[发明专利]一种基于紫外可见光谱的未知污染物预警方法

权利要求书

1.一种基于紫外可见光谱的未知污染物预警方法，其特征在于实现步骤如下：

STEP1：假设得到的光谱数据矩阵为X，采用主成份分析方法提取光谱数据矩阵X中方差最大的向量作为特征向量，所述特征该向量包括了光谱数据矩阵中关于污染物种类的信息；

STEP2：对特征向量做正交投影，将特征向量投影到正交方向上，用光谱数据矩阵X减去投影后的特征向量得到投影后的剩余光谱数据矩阵X₁；

STEP3：判断是否有未知污染物，若投影后剩余光谱数据矩阵X₁的范数||X₁||大于阈值则认为有未知物质。

2.根据权利要求1所述的一种基于紫外可见光谱的未知污染物预警方法，其特征在于：所述STEP1中采用主成份分析方法提取特征向量，获得最有代表性的特征的具体实现如下：

（1）计算经验均值

假设光谱数据矩阵中含有M条光谱数据，对光谱数据矩阵X计算其每一列的均值，对每一列光谱数据m计算经验均值，m＝1,…,M；将计算得到的均值放入一个M×1的经验均值矢量u中，u中的每一个元素u_m表示为：

um=1NΣn=1NXm,n]]>

其中N为每一条光谱数据中的波长个数；

（2）计算平均偏差

从光谱数据矩阵X的每一列中减去经验均值矢量u，将减去经验均值矢量后的数据存储在M×N矩阵B中，B＝X-u·1_1×N，B为标准化后的光谱数据矩阵，M为光谱数据的条数，N为每一条光谱数据中的波长个数；

（3）求协方差矩阵

从B中找到M×M的经验协方差阵C：

C=E[B·B*]=1NΣB·B*]]>

计算协方差矩阵的特征值矩阵D和特征矢量：V^-1CV＝D，D是M×M的对角矩阵,V是特征矢量，特征值矩阵D表示了光谱数据矩阵X的每一个特征矢量所包含的信息；

（4）计算主成分

设W是C中最大p个特征值对应的特征向量组成的M×p阶矩阵，计算Y＝W^*·X；

p表示特征值的个数，Y是主成份矩阵，W^*是W的共轭矩阵；

Y每一列可以看成是原始光谱数据降维成p维后的数据，Y的第一行Y₁表示第一个主成分，包含了未知污染物对光谱数据产生的最大的影响，Y₁即为所求的主成份。

3.根据权利要求1所述的一种基于紫外可见光谱的未知污染物预警方法，其特征在于：所述STEP2：对特征向量做正交投影，将特征向量投影到正交方向上，用光谱数据矩阵X减去投影后的特征向量得到投影后的剩余光谱数据矩阵具体实现步骤如下：

（1）找到代表已知物质的特征的p个主要特征向量W₁,…,W_p，p是特征向量的个数；

（2）令U为已知物质的特征向量矩阵；

（3）将新测量到的光谱数据矩阵X投影到U正交方向上，投影矩阵为：

P_s＝I-U(U^TU)^-1U^T

投影方程为：

X₁＝P_sX

其中P_s为投影矩阵，U^T为U的转置矩阵，I为单位矩阵，得到的X₁为投影后的剩余光谱数据矩阵。