分、二阶微分及微分后求导等处理后分别建模，并对模型的性能及预测效果进行对比，选择合适的预处理方法；对样品和溶剂的光谱图进行对比选择合适的建模波段，最终模型的预测结果较为理想，为将近红外过程分析技术引进热毒宁注射液金青萃取液浓缩过程在线质量监控提供了可行性实验依据及技术保障。实验所用样品均取自于企业不同时间段的实际生产过程，与在实验室制备的样品相比，样品更具有真实性和代表性。
本研究建立的近红外过程分析在线质量监控技术，方法操作简便、快速无损且准确性高，有望推广应用于中成药浓缩过程中各质量控制指标的快速检测，为在线实时监控中药实际生产过程，保证最终成品质量的稳定均一奠定了良好的基础。
[参考文献]
[1] 张延莹，张金巍，张培，等. 近红外光谱技术在丹酚酸B纯化在线质控中的应用研究[J]. 时珍国医国药，2010，21（1）：220.
[2] Woo Y A， Kim H J， Ze K R， et al. Near-infrared（NIR）spectroscopy for the non-destructive and fast determination of geographical origin of Angelicae Gigantics Radix[J]. Pharm Biomed Anal， 2005， 36（5）：955.
[3] Rager I， Roos G， Schmidt P C， et al. Rapid quantification of constituents in St. John′s wort extracts by NIR spectroscopy[J]. J Pharm Biomed Anal， 2008， 28（3/4）：439.
[4] Wu Y， Sun S， Zhou Q， et al. Fourier transform mid-infrared （MIR） and near-infrared （NIR） spectroscopy for rapid quality assessment of Chinese medicine preparation Honghua Oil [J]. J Pharm Biomed Anal， 2008， 46 （3）：498
[5] 陈雪英，李页瑞，陈勇，等. 近红外光谱分析技术在赤芍提取过程质量监控中的应用研究[J]. 中国中药杂志，2009，34（11）：1355.
[6] 白雁，刘建营，雷敬卫，等.近红外光谱技术快速测定杞菊地黄丸的水分含量[J].中国现代应用药学，2013，30（1）：52.
[7] 王运丽，史新元，吴志生，等. 利用近红外光谱技术快速检测邻苯二甲酸酯类物质[J]. 中国实验方剂学杂志，2013，19（5）：86.
高级波段技术分析范文4
[关键词] 近红外光谱;偏最小二乘法;热毒宁注射液;醇沉过程;药效指标
[收稿日期] 2014-09-16
[基金项目] 国家“重大新药创制”科技重大专项（2013ZX09402203）
[通信作者] *萧伟，研究员级高级工程师，主要从事中药新药研究及中药制药新技术研究，Tel： （0518）81152325，E-mail：
[作者简介] 王永香，E-mail：
中药注射剂是传统中医药理论与现代制药技术相结合的产物，该剂型突破了传统中药的给药方式，具有生物利用度高、疗效确切、作用迅速的特点，尤其在抢救神志昏迷、不能口服给药的重症病人等方面，具有无可比拟的优势。然而自2005年6月葛根素注射剂的新发不良反应病例报告，到2006年6月鱼腥草事件、2008年10月刺五加事件、茵栀黄事件及2009年2月双黄连事件等，中药注射液不良反应的频发引起了业界和舆论对中药注射剂安全性的高度重视，严重的影响了中药注射剂行业的进一步发展。查阅近年来与中药注射剂不良反应相关的文献资料，总结出引起中药注射剂不良反应的原因很多，其中产品自身的原因主要是生产过程缺少行之有效的控制方法，监控不到位，无法保证批次间的质量一致性，因此生产过程在线控制方法的建立势在必行。
近红外光谱技术作为一种过程分析技术近年来发展迅速，其独特的优势在于可以快速得到准确度很高的指标定量结果、且分析速度快，不破坏样品，不污染环境[1]。近年来近红外光谱技术广泛应用于中药制药过程控制研究，包括中药材的鉴定、药效成分含量测定和生产过程的在线检测和监控[2-4]。
热毒宁注射液处方由青蒿、金银花、栀子3味药材组成，文献查询[5-9]显示青蒿金银花2味药材中起到解热、抗病毒、抗炎等作用的指标成分主要有香豆素类、有机酸类、黄酮类成分，该品种药效物质基础研究结果显示有机酸类的绿原酸、新绿原酸、隐绿原酸，黄酮类的木犀草苷及断氧化马钱子苷均具有较好的抗病毒作用及调解免疫的作用。本研究以热毒宁注射液金银花青蒿醇沉过程为研究对象，采用近红外光谱分析技术，结合偏最小二乘化学计量学方法，建立金银花青蒿醇沉过程新绿原酸、绿原酸、隐绿原酸、断氧化马钱子苷4个关键药效指标的定量校正模型，并使用所建立的模型对未知样品进行预测，结果显示预测值与检测值的相对偏差均小于5%。本研究建立了一种醇沉过程关键质量指标的快速、准确、高效的一种检测方法，为实现醇沉过程在线监控提供了依据。
1 材料
AOTF-NIR光谱仪（BRIMROSE USA），配套使用SNAP光谱采集原件和CAMO化学计量学软件：Unscrambles;U3000 型高效液相色谱仪，Ultimate Mate 3000 型检测器（美国 Cohesive Technologies 公司），ME104E型电子天平（梅特勒-托利多仪器有限公司）;甲醇（批号021240102，上海星可高纯溶剂有限公司）;磷酸（批号20120703，国药集团化学试剂有限公司）;绿原酸（批号110753-201314，中国食品药品检定研究院）;隐绿原酸（批号101245643，Sigma公司），新绿原酸（批号101212168，Sigma公司）;断氧化马钱子苷（批号20120625，上海永恒生物科技有限公司）。
热毒宁注射液金银花青蒿醇沉过程建模样品来自江苏康缘药业股份有限公司前处理提取精制车间。醇沉近红外在线采集示意图见图1，由于醇沉过程药液体系为非均匀体系，为了保证近红外光谱采集时样本的均匀性，不仅在醇沉罐体中取样口位置按装了过滤装置（40目），还在外循环管道上安装桶式过滤器（80目），确保样本均匀性。图中绿色框为近红外光谱采集及取样循环管路。根据预实验结果，金银花青蒿醇沉过程取样方式确定为醇沉开始15 min后每隔10 min对样品进行近红外光谱采集，并同时取出100 mL样品，至加醇结束。加醇结束后静置前6 h每隔2 h取样1次，静置后期30 h每6 h取样1次，本次试验共取样12个批次，其中11个批次共142个样品组成校正集用于建立近红外光谱与质量指标之间的定量校正模型，1个批次的11个样本作为未知样品集用于验证模型的预测性能。
2 方法与结果
2.1 近红外光谱采集
近红外光谱采集有关参数设置：光谱范围1 100～2 300 nm，分辨率2 nm，光程2 mm，扫描平均次数300;检测方法为透射，每个样品采集3张光谱，取平均光谱值作为样品的近红外的近红外光谱图。
2.2 药效成分选择含量测定
2.2.1 色谱条件 phenomenex Luna C18色谱柱（4.6 mm×250 mm，5 μm）;以0.1%磷酸水为流动相A，甲醇为流动相B，梯度洗脱，0～10 min，85%～75% A;10～30 min，75%～65% A;30～60 min，65%～50% A。流速0.8 mL・min-1;柱温30 ℃;新绿原酸、绿原酸、隐绿原酸的检测波长为324 nm，断氧化马钱子苷的检测波长为237 nm，进样量10
图1 醇沉近红外在线检测系统示意图
Fig.1 Diagram of near-infrared on-line detection system
μL。色谱图见图2。
A.对照品（237 nm）;B.对照品（324 nm）;C.对照品（324 nm）;D.样品（237 nm）;1.新绿原酸;2.绿原酸;3.隐绿原酸;4.断氧化马钱子苷。
图2 对照品及样品高效液相色谱图
Fig.2 HPLC chromatograms of the substance and the sample
分别精密称取新绿原酸9.18 mg、绿原酸18.66 mg、隐绿原酸8.46 mg、断氧化马钱子苷4.70 mg置25 mL量瓶中，加50%甲醇溶解并稀释至刻度，摇匀，即得混合对照品溶液。对混合对照品进行0，2.5，5，10，20，40倍稀释，分别精密吸取上述系列对照品溶液各10 μL，注入高效液相色谱仪，测定，以对照品质量浓度（mg・L-1）为横坐标（X），峰面积为纵坐标（Y），绘制标准曲线。新绿原酸回归方程Y=0.556 1X-0.462 6，r=1，线性范围9.16～366.4 mg・L-1;绿原酸回归方程Y=0.623 1X-0.903 7，r=1，线性范围18.66～746.4 mg・L-1;隐绿原酸回归方程Y=0.605 6X-0.595 9，r=0.999 9，线性范围8.45～3 380.00 mg・L-1;断氧化马钱子苷回归方程Y=0.359 6X-0.204 6，r=1，线性范围0.91～36.2 mg・L-1。
2.2.2 对照品溶液的制备 取新绿原酸、绿原酸、隐绿原酸、断氧化马钱子苷对照品，精密称定，加50%甲醇制备成每1 mL含13.358 μg新绿原酸、36.41 μg绿原酸、15.10 μg隐绿原酸、1.884 5 μg断氧化马钱子苷的混合对照品溶液。
2.2.3 供试品溶液的制备 分别称取金青醇沉上清液1 g，精密称定，置于50 mL量瓶中，50%甲醇溶解并定容，摇匀，2万 r・min-1离心10 min，取上清液即得。
2.3 近红外光谱数据处理方法与模型性能评价指标
在最佳的光谱预处理方法基础上，选择合适的建模波段，采用偏最小二乘法（PLS）分别建立新绿原酸、绿原酸、隐绿原酸、断氧化马钱子苷、4个质量指标与近红外光谱数据之间的定量校正模型。以校正集及交叉验证集模型相关系数（R2），校正集及交互验证集均方根验证误差（RMSEC，RMSECV）为指标进行模型优化，以外部预测结果与检测值的相关系数（R2）、预测误差均方根（RMSEP）、预测相对偏差（RSEP）作为模型对未知样品预测效果评价指标[10-11]。
2.4 建模样品质量指标检测
金银花青蒿醇沉过程4个关键药效指标离线检测结果范围见表1，从检测结果可以看出4个指标均随着加醇时间的增加呈递减趋势，加醇结束后醇沉静置期间各指标检测值趋于平稳，用于模型外部预测的样品指标范围包括在建模指标范围内。
表1 样品中各药效指标含量范围
Table 1 The range of efficacy index in the sampleg・L-1
样品新绿原酸绿原酸隐绿原酸断氧化马钱子苷
校正集0.264 3～1.094 1.540～6.1880.409 9～1.5590.349 5～1.261
验证集0.297 8～0.977 01.899～5.7210.479 8～1.3500.426 3～1.104
2.5 近红外光谱定量分析模型的建立
2.5.1 建模时异常点剔除 由于光谱采集仪器、测量方法、测量环境等客观因素的影响及研究人员本身主观因素，建模过程常常出现异常值，异常值的判断和去除是提高模型性能的一个重要步骤。由于做定量分析的样品集为同类样品，他们在主成分空间的分布会因光谱信息的相似性而分布在一个相对集中的空间中，而远远偏离此空间的样品往往具有较高的光谱残差均方根（RMSSR）。样品1，65，74具有较高的光谱残差均方根，给予剔除，见图3。
2.5.2 光谱数据预处理方法选择 由于近红外光谱采集过程中样品的状态、光的散射、仪器的误差、环境的改变等因素带来的干扰，光谱中通常会包含一些与待测样品性质无关的信息，导致近红外光谱的基线出现漂移，影响建模效果[11]。为了提高建模效果，建模时对原始光谱进行预处理是非常必要的，预处理的方法有平滑[12]、微分[13]、标准法、中心化、基线校正、多元散射校正[14]等，常用的近红外光谱的预处理方法有平滑、微分、中心化。其中平滑能够减少随机噪声，提高光谱的信噪比;微分则可以消除基线漂移，克服谱带重叠、强化谱带特征，是常用的预处理方法，微分又分为一阶微分和二阶微分，一阶微分可以去除同波长无关的漂移，二阶微分可以去除同波长线性相关的漂移;中心化能够去除常数项，使其均值为零，是常用的定性定量光谱预处理方法。本试验建模前对近红外原始光谱数据分别进行平滑、中心化、一阶微分、一阶微分+平滑、二阶微分、二阶微分+平滑预处理，4个指标不同预处理方法建立的模型性能评价指标见表2，优选出每个质量控制指标建模的最佳预处理方法。结果显示，每个质量指标光谱最佳预处理方法不尽相同，新绿原酸建模过程最佳预处理方法为二阶微分加平滑，绿原酸以原始光谱建模能得到最佳模型，隐绿原酸与固含物2个指标建模光谱最佳预处理方法是一阶微分法，而断氧化马钱子苷建模光谱最佳预处理方法为平滑法。
A.平面分布图;B.三维空间分布图;C.光谱残差均方根;D.指标残差均方根。
图3 定量校正模型异常点剔除情况（绿原酸）
Fig.3 The outliter of rapid quantitative analysis model was eliminate（chlorogenic）
表2 不同化合物预处理方法的选择
Table 2 The choice of pretreatment method of different compounds
建模参数预处理方法主成分数
校正集交互验证集外部未知样品预测
R2RMSECR2RMSECVR2RMSEP相对误差
新绿原酸原始光谱20.937 9640.041 7540.933 5260.043 5420.9130.039 0116.788 00
smoothing平滑（7点）10.946 9320.037 7860.945 7760.038 4870.9240.036 5746.607 35
Mean center（中心化）10.941 8980.039 5440.940 5680.040 2920.9240.060 74311.013 8
1st derivative（一阶微分）20.955 3100.033 2430.950 9570.035 0870.9450.030 6365.224 30
1st derivative with smoothing20.961 8060.031 9680.959 0450.033 3550.9360.033 3875.697 40
2st derivative（二阶微分）30.959 8990.031 0640.946 9330.036 0030.9560.027 9324.803 82
2st derivative with smoothing40.966 7020.030 2060.960 3010.033 2250.9790.028 2804.776 44
绿原酸原始光谱80.988 1700.096 8130.985 4490.108 1910.9350.077 5262.341 37
smoothing平滑（7点）70.973 9100.152 9000.969 1010.167 6490.9300.088 5762.670 48
Mean center（中心化）70.973 3440.157 5090.968 0250.173 7980.9230.343 79712.301 2
1st derivative（一阶微分）70.984 9480.122 7030.972 7490.166 3030.8420.143 5104.219 11
1st derivative with smoothing80.986 6380.091 2570.979 8110.113 1480.6240.102 2524.924 33
2st derivative（二阶微分）70.984 9480.122 7030.972 7490.166 3030.7500.154 6707.941 31
2st derivative with smoothing30.960 1180.199 1740.954 2620.214 9120.7060.198 7467.791 71
隐绿原酸原始光谱20.949 0470.053 3540.943 2230.056 7480.9310.046 3885.473 75
smoothing平滑（7点）10.958 2930.050 5060.957 2500.051 5240.9270.048 2775.503 68
Mean center（中心化）10.961 7750.049 5570.960 9420.050 4740.9270.091 80111.250 31
1st derivative（一阶微分）20.968 7610.043 6710.965 5740.046 1840.9590.036 2563.824 74
1st derivative with smoothing20.962 7500.047 2570.957 2150.051 0150.9550.038 0384.233 98
2st derivative（二阶微分）30.968 5970.045 4470.960 2270.051 5190.9540.037 4394.351 58
2st derivative with smoothing30.968 5430.044 3500.962 8390.048 5610.9550.068 2744.371 97
断氧化马钱子苷原始光谱70.989 7450.018 0890.988 1600.019 5820.9380.020 7132.718 94
smoothing平滑（7点）70.982 4250.023 9940.979 7900.026 0670.9490.018 3392.184 60
Mean center（中心化）70.982 2980.024 1410.978 7270.026 6640.9430.064 08010.592 6
1st derivative（一阶微分）40.953 8980.040 9670.949 7140.043 1000.8610.046 9605.763 98
1st derivative with 5 smoothing70.984 6720.022 7870.977 2820.027 9470.9680.022 9543.183 70
2st derivative（二阶微分）40.957 9320.036 6890.944 0330.042 6340.8450.046 1725.503 79
2st derivative with 5 smoothing30.956 7750.037 8250.954 3720.039 1500.8560.044 6534.966 26
2.5.3 建模最佳光谱波段的选择 波段的选择是对光谱数据拆分的一种方法，尽管PLS方法能够以近红外光谱全波长的信息建模，但由于全波中会包含大量无效信息，不仅延长了计算时间，还降低了有效信息率;合适的建模波段选择可以减少无效信息干扰，提高模型精度[15]。以上研究已分别选择出了4个指标建模时近红外光谱最佳预处理方法，下面在最佳预处理方法的基础上，选出最佳建模波段。结果见表3。由于金银花青蒿醇沉液除含有上述5个质量指标外还含有大量的甲基C-H、亚甲C-H、羟基OH，不对称性较大，其伸缩振动的一级倍频出现在1 600～1 800 nm，在此波段乙醇红外吸收强，质量指标红外吸收和乙醇比较弱上许多。表3结果显示新绿原酸、绿原酸、隐绿原酸、断氧化马钱子苷、固含物在各自最佳建模波段分别为1 100～1 450，1 100～2 300，1 950～2 300，1 100～2 300，1 100～1 350，1 600～1 800 nm波段单独建模效果均较差。
表3 不同化合物在不同光谱波段的选择
Table 3 The choice of different regions of the spectrum of different compounds
建模参数预处理方法主成分数
校正集交互验证集外部未知样品预测
R2RMSECR2RMSECVR2RMSEP相对误差
新绿原酸1 100～2 30040.966 7020.030 2060.960 3010.033 2250.9790.028 2804.776 44
1 100～1 35030.975 0470.027 1540.970 1330.029 9230.9790.018 7293.338 16
1 350～1 65030.961 0750.032 6580.955 9550.034 9970.9250.035 7896.297 45
1 650～1 95040.953 5450.034 6420.945 2630.037 8820.9490.031 9825.658 22
1 950～2 30030.914 9310.045 9730.896 7080.051 0370.8560.050 4698.556 79
1 300～1 45040.975 8160.024 4730.973 0050.026 0510.9750.020 7624.834 61
1 100～1 45040.980 1760.022 1250.977 2620.023 8760.9830.017 5012.922 49
1 100～1 70030.966 2990.029 8890.960 4500.032 6230.9480.030 3045.279 38
绿原酸1 100～2 30080.988 1700.096 8130.985 4490.108 1910.9350.077 5262.341 37
1 100～1 35050.972 5860.160 7080.966 5810.178 7820.6810.190 9965.225 08
1 350～1 65010.922 8770.285 7230.920 7380.291 8520.7130.459 73611.175 51
1 650～1 95070.985 9890.118 7620.979 9470.143 1970.7280.277 0975.422 16
1 950～2 30050.968 4470.176 5190.964 1080.189 9780.6290.378 2966.799 44
1 300～1 45010.921 4420.279 8600.919 5680.285 3220.5690.424 51910.535 35
1 100～1 45070.982 7280.128 3880.976 6450.150 4230.8510.198 6774.570 10
1 100～1 70070.976 8110.147 7290.971 2470.165 7470.7740.171 5194.748 88
隐绿原酸1 100～2 30020.968 7610.043 6710.965 5740.046 1840.9590.036 2563.824 74
1 100～1 35020.970 9300.042 5140.968 6460.444 8200.9550.040 3743.825 02
1 350～1 65020.968 2450.044 9880.959 8450.050 9590.9570.036 5753.996 78
1 650～1 95030.963 8260.045 4510.960 5280.047 8400.9470.041 1974.873 42
1 950～2 30040.981 0860.034 8370.975 5090.039 9430.9750.029 7412.930 40
1 300～1 45030.958 7400.039 8000.973 5680.039 8000.9540.039 0194.730 40
1 100～1 45030.976 7740.037 4630.974 4810.039 5640.9560.037 6734.582 59
1 100～1 70020.967 0640.044 5850.962 3530.048 0250.9510.040 0624.759 13
断氧化马钱子苷1 100～2 30070.982 4250.023 9940.979 7900.026 0670.9490.018 3392.184 60
1 100～1 35040.965 9360.035 0820.961 8330.037 4180.8190.035 5154.568 529
1 350～1 65020.911 7570.052 6330.906 2190.054 6740.8300.054 7297.145 409
1 650～1 95010.912 8930.054 4510.910 2380.055 6970.8570.057 1877.872 013
1 950～2 30030.947 8320.039 4630.944 2650.041 1010.8410.047 7895.620 024
1 300～1 45010.905 3700.053 2440.902 6560.054 4140.8410.057 1887.610 876
1 100～1 45080.985 0310.022 0250.978 8240.026 3970.9580.022 0232.571 214
1 100～1 70080.980 9820.025 0930.976 9100.027 8600.8730.028 7034.302 104
2.5.4 定量模型的建立 模型经过异常点的剔除、光谱预处理方法的选择及最佳建模波段的确定，运用偏最小二乘法（PLS1）分别得到了4个指标之间的最佳校正定量分析模型，并对未知样品进行预测，预测结果见表2，3中未知样品预测情况，预测效果与真实值的相对误差均在5%之内。以新绿原酸为指标建模时，近红外光谱采用二阶微分加平滑的光谱预处理方法，在1 100～1 450 nm波段建立的定量校正模型预测效果最好;以绿原酸为指标建模时，使用原始光谱近红外光谱图，并采用全波长光谱建模，模型的预测能力最强;以隐绿原酸为指标建模时，近红外光谱最佳预处理方法选择一阶微分法，在1 950～2 300 nm波段建立的模型预测效果最好;以断氧化马钱子苷为指标建模时近红外光谱最佳预处理方法为平滑法，在1 100～1 350 nm波段建模，模型的预测效果最好，各指标模型线性回归图见图4。
A. 新绿原酸;B. 绿原酸;C. 隐绿原酸; D. 断氧换马钱子苷。
图4 不同化合物模型的线性回归图
Fig.4 The correlation of model of different compounds
3 讨论
本研究采用近红外透射光谱法结合化学计量学软件Unscrambles，运用偏最小二乘法，建立热毒宁注射液金银花青蒿醇沉过程4个主要药效成分的快速检测方法。研究结果显示，本方法能够快速准确的得到醇沉过程中未知样品的4个主要药效成分含量，能够达到对醇沉过程样品实时监测的目的。同时，近红外光谱技术用于热毒宁注射液金银花青蒿醇沉工序的实时放行标准的研究正在进行，两者将为金银花青蒿醇沉过程在线监测及自动化控制的实现奠定基础，具有积极的意义。
[参考文献]
[1] 陆婉珍.现代近红外光谱分析技术[M]. 2版. 北京：中国石化出版社，2006：10.
[2] Woo Y A， Kim H J， Ze K R， et al. Nea-infrared （NIR） spectroscopy for the non-destructive and fast determination of geographical origin of Angelicae Gigantis Radix[J].J Pharm Biomed Anal，2005，36（5）：955.
[3] Chan C O， Chu C C， Mok D K W， et al. Analysis of berberine and total alkaloid content in Cortex Phellodendri by near infrared spectroscopy（NIRS） compared with high-performance liquid chromatography coupled with ultra-visible spectrometric detection[J].Anal Chim Acta，2007，592（2）：121.
[4] 瞿海斌，李斌，刘雪松，等.红参醇提液浓缩过程近红外光谱在线分析方法[J].中国药学杂志，2005，40（24）：1897.
[5] 李文龙，刘绍勇、薛东升，等.一种基于近红外光谱技术的熊胆粉粗提物洗涤工艺优化方法[J].中国中药杂志，2014，39（1）：75.
[6] 严禄，陈斌，朱大洲，等.近红外光谱分析得原理、技术与应用[M].北京：中国轻工业出版社，2013：162.
[7] 胡媛.青蒿研究进展[J]. 海峡药学， 2010， 22（11）：4.
[8] 李清.青蒿研究及应用概况[J]. 研究进展， 2008， 5（36）：25.
[9] 杨柯，曾春晖.莨菪亭解热作用机理实验研究[J]. 中国药物应用与监测， 2006（3）： 24.
[10] 李希贤， 时常仁， 孙奉先. 金银花等药制菌作用的初步观察[J]. 中华医学杂志， 1955， 41 （10）： 952.
[11] 庄丽，张超，阿里穆斯.金银花的药理作用与临床应用研究进展[J]. 辽宁中医杂志， 2013，40 （2）： 378.
[12] Savitzky A，Golay M J E. Smoothing and differentiation of data by simplified least squares procedures[J]. Anal Chem，1964，36（8）：1627.
[13] Barnes Dhanoa B J，Lister. Standard normal variate transformation and de-trending of near-infrared diffuse reflectance spectra[J]. Appl Spectrose， 1989， 43：722.
[14] Tomas Isaksson， Tomod N E S. The Effect of multiplicative scatter correction （MSC） and linearity improvement in NIR spectroscopy[J]. Appl Spectrose， 1988， 42：1273.
[15] 金叶，丁海樱，吴永红，等.近红外光谱技术用于血必净注射液提取过程的在线检测研究[J].药物分析杂志，2012，32（7）：1214.
Near infrared spectroscopy on-line and real-time monitoring of
alcohol precipitation process of Reduning Injection
WANG Yong-xiang1， 2，3， MI Hui-juan2，3， ZHANG Chuan-li 2，3， SU Guang2， BI Yu-an2，3，
WANG Zhen-zhong2，3， XIAO Wei1，2，3*
（1.School of Pharmacy， Nanjing University of Chinese Medicine， Nanjing 210023， China;
2. Jiangsu Kanion Pharmaceutical Co.， Ltd.， Lianyungang 222001， China;
3. State Key Laboratory of New-tech for Chinese Medicine Pharmaceutical Process， Lianyungang 222001， China）
[Abstract] Near infrared （NIR） spectroscopy as a kind of rapid process analysis technology has been successfully applied in Chinese medicine pharmaceutical process. In this research， the technology was adopted to establish the rapid quantitative analysis models of main indicators from the Lonicera japonica and Artemisia annua alcohol precipitation process of Reduning injection. On-line NIR spectra of 142 samples from alcohol precipitation process were collected and the content of main indicators for each sample were detected through off-line HPLC. With eliminating outliers， determination of spectra pretreatment method and selecting optimal band， the NIR quantitative calibration model for each indicator was established using partial least squares （PLS）. These models were used to predict the unknown samples from precipitation process of Reduning injection to achieve the goal of rapid detection. The results showed that the models were ideal. The correlation coefficients of models for neochlorogenic acid， chlorogenic acid， 4-O-caffeoylquinic acid and secoxyloganin were 0.973 872， 0.985 449， 0.975 509 and 0.979 790， respectively and their relative standard errors of prediction （RSEP） were 2.922 49%， 2.341 37%， 2.930 40% and 2.184 60%， respectively. This study indicated that the NIR quantitative calibration model showed good stability and precision， and it can be used in rapid quantitative detection of main indicators of efficacy in order to on-line monitor the alcohol precipitation process of Reduning injection.
高级波段技术分析范文5
关键词：光电技术；教学改革；光电装备；教学模式
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2015）29-0099-03
一、引言
现代科学技术的发展呈现日新月异的特点，新技术总是最先应用在与国家安全密切相关的领域和装备上，院校教学如果过于注重装备本身的使用和维护层面，那么几年之后学生走出校门，必然造成所学技术的滞后，面对工作岗位上的新装备，学生就会感到无所适从，产生畏难情绪，这对提高部队的战斗力以及学生的后续发展都将产生不利影响。系统的部队院校教学和教学改革，既要依托现有装备打牢学生的理论基础，培养学生的基本专业技能，同时又必须重视培养学生思想和思维的前瞻性，才能为学生的后续发展以及装备的创新提供持久动力。
二、光电技术课程教学改革的必要性
近年来发生的多次高技术局部战争反复证明，光电装备在军事上的广泛应用，已经对作战方式和作战效能产生了重大影响，成为现代战场上军事高技术对抗的制高点之一。信息化战争中，光电装备的发展水平，在一定程度上决定着武器系统的先进程度，是衡量武器系统作战能力的重要标志，是赢得高技术局部战争胜利的重要保证。院校作为人才培养的主阵地，应主动适应信息化条件下人才培养的需求和新变化，以培养学员装备保障指挥能力为目标，不断提高培养人才的全面素质和技术水平。
“光电技术”课程是军用光电工程专业人才培养方案中一门重要的专业基础课程，该课程是激光测距、激光制导、微光夜视和红外热像等后续光电装备课程的必备基础。“光电技术”课程涉及面非常广，本课程中所学到的知识将贯穿光电类专业学生本科乃至研究生培养阶段的全过程，课程教学质量的好坏直接影响后续装备课的教学，最终将影响所培养军事技术人才的质量，所以深化光电技术课程的教学改革，对于提高课程建设水平和提高教学质量具有非常重要的意义。
三、“光电技术”课程教学中存在的问题
“光电技术”课程内容覆盖面广，是涉及应用光学、物理光学、微电子技术、模拟和数字电路技术等多门类的交叉学科，需要掌握的知识点和内容繁杂[1]。若教学内容组织不够合理，逻辑主线不够清晰，理论联系实际不够紧密，很容易让学员产生内容复杂、零散、科普化的感觉，势必影响教学效果。在教学实践中我们就发现了这样的问题：许多学员在学完光电技术课进入光电类装备课学习时，或者毕业到了部队接触新的装备时，仍感到有一定困难，在一定程度上缺乏解决实际问题的能力。为什么学员已经学习了专业的基础知识，甚至学习了多种不同型号的装备课程，但在实际工作中却不能很好地发挥作用呢？因此，针对这个问题，研究在信息化条件下，如何在光电技术课程的教学过程中融入光电装备的新理论、新技术，使学员意识到光电技术课程的重要作用，激发学员学习兴趣，不断提高教学质量，是一项重要而有意义的课题。
传统的光电技术课程教学，虽然理论性和系统性比较完善，包括了辐射度学和光度学基础、光电转换的基本理论、光电器件的基本工作原理、光电探测的基本方法和光电系统构成和设计等多方面的内容，但是作为教材，其课程内容体系的形成需要有个过程，很难做到与光电装备的更新换代同步更新，教材中所采用的案例素材比较经典。作为一门技术基础类课程，从技术层面和应用层面看，案例素材的时代感和创新性稍显不足，主要是没有充分体现出现代新型光电装备发展中的新技术和新方法，或者说在教材内容中能够体现现代光电装备中新思想的案例素材比较少，时代感不强。总之，传统光电技术课程在教材的选题上缺乏针对性和时效性，与新型光电装备的结合点不够突出，从而在一定程度上导致学生缺乏兴趣和学习动力，进而影响学生分析和解决实际问题能力的锻炼培养。
四、新型光电装备及其发展趋势
立足军用光电工程专业的特点，以培养适应信息化军队建设、打赢信息化战争需要的从事军用光电装备技术保障的高素质新型装备人才为目标，依据“紧扣教学重点、瞄准发展前沿、突出军事特色”的原则，紧贴光电装备的发展，结合当前军用光电装备所涉及的新型光电器件、光电探测方法以及光电信息处理方法，旨在将光电技术课程与光电装备发展的核心理论、关键技术进行多角度的融合，深化光电技术课程改革，使光电技术课程与光电装备教学相辅相成，提高学员对光电装备的理解深度和应用光电技术的基础知识解决武器装备问题的工程实践能力，全面提升学员的专业综合素质。
信息化时代，军用光电技术与光电装备呈现出多波段、多模式、一体化、网络化、高精度的发展趋势。工作波段涵盖紫外、可见光、近红外、中长波红外、毫米波与厘米波等多波段频谱范围；探测模式从能量探测向能量与光谱探测结合的多模式方向发展；实现警戒―跟踪、侦察―跟踪、跟踪―制导、跟踪―通信、跟踪―火控等多功能一体化；实现单机单控设备向台多传感器、台多系统、多平台多传感器以及多平台多系统的网络化发展；系统定位、定向、测距的精度大幅度提高[2]。这些采用先进光电技术的装备和武器系统在战争中发挥了重要作用。当前世界各国尤其是军事大国，都非常重视光电技术的开发研究。例如，美国投入数亿美元研制生产第三代凝视型焦平面阵列红外探测器。洛克希德・马丁公司同休斯公司合作研制舰载红外点源探测（IRST）系统，以对付来袭的巡导导弹，项目耗资1500万美元，两年完成。航天与导弹系统中心还同洛克希德・马丁公司导弹与航天部门签订了159亿美元合同，进行空间的红外系统（SBIRS）高级组件的设计与制造研究[3]。
我军在先进光电装备的研发方面也投入了大量精力。例如APD光电探测器和锁相放大技术用于激光告警和光电探测；小型化的半导体激光器及其高频调制特性用于研制新型激光驾束制导仪；新型拉曼频移激光测距机中利用非线性光学理论对1.064μm激光频移，产生人眼安全的1.54um激光；激光末端制导武器系统激光照射指示器采用电光调制和预燃电弧源产生高重频脉冲序列，指示和导引炮弹命中目标；光电联合相关处理技术用于目标的快速识别、跟踪探测和火力指挥与控制等等。同时，随着光电技术的发展，光电装备的性能得以迅速提升。随着光电阴极激活工艺和制备工艺的改进，促使微光夜视装备朝着灵敏度更高、响应波段更大的方向发展。四代微光器件不仅可以直接利用微光夜视的光电转换、电子聚焦、倍增、显示等，而且具有直接平面列阵凝视、体积小、重量轻、成本低等优点。随着新型红外探测器的发展，红外热成像仪将从单波段探测向多波段探测发展，并且逐步实现小型化，特别是在单兵光电系统中[4]，小型化轻量级光电装备的发展非常迅速。就激光装备而言，发展人眼安全、大气传输性能好的激光装备是未来的发展方向。
五、光电技术课程教学改革实践的具体做法
将现代光电装备研究中的新思想融入到光电技术课程教学中，要取得良好的教学改革效果，必须从教学内容和教学方法两个方面着眼进行改革，教学内容是核心，教学方法是关键。
（一）教学内容的选择上，注重与新型军用光电装备的结合
军用光电装备的种类非常多，应用面非常广[5，6]，从光波段上分为白光装备、激光装备、微光装备、红外装备等类型。从使用功能上，光电装备包括观察、瞄准、测量、探测、跟踪、打击等不同使用功能。具体形式上可分为激光测距、激光制导、激光告警、激光防护、激光武器；微光观察、微光瞄准；红外热像、电视跟踪、光电对抗、光电火控等等。就现代新型光电装备的发展，分门别类地去归纳和提炼出其中所蕴含的光电技术的新思想、新技术和新方法，这是引入和充实光电技术课程教学的生动案例，是开展课程教学改革最鲜活的素材。
在课程教学改革研究工作中，课程组成员发挥集体智慧，从教学素材的梳理和选择入手，重组教学内容，从新型光电装备中提炼出带有普遍性的模型化内容，寻求和挖掘光电技术的基础理论与新型光电装备技术发展的关键与结合点，如表一所示。我们将经典教材只是作为纲目，在现有教材体系结构的基础上，用大量新型光电装备的鲜活素材丰富和重构课程教学内容，将特殊性与普遍性有机结合起来，体现和彰显本专业的特色，引导学生从最核心的理论和最深层的技术中去理解新装备，提高学生分析和认识问题的深度。
在课堂教学改革中，为了将最核心的、最基本的理论与光电装备的最新发展融合起来，必须改变课程教学模式，我们采用前展后延的教学方法，将分析和归纳有机结合起来，提高学生认识问题的广度。通过典型案例，从新型光电装备的创新发展的角度引入问题，按照问题的提出、可行性必要性的分析、技术的实现、基础理论的源泉等思路导入课堂，展开问题分析后，再进一步启发，作扩展引导，将新技术延伸到其他相关领域，从而达到以点带面，触类旁通的目标。
（二）教学方法上，注重与内容相匹配采用不同的方法和组织形式
教学方法是为教学内容服务的，目的是让学生更深刻地理解基本原理、基本观念和基本方法，激发学生的学习兴趣。光电技术课程的特点是原理性叙述比较多，学生学起来比较困难，不容易掌握。针对这种情况，课题组通过调研各类型光电装备所采用的理论和技术及其最新发展，将其融入光电技术课程的教学中，开展与之相关的案例式教学、研讨式教学等方法的研究。例如，光电探测器知识模块中，结合多个光谱区光信息的响应，讲授工程上在红外区和紫外区获得待测信息的应用实例；信号变换与处理模块中，通过强背景光提取飞行目标信息的实例，生动地介绍调制盘、背景噪声抑制等重要的信息处理手段和方法。
在光电探测器部分的授课中，可以采用以现有的光电装备为例，进行启发式和研讨式教学。从两种典型的红外热像仪入手，首先从外观上进行讨论，一款较小而另外一款较大且有气瓶，究其原因是热像仪工作时是否需要制冷，那么问题就出来了，同样是热像仪，为什么有的需要制冷，而有的则不需要呢？――二者所用的探测器不同――光子探测器和热探测器――光子探测器为什么需要制冷？为什么还要使用光子型探测器？――引出光子型探测器的工作原理及特点；热探测器为什么不需要制冷？――引出热探测器的工作原理及特点。按照问题本身的逻辑链展开教学，学生普遍反映很具有启发性，也容易理解。
通过调研各类型光电装备所采用的理论和技术及其最新发展，将其融入光电技术课程的教学中，开展与之相关的案例式教学、研讨式教学等方法的研究。由于光电装备的种类和型号非常多，在教学设计和实施环节上，哪些章节需要采用案例式教学，具体的案列是什么？哪些章节需要采用研讨式教学，研讨的主题方向是什么？为什么这样做，以及这样设计的好处等，这些问题都要经过精心设计，然后在课堂上大胆实践。最终目标是达到知识的融会贯通、夯实理论基础，达到以点带面、触类旁通的效果。同时让学生实现从“学会”到“会学”的转变，从而使学生的思维能力和素质得以全面提升。
六、结论
光电技术课程的教学改革必须依据培养目标，紧贴光电装备发展，提炼出其中的新思想和新方法，融入专业基础课程教学中。从充实教学内容入手，提高教学的时效性和针对性，结合教学模式改革，从方法上引导学生分析认识问题的深度和高度，达到既夯实学生专业基础、掌握学习和研究方法，又可以掌握装备创新研究的思路，提高学生创新的思维品质和创新的持久动力。
参考文献：
[1]江文杰，增学文，施建华.光电技术课程建设的探索与实践[J].高等教育研究I学报，2009，32（4）：43-45.
[2]邹勇华.光电技术与装备发展方向探讨[J].舰船科学技术，2007，29（5）：17-22.
[3]唐庆国.光电技术在武器装备中的地位和作用[J].舰船电子对抗，1997，33（6）：36-38.
[4]刘宇.未来士兵光电装备的发展动向[J].激光与光电子学进展，2007，44（10）：74-80.
高级波段技术分析范文6
这是景顺长城核心竞争力基金经理余广最近与投资者分享的一段股票投资感悟。
的确，假如你有幸买了泸州老窖并一直持有，它上市以来股价已涨89倍，云南白药71倍、伊利股份54倍、万科A50倍、东阿阿胶31倍……听上去，股票投资十分诱人。
但股票投资真不难吗？如果你持有的不是上述个股，而是歌华有线，它近5年跌幅78%，汉王科技跌77%、大秦铁路跌68%、中国石油跌67%、中国石化跌66%、瑞贝卡跌66%……拿到这些股票，你还会觉得投资容易吗？
这位身材瘦小、擅爱独立思考的基金经理，秉承“关键在于选股”的投资思路以解决上述矛盾。他以自下而上的选股能力见长，在近年来A股的艰难市道中脱颖而出。2012年，景顺长城核心竞争力以31.79%的净值增长率夺得主动股票型基金冠军；余广管理的另一只基金景顺长城能源基建，也以20%的收益率排在第7。
2013年以来，A股投资环境较去年变化不小，且起落加剧。余广坦言，股价天天在波动，波段操作变量太多，而企业的基本面不是说变就变，似乎更易把握。他淡定地秉承着买入持有、随企业盈利的持续成长而获取长期投资回报的要义。
树立思路并坚定执行
余广低调、谦和，平日多忙于奔波各地调研上市公司，北京的记者难得见到他。但人未见到前，他在圈子里树立的投资思路并坚定执行的特点却早有耳闻。
他的思想萌芽于“股票投资为何存在如此大差异性”的追索。
在进一步分析自2007年9月前上市至今获得正收益的378只股票后，他发现，有298只股票（占比79%）的业绩盈利在此期间取得正增长。298只中，又有225只股票（占比76%）年复合增长率在20%以上。“这意味着，公司盈利的持续增长是股价上涨的主要动力。”
但为何持有歌华有线等股票会这般受挫？在余广看来，其中既有行业因素（前景黯淡），也有公司本身缺少核心竞争力，不能与时俱进的原因。此外，“买得太贵”的价格因素也很关键。
“关键是选股，但难点也在选股。”换位思考，余广向记者假设说，“如果我们是实业投资者，什么类型的公司我们愿意投？当然是回报率（ROE）持续较好，能持续运营、杠杆水平合理、能健康盈利的公司，同时，也要考虑投资风险。”
化繁为简后，余广进一步向记者提炼出自己精选个股的“FVMC模式”框架。
所谓F（业务价值），主要是寻找具有高进入壁垒的上市公司，如在产品定价能力、创新技术、资金密集、优势品牌、健全的销售网络及售后服务、规模经济等方面具有优势的公司；V（估值水平）针对三类股票，成长型股票看PEG（即市盈率除以盈利增长率）；价值型股票则是将公司净资产收益率与其资本成本进行比较；收益型股票要求其保持持续派息的政策及较高的股息率水平。
M（管理能力）注重公司治理、管理层的稳定性及管理班子的构成、学历、经验等，了解其管理能力及是否诚信；C（自由现金流量与分红政策）注重企业创造现金流量的能力以及稳定透明的分红派息政策。
大类配置力推权益类
确立了投资思路，通过何种方式获取股票投资收益也十分重要。余广告诉记者，一般而言，股票投资有两种赚取投资收益的方式，一为靠波动赚钱（低价买、高价卖），二为买入持有、随企业盈利的持续成长而获取长期投资回报。
在他看来，股价天天在波动，波段操作变量太多也许得不偿失，相对而言，企业的基本面不是说变就变，似乎更易把握。无疑，他选择的是第二种方式，尽管这种方式在短期波动中，或因排名暂时落后会遭受不少压力。
记者注意到，2005年，在到景顺长城工作之前，余广曾是中银国际风险管理部门的高级经理。这也使得他对投资过程中的风险控制尤为重视。查询景顺长城核心竞争力2012年基金四季报可见，其前三大行业股票总资产占基金股票投资总资产比例仅在50%左右，远低于行业同类均值；且从前三大行业配置比例看，即便第一大重仓行业占整个基金净值的比例也始终低于20%。
