食品的品种不同则其含有营养成分和功效存在差异, 得到的傅里叶变换红外光谱也存在差异。 为了准确的实现品种分类, 设计了一种将傅里叶变换红外光谱与模糊聚类分析方法相结合的品种鉴别方法。 在模糊Kohonen聚类网络(FKCN)基础上将模糊K调和聚类(FKHM)引入到Kohonen聚类网络的学习速率和更新策略中, 提出了模糊K-Harmonic-Kohonen网络(FKHKCN)算法。 FKHKCN利用模糊C均值(FCM)聚类的模糊隶属度计算其学习速率, 以FKHM的聚类中心为基础通过推导计算得到FKHKCN的聚类中心, 可以解决模糊Kohonen聚类网络方法对于初始类中心敏感而导致聚类结果不稳定的问题。 FKHKCN作为一种模糊聚类算法, 可实现傅里叶变换红外光谱数据的聚类分析。 采用三种数据集: (1)采集产自四川的三种茶叶(优质和劣质的乐山竹叶青以及峨眉山毛峰)作为实验样本, 样本总数为96。 (2)两个品种(robusta和arabica)的咖啡样本。 (3)三个品种(鸡肉、 猪肉和火鸡)的肉类样本。 首先对三个光谱数据集进行预处理, 利用多元散射校正降低茶叶样本原始光谱数据集的散射影响, 使用Savitzky-Golay减少噪声对肉类和咖啡这两个光谱数据集的影响。 再利用主成分分析将高维的三种光谱数据集压缩至低维。 然后采用线性判别分析进行特征提取, 将光谱数据投影到求得的鉴别向量上。 最后分别采用FCM, FKCN和FKHKCN对茶叶、 肉类和咖啡进行判别。 最终结果如下: FCM, FKCN和FKHKCN对茶叶品种的聚类准确率分别为90.91%, 90.91%和93.94%; 对肉类品种的聚类准确率分别为90.83%, 0.00%和92.50%; 对咖啡品种的聚类准确率分别为89.17%, 89.17%和90.83%。 以上实验结果表明: 采用傅里叶红外光谱技术结合主成分分析、 线性判别分析和FKHKCN的方法能够较有效地对食品的品种进行鉴别, 且鉴别准确率比FCM和FKCN更高, 聚类结果更稳定。

胡杨叶片水分含量是评价胡杨健康状况的重要指标。 光谱检测法是一种常用的手段, 但在近红外光谱的测量过程中, 在一定程度上必然受到仪器噪声、 摆放形态差异和环境的干扰, 为避免噪声、 散射对近红外光谱的影响, 减少数据维数, 采用多元散射校正（MSC）算法对原始光谱数据进行预处理, 去除散射和基线漂移的影响, 增加了光谱数据的信噪比, 使有效光谱信息较为明显, 谱带特征得到加强, 有利于特征波长的选择。 为降低模型的复杂度, 防止过拟合现象, 减小共线性影响, 利用连续投影算法（SPA）进行特征变量选择, 并通过多元线性回归模型, 分析各个波长模拟的残差平方, 评价各个波长的贡献, 剔除贡献较小的波长, 最终获得用于建模的特征波长, 改善建模条件。 最后使用偏最小二乘回归算法建立胡杨叶片水分含量检测模型。 实验表明, 直接使用原始光谱, 利用SPA算法筛选变量个数为6个, 模型预测精度为90.144%, 相关系数r=0.674 24, RMSE=0.021 434, MSC处理后, 利用SPA算法选定最终变量数为5个, 预测精度为97.734%, 相关系数r=0.781 63, RMSE=0.016 776。 MSC和SPA算法有效的消除了散射噪声、 减小了共线性干扰, 模型的预测精度和相关性增加, 误差减小, 可用于胡杨叶片水分的快速无损检测, 而且对其他作物叶片水分检测也具有一定的借鉴意义。

针对废水中氨基酸荧光分析过程中光谱数据去噪声处理过程, 提出了基于多元散射校正思想建立相对荧光强度与浓度关系模型的方法, 建立了荧光测量中多波段波谱系列线性模型。研究结果表明, 实验数据进行线性拟合, 色氨酸呈现出良好线性关系, 通过多元散射校正方法进行光谱数据处理, 有效降低了散射及测量环境噪声的影响, 提高了光谱数据的信噪比, 校正后数据更加准确的表征了色氨酸相对荧光强度与浓度数据之间的线性相关性。建立的多波段波谱系列线性模型为现场检测仪器研制过程中滤波片的选择及混合溶液的在线解析提供了理论依据。

杂草的自动识别是实现作物草害精准施药的基础。 利用ASD光谱仪采集两个品种的圆白菜及稗草、 狗尾草、 马唐、 牛筋草和小藜等五种杂草在350～2 500 nm波段内的冠层光谱反射率。 根据光谱曲线特征, 在不同波段内对数据进行不同程度的压缩, 以提高运算效率; 利用不同参数设置的Savitzky-Golay(SG)卷积平滑求导和多元散射校正方法(MSC)的不同顺序组合对光谱去噪, 然后结合主成分分析法(PCA)提取主成分, 建立模型, 最后利用簇类的独立软模式(SIMCA)分类法对各种植物进行分类, 并比较分类结果。 试验结果显示利用MSC与3阶5次21点SG相结合的方法对光谱数据预处理后, 运用PCA提取前10个主成分作为分类模型的输入变量, 取得了100%的分类正确率, 能够快速无损地识别圆白菜与几种常见杂草。

为了分析复散射对气泡尾流衰减测量的影响，采用小角度辐射传输方程,引入了表征复散射效应强弱的校正因子，通过数值求解分析了典型的尾流气泡尺度分布和数密度条件下复散射校正因子与接收视场角、光学厚度、光束大小和接收截面大小等参量之间的关系。结果表明，接收视场角在前向小角度范围内的变化对复散射校正因子的影响很大，而视场角较大时对复散射校正因子的影响基本相同；光学厚度的变化对复散射校正因子的影响显著，且在光学厚度小于1时，影响更明显；接收截面大小的变化在光学厚度小于1时对复散射校正因子的影响很小，但在光学厚度较大时，对复散射校正因子的影响比较明显；光束大小的变化对复散射因子的影响相对较小，且在光束束腰较大时对复散射因子的影响基本不变。该研究为尾流光束衰减测量条件的选择和优化提供了理论依据。