摘要：将经验模态分解(EMD)和连续投影算法(SPA)结合用于面粉过氧化苯甲酰(BPO)添加量的近红外光谱检测分析中。在波长898～1 725 rim范围内采集添加，BPO的面粉样本光谱，先通过EMD分解法对其进行噪声预处理，然后利用SPA算法提取光谱特征波长。EMD处理后的光谱建模精度比原始光谱建模精度大大提高，通过SPA算法从512个波长中提取了7个特征波长，基于特征波长建立的模型，与EMD处理后全波长建模结果相比，建模波长个数大幅缩减，但是模型精度与全谱建模相当，结果表明：EMD和SPA结合可有效用于面粉BPO检测的光谱去噪和特征波长提取，该结果为开发便携式面粉BPO榆测仪提供了参考和依据。
关键词：经验模态分解；连续投影算法；近红外；面粉；过氧化苯甲酰
引言
面粉是人们日常膳食结构中的主要原料之一。为了提高其品质，以往面粉生产企业广泛使用过氧化苯甲酰(BPO)作为其品质改良剂，过量添加BPO会影响人的健康状况[“。中国卫生部2011年4号文件规定自2011年5月1日起，禁止在面粉生产中添加过氧化苯甲酰。因此，对面粉中BPO的添加状况进行检测十分必要。现有的BPO国标检测方法有气相色谱法、液相色谱法[2’3]，利用色谱方法检测BPO添加量需要对被测样本进行复杂的前期处理，检测费时费力且测量仪器昂贵，虽然精度较高，但是无法用于现场快速检测。因此，研究简便、快速的面粉BPO检测方法对于有效保障人民食品安全具有重要的意义。
近红外光谱技术由于其快速、高效、无污染及样本无需预处理等优点，目前已经在检测领域得到了广泛研究[4，“。但是近红外光谱信号除包含被测样本信息外，还包含其他无关信息和噪声干扰，如果直接使用原始光谱信号进行定量分析，会影响分析结果的准确性。因此，在建立光谱校正模型前，对光谱信号进行消除噪声预处理十分必要。同时由于近红外光谱信息重叠严重，利用全波段进行建模分析时，光谱中的大量冗余信息会增加模型的复杂性，甚至影响模型的预测精度。通过特征波长的筛选可以有效的提取光谱信息，简化校正模型，使校正模型获得更好的预测精度和稳健性。因而，在建立校正模型时有必要对特征波长点进行优化选择。
经验模态分解(empirical mode decomposition，EMD)方法是近年来发展起来的一种新的信号处理方法，可以自适应的将信号分解为一系列不同频率段的本征模态函数(intrinsic mode function，IMF)，将噪声与有用信号进行有效的分离，目前已被广泛用于生物医学、故障诊断、地震等领域中的信号处理[6’7]，但在近红外光谱数据处理方面较为少见。连投影算法(successive projections algorithm，SPA)是一种新的特征波长提取方法，它能够利用向量的投影分析，从光谱中寻找含有最低限度冗余信息的变量组，并使变量之间的共线性达到最小，大大减少建模所用变量的个数，提高建模效率[8-1 0]。
本工作将经验模态分解和连续投影算法结合用于面粉BPO添加量的近红外光谱检测分析中，先利用EMD方法对面粉光谱数据进行去噪处理，进而由SPA算法进行特征波艮提取，由提取的特征波长建立校正模型，并与全波长建模结果进行了比较分析。
1算法介绍
1．1经验模态分解
经验模态分解法依据信号本身的时间尺度特征，将信号分解为一系列不同频率段的IMF分量，每个1MF分量需满足下面两个条件：①在整个信号长度上，极值点和过零点的数目必须相等或者至多只相差一个；②在任意时刻，由极大值点定义的上包络线和由极小值点定义的下包络线的平均值为零。
对于一个信号s(￡)，由EMD分解得到其IMF分量的过程如下：
(1)找出信号s(￡)的所有极大值点和极小值点，用三次样条函数分别拟合原数据序列的上、下包络线，取其均值71"1，，将s(￡)减去优，可得到一个新数据序列h。。通常h。不是一个平稳数据序列，为此重复以上过程，直到满足前述IMF条件时就可得到第1个IMF分量c。，C。表示信号数据中的最高频率成分。
(2)s(￡)减去c，得到一个去掉最高频率成分的新数据序列，重复步骤(1)，得到一系列ff和最后一个不可分解的序列r，r代表信号s(≠)的均值或趋势项。原信号可表示为竹个IMF分量C；和1个余量r的和，即
…………