优化Savitzky-Golay滤波器的参数及其在傅里叶变换红外气体光谱数据平滑预处理中的应用

对傅里叶变换中红外光谱数据的平滑预处理中,通常采用Savitzky-Golay滤波器的方法进行光谱数据的平滑预处理,然而Savitzky-Golay滤波器的多项式拟合阶次和窗宽等参数的合理选则始终是一个难题,并无统一的选择依据,通常在一定数值范围内,采用多组数据进行遍历尝试,最终选择一组相对较优的数据作为Savitzky-Golay滤波器的多项式拟合阶次和窗宽参数。文中探索了Savitzky-Golay滤波器的多项式拟合阶次和窗宽等参数的优化选取这一问题,并对其主要频率指标参数与多项式拟合阶次和窗宽等参数进行了定性定量分析,得出了截至频率、阻带起始点频率、第一旁瓣峰值频率及第一旁瓣峰值幅度与窗宽和阶次之间具体的计算方程表达式。随后,根据采集的中红外气体组分的光谱数据特征,依据上述计算方程式,优化计算选取多项式拟合阶次和窗宽分别为8和11时,其Savitzky-Golay滤波器的中红外气体组分的光谱数据平滑效果最优。最后通过实际采集的0.1%, 0.2%, 0.5%, 1%, 2%, 5%浓度的CH₄光谱数据进行平滑预处理,在次吸收峰区域,原始光谱的折算吸光率相对最大误差和最小误差分别为17.230 5%和0.243 0%, 平滑处理后的光谱的折算吸光率相对最大误差和最小误差分别为0.088 0%和0.020 6%。可见经过Savitzky-Golay滤波器进行所探索的光谱数据预处理之后其相对误差基本稳定,并且相对较低,为后期光谱数据的准确定性和定量分析奠定了基础。     

基于仪器线型订正的开放光程FTIR测量中的水汽谱在线扣除方法

水汽吸收分布于整个中红外波段,它的存在干扰红外光谱的定量分析。文章介绍了一种从傅里叶变换红外光谱仪的测量数据中扣除水汽干扰信号的新方法。该方法首先通过气象参数测量获得气压、温度和相对湿度,结合HITRAN数据库中提供的水汽线强、自展宽、空气展宽等参数,使用逐线积分方法计算出高分辨率水汽吸收谱,再通过仪器线型订正,合成出与仪器分辨率相匹配的水汽谱,将其作为干扰组分直接从测量所得到的含有水汽的混合光谱中扣除。对开放光程FTIR系统的实测数据的分析结果表明,使用该方法可以有效消除水汽干扰,扣除后的光谱包含待测组分的吸收特征和噪声。在开放光程FTIR等无法使用干燥设备去水的观测条件下,使用该方法可以达到较理想的水汽扣除效果。     

调制噪声下激光检测气体吸收光谱信号处理研究

为减小调制噪声背景的干扰,提出了直接吸收光谱激光检测气体浓度反演的三级卷积降噪信号处理方法.以谱线6 612.939cm-1附近氨气分子吸收为例,分析了该降噪方法对氨气浓度反演的有效性.实验结果表明,经三级卷积降噪后的氨气原始吸收谱线信号整体均方根误差由初始8.53降至1.01,基线扣除归一化得到的氨气光谱吸收率谱线信噪比提高3.3倍;连续5次测量浓度5%标准氨气,反演浓度值平均偏差为0.0743%,相对标准偏差为1.4%,优于原始吸收谱线信号的小波降噪和不降噪处理反演值.采用三级卷积降噪方法预处理原始吸收谱线信号,提高了气体浓度反演精度,可为工业过程高浓度气体激光在线检测提供参考.     

可调谐二极管激光吸收光谱氧气测量中的导数光谱处理与浓度反演算法研究

氧气是发动机燃烧过程的必需成分,在飞行器进气道进行氧气监测需求迫切。针对飞行器上的工程要求和应用特点,设计了一种波长线性扫描可调谐半导体激光吸收光谱(TDLAS)短光程系统结合有限冲击响应(FIR)滤波二阶导数谱算法的方案完成了氧气吸收微弱信号的提取和浓度反演。根据TDLAS工作原理和吸收信号特征,对二阶导数谱用于气体浓度反演的理论依据进行了推导,在此基础上提出一种基于FIR的数字滤波方案来完成吸收信号的噪声滤除和二阶导数谱的提取。实验结果证明,该方案简单易行,提高了检测信噪比,降低了检测限,浓度反演结果准确、线性良好。     

乳菇和红菇的红外光谱及其二维相关红外光谱的分析与鉴别

采用傅里叶变换红外光谱原始谱、二阶导数光谱以及二维相关谱的三级鉴定方法,对红菇属和乳菇属六种蘑菇进行了鉴别分析。六种样品的原始光谱吸收峰非常相似,主要为蛋白质和碳水化合物的吸收组成,但在各样品吸收峰强度、峰形和峰位上仍有微小差异。对其进行二阶导数分析,在二阶导数谱中,1 800～1 400和1 200～800 cm-1范围内的吸收峰强度、位置、峰形状显示出明显差异。二维相关红外光谱提高了光谱的分辨率;对六种蘑菇样品进行二维相关红外光谱分析,发现在1 690～1 420 cm-1范围内,三种乳菇出现了3个明显的自动峰,另外三种红菇出现了4个自动峰,而且自动峰和交叉峰位置、强度均不同;在1 110～920 cm-1二维光谱范围内,六种蘑菇的自动峰和交叉峰的数量、位置和强度也都不同;说明不同样品中蛋白质和糖类化合物的显著不同。结果表明：应用红外光谱、二阶导数谱和二维相关红外光谱三级鉴定的技术可以快速有效地分析和鉴别辣乳菇、绒白乳菇、香乳菇、稀褶红菇、变绿红菇和近似酒红菇。该多级鉴定的方法对于分类鉴别蘑菇是一种快速、准确、有效的方法。     

光谱导数Kalman滤波同时测定苯酚-邻氯苯酚和2,4二氯苯酚

文中提出了一个新的、稳定的光谱导数Kalman滤波紫外分光光度法同时定量分析方法,并且成功地将其应用于极难分辨的苯酚-邻氯苯酚和2,4二氯苯酚三组分混合体系的同时测量.选择分析光谱导数的原因是其不仅包含着吸光度,还包括在指定波长位置变化趋向等更多的信息量,这样更利于在吸收峰重叠的位置捕捉有较大差异的信号.利用Kalman滤波可以解决由光谱导数而引起的噪声放大问题,也可以过滤源于实验的噪声以及来自传递模型误差.在260～290 nm区间测量了30组浓度各自在1～10 mg·L-1范围的苯酚-邻氯苯酚和2,4二氯苯酚标准混合溶液紫外吸收光谱图.利用分段延伸高次多项式回归模拟求导准确获得吸光度导数,并且利用偏最小二乘法将其制作成Kalman滤波标准工作系数矩阵.通过随机线性离散系统的Kalman滤波器最优平滑计算,对混合体系中的各组分进行定量分析.回收实验显示出,光谱导数Kalman滤波分析法应用于本实验的极难分辨的三组分体系,得到了非常高的回收率,并且在整个实验范围内光谱导数Kalman滤波分析法具有非常好的稳定性.     

基于2D-COS红外光谱的附子炮制过程时序段解析研究

采用傅里叶变换红外光谱技术,获得蒸制过程中附子红外光谱及二维相关谱(Tow-dimensional correlation, 2D-COS),研究附子炮制过程特征。分别比较原始红外光谱、二阶导数谱及二维相关谱,结果表明红外原始光谱图十分相似,结合二阶导数光谱分析1 634.87 cm-1为羰基峰;1 603.18,1 571.58,1 485.09和1 413.08 cm-1为苯环的骨架振动峰,851.41和759.24 cm-1 为苯环C-H键的振动峰;1 153.73,1 081.84和1 021.35 cm-1为生物碱中酯键和醇羟基的特征峰。二维相关谱结果揭示附子在炮制过程中发生的2个过程时序段,分别为2～3和8～9 h。研究数据有助于临床根据适应证选择适宜的煎煮时间,避免煎煮不足导致中毒或煎煮太过影响疗效。     

常见野生蘑菇的红外光谱及其二维相关红外光谱的鉴别

采用傅里叶变换红外光谱结合相关性分析、二阶导数谱和二维相关谱对13种常见野生蘑菇进行鉴别研究。结果显示13种野生蘑菇的红外光谱光谱特征相似,主要由蛋白质、多糖的吸收组成,13种样品的相关系数最小为0.779,最大值为0.960。在1 700~1 400和1 400~800 cm-1范围的二阶导数光谱中,各样品吸收峰的强度、位置和形状均有明显差异。二维相关红外光谱在1 380~1 680 cm-1范围的强自动峰整体相近,但自动峰和交叉峰位置、形状存在差异;在920~1 230 cm-1的范围,各样品的自动峰和交叉峰的数量、强度和位置差异明显。结果表明傅里叶变换红外光谱结合相关性分析、二阶导数谱和二维相关谱有望发展为区分不同种类蘑菇的快速方法。     

硬脂酸亚甲基面内摇摆振动二维红外光谱研究

在293~393K温度范围内,分别采用一维红外光谱、二阶导数红外光谱和二维红外光谱测定硬脂酸亚甲基面内摇摆振动(ρCH2)。实验发现:在700~750cm-1范围内,硬脂酸ρCHα存在"第一特征谱带"和未见文献报道的"第二特征谱带"。并进一步研究了温度对于硬脂酸ρCH2红外吸收强度及变化顺序的影响。     

六种蜂花粉的红外光谱三级鉴别研究

采用傅里叶变换红外光谱(FTIR)结合二阶导数谱和热扰动下的二维相关红外光谱技术对6种不同花粉,即杏花花粉、油菜花粉、茶花花粉、西瓜花粉、荷花花粉和虞美人花粉,进行了快速无损的鉴别。结果表明,在一维红外光谱图上,不同花粉的蛋白质、脂肪和糖类物质的特征吸收峰在相对峰强和峰位上均存在一定的差异,在二阶导数谱上差异很明显。而在二维红外谱图上,由于6种花粉的自动峰及相关峰峰簇的位置和数量不同,其差别体现得更为明显和直观。因此,三级红外宏观指纹图谱法是鉴别不同蜂花粉种类的一种有效和快速检测方法。     

数字滤波方法在TDLAS逃逸氨检测中的选用

介绍了可调谐半导体激光吸收光谱技术(TDLAS)原理和实验系统,并对系统噪声进行了分析;以体积比浓度为90×10-6和30×10-6的NH₃为例,利用TDLAS系统采集了该浓度气体的二次谐波原始光谱。为改善光谱信号,分别用五种数字滤波方法对原始光谱进行了滤波处理比较,做了NH₃的浓度梯度实验并对浓度为20×10-6 NH₃进行了长时间监测实验。实验结果表明,算术平均-小波变换滤波相比其他方法更有效地对原始光谱信号进行了改善,提高了系统信噪比和信号平滑度,使系统浓度检测限由原来的10×10-6降低到1.25×10-6,信噪比提高了约14倍,为逃逸氨极低浓度检测提供了一种较为有效的数据预处理方法。     

一种自适应层进式Savitzky‐Golay光谱滤波算法及其应用

可调谐半导体激光吸收光谱技术（TDLAS）利用半导体激光器的可调谐和窄线宽特性,通过选择特定气体的单条吸收线,排除其余气体的干扰,可以实现高精度、高选择性的气体浓度测量,在气体浓度检测系统中具有广泛的应用前景。在不同的应用条件和环境下,需要解决相应的硬件和数据处理方面的技术问题。主要研究TDLAS技术机动车尾气CO组分浓度遥测系统中的光谱数据处理问题,该系统利用路面漫反射回波信号遥测行驶中的机动车尾气CO组分浓度。由于激光扫描光谱回波信号受到漫反射面情况变化、空气环境变化、尾气湍流影响等因素影响,探测器收集到的信号不仅较弱同时也夹杂着多种噪声, 即测量光路信噪比较差, 故提出一种自适应层进式Savitzky-Golay(S-G)平滑滤波算法,实现了对光谱进行滤波处理从而更加准确地反演CO浓度。S-G滤波算法因其原理简单、功能强大、只需设置两个参数（窗口大小、拟合阶数）等优点,已广泛应用于光谱处理。如何正确设置S-G算法参数使滤波效果在去噪不足和过度滤波之间找到平衡点,是该滤波算法应用的一大难题。设计的检测系统中,测量光路光谱信号为非平稳信号,噪声和有效信号幅度时变,最佳窗口大小和多项式阶数随信号动态而变化,且变化区间较大,使用固定参数的S-G滤波器难以达到最佳效果。提出的自适应层进式S-G平滑滤波算法,通过逐层将测量光路光谱信号经过S-G滤波后,与参考光路的光谱信号设置的参考段比对信号相关系数和信号一阶导相关系数的和,以自适应得到逐层最优参数。通过对信噪比从9.81～29.77的10组不同带噪光谱分析验证了该算法的有效性,自适应层进式S-G算法能较好地去除噪声并还原带噪信号所携带的待测气体浓度信息,与带噪光谱对比,吸收光谱峰值最大误差由25.152%降至5.917%,积分吸光度最大误差由18.1%降至3.9%。在实现的系统中,使用自适应层进式S-G算法对测量光路进行滤波处理,并对不同车型、不同排量、燃烧不同油品的机动车在怠速和缓速通过(5 km·h-1)系统时其排放的CO浓度进行实时在线监测。     

基于Boxcar滤波器的荧光检测二氧化硫信号的去噪研究

荧光法以物质发射的荧光强度与浓度之间的线性关系进行定量分析。当采用荧光法检测大气中的二氧化硫等有害气体时,由于光电探测器等光电元件在无荧光时,仍会产生暗电流噪声,使得本底噪声信号对测量结果有直接的影响。在分析Boxcar滤波算法的基础上,运用小波滤波、EMD滤波和Boxcar滤波三种算法对淹没在本底噪声中的荧光信号进行有效提取和恢复,较之前两种滤波方法,Boxcar滤波效果更佳,对本底噪声的抑制更强,并验证了取样次数影响着荧光信号的信噪比。     

双重傅里叶变换滤波二阶比光谱导数分光光度法同时测定苯酚、邻苯二酚及对苯二酚

本文针对三组分混合体系分析提出了双重傅里叶变换滤波二阶比光谱导数分光光度法。对所测的吸收光谱用较大滤波窗口先后进行两次滤波 ;利用两次对混合体系光谱和单组分光谱比光谱求导使某两个组分对混合体系比光谱导数的贡献为零 ,而剩余组分的比光谱导数与其浓度成正比。对双重傅里叶变换滤波效果、实验参数的优化作了研究。用此方法对苯酚、邻苯二酚及对苯二酚含量为 0 0 1 0 0 9～ 0 0 5 3 2 5mg·mL- 1 的混合溶液进行测定 ,所得结果的相对误差为 0 0 7%～ 5 4%。     

基于背景噪音谱分析的匹配滤波器设计研究

在空间匹配滤波器设计过程中,为抑制输入场景中背景噪音对输出相关平面上相关点的影响,通过比较匹配滤波函数和背景噪音的傅里叶谱,根据两者差值的量级对匹配滤波函数的振幅进行非线性调制,在匹配滤波过程中使设计的空间匹配滤波器对强噪音的傅里叶谱处透过率降低,而尽量保持输入图像傅里叶谱的高透过率,从而增加输出相关平面上的信噪比,实现相关点的正确探测。计算机模拟和实验结果表明：与纯相位匹配滤波器相比其抗噪能力得到较大改善。     

L-M非线性拟合的TDLAS氧气测量研究

氧气浓度是工业生产过程中重要监测参数,采用可调谐二极管激光吸收光谱法(tunable diode laser absorption spectroscopy,TDLAS),结合波长调制技术,可以实现对现场氧气浓度的高精度在线监测,利用氧气位于760 nm处的特征吸收峰进行了氧气浓度的测量。由于激光具有很强的相干性,所以TDLAS技术的检测灵敏度受到光学干涉噪声的严重制约,特别在低浓度时,光学干涉引起的基线起伏使得提取吸收峰波形信号时出现较大误差,影响了TDLAS分析仪的监测灵敏度。针对这一情况,采用了Levenberg-Marquardt非线性拟合算法,并且利用了吸收谱线线型——洛伦兹线型的导数形式对波长调制后获得的二次谐波波形信号进行拟合,提取波形信息。另一方面Levenberg-Marquardt非线性拟合方法需要有大量的计算,为了使研制的TDLAS分析仪能够实现现场的实时监测,采用了支持浮点运算的DSP的C28系列芯片进行数据处理,实现仪器在现场实时监测的功能。实验结果表明,该算法能够有效提取二次谐波信号的吸收峰特征值、克服背景噪声影响,由算法反演得到的氧气浓度与实际浓度的线性比值为1.01,浓度测量的线性误差为1.18%。     

浊度干扰下硝酸盐浓度紫外导数光谱检测方法研究

硝酸盐是水中“三氮”（硝酸盐氮、氨氮、总氮）之一,是反映水体受污染程度的一项重要指标。传统 “现场采样-离线分析” 的硝酸盐化学检测方法操作繁琐、耗时长,难以满足现代水环境实时在线检测需求。由于硝酸根在紫外区具有很强的紫外吸收特性,并且紫外吸收光谱法具有简便快速、可实现实时在线监测等特点,近年来被广泛用于硝酸盐浓度的测量。但使用紫外吸收光谱法检测水体硝酸盐含量时,容易受到水体浊度影响,造成谱线非线性抬升,导致测量误差。目前对浊度补偿算法的研究大都用于水中COD含量的检测,对硝酸盐检测中浊度干扰去除研究较少。为此提出一种基于一阶导数紫外吸收光谱的硝酸盐浓度测量方法,该方法可以减小浊度干扰,从而提高紫外光谱快速检测硝酸盐含量的准确度。通过测量福尔马肼与硝酸钠标准溶液和它们混合溶液在190~300 nm波段的紫外吸收光谱并做一阶导数光谱处理,处理后的光谱采用Savitzky-Golay滤波进行去噪平滑处理,比较浊度与硝酸盐紫外吸收一阶导数光谱特征,分波段研究浊度对硝酸盐紫外一阶导数光谱影响,结果表明硝酸盐导数光谱在220~230 nm波段受浊度影响小;选取220~230 nm波段作为光谱分析区间,以30种不同浓度混合的福尔马肼与硝酸钠溶液作为训练样本,利用偏最小二乘算法建立硝酸盐定量分析模型,使用该建模模型预测剩下的6种不同浓度福尔马肼与硝酸钠混合溶液中硝酸盐的浓度,结果表明福尔马肼干扰下硝酸盐测量结果的预测决定系数（correlation coefficient,R2）为0.994 3,预测均方根误差（root mean square error of prediction,RMSEP）为0.346 9 mg·L-1。为进一步验证该方法的准确性与稳定性,使用该建模模型预测高岭土与硝酸钾配制的混合水样中硝酸盐的浓度,结果表明该方法对高岭土干扰下硝酸盐测量结果的预测决定系数r2为0.991 5,预测均方根误差RMSEP为0.362 8 mg·L-1。综上所述,提出的硝酸盐浓度紫外导数光谱检测方法,采用220~230 nm波段的紫外导数光谱数据,结合PLS建模,可以快速准确测量在浊度干扰下水体硝酸盐的浓度,为发展实际水体硝酸盐在线监测技术与设备提供方法基础。     

遗传算法优化变分模态分解提取舰船辐射噪声特征线谱方法

特征线谱提取是舰船目标识别的一个重要研究环节,常采用传统的DEMON谱分析方法,处理过程中,一般对舰船噪声时域信号未予抑噪,低信噪比情况下,传统DEMON谱分析性能差。对此,提出一种采用遗传算法优化变分模态分解方法,用于分解舰船噪声原时域信号,获得抑制噪声后的舰船噪声重构信号,进而有效提取了舰船目标噪声幅度调制特征线谱。该方法首先采用遗传算法优化变分模态分解的两个关键输入参数(分解所取模态个数和惩罚因子),对变分模态分解得到的各阶固有模态分量加以判别,去除噪声主导分量,保留信号主导分量,使重构舰船噪声信号显著抑制了干扰噪声,然后对降噪后的重构信号进行频谱分析,获得目标噪声调制特征线谱。理论分析、仿真和实验数据处理结果表明,相比传统DEMON谱分析法,基于遗传算法优化变分模态分解的舰船噪声特征线谱提取方法具有更好的噪声抑制能力,所获取的舰船噪声幅度调制特征线谱信噪比明显高于传统DEMON方法,具有一定优势,前景良好。     

光谱相减方法用于无创生化检测中背景扣除实验研究

在近红外光谱无创生化检测中,血流容积光谱相减方法在理论上可以消除组织背景等干扰因素,提取出血液的有效光谱信息。为论证血流容积光谱相减方法有效性,设计了相应的模拟实验。采用生物分子水溶液模拟血清样品,不同吸收特性的滤光片模拟组织背景干扰,可变厚度样品池模拟血流容积变化。比较了光谱相减方法处理前后的模型精度,处理前模型定标相关系数(R_c)为0.476,交叉检验标准差(RMSECV)为437 mg·dL-1;处理后R_c达到0.977,RMSECV降至301 mg·dL-1。实验结果表明血流容积光谱相减方法能够较好抑制或扣除组织背景干扰,大幅度提高模型预测精度。     

Switching non-local vector median filter

This paper describes a novel image filtering method that removes random-valued impulse noise superimposed on a natural color image. In impulse noise removal, it is essential to employ a switching-type filtering method, as used in the well-known switching median filter, to preserve the detail of an original image with good quality. In color image filtering, it is generally preferable to deal with the red (R), green (G), and blue (B) components of each pixel of a color image as elements of a vectorized signal, as in the well-known vector median filter, rather than as component-wise signals to prevent a color shift after filtering. By taking these fundamentals into consideration, we propose a switching-type vector median filter with non-local processing that mainly consists of a noise detector and a noise removal filter. Concretely, we propose a noise detector that proactively detects noise-corrupted pixels by focusing attention on the isolation tendencies of pixels of interest not in an input image but in difference images between RGB components. Furthermore, as the noise removal filter, we propose an extended version of the non-local median filter, we proposed previously for grayscale image processing, named the non-local vector median filter, which is designed for color image processing. The proposed method realizes a superior balance between the preservation of detail and impulse noise removal by proactive noise detection and non-local switching vector median filtering, respectively. The effectiveness and validity of the proposed method are verified in a series of experiments using natural color images.