1.一种基于子空间分析的近红外光谱分析方法，其特征在于：包括如下步骤：（1）校正集样品处理：

步骤1.1 选择p个具有代表性的样品作为校正集样本，其中p为正整数；根据样品近红外光谱响应性质，在适当波长范围（共M个波长）内测量其近红外光谱，并采用国标法或其它方法对样品进行测定，获得其N个组分值；

步骤1.2 用p行、M列的近红外光谱矩阵X表示校正集样品的近红外光谱，其中X的每一行代表一个样品的吸光度；按同样顺序构建p行、N列的组分矩阵Y，其中Y的每一行代表一个样品的组分值；

步骤1.3 近红外光谱矩阵X预处理：步骤1.3.1计算上述步骤1.2中构成的近红外光谱矩阵X的平均值行向量mX，如下所述：  （1）

式中， mXk为行向量mX的第k列元素，Xi,k为矩阵X的第i行k列元素；

步骤1.3.2计算去均值近红外光谱矩阵X0  （2）

式中，X0i,k为矩阵X0的第i行k列元素，Xi,k为矩阵X的第i行k列元素；

步骤1.4 组分矩阵Y预处理：步骤1.4.1计算上述步骤1.2中构成的组分矩阵Y的平均值行向量mY，如下所述：  （3）

式中，mYk为行向量mY的第k列元素，Yi,k为矩阵Y的第i行k列元素步骤1.4.2计算去均值组分矩阵Y0，如下所述：  （4）

式中，Y0i,k为矩阵Y0的第i行k列元素；

步骤1.5 确定子空间：

步骤1.5.1计算去均值近红外光谱矩阵X0的自相关矩阵R0，如下所述：  （5）

式中，上标T表示矩阵转置；

步骤1.5.2 计算自相关矩阵R0的特征值λi (i=1,2,…，p)并排序使λp≥…≥λ2≥λ1=0；

步骤1.5.3 确定噪声子空间维数nn：步骤1.5.3.1 设置显著性水平α（α≤0.05），计算标准正态分布上侧分位数Nα;步骤1.5.3.2 设置噪声子空间初始维数nn（nn≥p/4）；

步骤1.5.3.3计算部分特征值的平均值ms，如下所述： （6）；

步骤1.5.3.4计算特征值λi的均方差  （7）；

步骤1.5.3.5 如果λnn+1≤ms+ss×Nα，令 nn=nn+1，转步骤1.5.3.3，否则转步骤1.6；

步骤1.6 输出参数X0、mX、Y0、mY、nn；

（2）完成预测样本组分值确定：步骤2.1 按校正集样本近红外光谱测量方法测量预测样本近红外光谱，并记为M列向量xt；

步骤2.2对预测样本光谱进行预处理，得光谱x0，如下所述： （8）；

步骤2.3构造扩展矩阵Xs：   （9）

步骤2.4计算扩展矩阵Xs的自相关矩阵R  （10）

步骤2.5 对矩阵R进行特征值分解   （11）

式中，矩阵D是以向量[d1,d2,…,dp+1]为对角元素的对角矩阵，且d1≤d2≤…≤dp+1；

步骤2.6 令矩阵V的前nn列构成的矩阵Vn为噪声子空间；

步骤2.7 将Vn分块为两个矩阵V1与V0，其中，V1是Vn的前p行构成的矩阵，V0是Vn的第p+1行构成的矩阵；

步骤2.8计算初始估计值，如下所述：    （12）

步骤2.9输出估计结果y, 如下所述:（13）。