李四海，刘东玲

1.甘肃中医药大学信息工程学院，甘肃 兰州 730000 2.甘肃中医药大学药学院，甘肃 兰州 730000

引 言

近红外光谱是一种简单、快速、低成本和无破坏性的新型分析检测方法，广泛用于农林业、食品、石油化工、药物设计及中医药等领域。近红外光谱是高维小样本数据并且含有噪声和干扰信号，为提高定量分析模型的预测能力和稳健性，目前常用的方法有三种：正则化、特征抽取和特征选择[1]。正则化方法包括LASSO回归、岭回归和弹性网等，其基本思想是在损失函数中分别添加l1范数、l2范数和l12范数正则项，对解空间进行约束，将大部分光谱变量的回归系数压缩为0或较小值，以达到降维和提高模型泛化能力的目的。特征抽取方法包括PCA，PCR和PLS等，其基本思想是在建立定量分析模型前将原始高维光谱空间变换至低维变量空间，低维空间的变量通常是高维空间光谱变量的线性组合，其主要缺点是模型的可解释性较差。特征选择方法包括PLS-VIP，MCUVE-PLS，CARS-PLS，GA-iPLS，WMSCVS[2]和SPEA-LASSO[3]等，这些方法通常根据RC，VIP，SR[4]和sMC[5]等光谱变量重要性测度或统计特征量，从高维变量空间中找到若干个重要变量或最优的变量子集，其优点是可以提高模型的预测能力和可解释性。

压缩感知(compressed sensing, CS)[6]是一种新的信号采样理论，突破了香农采样定理对采样频率的限制，通过信号的稀疏先验信息，能够以比香农采样定理更少的稀疏信号精确恢复原始信号，并且信号的采集和压缩同时完成。CS理论实现了信息采集和处理技术的革命性突破，受到研究者的广泛关注，目前已在压缩型光谱成像[7]、阵列信号处理、磁共振成像、DNA微阵列传感器等领域得到很好的应用。……