摘要：有用信息提取是复杂体系近红外检测的重点和难点之一.由于复杂体系光谱中存在各种噪声、基线漂移、谱带重叠及复杂背景的干扰,常规方法不能准确地从光谱中获得有用信息.为此,将小波包变换（DWPT）和信息熵理论相结合——小波包熵（EWPIE）提取复杂体系光谱中的有用信息.思路是采用小波包变换对光谱信号进行多频带分解,根据有用信号与噪声的频带分布特点,基于信息熵理论滤除干扰的频率分量,采用正交校正法（OSC）剔除与被测组分无关的信息,然后对处理后的频率分量进行重构,从而实现复杂体系有用信息的准确提取.通过对复杂体系光谱数据建立多元校正模型来验证该方法的效果.采用牛奶的近红外光谱数据,以牛奶中脂肪和蛋白质浓度为研究对象,建立了偏最小二乘法（PLS）模型.结果显示,牛奶中脂肪和蛋白质的预测均方根误差（RMSEP）分别为0.132％ 和0.121％,与单纯的DWPT和OSC相比,EWPIE能够有效地提取有用信息,避免了无用信息的干扰,明显提高了模型的预测精度,对复杂体系的准确检测具有一定的理论意义和实际应用价值.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社