1.一种基于影响力值的近红外光谱降噪方法，其特征在于，包括如下步骤：步骤一：利用近红外光谱仪采集待测物表面的近红外光谱；

步骤二：对所述近红外光谱进行主成分分析降维处理；

步骤三：根据降维处理后的近红外光谱，建立状态空间模型；

步骤四：根据所述状态空间模型利用Kalman滤波器进行处理，得到Kalman估计值与Kalman增益；

步骤五：根据所述状态空间模型进行扩展得到扩展模型，根据扩展模型利用无偏滤波器滤波处理，得到无偏滤波估计值与无偏滤波增益；

步骤六：根据所述Kalman估计值、Kalman增益、无偏滤波估计值与无偏滤波增益建立损失函数，根据损失函数计算影响力值，基于Kalman滤波器、无偏滤波器进行不同时刻的影响力值累计，得到影响力融合滤波器估计值；

步骤七：根据影响力融合滤波器估计值获得降噪后的近红外光谱。

2.根据权利要求1所述的一种基于影响力值的近红外光谱降噪方法，其特征在于，所述步骤三中，状态空间模型为：

xn＝Anxn‑1+Bnwn,yn＝Cnxn+Dnvn,

其中wn和vn都是噪声，yn是观测值，xn是状态值，An,Bn,Cn,和Dn都是系统矩阵，n为时刻。

3.根据权利要求1所述的一种基于影响力值的近红外光谱降噪方法，其特征在于，所述步骤四中，得到Kalman估计值与Kalman增益过程为：其中Qn‑1是系统过程噪声，Rn为系统测量噪声，yn为观测值； 为Kalman估计值，Kn为Kalman增益，Pn为误差协方差矩阵。

4.根据权利要求1所述的一种基于影响力值的近红外光谱降噪方法，其特征在于，所述步骤五中，扩展模型为：

Xn,m＝An,mxm+Bn,mWn,m,Yn,m＝Cn,mxm+Gn,mWn,m+Dn,mVn,m,其中各扩展矩阵如下所示：

Dn,m＝diag(Dn,Dn‑1,L,Dm)其中：I为单位矩阵，r代表的视野终止时刻，h代表的视野起始时刻，g是表示当前时刻，T是矩阵做转置变换。

5.根据权利要求1所述的一种基于影响力值的近红外光谱降噪方法，其特征在于，所述步骤五中，得出无偏滤波估计值与无偏滤波增益过程为：从l＝s开始迭代至l＝n得到n时刻估计值 和 s＝m+k‑1，k为状态维数，s时刻初值设置为：

迭代过程中，当l＝n时可以得到n时刻的无偏滤波估计值 和无偏滤波增益

6.根据权利要求1所述的一种基于影响力值的近红外光谱降噪方法，其特征在于，所述步骤六中，损失函数为：

其中

7.根据权利要求1所述的一种基于影响力值的近红外光谱降噪方法，其特征在于，所述步骤六中，影响力值为：

其中：

其中 代表函数 在 方向上的二阶偏导数，影响力值表示n时刻时，滤波器受到干扰时，估计值偏离最优估计值的程度。

8.根据权利要求1所述的一种基于影响力值的近红外光谱降噪方法，其特征在于，所述步骤六中，进行不同时刻的影响力值累计过程为：选取n‑b，n‑b+1，……，n时刻的影响力值进行累计，得到

其中， 为Kalman滤波器b个时刻累计值， 为无偏滤波器b个时刻累计值。

9.根据权利要求1所述的一种基于影响力值的近红外光谱降噪方法，其特征在于，所述影响力融合滤波器估计值为：

Ξn＝(1‑a)Ξn‑1+aΩn,            (23)其中

其中“⊙”表示两个矩阵点乘，即矩阵对应位置元素相乘，a是时间权值，“/”符号表示点除，即矩阵对应位置元素相除。

10.权利要求1‑9任一项所述的一种基于影响力值的近红外光谱降噪方法，其特征在于，所述方法应用于2，6二甲酚生产工艺。