基于小波变换的木材近红外光谱去噪研究

木材近红外光谱常常被一系列噪声所污染,影响光谱分析结果。为了提高近红外光谱分析精度,需要对光谱数据进行预处理。光谱导数可以消除光谱背景干扰和基线漂移等因素影响,提高光谱分辨率,但导数光谱在增强信号的同时,也使信号噪声得到增强。应用小波变换对杉木木材近红外一阶导数光谱进行去噪研究,分别采用9点平滑法、25点平滑法、非线性小波硬阈值和软阈值法、9点平滑+小波变换法和25点平滑+小波变换法对光谱数据进行去噪研究。结果显示, 小波变换能够有效去除导数光谱中的噪声信号,保留光谱中的有效信息,提高光谱信噪比,提高光谱的分析能力,在木材近红外光谱分析中具有很好的应用前景。     

基于小波变换的Stark展宽算法的优化研究

为了提升Stark展宽计算等离子体电子密度的准确性,基于小波阈值去噪处理方法,对EAST氘原子光谱信号进行了处理,以信噪比(SNR)和均方根误差(RMSE)作为滤波效果的评价依据,通过对比确定了最优小波基db4,最优小波分解4层。根据噪声估计值计算适合的阈值参数进行信号重构,并将经过去噪处理后的数据应用到后期Stark展宽算法计算等离子体密度的分析过程中。结果表明,小波硬阈值去噪能够有效提高光谱信号信噪比、降低均方根误差,在消除光谱信号中噪声的同时,最大程度保留了有用的光谱细节特征信息,进而有利于光谱数据的建模效果,获得更为准确的等离子体电子密度。     

提升小波变换与中值滤波结合的红外光谱消噪

在光谱数据的定量分析中,噪声的存在常常会影响结果的准确性。为提高红外光谱分析精度,需要对光谱数据进行去噪处理。将一种光滑阈值函数和一种分层阈值选取方法应用到提升小波域光谱信号的去噪处理中,并对提升小波重构信号进行中值滤波。对某小麦品种的实测光谱信号,添加信噪比为21.17 dB的噪声后采用该方法进行去噪处理,并利用信噪比(SNR)、均方根误差(RMSE)、峰值平均相对误差(AREPV)以及峰位平均误差(AEPP)四项指标对去噪效果进行评价。结果表明,与软阈值法与硬阈值法相比,该方法能更有效地去除光谱信号中的噪声,保留光谱中的有用信息,提高光谱信噪比,降低均方根误差、峰值平均相对误差以及峰位平均误差,提高光谱的分析能力。     

近红外光谱预处理中几种小波消噪方法的分析

以菜籽油的一阶导数近红外光谱为研究对象,探讨小波变换在近红外光谱信号消噪方面的应用,分别采用九点平滑法、小波分解与重构法、非线性小波软阈值法和小波变换模极大值法对导数光谱进行消噪处理并对消噪效果进行比较分析。结果表明,小波变换模极大值光谱消噪法得到了较高的信噪比,小波软阈值法次之,其余两种方法消噪效果较差。小波变换模极大值法有效的保留了光谱的有用信息,为近红外光谱的分析精度和模型的稳健性奠定了良好的基础。     

基于提升小波变换的阈值改进去噪算法在紫外可见光谱中的研究

在紫外可见光谱定量分析中,由于分光光度计内部的光学系统、光源、检测器、电子元器件,电路设计以及外部环境干扰等因素产生的随机噪声,严重影响光谱定量分析结果的准确性,为提高紫外可见光谱分析精度,需要对光谱数据进行去噪预处理。由于小波分析具有多分辨率,低熵性、去相关性等特点,基于小波分析的去噪算法优于传统的去噪算法,目前基于小波去噪的方法主要有模极大值去噪算法,系数相关去噪算法,阈值去噪算法,工程实际应用以Donoho的阈值去噪法最为常用。根据Donoho阈值消噪原理,提出一种基于提升小波变换的阈值改进算法,一方面使用提升小波变换,提升小波变换是第二代小波变换,继承了小波的多分辨率特性,并且不需要进行傅里叶变换,从而具有算法简单,速度快,实现简单的优点;另一方面提出了一种新的阈值函数,克服了硬阈值函数在阈值处不连续以及软阈值函数存在恒定偏差的问题,同时对阈值估计进行了调整,有利于信号小波系数的保留和噪声小波系数的剔除。对三组多金属离子混合溶液的实测紫外可见光谱信号,添加随机噪声后使用该方法进行去噪处理,并使用信噪比(SNR)和均方根误差(RMSE)进行去噪性能评价。试验结果表明,提出的算法优于Donoho的软硬阈值去噪算法,能够有效提高光谱信噪比和降低均方根误差,从而更好地消除光谱信号中的噪声和保留光谱信号中一些重要的细节特征,比较适合用于紫外可见光谱数据建模之前的去噪预处理,在紫外可见光谱信号分析中具有较好的应用前景。     

近红外漫反射光谱的小波变换的去噪方法

以测定的紫丁香醛近红外漫反射光谱信号为标准,随机加入了一噪音信号,采用Daubechies小波系中的DB5小波函数,以4种阈值选取方法(最小最大准则阈值、Stein无偏似然估计阈值、混合阈值和固定阈值)和2种阈值函数(软阈值函数和硬阈值函数)组合对含噪音的光谱信号进行了小波去噪处理试验,以均差MSE评价组合各种阈值选取及阈值函数方法的去噪优劣。结果表明,对于该类型的光谱信号,采用最小最大阈值和软阈值函数组合,得到最优的去噪效果。     

基于最大熵原理的小波去噪方法

小波变换去噪中最关键的问题是如何确定小波系数的阈值,使其能够将与噪声和信号相对应的小波系数合理地区分开来。根据概率论的基本原理可以推断,随机序列的细节小波变换系数符合正态分布。基于此结论,可以利用最大熵原理确定一个阈值,使得绝对值小于此阈值的小波系数组成的序列符合正态分布。该阈值在统计意义下能够最佳地区分信号与噪声的小波系数。采用光谱数据的仿真分析以及与其他方法的对比实验证明,这种最大熵小波去噪方法不仅在提高信噪比方面显示出了其优势,而且去噪效果不易受信噪比变化的影响。     

基于小波包变换和数学形态学结合的光谱去噪方法研究

对反射光谱数据进行去噪是提高光谱信息准确度的前提。传统时域平滑和频域去噪方法存在诸多缺点,本文首次将广义形态滤波方法用于可见近红外光谱的去噪处理,并提出基于小波包变换和数学形态学结合的光谱去噪方法。使用USGS光谱库中的植被光谱进行实验,采用信噪比(SNR)、均方误差根(RMSE)、波形相似度(NCC)和平滑度(SR)四个指标来评估去噪效果。结果表明,小波包最佳基阈值法和广义形态滤波法都能较好地保持波形和平滑度,广义形态滤波法能较好地消除幅值较大的随机噪声,但其对连续随机噪声中幅值较小的噪声成分不能有效消除; 而小波包最佳基阈值法不能有效消除幅值较大的噪声成分; 二者结合的方法组合了这两者的优点,使得幅值较大、较小的噪声成分都能较好地消除,同时还提高了相似度和平滑度指标,充分表明小波包最佳基阈值与广义形态滤波结合的方法是一种更好的可见光近红外光谱去噪方法。     

EEMD在土壤剖面反射光谱消噪中的应用

实测光谱常含有大量干扰信息, 消噪在光谱数据处理和分析中极为重要, 它直接影响后续的定量分析和信息挖掘。因此, 选择适当的消噪方法是改善光谱分析精度, 提升光谱分析能力的一个关键性突破。集合经验模态分解(EEMD)方法是一个以信号固有特征尺度为度量的时空滤波过程, 能充分保留信号本身的非线性和非平稳特征, 在信号的滤波和消噪中具有较大的优势。结合EEMD的多尺度滤波特性, 提出了一种新的EEMD阈值光谱消噪方法, 并应用于新疆塔里木河中游典型绿洲33个土壤剖面反射光谱数据的预处理。为探讨EEMD阈值法在土壤剖面反射光谱消噪中的效用, 对EEMD阈值法和小波阈值法的消噪结果进行了对比分析。结果表明: 与传统的小波阈值法相比, EEMD阈值法消噪结果的信噪比从14.836 6 dB提高到34.275 7 dB, 均方根误差由6.786 1×10-5降到7.240 6×10-6, 相关系数从0.982 5提高到0.999 8, EEMD阈值法的三个消噪效果衡量指标均优于小波阈值法。证明了EEMD阈值法可有效地去除土壤剖面光谱噪声, 较好地保留了光谱的细节信息, 提高了光谱的定量分析精度, 且与小波阈值消噪方法相比具有较强的可靠性和自适应优势, 作为光谱数据预处理的一种新方法, 其应用前景良好。     

EEMD在土壤剖面反射光谱消噪中的应用

实测光谱常含有大量干扰信息,消噪在光谱数据处理和分析中极为重要,它直接影响后续的定量分析和信息挖掘。因此,选择适当的消噪方法是改善光谱分析精度,提升光谱分析能力的一个关键性突破。集合经验模态分解(EEMD)方法是一个以信号固有特征尺度为度量的时空滤波过程,能充分保留信号本身的非线性和非平稳特征,在信号的滤波和消噪中具有较大的优势。结合EEMD的多尺度滤波特性,提出了一种新的EEMD阈值光谱消噪方法,并应用于新疆塔里木河中游典型绿洲33个土壤剖面反射光谱数据的预处理。为探讨EEMD阈值法在土壤剖面反射光谱消噪中的效用,对EEMD阈值法和小波阈值法的消噪结果进行了对比分析。结果表明：与传统的小波阈值法相比,EEMD阈值法消噪结果的信噪比从14.836 6 dB提高到34.275 7 dB,均方根误差由6.786 1×10-5降到7.240 6×10-6,相关系数从0.982 5提高到0.999 8,EEMD阈值法的三个消噪效果衡量指标均优于小波阈值法。证明了EEMD阈值法可有效地去除土壤剖面光谱噪声,较好地保留了光谱的细节信息,提高了光谱的定量分析精度,且与小波阈值消噪方法相比具有较强的可靠性和自适应优势,作为光谱数据预处理的一种新方法,其应用前景良好。     

基于小波变换的紫外光信号降噪处理

介绍了小波变换的基本理论以及利用小波变换进行信号处理的方法和步骤.选择db8小波对紫外光信号进行小波阈值降噪处理.实验结果表明采用小波阈值降噪法能够有效地抑制信号中的噪声,信噪比提高了8.519 2 dB.     

Noise reduction for lidar returns using local threshold wavelet analysis

Remote sensing technique of lidar belongs to the category of weak signal extraction under strong background noise. For effectively reducing the noise of lidar return signal, a wavelet analysis method using local threshold value is employed. In the local threshold value wavelet method, different threshold values are used to quantify the high frequency coefficients of every decomposition layer. Both the numerical simulation signal contaminated by random noise of different standard deviation and the practical Mie lidar returns were adopted, and the comparisons among sliding-window method, global threshold method and local threshold method were performed for verifying the feasibility of the local threshold method. Experiment results show that the local threshold wavelet method is a useful de-noising method which shows better effects of noise reduction than other two methods.     

激光主动探测中回波信号的小波去噪方法

在分析激光主动探测中回波信号的噪声特性和小波变换去噪原理的基础上，提出了一种基于最大信噪比准则的小渡阈值去噪方法。首先用最大信噪比准则对小波变换系数进行阈值选取，然后采用软阂值方法对小波系数进行量化处理后再重构。仿真结果表明最大信噪比准则小波去噪方法改善信噪比效果十分显著，检测下限达到-16．2dB。证明了该方法在激光主动探测系统回波信号检测中的有效性。     

Wavelet filter-based weak signature detection method and its application on rolling element bearing prognostics

De-noising and extraction of the weak signature are crucial to fault prognostics in which case features are often very weak and masked by noise. The wavelet transform has been widely used in signal de-noising due to its extraordinary time-frequency representation capability. In this paper, the performance of wavelet decomposition-based de-noising and wavelet filter-based de-noising methods are compared based on signals from mechanical defects. The comparison result reveals that wavelet filter is more suitable and reliable to detect a weak signature of mechanical impulse-like defect signals, whereas the wavelet decomposition de-noising method can achieve satisfactory results on smooth signal detection. In order to select optimal parameters for the wavelet filter, a two-step optimization process is proposed. Minimal Shannon entropy is used to optimize the Morlet wavelet shape factor. A periodicity detection method based on singular value decomposition (SVD) is used to choose the appropriate scale for the wavelet transform. The signal de-noising results from both simulated signals and experimental data are presented and both support the proposed method.     

基于混沌粒子群优化的图像Contourlet阈值去噪

提出了基于混沌粒子群优化的图像Contourlet阈值去噪方法.该方法在Contourlet变换域内利用混沌粒子群算法来确定最优阈值,再通过软阈值函数去噪,且不需要噪音方差等先验信息.实验结果表明：该方法与小波Bayeshrink阈值、基于粒子群的小波阈值、Contourlet自适应阈值等去噪方法相比,能有效地去除高斯白噪音和椒盐噪音的混合噪音,提高峰值信噪比,并较好地保留图像的细节和纹理,从而明显地改善了图像的视觉效果.     

基于小波阀值消噪的硝铵NQR信号处理

针对硝铵（AN）核电四极矩共振（NQR）信号通过傅立叶变换频域分析缺乏信号时域信息的特点,对硝铵NQR信号进行时频分析,达到从强背景噪声下检测出NQR信号的目的. 引入小波分析阀值去噪的方法对硝铵NQR信号进行处理. 对处理后数据与标准信号之间的相关系数进行分析. 实验结果表明小波阀值去噪方法可以成功检测到硝铵的NQR信号.     

小波包节点分段阈值降噪在水声监听中的应用*

水声目标信号在发送、传播过程中,易受到环境噪声、系统自噪声等影响,因此水声监听过程中目标信号会掺杂大量噪声信息。为提高获取目标信号的准确性和可靠性,降低噪声,在已有小波分析基础上,提出小波包节点相对能量判断最优分解层,最优分解层节点系数分段阈值处理重构方法,实现水声监听信号分频段去噪。将0.1 kHz~8.4 k Hz实验数据按节点频率排序划分为5个强弱不同的频段信号实现消噪提取,结果表明该方法可将噪声信号与目标信号有效分离,与全局单一阈值相比,具有较好降噪能力。该方法打破了小波阈值去噪高频处理的局限性,提高了识别精度,改善了全局单一阈值去噪存在的短板,在鱼类分析识别、舰船监听、深海探测等方面具有一定的推广和应用价值。     

光谱信号的小波去噪新技术

光谱分析中,噪声的存在常影响分析的准确度和检测限。现有滤波方法在光谱信号除噪方面有种种缺陷。文章充分利用小波在信号处理方面的优良特性,提出了Mexican Hat小波滤波算法,它选用Mexican Hat小波函数构造滤波项,利用滤波项与原始信号作用,从而实现信号与噪音的分离。该方法无论对低频或高频信号均适用,除噪完全,即使对信噪比为1的高噪声信号也能获取满意的处理结果。运用这一技术处理光谱信号,简单快速、结果可靠,处理后峰位置、峰高、峰面积误差分别小于0.2%,3.2%,1.1%。大量实验表明,本方法能有效提高光谱分析的准确度。     

小波包自适应阈值语音降噪新算法

为了克服低信噪比输入下,语音增强造成语音清音中的弱分量损失,造成重构信号包络失真的问题。论文提出了一种新的语音增强方法。该方法根据语音感知模型,采用不完全小波包分解拟合语音临界频带,并对语音按子带能量进行清浊音区分处理,在阈值计算上,提出了一种清浊音分离,基于子带信号能量的小波包自适应阈值算法。通过仿真实验,客观评测和听音测试表明,该算法在低信噪比输入时较传统算法,能够更加有效地减少重构信号包络失真,在不损伤语音清晰度和自然度的前提下,使输出信噪比明显提高。将该算法与能量谱减法结合,进行二次增强能进一步提高降噪输出的语音质量。