CN101292875B - 利用基准波长测量成分浓度的方法 - Google Patents

Abstract

本发明涉及一种利用基准波长测量成分浓度的方法：该方法包括以下步骤：采用理论计算的方法或实验法确定被测成分的基准波长；同时测量得到基准波长和其他测量波长处的光谱；以基准波长处的光信号作为参考，对其他测量波长处的光谱信号进行数据处理，求得包含被测成分的特异性信息的特征光谱；建立特征光谱与被测成分浓度的数学校正模型；实现被测成分的浓度测量。本发明解决了现有的近红外光谱人体成分检测技术的缺陷，通过基准波长法对光谱信号进行预处理，从而有效地消除由于非被测成分变化所引起的干扰，实现微弱的人体成分信号测量，特别是为提高人体血糖浓度检测精度提供了新的方案。

Description

利用基准波长测量成分浓度的方法

技术领域

本发明涉及一种近红外光谱测量物质成分浓度的方法。

背景技术

近红外光谱法主要基于近红外吸收光谱与化学计量学方法进行人体成分(包括人体血糖浓度等)的测量。在近红外区域，体液和软组织相对透明，近红外光的穿透力强；此外，随着化学计量学方法的进步，及其在近红外光谱检测技术中的应用，极大地提高了近红外光谱法定量分析的灵敏度、精度、和可靠性。近红外光谱法被认为是最有前途的人体成分无创检测技术。一个成功的先例是近红外光谱法对血氧饱和度的无创检测。

近红外光谱(波长在780-2500nm范围)主要是含C-H、O-H、N-H等键基团的化合物在中红外区域基频振动的倍频吸收与合频吸收。含H键基团的有机物以及与其结合的无机物样品的成份含量改变，其近红外光谱特征也将随之发生变化。根据光谱的变化特征，可以分析被测成份的浓度变化。然而，人体血液或组织液中的各种成分的近红外光谱重叠严重，如图1所示。此外，光谱测量过程中受到仪器漂移，温度变化和背景干扰等因素的影响。因此，采用单波长数据建立校正曲线会发生较大的误差，难以获得较高的测量精度。

近红外光谱法通常结合多变量分析技术进行物质成分定量测量。具体方法如图2所示：首先设计一系列待测成分浓度梯度变化的校正集样本，测量得到相应的近红外光谱；然后采用多变量分析技术对样本的光谱矩阵和浓度矩阵进行回归分析，建立校正模型，并求得校正模型的回归系数；对于浓度未知的待测样品，测量其近红外光谱，根据校正模型对光谱矩阵进行分解，并由校正模型的回归系数反向计算得到待测成分的浓度。其中，偏最小二乘法(Partial Least Square，PLS)是目前近红外光谱分析中使用最多和效果最好的一种多变量建模方法。

虽然近红外光谱法是人体成分无创测量技术的最佳实现方法之一，但其在技术上实现起来相当复杂。以无创血糖浓度检测为例，首先组织本身的光学特性十分复杂，近红外穿过动态变化的人体组织时的非线性散射使得提取血糖信号十分困难。此外，人体内的血糖含量低，血糖浓度变化导致的光谱信号非常微弱，且葡萄糖自身的吸收也和人体中其他成分的吸收严重重叠。人体内的水、蛋白质、脂肪等物质的强吸收、体温变化以及其他生理条件变化的影响是主要的干扰因素。采用近红外光谱法进行人体血糖浓度的检测，需要从复杂重叠的背景中提取微弱的糖浓度变化特异性信息，并且信息的提取过程受到人体的各种生理因素的制约和影响。

发明内容

本发明正是为了解决近红外光谱法无创人体成分检测技术中面临的吸收谱线重叠、人体背景干扰复杂、血糖等人体成分信号特异性差等困难，而提出利用基准波长实现成分浓度测量的方法。本发明的目的是通过确定人体测量的内部基准，实现浮动基准测量。即选择近红外波段下检测光强对于被测成分浓度的变化灵敏度最小的波长作为基准波长，以基准波长处的光强变化来评价测量过程中由于非被测成分引起的光强变化信息，进而增强血糖等人体成分信号的特异性，提高成分测量精度。

本发明提供了一种利用基准波长实现成分浓度测量的方法，首先采用理论推导或实验法确定被测成分的基准波长；同时测量得到基准波长和其他测量波长处的光谱；然后以基准波长处的信号作为内部基准，对其他波长处的光谱信号进行差分处理，提取包含待测成分信息的特征光谱；基于特征光谱的数学校正模型，预测被测成分的浓度值。由于基准波长处的光强变化包含了所有的由于非被测成分引起的光强变化信息，而与被测成分变化无关，因而可用作人体成分测量的内部基准。

作为进一步的实施方式，本发明提供了从理论和实验上确定基准波长的方法：

理论确定方法：理论推导被测成分的基准波长。根据被测成分与水或其他溶剂的体积置换原理，计算该成分浓度变化对于样品吸收系数及散射系数的影响，进而推导或模拟计算光谱随成分浓度的变化关系，定义光强随成分浓度变化为零的波长为该被测成分的基准波长。

实验确定方法：采用实验法确定被测成分的基准波长。改变样品中被测成分的浓度并测量其相应的光谱，求得不同浓度样品之间的差分光谱图；差分光谱曲线相交于零值表示光强对于被测成分浓度变化不敏感；对应于零值的波长即为被测成分的基准波长。

作为优选实施方式，本发明给出了基于基准波长提取被测成分的特异性信号的方法。对于纯吸收样品，包含被测成分浓度变化信息的特异性信号为： $A_G\left(\mathrm{\λ}\right)=-\mathrm{Ln}(\frac{I_s\left(\mathrm{\λ}\right)}{I_b\left(\mathrm{\λ}\right)}\·\frac{I_b\left({\mathrm{\λ}}_r\right)}{I_s\left({\mathrm{\λ}}_r\right)});$ 对于复杂的散射样品，包含被测成分浓度变化信息的特异性信号为： $A_G\left(\mathrm{\λ}\right)=\mathrm{Ln}\frac{I_b^{\′}\left(\mathrm{\λ}\right)\·I_s\left({\mathrm{\λ}}_r\right)}{I_s\left(\mathrm{\λ}\right)\·I_b\left({\mathrm{\λ}}_r\right)}+K_{\mathrm{\Δc}}\·\mathrm{Ln}(\frac{I_b\left(\mathrm{\λ}\right)}{I_b\left({\mathrm{\λ}}_r\right)}\·\frac{I_0(t_b,{\mathrm{\λ}}_r)}{I_0(t_b,\mathrm{\λ})}).$ 其中，I_s(λ_r)和I_b(λ_r)分别为基准波长处的被测样品出射光强和背景样品出射光强；I_s(λ)和I_b(λ)分别为近红外波段下的被测样品出射光强和背景样品出射光强；I₀(t_b，λ_r)和I₀(t_b，λ)分别为背景样品测量时，基准波长处和其他测量波长处的入射光强；K_Δc为样品中待测物质的浓度变化Δc导致光程长变化的百分比系数。

基于基准波长的特征，本发明还提出了对样品光谱进行温度修正的新方法：将两样品之间的光谱差值信号表示为由温度变化引起的差值信号和由被测成分浓度变化引起的差值信号的和；在被测成分的基准波长处，由被测成分浓度变化引起的差值信号为零；根据基准波长处的光强差值信号，计算得到样品测量时的温度变化，获得样品的实际测量温度；对其他波长处的光强进行温度修正，获得对应于校正集温度条件下的测量光谱，提高被测成分的测量精度。

基于校正集样品中被测成分的特征光谱矩阵和相应的成分浓度矩阵，本发明可采用偏最小二乘法或者净信号分析法建立数学校正模型，并由预测集样品的光谱预测得到被测成分的浓度值。

本发明提出的基准波长测量方法可应用于人体血糖浓度微创或无创伤测量，为提高血糖测量精度提供新方法。

本发明提出的基准波长法人体血糖浓度无创检测技术所采用的近红外光谱波段为从780nm到2500nm。

在本发明提出的基准波长法中，被测成分的基准波长位置只与该成分及水等溶剂的特性相关，而不随温度变化而改变。

与现有技术相比，本发明通过选择出射光强对于被测成分变化不敏感的波长作为基准波长，在测量过程中以该波长下得到的光强值或吸光度值作为浮动参量，该参量值不随被测成分浓度变化而变化，有效反映了样品中被测成分以外的其他因素引起的变化。在此基础上，利用基准波长处的光强或吸光度信息，对其他测量波长处光谱信号进行有效的差分处理，消除其他测量波长处的光谱信号中所包含的由于被测成分以外的因素所引起的干扰，使微弱的成分信息能够得到最大化的凸现，提高血糖等人体微弱成分浓度的测量精度。

附图说明

图1是血液成分的近红外吸收光谱图；

图2是近红外光谱法定量分析原理框图；

图3是葡萄糖与水的吸光系数比值；

图4是两成分样品实验中葡萄糖的基准波长特性；

图5是三成分样品实验中葡萄糖的基准波长特性；

图6是四成分样品实验中葡萄糖的基准波长特性；

图7是葡萄糖水溶液实验中基准波长的温度特性；

图8是不同温度下的糖水置换吸光系数曲线；

图9是温度修正前，不同温度下的糖水溶液的吸光度差值信号曲线(图中，Tg表示糖水溶液测量时的样品温度，Tw表示纯水背景测量时的样品温度)；

图10是温度修正后，不同温度下的葡萄糖特征信号曲线(图中，Tg表示糖水溶液测量时的样品温度，Tw表示纯水背景测量时的样品温度)。

具体实施方式

为了有效消除近红外光谱测量过程中由于被测成分以外的其他因素引起的干扰，提高成分浓度的测量精度和灵敏度，本发明提出了利用基准波长实现浓度测量的方法。根据样品在被测成分浓度不同条件下的近红外吸收光谱特征，确定该成分的基准波长，基于基准波长处的信号变化特征，采用基准波长法对全波段的光谱信号进行数据处理，求得被测成分的特征光谱信号，并进一步建立该特征光谱信号矩阵与被测成分浓度矩阵之间的数学校正模型，实现被测成分浓度测量。

被测成分基准波长的获取

本发明首要解决的是证明并得到基准波长的存在特性，以及获得对于不同被测成分的基准波长值。在此基础上，才可以建立相关的数据预处理模型，从而实现浓度信号的有效提取。本发明提出了理论推导证明基准波长的方法，以及基于实验获得基准波长的方法。

在理论推导方法中，根据被测成分与水或其他溶剂的体积置换原理，计算该成分浓度变化对于样品吸收系数及散射系数的影响，进而推导或模拟计算光谱随成分浓度的变化关系，定义光强随成分浓度变化为零的波长为该被测成分的基准波长。本发明以葡萄糖测量为例，理论计算证明了基准波长的存在。

首先分析纯吸收样品中基准波长的存在特征。对于葡萄糖水溶液样品，一方面，加入葡萄糖后，葡萄糖分子的浓度增加导致其本征吸收增加；另一方面，葡萄糖分子会置换出部分水分子，导致水分子浓度减小，相应水的本征吸收减小。因此，糖水样品溶液和纯水背景溶液的吸光度可分别表示为：

A_b＝α_w·c_w·l                                    (1)

A_s＝(α_w·c_w+α_g·Δc_g+α_w·Δc_w )·l             (2)

其中，A_b与A_s分别为纯水背景溶液和糖水溶液的吸光度，c_w为纯水的质量浓度，Δc_g为样品中的葡萄糖质量浓度变化，Δc_w为样品中葡萄糖浓度变化Δc_g时相应引起的水的质量浓度变化，α_w和α_g分别为水分子和葡萄糖分子的吸光系数，其波长特性如图1所示。

对样品和背景的吸光度进行差分处理，当样品和背景的测量条件一致时，求得葡萄糖浓度变化的特征信号A_G如下式：

A_G＝A_s-A_b

＝(α_g·Δc_g+α_w·Δc_w)·l                        (3)

在葡萄糖的基准波长处，样品的吸光度不随葡萄糖浓度变化而变化，即A_G＝0，则由公式(3)得到：

α_g·Δc_g+α_w·Δc_w＝0                      (4)

根据已有的研究成果，在温度为20℃下，纯水的摩尔浓度为 $C_w^0=55.4M,$ 且1mM的葡萄糖浓度增加将导致相应蒸馏水分子的摩尔浓度减小0.0111％。则根据公式(4)进一步推导得到：

$\frac{{\mathrm{\α}}_g}{{\mathrm{\α}}_w}=-\frac{\mathrm{\Δ}{c}_w}{\mathrm{\Δ}{c}_g}$

$=0.6217...\left(5\right)$

即，当葡萄糖分子与水分子的吸光系数比值为0.6217时，对应的波长为葡萄糖测量的基准波长。而根据图4可知，在波长1525nm处，葡萄糖分子与水分子的吸光系数比值约为0.6217。因此，葡萄糖测量的基准波长位于波长1525nm处。

对于人体组织等复杂的散射样品，葡萄糖浓度变化会同时引起样品吸收系数(吸收系数为吸光系数与质量浓度的乘积)和散射系数的改变，两者综合作用导致出射光强发生变化。因此，基准波长为吸收效应和散射效应相互抵消的波长。即：

$\mathrm{\Δ}{I}_S(\mathrm{\λ},\mathrm{\Δ}{c}_g)=(\frac{\∂I\left(\mathrm{\λ}\right)}{\∂{\mathrm{\μ}}_a}\·\frac{\∂{\mathrm{\μ}}_a}{\∂c_g}+\frac{\∂I\left(\mathrm{\λ}\right)}{\∂{\mathrm{\μ}}_s^{\′}}\·\frac{\∂{\mathrm{\μ}}_s^{\′}}{\∂c_g})\mathrm{\Δ}{c}_g=0...\left(6\right)$

根据我们的前期研究，推导得到如下表达式：

$\frac{\∂I\left(\mathrm{\λ}\right)}{\∂{\mathrm{\μ}}_a}=-\frac{I_0\left(\mathrm{\λ}\right)\·l}{\exp \{l\·[{\mathrm{\μ}}_a\left(\mathrm{\λ}\right)+\frac{{\mathrm{\μ}}_s^{\′}\left(\mathrm{\λ}\right)}{1-g\left(\mathrm{\λ}\right)}\left]\right\}}...\left(7\right)$

$\frac{\∂I\left(\mathrm{\λ}\right)}{\∂{\mathrm{\μ}}_s^{\′}}=\frac{I_0\left(\mathrm{\λ}\right)\·l}{[g\left(\mathrm{\λ}\right)-1]\·\exp \{l\·[{\mathrm{\μ}}_a\left(\mathrm{\λ}\right)+\frac{{\mathrm{\μ}}_s^{\′}\left(\mathrm{\λ}\right)}{1-g\left(\mathrm{\λ}\right)}\left]\right\}}...\left(8\right)$

$\frac{\∂{\mathrm{\μ}}_a}{\∂c_g}={\mathrm{\α}}_g\left(\mathrm{\λ}\right)-0.6217\·{\mathrm{\α}}_w\left(\mathrm{\λ}\right)...\left(9\right)$

$\frac{\∂{\mathrm{\μ}}_s^{\′}}{\∂c}=-\frac{6.44*{10}^{-5}*r^{2.37}*{\mathrm{\ρ}}_s*n_s*{(n_s-n_w)}^{1.09}}{{\mathrm{\λ}}^{0.37}*{n_w}^{3.09}}...\left(10\right)$

式中，I(λ)和I₀(λ)分别为出射光强和入射光强，μ_a和μ_s′分别为散射样品的吸收系数和散射系数，g为散射样品的各向异性因子，l为出射光在样品中的传输程长，n_s为散射样品中散射粒子的折射率，n_w为水的折射率；r为散射粒子的半径，ρ_s为单位体积样品中散射粒子的个数(nm^-3)。

根据表达式(6)-(10)，求得散射样品中基准波长λ_r的存在条件为：

$\frac{6.44*{10}^{-5}*r^{2.37}*{\mathrm{\ρ}}_s*n_s*{(n_s-n_w)}^{1.09}}{{{\mathrm{\λ}}_r}^{0.37}*{n_w}^{3.09}}*\frac{1}{1-g\left({\mathrm{\λ}}_r\right)}={\mathrm{\α}}_g\left({\mathrm{\λ}}_r\right)-0.6217\·{\mathrm{\α}}_w\left({\mathrm{\λ}}_r\right)...\left(11\right)$

在前面的理论推导法中，需要确切地知道样品中各组成成分的摩尔吸光系数及各成分之间的置换关系式。针对更为复杂的样品，本发明提供了一种基于实验来有效地获取基准波长的方法。

实验确定法的具体步骤如下：1、测量得到样品在不同的被测成分浓度的条件下的光谱I_s1(λ)，I_s2(λ)，I_s3(λ)，……，以及被测成分浓度为零的背景样品光谱I_b1(λ)，I_b2(λ)，I_b3(λ)，……；2、对各被测样品及相应的背景样品的光强进行差分处理，得到不同浓度样品的差分光谱，即包含被测成分浓度信息的特征光谱信号A_浓度1(λ)，A_浓度2(λ)，A_浓度3(λ)，……；3、分析被测成分的差分光谱特征，各差分光谱曲线相交于零值的波长即为该被测成分的基准波长。

本发明分别通过两成分实验(葡萄糖+水)、三成分实验(白蛋白+葡萄糖+水)和四成分实验(血红蛋白+白蛋白+葡萄糖+水)等一系列样品从简单到复杂的实验来验证了基准波长的存在特性。实验结果分别如图4、图5和图6所示，各次实验中的差分吸光度曲线在波长1525nm处交于零值，即纯吸收水溶液样品中葡萄糖的基准波长为1525nm。

此外，本发明基于两成分葡萄糖水溶液实验分析了基准波长位置的温度特性。分别在30度、34度和38度的样品温度下分析其差分吸光度曲线特性，如图7所示，不同温度下的差分吸光度都在波长1525nm处交于零值，即葡萄糖的基准波长位置不随温度变化而漂移，恒定为1525nm。

基准波长法提取被测成分的特异性信号

在人体成分微创或无创伤检测时，不同时间的测量光谱之间会存在仪器***漂移、人体其他成分变化以及人体生理状态变化等背景噪声，影响被测成分的测量精度。本发明采用基准波长法对光谱数据进行预处理，从而有效地消除这些噪声干扰。基准波长法数据处理方法的核心概念是：在测量过程中以基准波长下得到的光强值或吸光度值作为浮动参量，该参量值反映了样品中被测成分以外的其他原因引起的噪声干扰，而与被测成分浓度变化无关。基于基准波长处的信号对其他波长下的光谱信号进行差分处理，从而消除各种噪声干扰，增强被测成分的信号拾取特异性。

纯吸收样品条件下出射光强完全遵循Lambert-Beer定律。假设被测成分浓度变化Δc时，由于光源漂移以及测量环境随机干扰的影响，导致样品测量时的入射光强相对于背景物质测量时存在一定的比例偏差η，且背景与样品光谱测量时存在着其他成分浓度变化。则背景和样品的接收光强可分别表达为：

I_b(λ)＝I₀(t_b，λ)·exp(-μ_a·l)           (12)

I_s(λ)＝I₀(t_b，λ)·η·exp(-μ_a·l-Δμ_{a_Δc}·l-Δμ_{a_Δother}·l)    (13)

式中，I_s和I_b分别为样品和背景的接收光强，I₀(t_b，λ)为背景测量时的入射光强，μ_a为背景溶液的吸收系数，Δμ_{a_Δc}为被测成分浓度变化Δc时引起的样品吸收系数变化，Δμ_{a_Δother}为其他干扰成分变化所导致的吸收系数变化，l为测量光程长。

相应地，待测成分的浓度特异性信号可以表示为：

$A_G\left(\mathrm{\λ}\right)=-\mathrm{Ln}\frac{I_s\left(\mathrm{\λ}\right)}{I_b\left(\mathrm{\λ}\right)}+\mathrm{Ln\η}-A_{\mathrm{other}}\left(\mathrm{\λ}\right)...\left(14\right)$

式中，A_G(λ)＝Δμ_{a_Δc}(λ)·l，A_Δother(λ)＝Δμ_{a_Δother}(λ)·l。

在基准波长λ_r处，接收光强对被测成分的浓度变化不敏感。因此，在λ_r处的光强变化可以认为完全是由背景噪声引起的，而被测成分浓度变化导致的溶液的吸光度变化为零。即：

A_G(λ)＝0                   (15)

由公式(14)和公式(15)，求得基准波长处的背景噪声为：

$\mathrm{Ln\η}-\mathrm{\Δ}{A}_{\mathrm{\Δother}}\left({\mathrm{\λ}}_r\right)=\mathrm{Ln}\frac{I_s\left({\mathrm{\λ}}_r\right)}{I_b\left({\mathrm{\λ}}_r\right)}...\left(16\right)$

当样品和背景之间其他成分的浓度变化较小时，近似地认为A_Δother(λ)≈A_Δother(λ_r)。进一步推导得到纯吸收样品中，基于基准波长提取被测成分特异性信号的表达式：

$A_G\left(\mathrm{\λ}\right)=-\mathrm{Ln}(\frac{I_s\left(\mathrm{\λ}\right)}{I_b\left(\mathrm{\λ}\right)}\·\frac{I_b\left({\mathrm{\λ}}_r\right)}{I_s\left({\mathrm{\λ}}_r\right)})...\left(17\right)$

对于人体组织等复杂的散射样品，需同时考虑吸收效应和散射效应的影响。根据修正的Lambert-Beer定律，并考虑样品入射光强的波动，在波长λ处某一浓度下的背景和样品的出射光强分别表示如下：

I_b(λ)＝I₀(t_b，λ)·exp(-μ_eff·l_eff)                        (18)

μ_eff为背景样品的有效衰减系数，Δμ_eff-Δc为被测成分浓度增加Δc导致样品的有效衰减系数的变化，l_eff为光经过散射样品的的有效光程长，K_Δc为散射样品中被测成分浓度增加Δc导致的光程长变化百分比。

由表达式(18)和(19)推导得到待测成分的浓度特异性信号：

A_G(λ)＝Δμ_eff-Δc·l_eff·(1+K_Δc)

$=\mathrm{Ln}\left(\frac{\mathrm{\η}\·I_b\left(\mathrm{\λ}\right)}{I_s\left(\mathrm{\λ}\right)}\right)+K_{\mathrm{\Δc}}\·\mathrm{Ln}\frac{I_b\left(\mathrm{\λ}\right)}{I_0(t_b,\mathrm{\λ})}...\left(20\right)$

根据基准波长的存在条件，在基准波长λ_r处，A_G(λ_r)＝0，即：

$\mathrm{Ln}\left(\frac{\mathrm{\η}\·I_b\left({\mathrm{\λ}}_r\right)}{I_s\left({\mathrm{\λ}}_r\right)}\right)+K_{\mathrm{\Δc}}\·\mathrm{Ln}\frac{I_b\left({\mathrm{\λ}}_r\right)}{I_0(t_b,{\mathrm{\λ}}_r)}=0...\left(21\right)$

将表达式(21)代入式(20)，求得人体组织等复杂散射样品中，基于基准波长提取被测成分特异性信号的表达式：：

$A_G\left(\mathrm{\λ}\right)=\mathrm{Ln}\frac{I_b\left(\mathrm{\λ}\right)\·I_s\left({\mathrm{\λ}}_r\right)}{I_s\left(\mathrm{\λ}\right)\·I_b\left({\mathrm{\λ}}_r\right)}+K_{\mathrm{\Δc}}\·\mathrm{Ln}(\frac{I_b\left(\mathrm{\λ}\right)}{I_b\left({\mathrm{\λ}}_r\right)}\·\frac{I_0(t_b,{\mathrm{\λ}}_r)}{I_0(t_b,\mathrm{\λ})})...\left(22\right)$

根据本发明提出的基准波长数据处理方法，分别测量得到样品和背景在基准波长和测量波长处的光谱信号，即可由公式(17)或(22)求得被测成分的特异性信号，从而有效地消除***漂移及各种背景变化的干扰，提高被测成分的测量精度。该方法适用于血糖浓度等人体微弱成分检测。

光谱的温度修正方法

利用近红外光谱进行成分浓度检测时，样品温度的波动会引起测量光谱的严重偏差，从而影响成分浓度的测量精度。本发明基于基准波长的特性，提出了对样品光谱进行实时温度修正的方法。

以葡萄糖测量为例，定义葡萄糖与蒸馏水之间的体积置换系数为k，即：

Δc_w＝k·Δc_g                          (23)

定义糖水的置换吸光系数为：

α_total(λ)＝α_g(λ)+k·α_w(λ)        (24)

表达式(2)和(24)中，α_w、α_g、c_w和k的取值均与温度有关。

在不同温度下，测量得到葡萄糖水溶液与相应的蒸馏水的光谱，从而计算得到不同温度下的糖水吸光系数α_total ^T(λ)。如图8所示，α_total ^T(λ)不随温度变化而改变。

当纯水背景溶液的温度为T₁，葡萄糖水溶液的温度为T₂时，计算两者之间的吸光度差值为：

$\mathrm{\ΔA}\left(\mathrm{\λ}\right)=A_s^{T2}\left(\mathrm{\λ}\right)-A_b^{T1}\left(\mathrm{\λ}\right)$

$=[{\mathrm{\α}}_w^{T2}\left(\mathrm{\λ}\right)\·c_w^{T2}-{\mathrm{\α}}_w^{T1}\left(\mathrm{\λ}\right)\·c_w^{T1}]\·l+{\mathrm{\α}}_{\mathrm{total}}\left(\mathrm{\λ}\right)\·\mathrm{\Δ}{c}_g\·l...\left(25\right)$

分别定义 $\mathrm{\Δ}{A}_T\left(\mathrm{\λ}\right)=[{\mathrm{\α}}_w^{T2}\left(\mathrm{\λ}\right)\·c_w^{T2}-{\mathrm{\α}}_w^{T1}\left(\mathrm{\λ}\right)\·c_w^{T1}]\·l,\mathrm{\Δ}{A}_G\left(\mathrm{\λ}\right)={\mathrm{\α}}_{\mathrm{total}}\left(\mathrm{\λ}\right)\·\mathrm{\Δ}{c}_g\·l.$

不同温度下样品的吸光度差值可以表示为由于温度变化引起的吸光度差值和由于糖浓度变化引起的吸光度差值之和：

ΔA(λ)＝ΔA_T(λ)+ΔA_G(λ)           (26)

其中，ΔA_G(λ)为测量中需要提取的葡萄糖特征信号，ΔA_T(λ)为温度变化引起的干扰信号。

根据基准波长的定义，在基准波长处，ΔA_G(λ_r)＝0，相应得到：

ΔA(λ_r)＝ΔA_T(λ_r)                  (27)

基准波长处的吸光度变化完全是由于蒸馏水的吸收系数随温度变化引起的。相应地，根据基准波长处的吸光度差值即可计算得到葡萄糖溶液样品测量时相对于纯水背景测量时的实际温度差值。

通过实验可以确定蒸馏水在不同温度下的吸光系数和质量浓度，因此，当通过基准波长分析法求得葡萄糖溶液样品和纯水背景的测量温度时，即可计算得到相应的ΔA_T(λ)值。从而根据公式(26)提取得到消除温度干扰后的葡萄糖特征信号：

ΔA_G(λ)＝ΔA(λ)-ΔA_T(λ)           (28)

对上述光谱的温度修正方法进行实验验证。在30℃的温度下测量得到纯水背景的光谱，然后分别在30℃，34℃和38℃下测量得到30mg/dL的葡萄糖溶液样品的光谱。直接由公式(25)计算得到样品和背景之间的吸光度差值，如图9所示，由于样品温度变化的影响，同一葡萄糖浓度样品在不同温度下的吸光度差值信息有明显的差别，以此光谱来进行模型分析时势必带来温度变化的干扰，影响葡萄糖浓度的测量精度。基于基准波长的光谱温度修正方法，对上述光谱进行数学处理，获得葡萄糖特征光谱信号，如图10所示，不同温度下的光谱信号完全重合。可见，本发明提出的基于基准波长技术对光谱进行温度修正的方法能够很好地消除温度对光谱的干扰，从而提高近红外光谱成分浓度检测技术的测量精度。

以上内容仅为本发明的实施例，其目的并非用于对本发明提出的***及方法的限制，本发明的保护范围以权力要求为准。本领域技术人员在不偏离本发明的范围和精神的情况下，对其进行的关于形式和细节的种种显而易见的修改或变化均应落在本发明的保护范围之内。

Claims (3)

1.一种利用基准波长测量成分浓度的方法，考虑被测成分对水或其他溶剂的体积置换关系，当被测成分浓度改变时，会导致样品的吸收系数变化；同时，被测成分浓度的变化会影响样品散射粒子与背景之间的折射率不匹配效果，从而导致样品的散射系数变化；吸收效应和散射效应的综合作用导致样品的出射光强改变；分析各个波长处，出射光强随被测成分浓度变化的关系，定义变化率为零的波长为被测成分的基准波长，其特征是：该方法包括以下步骤：

1)采用下列的理论计算确定被测成分的基准波长λ_r：对于纯吸收样品，α_g(λ_r)+α_w(λ_r)·k＝0；对于散射样品， $\frac{6.44*{10}^{-5}*r^{2.37}*{\mathrm{\ρ}}_s*n_s*{(n_s-n_w)}^{1.09}}{{{\mathrm{\λ}}_r}^{0.37}*{n_w}^{3.09}}*\frac{1}{1-g\left({\mathrm{\λ}}_r\right)}={\mathrm{\α}}_g\left({\mathrm{\λ}}_r\right)+{\mathrm{\α}}_w\left({\mathrm{\λ}}_r\right)\·k;$ 其中α_w和α_g分别为水分子和被测成分分子的吸光系数，k为被测成分与水之间的置换系数，g为散射样品的各向异性因子，n_s为散射样品中散射粒子的折射率，n_w为水的折射率；r为散射粒子的半径，ρ_s为单位体积nm^-3样品中散射粒子的个数；

2)同时测量得到基准波长和其他测量波长处的光谱；

3)以基准波长处的信号作为内部基准，对其他测量波长处的信号进行数据处理，求得包含被测成分的特异性信息的特征光谱；

4)建立特征光谱与被测成分浓度的数学校正模型；

5)实现被测成分的浓度测量。

2.如权利要求1所述的利用基准波长测量成分浓度的方法，其特征是：按下列方法获取被测成分的特异性信息：对于纯吸收样品，包含被测成分浓度变化信息的特异性信息为 $A_G\left(\mathrm{\λ}\right)=-\mathrm{Ln}(\frac{I_s\left(\mathrm{\λ}\right)}{I_b\left(\mathrm{\λ}\right)}\·\frac{I_b\left({\mathrm{\λ}}_r\right)}{I_s\left({\mathrm{\λ}}_r\right)});$ 对于散射样品，包含被测成分浓度变化信息的特异性信息为： $A_G\left(\mathrm{\λ}\right)=\mathrm{Ln}\frac{I_b\left(\mathrm{\λ}\right)\·I_s\left({\mathrm{\λ}}_r\right)}{I_s\left(\mathrm{\λ}\right)\·I_b\left({\mathrm{\λ}}_r\right)}+K_{\mathrm{\Δc}}\·\mathrm{Ln}(\frac{I_b\left(\mathrm{\λ}\right)}{I_b\left({\mathrm{\λ}}_r\right)}\·\frac{I_0(t_b,{\mathrm{\λ}}_r)}{I_0(t_b,\mathrm{\λ})}),$ 其中，I_s(λ_r)和I_b(λ_r)分别为基准波长点的被测样品出射光强和背景样品出射光强；I_s(λ)和I_b(λ)分别为近红外波段下的被测样品出射光强和背景样品出射光强；I₀(t_b，λ_r)和I₀(t_b，λ)分别为背景样品测量时，基准波长和其他测量波长处的入射光强；K_Δc为样品中待测成分的浓度变化Δc导致光程长变化的百分比系数。

3.如权利要求1所述的利用基准波长测量成分浓度的方法，其特征是：在执行了步骤3)之后，继续执行如下的对样品光谱进行温度修正的方法：将两样品之间的光谱差值信号表示为由温度变化引起的差值信号和由被测成分浓度变化引起的差值信号的和；在被测成分的基准波长处，由被测成分浓度变化引起的差值信号为零；根据基准波长处的光强差值信号，计算得到样品测量时的温度变化，获得样品的实际测量温度；对其他波长处的光强进行温度修正，获得对应于校正集温度条件下的测量光谱，提高被测成分的测量精度。

Images