郝 勇，孙旭东，王 豪

(1.华东交通大学机电工程学院，江西 南昌 330013;2.宁波出入境检验检疫局，浙江 宁波 315012)

可见/近红外光谱(visible-near-infrared spectroscopy，VIS/NIRS)由于其分析效率高、速度快、成本低、非破坏性和易于在线分析等特点被广泛应用于复杂样品的定性和定量分析［1－4］.然而，VIS/NIRS 不仅反映物质的化学组成和含量，同时也包含了由被测物的温度、表面纹理、密度以及内部组分分布不均匀等因素引起的光谱响应.因此，在光谱分析中，有效信息的提取、分析模型的建立和简化非常重要［5－6］.

小波变换(wavelet transform，WT)具有“时频优势”，可以同时反映光谱信号的时间(波长)和频率信息，被广泛用于光谱信号分析.离散小波变换可以将信号通过不同的小波滤波器卷积为不同的高频和低频组分，高频组分对应为噪声信息，低频组分对应为背景信息.通过对高频噪声信息的滤除，可以实现有效信息的提取［7］.

连续投影算法(successive projections algorithm，SPA)能够有效地消除光谱中众多变量间的共线性影响，使向量间的共线性达到最小，降低模型的复杂度，在光谱变量选取中得到广泛应用.然而，对于样本量较少的样品集，利用该方法对其光谱进行变量选取时，由于建模样品代表性不足，导致最终选择的波长虽然消除了校正集样品波长间的共线性，然而在外部验证时，常会由于选择的建模变量不合适而使得预测结果不理想［8－9］.因此，本研究引入蒙特卡罗(monte carlo，MC)方法，对SPA进行改进(modified successive projections algorithm，MSPA)，通过选取不同的校正样本进行多次平行运算，对每次选取的变量求……