CN1699973B - 利用浮动基准实现浓度测量的方法 - Google Patents

Abstract

一种利用浮动基准实现浓度测量的方法，根据被测介质在距离光源不同位置(或同一位置下不同测量时刻)的光强随被测物浓度的变化率，获得测量所需的测量点和基准点，并利用基准点和测量点处的光强测量值来实现被测物质中成分浓度的测量，其特征在于，该方法包括以下步骤：在基准点测量光强参数；在测量点测量光强参数；对测量结果进行数据预处理，基于基准点光强对测量点信号进行差分处理，建立浓度与光强差分信号之间的校正模型；实现被测物浓度的测量。与现有技术相比，本发明既能通过对信号的预处理而有效且最大程度地消除噪声，同时使微弱信号最大显现，提高测量精度，特别是提高了无创伤人体血糖浓度测量的精度。

Description

利用浮动基准实现浓度测量的方法

技术领域

本发明涉及一种近红外光谱测量物质浓度的方法，特别是涉及一种利用浮动基准法实现物质浓度测量的方法。

背景技术

目前，采用近红外光谱分析技术进行物质浓度测量被广泛使用。其中，近红外光谱无创伤测量人体血糖浓度是世界瞩目的前沿课题之一。它不仅能够实现血糖浓度及时、安全、无痛的自我监测，而且不需要消耗品，可大大降低测试费用，同时这一理论方法的建立不仅适用于血糖测量，而且可以推广应用于体液中其它成份的无创伤检测，对医学检测技术的发展具有重要的意义。

以人体内成分无创光学检测方法为例，其基本原理是利用葡萄糖对特定波长的红外光敏感的特点，同时监测血糖对光参数(光强、偏振角)的调制，通过数学模型计算，实现对血糖浓度的测量。目前已有的介质信息检测方法可分为：透射法、衰减全反射(ATR)法、漫反射法。但是，这三种方法分别存在着各自不同的缺陷：a、透射法：由于光源和检测器分别设置在被检部位两侧，用以接收透过人体组织的光，其所接收到的是光路通过路径上的所有信息，但是，由于被测个体本身的差异很大，即使相对于同一个体，不同时间的组织差异也很严重，因而限制了透射对人体内微量成分的检测准确度；b、衰减全反射(ATR)法：利用全反射原理使样品和光束产生多次作用，以提高输出信号对作用成分的灵敏度，但是，ATR方法测量的只是介质表层的信息，而在实际测量中，表层的血糖浓度与实际血糖浓度存在很大的差异；c、漫反射法：光源和检测器位于被检部位的同侧，接收光的信号来源于组织的后向散射光成分，优点是发射和接收均处于被测介质同一侧，减小了个体差异和部位差异的影响。而且，漫反射法一般都采用接触式测量，以消除介质表面反射光的影响，也可以采用非接触式测量，以消除测头和被测部位的接触压力，以及接触时的热传导过程使被测部位的内部结构和成分分布产生变化对测量结果产生的干扰。

综上所述，漫反射法是介质信息无创检测方法中比较理想的一种方法。在漫反射测量方式中，光学测头的设计直接影响测量的精度和灵敏度。通常采用单点(环)入射单点(环)接收、单点(环)入射两点(环)接收两种方式，其原理示意图分别如图1a和图1b所示。其中，单点(环)入射单点(环)接收方式在血氧饱和度的测量中得到了应用，但是这种方式只能测量得到被测物的相对值，且对于被测物的微弱变化不灵敏；而在单点(环)入射两点(环)接收的测量方式中，通过两点(环)接收的光程差值能得到被测量的绝对值。即，直接将被测成分的已知浓度C_i与接收光纤接收到的光强I(r)建立模型，然后利用已建立的模型以及测量得到的漫反射光强I′(r)来预测成分的未知浓度C_i′。图2为该模型的建立和预测原理框图。但从框图中的模型设计可以看出：由于人体成分测量中干扰因素多、成分变化幅度微小，因此有效信号往往被噪声湮没，测量结果通常并不准确，测量精度差。如何有效消除单点入射两点接收光学测头的漫反射光谱测量精度，就成为无创人体血糖等组织成分测量问题的关键。而这恰恰也正是真正意义的实现无创伤测量方法的仪器至今未能问世的原因。

综上所述，现有技术无法有效地消除漫反射光谱测量中的干扰信号影响，这也正是本发明函待解决的问题。

发明内容

本发明正是为了解决上述现有技术存在的缺陷，而提出利用浮动基准实现浓度测量的方法，通过选择漫反射光强相对于被测物质浓度变化灵敏度为零的检测位置(或测量时间)作为参考点，同时选择相对于对被测物变化灵敏度最大的检测位置(或测量时间)作为测量点，既能保证微弱信号最大显现，同时通过信号的预处理能有效的消除噪声，从而获得精确度更高的被测介质浓度测量结果。

本发明提供一种利用浮动基准实现浓度测量的方法，根据被测介质在距离光源不同位置或同一位置下不同测量时刻的光强随被测物浓度的变化率，获得测量所需的测量点和基准点，并利用基准点和测量点处的光强测量值来实现被测物质中成分浓度的测量，其特征在于，该方法包括以下步骤：

在基准点测量光强参数；

在测量点测量光强参数；

对测量数据结果进行数据预处理，基于基准点光强对测量点信号进行差分处理，建立浓度与光强差分信号之间的校正模型；

实现被测物浓度的测量。

本发明还分别提供了基准点、测量点的两种确定方法：

第一种方法：采用空间采样法来确定基准点、测量点，该过程包括以下步骤：

在与光源不同的距离处设置多个光接收点，测量所述光接收点处被测物质浓度变化前后的光强参数值；

计算各光接收点光强参数随被测物质的浓度参数变化的变化率，或插值计算出其它距离处光强参数随被测物质的浓度参数变化的变化率；

所述变化率为零的光接收点，为基准点；

所述变化率为最大的光接收点，为测量点。

第二种方法：采用时间采样法来确定基准点、测量点，该过程包括以下步骤：

保持检测器与光源位置固定，在不同时刻测量得到被测物质浓度变化前后的光强参数值；

计算各测量时刻光强参数随被测物质的浓度参数变化的变化率；或插值计算出其他时刻处光强参数随被测物质的浓度参数变化的变化率；

所述变化率为零的光接收时刻，为基准点；

所述变化率为最大的光接收时刻，为测量点。

所述基准点、测量点选择光学接收特征相同的点的集合，以空间上检测距离与测量点相同的点组成测量环，检测距离与基准点相同的点组成基准环。

所述建立浓度与光强差分信号之间的校正模型的步骤中，基准点处与测量点处的光强测量值进行加权差分预处理后，将浓度与加权差分后的光强变化参数用偏最小二乘法建立数学模型。

所述建立浓度与光强差分信号之间的校正模型的步骤中，基准点处及测量点处的光强测量值进行预处理的方法还包括建立净信号分析模型的步骤。

所述建立净信号分析模型，用于计算被测物质相对于噪声空间的净信号信息I_M ^net，还包括以下步骤：

建立浮动基准点的光谱矩阵，作为噪声空间；

建立测量点的光谱矩阵，作为信号空间；

计算出测量点处相对于噪声空间的净信号信息；

与该测量点处被测介质的浓度值相关，建立净信号分析模型。

所述光源扫描配置的波长范围在1.0～2.3微米之间。

所述预处理的过程为计算各波长λ_i对应的测量点光强I_M(λ_i)与基准点光强I_C(λ_i)之间的差值ΔI(λ_i)：

I_M(λ_i)-k_i·I_C(λ_i)＝ΔI(λ_i)

k_i表示外界因素在测量点引起的噪声与在基准点噪声之间的比例倍数。

在所述基准点随光源波长变化明显时，以此次测量中某个光强随浓度变化率最小状态下所对应的波长作为参考波长λ_r，此时的预处理的过程为计算各波长条件下测量点处的光强I_M(λ_i)相对于参考波长条件下的基准点光强I_C(λ_r)的光强变化值ΔI(λ_i)：

I_M(λ_i)-k_i·I_C(λ_r)＝ΔI(λ_i)。

k_i表示外界因素在测量点引起的噪声与在基准点噪声之间的比例倍数。

在所述基准点处的光强测量值在测量过程中为一浮动参数变量，该参数变量的变化不随被测成分浓度的变化而变化，只反映因被测物中被测成分变化以外的原因而引起的变化。

该方法可用于人体无创伤血糖浓度测量。

在该浮动基准法的实际测量环境中，测量点和基准点可以选择为光学接收特征相同的点的集合，从而增强测量信号的信噪比。以空间上检测距离与测量点相同的点组成测量环，检测距离与基准点相同的点组成基准环。

本发明中采用的波长范围为1.0～2.3微米，在数据预处理过程中采用净信号分析法提取有用的被测成分信息，并采用偏最小二乘法建立浓度与光强差分信号之间的校正模型。

与现有技术相比，本发明通过选择漫反射光强对被测物质变化最大灵敏度的位置作为测量点，同时选择对被测物变化灵敏度为零的位置作为基准点，该基准点处的光强测量值在测量过程中为一浮动参数变量，该参数变量的变化不随被测成分浓度的变化而变化，只反映因被测物中被测成分变化以外的原因而引起的变化。利用该基准方法既能通过信号的预处理而有效且最大程度地消除噪声，同时使微弱信号最大显现，提高介质浓度的测量精度，特别是提高了人体血糖等光学特性复杂的被测介质浓度测量的精度。

下面将结合实施例及参照附图对该发明的技术方案进行详细说明。

附图说明

图1(a)为本发明利用空间法确定基准点、测量点的光路示意图；

图1(b)为本发明利用时间法确定基准点、测量点的光路示意图；

图2为现有技术中的浓度与光强信号相关数学模型示意图；

图3为本发明中测量人体血糖浓度的处理流程的例子；

图4为本发明中测量牛奶乳糖浓度的处理流程图；

图5为本发明所使用的测量光学系数的双积分球系统设备示意图。

图6为本发明测量牛奶乳糖浓度实施例中在被测介质不同位置的吸收系数随乳糖浓度变化的灵敏度变化曲线图；

图7为本发明测量牛奶乳糖浓度实施例中在被测介质不同位置的约化散射系数随乳糖浓度变化的灵敏度变化曲线图；

图8为本发明测量牛奶乳糖浓度实施例中在被测介质不同位置的漫反射光强随乳糖浓度变化的灵敏度变化曲线图；

图9为本发明光强差分信号和浓度之间的相关数学模型示意图；

图10为本发明净信号预处理流程示意图；

图11为本发明无创测量人体血糖浓度实施例中利用漫反射原理进行真皮中葡萄糖浓度测量的模型示意图；

图12为本发明无创测量人体血糖浓度实施例中在被测人体不同位置下漫反射光强对皮肤模型中葡萄糖的灵敏度变化曲线示意图。

具体实施方式

为了有效消除光谱测量的误差，提高漫反射光谱测量物质浓度的精度和灵敏度，本发明提出了利用浮动基准实现浓度测量的方法，根据被测介质在距离光源不同位置(或同一位置下不同测量时刻)的光强随被测物浓度的变化率，获得测量所需的测量点和基准点，对基准点和测量点处的光强测量值进行差分处理，建立光强差分信号与被测物浓度之间的数学模型，实现物质浓度的高精度和高灵敏度测量。

本发明的关键在于基准点和测量点的获取，采用如图1所示的两种方式，第一种方式：即空间采样法，如图1(a)所示，在与光源不同的距离处(r₁，r_2，？r_n)设置多个光接收点，测量光接收点处被测物质浓度变化前后的光强参数值I(r₁)、I(r₂)匢(r_n)；计算各光接收点光强参数随被测物质的浓度参数变化的变化率，并插值计算出其他接收点光强参数随被测物质的浓度参数变化的变化率；将变化率为最小的光接收点r_C，作为基准点C(以下又称参考点)；将变化率为最大的光接收点r_M，为测量点M。第二种方式，即时间采样法：如图1(b)所示，此方式中接收点与光源点之间的距离固定为r，利用光纤测头测量与光源保持某固定距离的接收点在不同时刻(t₁，t_2，？t_n)的光强参数I_t1(r)、I_t2(r)匢_tn(r)；计算各光接收时刻光强参数随被测物质的浓度参数变化的变化率，并插值计算出其他接收时刻光强参数随被测物质的浓度参数变化的变化率；所述变化率为最小的光接收时刻t_c，为基准点或参考点C；所述变化率为最大的光接收点t_M，为测量点M。

通过上述两种方式确定了基准点和测量点后，分别在基准点和测量点测量光强参数；对测量结果进行数据预处理，求得测量点与基准点之间的光强差分信号，并建立浓度与光强差分信号相关的模型；实现被测物浓度的测量。

上述测量中的光源扫描配置为波长范围在1.0～2.3微米之间，利用公式计算出各波长(λ₁，λ₂，…λ_n)所对应的测量点处光强相对于对应波长下的基准点处光强的差值，此过程对应预处理过程：

I_M(λ_i)-k_i·I_C(λ_i)＝ΔI(λ_i)

上述预处理的计算结果，与对应的被测物质的浓度参数建立相关模型，最终得到被测物质的浓度值。

在实际测量操作中，当基准点随光源波长变化明显，难以确定哪个点是变化率最小的基准点的情况下，则以此次测量中某个光强随浓度变化率最小状态下所对应的波长作为参考波长λ_r，计算各波长条件下测量点处的光强相对于参考波长条件下的基准点光强的光强差。

图1所示的光路，在实际的测量环境中，测量点和基准点可能为一个物理上可实现的点组成，但是无论是入射还是出射，除了点以外，还可以分别是特性相同的复数点的集合所组成的几何图形，包括入射环、出射环、接收环等等，以及对应的基准环和测量环。

下面通过具体实施例进一步说明本发明的技术内容。

针对不同的被测介质，本发明提出了不同的测量方法。测量人体血糖浓度的方法，其流程如图3所示，具体包括以下步骤：在空间分辨率条件下对多个被测量点进行多点光强测量，步骤301；判断各采样点的光强是否随浓度变化，步骤302；如果某点的光强不随被测介质中需要测量成分的浓度变化，则将该点作为参考点(C点)，步骤303；如果某点的光强随被测介质中需要测量成分的浓度变化最大，则将该点作为测量点(M点)，步骤304；分别在上述步骤中得到的C点和M点实施对被测介质的光谱测量，步骤305；对光谱测量结果进行加权差分预处理，步骤306；运用计算模型，计算出被测物浓度，步骤307。

另外，对于可配置被测成分不同浓度样品集的介质，其测量方法流程如图4所示，首先，按照被测物质的浓度梯度，配置被测对象的样品集合，步骤401；建立双积分球系统，步骤402；计算出基准点C和测量点M的位置，步骤403；分别对C点、M点进行光谱测量数据预处理，步骤404；通过数学模型计算，得到被测物浓度。

本发明的上述流程，是依据被测物质的光学特性决定了漫反射光能量的分布原理而设计的。当被测物质中某种成分的浓度发生变化时，会引起被测物质的吸收系数和散射系数等光学特性的改变。光能量的变化是由于被测介质成分浓度变化引起的吸收效应和散射效应的综合作用。因此，吸收效应和散射效应的所引起的光能量变化在特定位置相互抵消时，该点的光能量则不随成分浓度的变化而变化，称这点为基准点(C点)，即，对应的光源检测器之间的距离记为r_c。同时，通过对光在生物组织体中的传输特性的研究，发现了当被测物质内部成分变化后光能量变化最大的点，即将此点作为测量点(M点)，与其对应的光源检测器之间的距离记为r_M。然后，对在这两点分别进行光学测量后得到的数据进行相关预处理，即可在最大程度消除噪声影响的情况下，得到被测介质的浓度参数。其中数据相关预处理步骤，也进一步针对不同测量介质和实际需要，分别采用净信号分析方法和差分信号计算方法实现。具体实现过程分别参考本发明的两个实施例。

作为本发明关键的基准点C点和测量点M点的具体选择方法如下：

设定I(r)为在距离光源为r的位置的漫反射光能量，C_i为被测物中第i种需要被测量的成分的浓度，μ_a，μ_s′分别为被测物的吸收系数和约化散射系数。成分浓度C_i的变化引起被测物吸收系数μ_a和约化散射系数μ_s′的改变，而吸收系数μ_a和约化散射系数μ_s′的改变将导致漫反射光强的变化。S_i表示漫反射光随被测成分C_i的变化的灵敏度，则S_i为，

$S_i\left(r\right)=\frac{\∂I\left(r\right)}{\∂C_i}=\frac{\∂I\left(r\right)}{\∂{\mathrm{\μ}}_a}\·\frac{\∂{\mathrm{\μ}}_a}{\∂C_i}+\frac{\∂I\left(r\right)}{\∂{\mathrm{\μ}}_s^{\′}}\·\frac{\∂{\mathrm{\μ}}_s^{\′}}{\∂C_i}---\left(\text{5}\right)$

等式(5)右边的各项根据具体的被测物质的光学特性，通过理论计算(参见流程二及实施例)或者实验测量(参见流程一)得到，利用S_i(r)的值可进而得出基准点的位置r_c和灵敏度最大点的位置r_M。

选择灵敏度最小的位置r_c作为基准点，同时灵敏度最大点的位置r_M作为信号测量点是本发明的关键技术之一。关于从这两点获取得到的光谱数据的预处理将在下面的实施例中进一步讨论。

上述流程中的步骤306和步骤404中所涉及的数据预处理，其具体的数学模型如下：将基准点和测量点处测得的光强测量值I分为信号I_S与噪声I_N两部分，则对应有

I(r_C，C_g)＝I_S(r_C，C_g)+I_N(r_C)(6)

I(r_M，C_g)＝I_S(r_M，C_g)+I_N(r_M)(7)

其中I_S与血糖浓度C_g有关，而I_N主要由于温度、压力、位移等物理因素的影响。因此，当血糖浓度变化后引起的基准点和测量点的光强测量值I的变化为

ΔI(r_C，ΔC_g)＝ΔI_S(r_C，ΔC_g)+ΔI_N(r_C)＝ΔI_N(r_C)   (8)

ΔI(r_M，ΔC_g)＝ΔI_S(r_M，ΔC_g)+ΔI_N(r_M)             (9)

假设由于外界因素引起在r_c和r_M点的在噪声变化成比例，即

ΔI_N(r_M)＝kΔI_N(r_C)                                 (10)

运用公式(8)、(9)、(10)，经过差分运算可以得到在测量点r_M位置完全由于血糖变化引起的光强度变化量ΔI_S(r_M，ΔC_g)为，

ΔI_S(r_M，ΔC_g)＝ΔI(r_M，ΔC_g)-k·ΔI(r_C，ΔC_g)      (11)

利用ΔI_S(r_M，ΔC_g)和血糖浓度变化量ΔC_g建立模型必将提高模型的预测精度和相关性。

本发明中，在选择参考物时有两点要求：①要求参考物与被测物的光学特性相近；②要求参考物不随被测成分的浓度改变而改变，或者浓度变化但是光强保持不变。比如，在人体成分测量中，基准点的选择要求与人体的光学特性相近，所以最好的基准点就应该在人体的被测部位。

下面通过两个实施例进一步具体说明本发明的技术方案。

实例一：测量牛奶中乳糖含量的光路选择方法

该方案的主要内容是通过实验的方法研究乳糖浓度的牛奶的吸收系数和散射系数的关系；然后将根据乳糖浓度与牛奶光学参数关系运用到式(5)求出灵敏度最大值位置和灵敏度最小的位置。

实验装置采用双积分球系统，光源为PE公司的FTIR光谱仪，如图5所示。分别称量500、1000、1500、2000、2500、3000、3500、4000、4500、5000mg乳糖，放在50ml的容量瓶中，然后分别加入纯牛奶至刻度线。依次测量得到每个样品的漫反射率Rd、漫透射率Tt、准直透射率Tc，然后将Rd、Tt、Tc代入逆倍增程序计算出吸收系数和约化散射系数随乳糖浓度的变化率，即

假设波长参数为1600nm，则

$\frac{\∂{\mathrm{\μ}}_a}{\∂C_g}=1.4\×{10}^{-5}m{m}^{-1}{(\mathrm{mg}/\mathrm{dl})}^{-1}---\left(12\right)$

$\frac{\∂{{\mathrm{\μ}}^{\′}}_s}{\∂C_g}=1.2\×{10}^{-4}{\mathrm{mm}}^{-1}{(\mathrm{mg}/\mathrm{dl})}^{-1}---\left(13\right)$

而漫反射光强随吸收系数和约化散射系数变化率系数为

分别如图6和图7所示。

将式(12)和式(13)以及图6和图7所示的灵敏度代入式(5)，得到漫反射光强随血糖浓度变化的灵敏度S_g，如图8所示。从图8显示的数据中得到两个特殊的位置，即光强随乳糖浓度变化最大的点M和光强不随乳糖浓度变化的点C。其中，点M对应着漫反射光强随乳糖浓度变化灵敏度最大位置，而点C则对应着漫反射光强不随乳糖浓度变化而变化的位置。点M和点C距离光源入射点的径向距离为0.5mm和3.6mm。在该实施例中，找到上述浮动基准点和测量点后，套用如图2所示的模型，进行数据的相关预处理，具体做法是用光强差Δ1、浓度差值ΔC替换图2的光强I、浓度C参数，得到如图9所示的数学模型，由此得到差分信号法的准确浓度值。

实例二：测量人体皮肤中葡萄糖含量的光路选择方案

在该实施例中，葡萄糖的净信号(net analytical signal)是指被测人体血液介质中唯一对应于血糖变化时所产生的有用信号，它与所有干扰信号所形成的空间正交，是扣除共存干扰矢量后的被测分析物的纯分析信号。对于无创血糖测量检测来说，其数据预处理需采用进行净信号分析处理。光谱信号是血液中多种成份以及皮肤表层生理状态共同影响的结果，通过用信号不变点的光谱来构造净信号计算中的噪声空间I_CI_C ⁺，其中I_C为在C点测量得到的光谱矩阵，I_C ⁺为矩阵I_C的伪逆。该噪声空间与血糖信号存在的空间具有相同的噪声信号，即生物体中各种生理变化导致的光学信号的改变，不同的是噪声空间中不存在糖的变化信息，因此计算血糖信号相对于噪声空间的净信号，即真正可以被提取出来的糖的信息： $I_M^{\mathrm{net}}=(U-I_C{I}_C^{+})I_M,$ 其中I_M为在M点测量得到的光谱矩阵，I_M ^net为在M点的去除噪声后的净信号，U为单位矩阵。这样计算得到的葡萄糖的信息I_M ^net用于建模时可以避免常规多变量模型的伪相关现象，所建立的净信号分析模型，如图10所示。上述模型的建立流程为：建立浮动基准点(C点)的光谱矩阵I_C；求出该光谱矩阵的伪逆矩阵I_C ⁺；建立噪声空间I_CI_C ⁺；建立测量点(M点)的光谱矩阵I_M；计算出测量点处相对于噪声空间的净信号信息I_M ^net；与该测量点处被测介质的浓度值相关，建立模型。参见图9。将浓度与光强变化参数经预处理后，用偏最小二乘法建立数学模型。

这样建立的模型所获得的测量结果更稳定、更可靠。

在如图11所示的皮肤模型中，将皮肤分为表皮层、真皮层和皮下脂肪层。皮肤层葡萄糖变化求出吸收系数随葡萄糖浓度变化的系数为葡萄糖的消光系数，约化散射系数随葡萄糖浓度变化的系数

可由米氏理论求得，而光强随吸收和散射系数的变化关系和

可由Monte Carlo模拟或者漫射理论求得。将以上各参量代入式(5)求出在不同位置漫反射光强随葡萄糖变化的灵敏度，该参数变化曲线如图12所示。

从以上测量牛奶中的乳糖和测量皮肤中的葡萄糖都可以看出，均存在漫反射光强对被测成分(乳糖，葡萄糖)的灵敏度最大位置M和灵敏度为零的位置C，选用这两个点作为测量点，可以提高测量灵敏度和测量精度，同时避免噪声的干扰。

以上内容仅为本发明的实施例，其目的并非用于对本发明所提出的系统及方法的限制，本发明的保护范围以权利要求为准。在不脱离本发明的精神和范围的情况下，本领域技术人员在不偏离本发明的范围和精神的情况下，对其进行的关于形式和细节的种种显而易见的修改或变化均应落在本发明的保护范围之内。

Claims (14)

1.一种利用浮动基准实现浓度测量的方法，包括以下步骤：

在与光源不同的距离处设置多个光接收点，测量所述光接收点处被测物质浓度变化前后的光强参数值；

计算各光强接收点光强参数随被测物质的浓度参数变化的变化率，并插值计算出其它距离处光强参数随被测物质的浓度参数变化的变化率；

以变化率具有最小值的光接收点为基准点，并在基准点测量光强参数；

以变化率具有最大值的光接收点为测量点，并在测量点测量光强参数；

对测量数据结果进行数据预处理，基于基准点光强参数对测量点光强参数进行差分处理，建立浓度与光强差分信号之间的校正模型；

实现被测浓度的测量。

2.如权利要求1所述的利用浮动基准实现浓度测量的方法，其中，所述预处理过程包括计算各光源波长对应的测量点光强与基准点光强的光强变化值：I_M(λ_i)-k_i·I_C(λ_i)＝ΔI(λ_i)，k_i表示外界因素在测量点引起的噪声与在基准点噪声之间的比例倍数。

3.如权利要求2所述的利用浮动基准实现浓度测量的方法，所述光源波长范围为1.0～2.3微米。

4.如权利要求1-3任一项所述的利用浮动基准实现浓度测量的方法，其中所述建立浓度与光强差分信号之间的校正模型步骤中，对基准点处与测量点处的光强测量值进行加权差分预处理，并用偏最小二乘法将浓度与加权差分后的光强变化参数建立数学模型。

5.如权利要求4所述的利用浮动基准实现浓度测量的方法，其中，所述对基准点处及测量点处的光强测量值进行预处理包括建立净信号分析模型，以计算被测物质相对于噪声空间的净信号信息。

6.如权利要求5所述的利用浮动基准实现浓度测量的方法，其中，所述净信号分析模型，包括如下子步骤：

对基准点得到的光谱数据进行处理后，作为噪声空间；

对测量点得到的光谱数据进行处理后，作为信号空间；

计算出测量点处相对于噪声空间的净信号信息；

与该测量点处被测介质的浓度值相关，建立净信号分析模型。

7.如权利要求1所述的利用浮动基准实现浓度测量的方法，其中，该方法用于人体无创伤血糖浓度测量。

8.一种利用浮动基准实现浓度测量的方法，包括以下步骤：

在检测器与光源相距的某一位置处，在不同时刻测量得到被测物质浓度变化前后的光强参数的变化率；

计算各光强接收点光强参数随被测物质的浓度参数变化的变化率，并插值计算出其它距离处光强参数随被测物质的浓度参数变化的变化率；

以变化率具有最小值的接收时刻为基准点接收时刻，并在基准点测量光强参数；

以变化率具有最大值的接收时刻为测量点接收时刻，并在测量点测量光强参数；

对测量数据结果进行数据预处理，基于基准点光强参数对测量点光强参数进行差分处理，建立浓度与光强差分信号之间的校正模型；

实现被测浓度的测量。

9.如权利要求8所述的利用浮动基准实现浓度测量的方法，其中，所述预处理过程包括计算计算各光源波长对应的测量点光强与基准点光强的光强变化值：I_M(λ_i)-k_i·I_C(λ_i)＝ΔI(λ_i)。

10.如权利要求9所述的利用浮动基准实现浓度测量的方法，其中，所述光源波长范围为1.0～2.3微米。

11.如权利要求8-10任一项所述的利用浮动基准实现浓度测量的方法，其中所述建立浓度与光强差分信号之间的校正模型步骤中，对基准点处与测量点处的光强测量值进行加权差分预处理，并用偏最小二乘法将浓度与加权差分后的光强变化参数建立数学模型。

12.如权利要求11所述的利用浮动基准实现浓度测量的方法，其中，所述对基准点处及测量点处的光强测量值进行预处理包括建立净信号分析模型，以计算被测物质相对于噪声空间的净信号信息。

13.如权利要求12所述的利用浮动基准实现浓度测量的方法，其中，所述净信号分析模型，包括如下子步骤：

对基准点得到的光谱数据进行处理后，作为噪声空间；

对测量点得到的光谱数据进行处理后，作为信号空间；

计算出测量点处相对于噪声空间的净信号信息；

与该测量点处被测介质的浓度值相关，建立净信号分析模型。

14.如权利要求1所述的利用浮动基准实现浓度测量的方法，其中，该方法用于人体无创伤血糖浓度测量。

Images