基于时域有限差分法仿真模拟了毫米级超材料的中远红外光谱响应，并结合电场散射效应分析了毫米方形图案的边缘电场分布对红外反射率的影响。通过参数扫描法优化得到了方形单元的最优厚度。将边缘区域离散化为独立单元，并将x、y方向分别设置为完美匹配层（PML）、periodic边界条件，通过迭代计算及加权叠加获得了毫米方形超材料的红外光谱响应及电场分布。结果表明，该超材料在2~16 μm内的红外反射率保持在81.9%以上，最高可达87.05%。当图案占空比相同时，单元周期的减小增强了超材料边缘区域的电场散射效应，导致其在8~10 μm远红外波段内的反射率保持在84.25%以上。实测结果与仿真结果较好地吻合，这为毫米级红外辐射抑制超材料的设计提供了新的思路。

随着生活和消费水平提高, 消费者对于乳制品食品安全及品质的要求越来越高。 原料奶质量直接影响乳制品的生产与消费安全, 在牛奶收储及生产环节都需要对各种非法添加物进行严格检测, 以保证产品质量。 目前常用的检测方法主要以化学法与仪器分析方法为主, 需要针对不同类型添加物设计前处理步骤, 过程繁琐, 检测效率低, 无法满足实时在线需要。 针对多种类掺假异常牛奶样品实时在线检测需要, 研究了基于中红外光谱的非靶向检测方法。 实验样品选择蒙牛公司六个奶质稳定的奶源地收集到的天然原奶样品, 并配制含有多种掺假物的异常牛奶样品集。 采集样品中红外光谱, 并针对在线检测过程中的干扰来源, 选择平滑滤波、 多元散射校正、 基线校正及归一化等预处理方法, 提高光谱信噪比与一致性。 为了提高非靶向模型识别准确度及稳健性, 根据牛奶样品中红外光谱特征, 选择无信息变量消除（MC-UVE）、 无变量信息消除-连续投影（UVE-SPA）与竞争自适应重加权采样（CARS）三种方法, 筛选原始光谱中的特征波长变量。 在得到的不同特征波长变量组合的基础上, 分别建立基于偏最小二乘判别（PLS-DA）及支持向量机（SVM）的鉴别模型, 对多种掺假物异常牛奶样品进行非靶向鉴别。 实验结果表明, SVM模型鉴别准确度优于PLS-DA, CARS方法筛选得到的变量组合应用于不同鉴别模型的效果均较优, 与SVM模型结合对训练集与测试集的分类准确率分别达到97.84%与94.55%。 分析特征波长变量分布可知, CARS方法筛选出的变量主要集中在异常牛奶样品光谱特征比较明显的区域。 样品误分类结果表明, 该模型组合可以较为准确识别异常牛奶样品, 具有较好的特异性。 研究结果表明, 基于红外光谱技术建立非靶向鉴别模型可以实现多种异常牛奶样品快速准确识别, 为牛奶掺假及生产过程在线检测提供了支持。

二维相关光谱法是将特定形式的微扰作用于样品, 通过测定一系列扰动作用下的动态光谱, 结合数学相关分析, 获取与样品中分子结构及作用力相关的二维相关谱特征。 该方法主要基于分子振动光谱, 将一维光谱扩展到二维空间, 能有效提高光谱分辨率, 从而识别原始光谱中重叠的分子振动变化特征, 为研究分子内及分子间的化学键变化提供依据, 在生物医学、 药学、 食品科学、 环境科学以及高分子材料等领域应用广泛。 自1986年Noda提出广义二维相关算法以来, 二维相关光谱衍生出了投影二维相关、 串联二维相关、 基于模型的二维相关、 异质谱二维相关、 移动窗口二维相关等算法。 随着近年来生物技术的迅速发展, 多肽、 蛋白质、 酶等蛋白类物质由于参与人体重要生理化学反应过程, 对其结构（尤其是高级构象）的分析是研究蛋白类物质质量及疗效的关键。 二维相关光谱方法为生物医药中蛋白类物质结构研究提供了快速、 无损的定性定量分析方法, 可分析蛋白质类物质高级结构中的细微变化, 为生物大分子药物机制机理研究提供有力的支撑。 综述了二维相关光谱技术的基本原理、 谱图解析方法和技术进展, 以及其在蛋白类物质分析中的应用方向和前景, 为相关领域研究人员应用二维相关光谱法开展蛋白类物质的结构和分子间相互作用等研究提供参考。

在近红外光谱分析应用中, 温度扰动导致的光谱变化对于定量分析的准确度影响较大。 针对温度扰动识别及定量分析的需要, 研究了基于双光谱二维相关谱(2T2D-COS)的光谱扰动分析方法。 选择葡萄糖水溶液为样本, 根据人体血糖浓度范围和在体组织温度范围设计实验, 测量样本在浓度扰动和温度扰动下的透射光谱。 对其进行基线校正和滤波预处理后, 通过2T2D-COS分析得到浓度扰动和温度扰动下的异步谱。 结果表明, 温度扰动引起的交叉峰出现在强氢键结合水对应的特征吸收波长(1 474 nm)和弱氢键结合水对应的特征吸收波长(1 410 nm)附近, 而葡萄糖浓度扰动引起的交叉峰出现在水分子对应的特征吸收波长(1 450 nm)和葡萄糖分子对应的特征吸收波长(1 595 nm)附近。 为了定量分析样品温度, 进一步提取了温度扰动异步谱交叉峰1 410 nm波长下的切片谱, 其在1 410～1 600 nm波段的相关峰强度随温度的升高而增大, 与样品温度之间具有较好的相关性； 选择波长(1 475±4) nm范围内的切片谱, 对谱峰强度积分后进行线性拟合, 建立样品温度的线性回归模型, 对温度的预测均方根误差可以达到0.125 9 ℃。 以上结果表明, 双光谱二维相关谱只需要对两条光谱进行运算, 就可以通过异步谱中交叉峰的位置判别扰动来源, 还可以根据交叉峰的强度对温度进行定量分析, 且只需要较窄特征波段的光谱就可以建立高精度的温度预测模型, 为简化在体光谱测量系统的设计, 减少在体温度变化的影响提供了重要参考。

近红外人体血糖浓度无创检测所面临的主要问题之一是人体温度变化干扰测量光谱。 为此, 提出使用基于外部参数正交化(EPO)的光谱预处理方法, 对测量部位体温改变时的光谱进行温度校正。 该方法仅需预先采集人体体温变化时的漫射光谱, 即可获得消除温度干扰的滤波矩阵, 利用该矩阵可以将不同体温下的光谱校正至基准温度水平。 预先对外部干扰变量单独建立模型, 与血糖浓度预测模型的建立分离。 EPO原理提出组成光谱空间的干扰信号空间与有用信号空间正交, 即温度光谱响应与葡萄糖浓度光谱响应之间彼此正交, 而在实际测量中, 仪器系统漂移, 人体出汗等共模干扰常导致有用信号和干扰信号存在偶然相关, 影响了消除温度干扰的效果。 因此在进行温度校正之前, 首先对原始光谱进行位置差分处理, 经验证位置差分方法能够消除仪器系统漂移带来的共模干扰, 获得的吸光度光谱中温度响应部分和浓度响应部分彼此正交。 使用蒙特卡洛模拟人体三层皮肤模型获得血糖光谱数据, 模拟样品参数均根据实际人体实验中的参数水平设置。 对受温度干扰的光谱进行位置差分处理后使用EPO进行温度校正, 然后利用校正后的光谱数据建立偏最小二乘回归(PLSR)模型。 与校正前光谱建模结果比较, 校正后的模型均方根误差(RMSEC和RMSECV)明显降低, 相关系数得到一定的提高, 同时主成分数减少, 验证了该温度校正方法的有效性。