什么是多元散射校正法？元散射校正法处理方法是怎样的？

光谱数据预处理方法有多元散射校正、标准正态变量变换、数据规范化、数据平滑校正、导数光谱法、小波变换法等等。那么，什么是多元散射校正法？元散射校正法处理方法是怎样的？下文就就一起来了解一下。

什么是多元散射校正法？

多元散射校正是一种对光谱的线性化处理。样本的分布不均或者颗粒大小差异容易产生光散射，不能获取到“理想”光谱。该算法假设，实际光谱与“理想”光谱成线性关系，一般情况下，"理想”光谱无法获取，因此，常用样本数据集的平均光谱来替代。多元散射校正能够消除随机变化，校正后的光谱并非原始光谱。当光谱与待测物质的化学特性比较相关时，多元散射校正效果较好。

多元散射校正处理法步骤：

多元散射校正能够有效消除散射的影响，进而增强和成分含量对应光谱的吸收信息。该算法首先需要建立待测样品的“理想光谱”，即光谱的变化值与样品的成分含量满足线性关系。然后，基于该“理想光谱”对其他样品的光谱进行修正。可实际应用中，获取“理想光谱”非常困难，所以常常取所有样品光谱的平均值来近似代替。相应的算法步骤如下：

1.根据最小二乘法确定α和β值，把所有待测样品的光谱A（λ）变换成假想的基准粒度光谱A0（λ）。假设这两个参数的推定值为α'和β'，根据公上式变换可得到下式：

2.基于整体样品的平均光谱值求得α'和β'的基准粒度光谱，如下式所示：

3.线性回归方程：

式中A表示校正集光谱数据矩阵，Ai表示第i个样品的光谱，通过最小二乘回归算法求得α和β。通过调整α和β，既可以减小光谱的差异性，又尽可能保留了原始光谱中和样品成分含量相关的有效信息。因此该算法大大提高了光谱的信噪比。