从实验室到产线：一款面向光谱与化学计量学的专业工具
在高光谱成像、近红外光谱、拉曼光谱等分析领域，数据往往具有高维、共线性和噪声复杂等特点。传统统计方法难以有效从中提取关键信息，而多变量分析（MVA）与化学计量学正是解决这类问题的核心手段。Unscrambler HSI 光谱分析软件由 AspenTech 公司开发，是一款专门面向光谱数据和化学计量学建模的专业工具，在全球范围内被超过 25000 名科学家、研究人员和工程师用于产品开发、质量控制和过程优化。
Unscrambler 并非通用数据分析软件，它的独特之处在于对光谱学和化学计量学的深度定制。软件内置了丰富的散射校正、导数变换、平滑去噪等光谱专属预处理功能，同时集成了主成分分析（PCA）、偏最小二乘回归（PLSR）、支持向量机（SVM）、SIMCA 分类等一系列多元统计与机器学习方法。无论是实验室中的方法开发，还是产线上实时的过程光谱监控，Unscrambler 都提供了覆盖完整工作流的解决方案。
覆盖全流程的多变量分析能力
Unscrambler 的核心分析体系围绕三个维度展开：描述性统计与探索性分析、回归建模、分类判别。
在描述性统计方面，软件支持计算均值、中位数、四分位数、标准差、方差、偏度和峰度等基础统计量，并内置配对 t 检验、F 检验、Levene 检验、Bartlett 检验和 Kolmogorov-Smirnov 正态性检验等统计检验方法。聚类分析提供了 K 均值、K 中位数和层次聚类分析（HCA），支持单链接、完全链接、平均链接、中位链接和 Ward 方法等多种连接策略。
回归建模是 Unscrambler 最核心的能力之一。软件支持多元线性回归（MLR）、主成分回归（PCR）、偏最小二乘回归（PLSR）、支持向量机回归（SVR），以及可同时处理三个数据表的 L-PLS 回归。PLSR 尤其适用于光谱数据中自变量高度共线且样本数少于变量数的场景，是近红外光谱定量分析中的标准方法。
在分类建模方面，Unscrambler 提供了基于 PCA/PCR/PLSR 模型的投影分类、类比的软独立建模（SIMCA）、线性判别分析（LDA）及其与 PCA 结合的 PCA-LDA，以及支持向量机分类（SVC）。这些方法能够满足从简单的二元判别到复杂多类分类的各种需求。
校准转移是光谱分析实际部署中的关键环节。当模型需要从一台仪器迁移到另一台仪器时，Unscrambler 提供了偏差与斜率校正、分段直接标准化（PDS）等校准转移方法，帮助用户在不同硬件平台间保持模型预测的一致性。
面向光谱数据的专属预处理工具集
光谱数据的质量高度依赖预处理。Unscrambler 在这方面提供了业内最为丰富的工具集之一。散射校正方面，支持标准正态变量（SNV）、乘法散射校正（MSC）以及扩展乘法信号校正（EMSC）；基线校正支持偏移校正和直线校正；导数变换支持 Gap、Gap-Segment 和一至四阶 Savitzky-Golay 导数；平滑处理提供移动平均、高斯滤波、中值滤波和 Savitzky-Golay 平滑等多种选项。此外还内置了正交信号校正（OSC）、相关优化翘曲（COW）等高级方法，用于去除与目标变量无关的光谱变异和峰位对齐。
光谱转换功能同样完备：软件支持反射率与透过率之间的吸光度转换、反射率到吸光率转换、Kubelka-Munk 反射变换，以及衰减全反射（ATR）校正。数据归一化提供均值归一化、最大值归一化、范围归一化、曲线下面积归一化、单位矢量归一化和峰归一化等多种策略。
数据导入方面，Unscrambler 支持超过 30 种格式，涵盖了 ASCII 文本、MS Excel、Matlab、JCAMP-DX、NetCDF 等通用格式，以及 Thermo Fisher Scientific（GRAMS、OMNIC）、Bruker（OPUS）、Perten、ASD（Indico）、FOSS（NSAS）、PerkinElmer、Viavi（MicroNIR Pro）等主流光谱仪器厂商的专有格式。利用 Python 脚本扩展，用户还可以方便地添加新的数据格式，并通过 Python 生态中的开源库获取更多导入、预处理和机器学习能力。
高光谱成像（HSI）的专项能力
Unscrambler HSI 版本专门针对高光谱成像数据做了深度适配。与普通图像分析工具不同，HSI 版本能够在光谱域中对高光谱图像进行探索性多变量分析，并支持校准模型的建立与验证。它解析图像中每个像素点对应的高维光谱信息，可以实现对目标样品的空间分布和成分浓度的精细分析。
在高光谱遥感建模实践中，Unscrambler 常被用于建立光谱数据与地面实测理化指标之间的定量模型。典型应用流程包括：获取高光谱反射率数据、进行大气校正和辐射定标、提取感兴趣区域（ROI）的平均光谱、利用 PLSR 或 PCR 建立预测模型，最终将模型应用于整幅图像以生成成分分布图。这一流程已被广泛应用于植被生化参数反演、土壤养分含量估算、水体污染物监测以及食品品质检测等场景。
软件还提供了多元曲线分辨率（MCR）分析功能，能够将混合物光谱分解为纯组分光谱及其估计浓度，并支持添加纯度约束和浓度约束来优化分解结果，附带诊断信息用于评估模型拟合质量。这在分析含有未知干扰物的复杂样品时尤为实用。
合规性与工业级部署
对于制药、食品、化工等受监管行业，数据完整性和合规性是软件选型中不可忽视的考量因素。Unscrambler 内建合规模式，支持电子签名、用户身份验证和审计追踪，符合 21 CFR Part 11 和 EU Annex 11 等法规要求，适用于 GMP 环境下的质量控制与方法验证。
在过程监控场景中，Unscrambler 可与 AspenTech 旗下的 Process Pulse 工具协同工作。Process Pulse 是一个可扩展的过程光谱与监控平台，能够实时运行 Unscrambler 模型，用于监测反应进程、检测反应终点、识别杂质或控制混合与制粒等单元操作。通过多变量统计过程控制（SPC）和能力分析，用户可以及时发现过程偏差并获得早期预警。
批量建模（Batch Modeling）作为可选插件，支持在相对时间轴上对批次过程进行建模，与采样时间、采样周期、批次进度和批次长度无关，在预测过程中不存在缺失值问题，并提供贡献图的下钻功能用于异常诊断。
在软件生态层面，Unscrambler 已被整合至 AspenTech 的 aspenONE 工程套件中。aspenONE 包含过程模拟、换热网络优化、动态仿真、生产计划等二十余款产品，Unscrambler 作为其中的多变量分析与建模模块，与上游过程模拟和下游实时优化形成了完整的数据驱动工程闭环。自 2022 年起，AspenTech 不再单独向教育用户销售 Unscrambler，教育许可统一通过 aspenONE 套件包提供。
部署环境与选型建议
Unscrambler 运行于 Windows 平台，支持 Windows 8、Windows 10、Windows Server 2008 R2、Windows Server 2012、Windows Server 2016 等版本。硬件要求相对适中：建议使用 1GHz 以上 Intel 或 AMD 处理器、至少 2GB 内存（可用内存量直接限制可处理的数据矩阵大小）、至少 1GB 可用硬盘空间，并需要 .NET Framework 4.0 及以上版本。建议屏幕分辨率不低于 1024 像素宽以保证良好的可视化交互体验。
选购此类专业化学计量学软件时，建议从以下几个维度进行评估：首先确认数据格式兼容性，确保软件能直接读取您实验室现有光谱仪器的输出格式；其次评估建模方法的覆盖度，检查所需的回归、分类和预处理算法是否都在标准授权范围内；第三关注合规需求，如果实验室处于 GMP 环境下，需确认合规模式、审计追踪和电子签名模块是否已包含；第四考虑是否需要批量建模插件和 Process Pulse 过程监控模块；最后确认授权方式——是单机许可、网络浮动许可还是 aspenONE 套件打包授权，这直接影响总体采购成本。
Unscrambler HSI 在多元光谱分析和化学计量学建模领域积累了数十年的方法论沉淀，其丰富的预处理算法库、成熟的建模方法论和工业级合规支持，使其在从实验室研究到产线质控的各类场景中都能发挥关键作用。对于需要进行深入光谱数据挖掘和高光谱图像定量分析的用户来说，它是一个值得在选型清单中重点评估的选项。如需了解当前版本的详细报价、授权方式和部署方案，建议联系 AspenTech 官方或授权渠道获取最新信息，在询价时明确您的数据规模、使用场景、用户数量和合规要求，以便获得准确的报价和配置建议。
