Niemöller, Andreas

Die Wavelet-Analyse als chemometrisches Werkzeug: Analytische Anwendungen in der NIR-Spektrometrie

Abstract

In most cases chemometric methods (PCA, PCR, PLS) are used for data modelling when NIR-spectrometry is applied for analytical purposes. This work is about the application of the wavelet-transform as a tool in chemometrics for analysing NIR-spectra. Beside aspects of data pretreatment, like smoothing of NIR-spectra, and data compression the focus was set on NIR-analysis using wavelet-transformed NIR-spectra. A new method for building multivariate calibration models based on wavelet-coefficients selected by a genetic algorithm is introduced. In addition the results obtained by calibrating wavelet-coefficients using PCR and PLS are descriped. Furthermore the identification of post consumer plastic waste by wavelet-transformed NIR-spectra and an artificial neural network is demonstrated. Two new special types of wavelets which allow analysing finitely extended signals (like spectra) without introducing artifacts near the boundaries were applied.

Der Einsatz der moderne Nahinfrarot-Spektrometrie (NIR) als analytische Methode ist meist nur mit einer Modellierung der NIR-Spektren mittels chemometrischer Verfahren (PCA, PCR, PLS) möglich. In der vorliegenden Arbeit werden die Anwendungsmöglichkeiten der Wavelet-Transformation als chemometrisches Werkzeug in der NIR-Spektrometrie untersucht. Neben Aspekten der Datenvorbehandlung, wie der Glättung von Spektren, und der Datenreduktion, steht die Verarbeitung Wavelet-transformierter NIR-Spektren im Vordergrund. So wird für die quantitative NIR-Analytik eine neue Methode zur Erstellung multivariater Kalibrationsmodelle mit Wavelet-Koeffizienten unter Verwendung eines Genetischen Algorithmus vorgestellt. Auch Kalibrierungen mittels PCR und PLS auf Basis kompletter Sätze von Wavelet-Koeffizienten waren erfolgreich. Zudem konnte an einem praktischen Beispiel die Identifizierung von Recycling-Kunststoffen anhand transformierter NIR-Spektren mittels eines Neuronalen Netzes demonstriert werden. Bei den Untersuchungen kamen erstmals zwei neue Typen von Wavelets zum Einsatz, die speziell für die Analyse von Signalen auf kompakten Intervallen (z.B. Spektren) entwickelt wurden.