增加的单变 量函数，其中，所述λ为1至Ν的整数。
[0023] 根据该目标成分校准装置，即使对被检测体仅取得一个观测数据，也能够高精度 地求出关于被检测体的目标成分的含量。另外，由于在第一预处理中进行零空间投影法处 理，因而能够降低观测数据中含有的基线波动所带来的影响而提高校准精度。
[0024] 在上述方法或装置中，所述单变量函数可以包括指数为非整数的实数的所述λ 的取幂函数。根据该方法，能够使用简单的单变量函数而有效地降低观测数据中含有的基 线波动所带来的影响，可以提高校准精度。
[0025] 在上述方法或装置中，所述λ的取幂函数的所述指数的值可以是〇~3. 0范围的 非整数的实数。根据该方法，能够进一步降低观测数据中含有的基线波动所带来的影响，可 以提高校准精度。
[0026] 本发明也能以上述的方式以外的各种方式实现，例如，能够以包括上述的装置的 电子设备或实现上述装置的各部的功能的计算机程序以及存储计算机程序的非暂时性记 录介质（non-transitory storage medium)等方式等实现。
【附图说明】
[0027] 图1的㈧~（F)是示出利用了独立成分分析的校准曲线创建处理的概要的说明 图。
[0028] 图2的（A)~（D)是示出目标成分的校准处理的概要的说明图。
[0029] 图3的（A)和（B)是示出作为依赖于波长的波动而可以使用的各种函数的例子的 说明图。
[0030] 图4的（A)和（B)是示出取幂函数λ °的指数α对校准精度所带来的影响的图 表。
[0031] 图5是校准曲线创建处理的流程图。
[0032] 图6是示出在校准曲线创建处理中所使用的计算机的说明图。
[0033] 图7是在校准曲线创建处理中所使用的装置的功能框图。
[0034] 图8是示出独立成分矩阵计算部的内部结构的一个例子的功能框图。
[0035] 图9是示意性示出测量数据集（Dataset) DS1的说明图。
[0036] 图10是混合系数估计处理的流程图。
[0037] 图11是说明估计混合矩阵盖的说明图。
[0038] 图12是回归公式的计算处理的流程图。
[0039] 图13是使用于目标成分的校准处理的装置的功能框图。
[0040] 图14是目标成分的校准处理的流程图。
[0041] 符号说明
[0042] 10…CPU，20…存储器，30···硬盘驱动器，50···输入接口，60···输出接口，100…计算 机，200…分光测量仪，400…校准曲线创建装置，410…样品观测数据取得部，420…样品目 标成分量取得部，430…混合系数估计部，432…独立成分矩阵计算部，434…估计混合矩阵 计算部，436…混合系数选择部，440…回归公式计算部，450…第一预处理部（标准化处理 部），452···标准正态变量变换（SNV)，454···零空间投影法（PNS)，460···第二预处理部（白化 处理部），462···主成分分析（PCA)，464···因子分析（FA)，470···独立成分分析处理部，472… 第一处理，474…第二处理，500…校准装置，510…被检测体观测数据取得部，520…校准用 数据取得部，530…混合系数计算部（内积运算部），532…预处理部，540…目的成分量计算 部，550…非易失性存储装置。
【具体实施方式】
[0043] 下面，按以下的顺序说明本发明的实施方式。
[0044] A.校准曲线创建处理及校准处理的概要：
[0045] B.零空间投影法及其效果：
[0046] C.校准曲线创建方法：
[0047] D.目标成分的校准方法：
[0048] E.各种算法及其影响：
[0049] F.变形例：
[0050] 在本实施方式中使用以下的缩写词：
[0051] · ICA :独立成分分析（Independent Component Analysis)
[0052] · SNV :标准正态变量变换（Standard Normal Variate transformation)
[0053] · PNS :零空间投影法（Project on Null Space)
[0054] · PCA :主成分分析（Principal Components Analysis)
[0055] · FA :因子分析（Factor Analysis)
[0056] A.校准曲线创建处理及校准处理的概要
[0057] 图1是示出利用了独立成分分析的校准曲线创建处理的概要的说明图。图1的 (A)示出了有关多个样品的观测数据（也称为"测量数据"）的一个例子。该观测数据为分 光吸光度，例如能够通过含有葡萄糖等多种化学成分的样品的分光测定而得到。作为在校 准曲线创建处理中使用的多个样品，使用了目标成分（例如葡萄糖）的含量为已知的样品。 也可以取而代之由分析装置测量多个样品中含有的目标成分的含量。
[0058] 当创建校准曲线时，首先，通过对观测数据进行预处理而减少观测数据中含有的 波动和噪声（图1的（B))。作为预处理，例如，进行包括观测数据的标准化（正規化）的 第一预处理和包括白化的第二预处理。在第一预处理中，为了减少由于观测数据的各种各 样的波动因素（样品状态和测量环境的变化等）所引起的影响，则优选执行零空间投影法。 接着，通过对预处理后的观测数据执行独立成分分析处理而得到多个独立成分IC1、IC2… (图1的（C))。这些独立成分IC1、IC2…是对应于各样品中含有的各个物质成分的数据， 在统计学上是彼此独立的成分。各样品的观测数据可以作为这些独立成分IC1、IC2…的线 性组合而进行再现。在图1的（C)中，仅例示了两个独立成分IC1、IC2,但是独立成分的数 量可以适当设定为两个以上的任意数。此外，在实施方式的说明中，"目标成分"这一术语意 思是指样品中含有的物质或化学成分，另一方面，"独立成分"这一术语意思是指具有与样 品的观测数据相同的数据长度的数据。
[0059] 接着，如图1的（D)~图1的（F)所示，计算预处理后的观测数据与独立成分（例 如IC1)的内积。图1的（D)的观测数据是与图1的（B)相同的数据。如果取一个观测数 据与一个独立成分IC1的内积，则就得到有关该观测数据的一个内积值。因此，如果计算多 个观测数据与相同的独立成分IC1的内积，则得到对于相同的独立成分IC1有关多个样品 的多个内积值。图1的（F)是将关于多个样品的内积值P作为横轴，并将多个样品中含有 的目标成分的已知的含量C作为纵轴而绘制的图。假设在内积中使用的独立成分IC1是与 目标成分对应的独立成分的情况下，如图1的（F)所示，内积值P与各样品的目标成分的含 量C具有很强的相关性。因此，能够将在图1的（C)中得到的多个独立成分IC1、IC2…中 显示最强相关性的独立成分选择作为与目标成分对应的独立成分。在图1的例子中，独立 成分IC1是与校准的目标成分（例如葡萄糖）对应的独立成分。校准曲线表示为由图1的 (F)的绘制（plot)的一元回归公式C = uP+v给出的直线。此外，内积值P由于是与独立成 分IC1在各样品中的含量成正比的值，因而也称为"混合系数"。
[0060] 图2是示出使用了校准曲线的目标成分校准处理的概要的说明图。在校准处理 中，使用通过图1中示出的校准曲线创建处理得到的目标成分的独立成分IC1 (图1的（E)) 和校准曲线（图1的（F))而进行。在校准处理中，首先，取得目标成分的含量未知的样品 的观测数据（图2的（A))。接着，对该观测数据进行预处理（图2的（B))。该预处理优选 为与在校准曲线的创建时使用过的预处理相同的处理。然后，通过取得该预处理后的观测 数据与独立成分IC1(图2的（B))的内积，计算有关观测数据的内积值P。通过将该内积值 P适用于校准曲线（图2的（D))，从而能够决定目标成分的含量C。此外，有关图1的校准 曲线创建处理和图2的校准处理的具体内容将在后面详述。
[0061] B.零空间投影法及其效果
[0062] 一般而言，在理想体系中，测量数据X (处理对象数据X)使用m个（m为2以上的 整数）独立成分Sl (i = 1~m)和各自的混合比例Cl而由下面的公式表示：
[0063] 公式 1
[0064]
[0065] 在此，A为由混合比例例Cl形成的矩阵（混合矩阵）。
[0066] 在ICA(独立成分分析）中，也以该模型为前提而执行处理。但是，在实际的测量 数据中存在有各种各样的波动因素（样品状态和测量环境的变化等）。因此，作为考虑了那 些因素的模型，考虑通过下面的公式来表达测量数据X的模型。
[0067] 公式 2
[0068]
[0069] 在此，b是光谱的振幅方向的波动量的参数，a是表示常数基线波动E(也称为 "平均值波动"）的量的参数，iv-bg是表示依赖于波长的g个（g为1以上的整数）波动 【"λ)~f g(\)的量的参数，ε是其他波云力成分。另外，常数基线波云力β由β=以，1， 1，…1}τ(右上标的Τ表示倒置）给出，是其数据长度与测量数据X的数据长度Ν(波长区 域的段数）相等的常数向量。作为表示波长的变量λ，使用1至Ν的Ν个整数。即，该变 量λ相当于测量数据X的数据长度Ν(Ν为2以上的整数）的序数。此时，依赖于波长的波 动 ( λ )~fg( λ )由 ( λ )=出⑴，⑵，…(Ν) }τ，…，fg( λ ) = {fg⑴，匕⑵，… fg(N)}T给出。这些波动成为ICA和校准中产生误差的主要原因，因此希望事前去除。
[0070] 图3是示出作为依赖于波长的波动?\(λ)~fg(A)而可以使用的各种函数的例 子的说明图。图3的（A)示出了指数α为整数的函数λ°的形状。在现有的零空间投影 法中，通常使用指数α为整数的函数λ°。图3的（Β)示出了包括1°以外的各种函数 f(A)的形状。在此，示出了指数α为非整的数实数的函数λ°、指数函数exp(A)以及对 数函数l〇g( λ )。也可以使用除此以外的其他种类的函数f ( λ )。但是，作为函数f ( λ )，优 选使用单变量函数，该单变量函数在λ的值为1至Ν的范围内随λ的增加而单调地增加。 如以下的说明，在零空间投影法中，通过使用指数α为整数的λ的取幂函数λ °以外的单 变量函数?·(λ)，从而能够更加减少测量数据中含有的波动。此外，在上述公式（2)中使用 2个以上的函数f(A)的情况下，也可以使用指数α为整数的函数λ Μ乍为其一部分。
[0071] 作为决定优选的函数f( λ)的函数类型及其个数g的方法，可以采用实验性的试 行错误法，或者可以使用现有的参数估计算法（例如EM(期望值最大化法）算法）。
[0072] 在零空间投影法（PNS)中，考虑由上述的各个基线波动成分Ε,?^λ) ~fg(A)组 成的空间，通过将测量数据投影到不含有那些波动成分的空间（零空间）中，从而能够得到 减少了基线波动成分Ε,?^λ)~fg(A)的数据。作为具体的运算，PNS处理后的数据z由 下面的公式算出：
[0073] 公式 3
[0074]
[0075] P = {1，A ( λ )，f2( λ )…fg( λ )}
[0076] 在此，P+是P的伪逆矩阵。k 1是将公式（2)的构成成分s 1投影到不含有波动成分 的零空间后的量。另外，ε*是将公式（2)的波动成分ε投影到零空间后的量。
[0077] 此外，如果在PNS的处理后进行标准化（例如SNV)，则也能够消除公式（2)中的光 谱的振幅方向的波动量b的影响。
[0078] 图4是示出在PNS中使用了取幂函数人°的情况下该指数α对校准精度所带 来的影响的曲线图。在此，示出了作为上述公式（2)的g个（g为1以上）函数Π (λ)~ fgU)，只使用1个取幂函数λ °，并比较在变更了指数α的值时的校准精度。所使用的样 品为葡萄糖的水溶液。校准曲线创建处理和校准处理按照在图1和图2中说明了的方法进 行。校准精度SEP是实测值与校准值之间的预测标准偏差的值，其单位是每1分升水溶液 的葡萄糖重量[mg/dL]。
[0079] 图4的⑷示出了使用波长为900nm~llOOnm的范围的吸光度的观测数据和 独立成分而进行了校准的情况下的结果。在该例子中，在指数α为1时校准精度SEP为 39