小波变换提高动态光谱法血液成分无创检测的精度

光谱采集过程中的各种时变噪声影响了动态光谱法血液成分无创检测定量校正模型的精度。该文采用小波变换法,在脉搏频段内对指端投射光谱的时域吸光度波形聚焦,提高了动态光谱数据的信噪比和血液成分含量定量校正模型的精度。对同一个体连续采集10次光谱数据,引入小波变换去噪后动态光谱数据的平均相关系数r自0.979 6提升至0.990 3。对110名志愿者进行血常规体检和指端透射光谱采集,建立动态光谱数据与血糖浓度生化分析值之间的神经网络模型,在引入小波变换去噪后,预测集相关系数自0.6774提升至0.846 8,平均相对误差自15.8%下降至5.3%。实验表明,引入小波变换可以有效地去除动态光谱数据中的噪声,提高定量校正模型的精度,推动了动态光谱法无创血液成分检测的发展。     

基于可见/近红外光谱技术的林地土壤氮含量测定

提出一种利用可见/近红外光谱技术进行杉木林土壤全氮测定的方法.利用不同方法实现了土壤光谱的预处理,并以偏最小二乘回归算法(PLS)建立土壤氮含量估测模型对其进行比较分析,发现小波除噪结合多远散射校正能最有效地消除原始光谱的噪声与背景信息,此时PLS模型校正集与预测集R2分别为0.891与0.885.为优化模型,对预处理后的光谱数据采用主成分分析法(PCA)降维,以最小二乘支撑向量机回归算法(LS-SVR)建立了土壤氮含量估测模型,其校正集与预测集R2分别提高至0.921与0.917,具有比PLS算法更高的精度.结果表明:以可见/近红外光谱技术进行林地土壤氮含量快速监测是可行的,其中小波去噪结合多元散射校正系光谱预处理的优选方法,而LS-SVR则是建模的优选方法.     

基于广义S变换和奇异值分解的近红外光谱去噪

针对近红外光谱物质含量检测过程中噪声影响模型精度和稳定性的问题,引入广义S变换与奇异值分解(SVD)。利用广义S变换得到光谱数据的时频谱,并将二维时频谱系数矩阵作为SVD的Hankel矩阵求解奇异值,再采用k-均值聚类算法对奇异值序列进行分类计算,确定重构奇异值个数,对去噪后的数据矩阵进行广义S逆变换得到去噪后的光谱数据。给出组合方法的基本理论和具体实现过程,对仿真数据和谷朊粉导数光谱进行去噪,并与传统的9点平滑法和小波软阈值法的去噪结果进行比较。结果表明:所提方法克服了时域或频域单维滤波的局限性,且无需参考噪声数据和选择基函数,在谷朊粉导数光谱去噪中,只需采用两个奇异值就能实现较好的去噪效果,降低了滤波过程的复杂度。采用所提方法处理后,近红外光谱的分析精度和模型的稳健性优于9点平滑处理法和小波软阈值法。相比9点平滑法,所提方法的预测集的决定系数由0.9436增大为0.9985,预测均方根误差由0.0843减小为0.0406,明显提高了谷朊粉中水分含量定量检测的精度。     

应用数字傅里叶滤波方法提高近红外光谱多元校正模型稳健性的研究

在近红外光谱多元校正方法实际应用中,经常遇到这样的情况,近红外光谱校正模型仅适用于建模时的测量条件,而在测量条件稍有变化时就无法实现样品的准确预测.文章主要研究采用数字傅里叶滤波预处理方法提高近红外光谱多元校正模型稳健性.文章将数字傅里叶滤波预处理方法应用于葡萄糖水溶液的温度实验,实验1和实验2分别在恒温25 ℃和恒温30 ℃进行光谱测量;实验3在未控温的室内环境下进行光谱测量.采用实验1和实验2的样品作为训练集进行模型训练和优化,模型建立完毕之后,采用实验3的样品作为验证集进行模型预测能力评价.结果表明,如果训练集样品未经过预处理而直接建立偏最小二乘(PLS)多元校正模型,则验证集样品均方根预测误差(RMSEP)为664.47 mg·dL-1.而训练集和验证集样品经过傅里叶滤波预处理之后分别进行PLS建模和预测,验证集样品均方根预测误差(RMSEP)降低为58.43 mg·dL-1,样品预测值与参考值的相关性也得到提高.可见,采用数字傅里叶滤波预处理方法可以提高多元校正模型的稳健性.     

基于NLMS自适应滤波的近红外光谱去噪处理方法研究

为了去除直接采集的近红外(NIR)光谱中含有的噪声,将归一化最小均方(NLMS)自适应滤波方法引入到NIR光谱去噪领域中。以51份土壤样品的NIR光谱为研究对象,探讨NLMS自适应滤波方法在NIR光谱预处理中的应用,并将处理后的结果与土壤中有机质的含量相关联,建立模型。结果表明,通过NLMS自适应滤波去噪后的光谱,预测集的相关系数r由处理前的0.8284提高至0.9654,预测均方根误差(RMSEP)由处理前的0.3385降至0.1606。由此可见,NLMS自适应滤波对NIR光谱的去噪有显著效果,可以有效地提高光谱的分析精度和模型的稳健性,为NIR光谱的预处理提供了一种新方法。     

PLS和SMLR建模方法在水蜜桃糖度无损检测中的比较研究

在实际应用中,一些实验条件往往不能严格控制而存在变化,从而影响近红外光谱检测模型的稳健性。文章以50个常温和50个冷藏后的奉化水蜜桃样品组成温度混合样品集,经光谱杠杆值和狄克松检验法进行异常光谱剔除后,采用偏最小二乘法(PLS)和逐步多元线性回归(SMLR)对水蜜桃糖度进行建模分析。PLS的建模结果:校正集相关系数RC=0.965,校正均方根标准误差RMSEC=0.301°Brix,交叉验证RCV=0.812,交叉验证均方根标准误差RMSECV=0.67°Brix,标准偏差与交叉验证均方根标准误差的比值RPD=1.72;SMLR的建模结果:校正集RC=0.929,RMSEC=0.424°Brix,交叉验证RCV=0.887,RMSECV=0.532°Brix,RPD=2.16。SMLR的预测结果要优于PLS的预测结果,在SMLR分析中,在3个不同的光谱区域4 290～7 817,7 817～10 725,4 290～10 725 cm-1的RPD值分别为1.97,1.89,2.16。试验结果表明,将不同温度条件下的样品组成温度混合样品集,用PLS和SMLR建立的模型具有较好的预测效果。     

近红外光谱(NIRS)技术快速测定湖泊沉积物营养组分研究

湖泊沉积物保存了湖泊环境演化的重要信息,但目前还没有建立起快速、准确的湖泊沉积物营养组分组合分析方法。该文利用近红外光谱(NIRS)技术,采用一阶导数、小波滤噪、正交信号校正、小波滤噪+正交信号校正、一阶导数+正交信号校正、正交信号校正+小波压缩6种光谱预处理技术和偏最小二乘(PLS)法相结合在国内建立了NIR光谱测定湖泊沉积物柱芯样品中总碳(TC),总氨(TN),总有机碳(TOC)和总磷(TP)的校正模型,结果表明虽然NIR光谱校正模型对TOC的预测效果不理想,但一阶导数+正交信号校正光谱校正模型对TC和TN,正交信号校正光谱校正模型对TP的预测效果较好,预测相关系数分别为0.759 7(TC),0.865 0(TN)和0.811 2(TP),预测误差(RMSEP)分别为0.13%(TC),0.008 2%(TN)和0.012%(TP)。该研究对于推动我国湖泊沉积物的光谱学特性研究具有重要意义。     

运动西瓜可见/近红外光谱采集系统及品质检测试验研究

为使可见/近红外漫透射光谱技术用于西瓜品质在线检测,自行设计加工了运动西瓜光谱采集系统,并进行了样品光潜采集.通过运动状态下西瓜光谱与品质指标的建模与预测结果,分析由于运动引起的噪声对光谱的影响,并分别采用最小二乘拟合法、Norris微分滤波等方法进行了光谱的平滑消噪处理,分析这些方法对光谱的平滑消噪效果及对建模与预测结果的影响,发现Norris微分滤波法更适合本系统采集到的两瓜光谱的平滑消噪处理,改善了光谱的平滑性,提高了建模与预测精度;建立了运动西瓜的可溶性固形物含量与可见/近红外光谱的相关关系模型,校正相关系数为0.895,均方根校正标准偏差RMSEC为0.549,均方根预测标准偏差RMSEP为0.760.     

不同土壤类型的有机质含量的可见-近红外光谱检测模型传递方法研究

利用可见-近红外光谱分析技术可以准确快速的获取土壤养分含量,但不同类型土壤间养分含量校正模型的普适性是亟待解决的关键问题。为提高有机质含量光谱校正模型在多类型土壤之间的普适性和农田在线检测有机质含量速度,利用美国M107B区66个样品建立基于可见-近红外光谱的土壤有机质含量的粒子群-最小二乘支持向量机（PSO-LSSVM）校正模型,预测M107B区的23个验证集样品的决定系数R2=0.859,相对分析误差RPD=2.660;将M107B区89个土壤样品作为校正集建模后对N116B区20个验证集样品的有机质含量预测,预测R2=0.562,预测RPD=0.952,模型的预测R2和预测RPD分别降低34.6%和64.2%,表明M107B区土壤有机质含量的可见-近红外光谱校正模型直接用于N116B区时,预测精度显著降低;将N116B区部分土壤样品加入到M107B区样品集后重新建模,并预测N116B区20个验证集样品的有机质含量,当加入的N116B区土壤样品数量达到35以上,预测R2>0.80,预测RPD>2.0;加入到校正集的N116B区土壤样品数量从0增加到50,模型预测R2从0.562增加到0.811,预测RPD从0.952增加到2.274,精度逐渐提高。结果表明,在M107B区校正模型中加入N116B区部分土壤样品建模,能够有效提高M107B区土壤校正模型对N116B区土壤有机质含量的预测精度;加入的N116B区土壤样品数量达到50以上,模型预测性能趋于稳定,预测精度达到实用要求,成功将M107B区土壤有机质含量校正模型传递给N116B区土壤;优先选择与M107B区土壤样品的有机质含量或光谱曲线差异较大的N116B区土壤样品参与建模,可有效避免模型传递时模型性能出现突变。提出的方法能够有效提高M107B区土壤的有机质校正模型对N116B区土壤的预测精度,为基于可见-近红外光谱的农田土壤有机质含量实时检测提供一种新的经济可行的模型传递方法,为提高多类型土壤的有机质含量检测模型的普适性提供一种有效的解决方案。     

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21.17dB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。     

Application of wavelet transform on improving detecting precision of the non-invasive blood components measurement based on dynamic spectrum method

Time-varying noises in spectra collection process have influence on the prediction accuracy of quantitative calibration in the non-invasive blood components measurement which is based on dynamic spectrum (DS) method. By wavelet transform, we focused on the absorbance wave of fingertip transmission spectrum in pulse frequency band. Then we increased the signal to noise ratio of DS data, and improved the detecting precision of quantitative calibration. After carrying out spectrum data continuous acquisition of the same subject for 10 times, we used wavelet transform de-noising to increase the average correlation coefficient of DS data from 0.979 6 to 0.990 3. BP neural network was used to establish the calibration model of subjects' blood components concentration values against dynamic spectrum data of 110 volunteers. After wavelet transform de-noising, the correlation coefficient of prediction set increased from 0.677 4 to 0.846 8, and the average relative error was decreased from 15.8% to 5.3%. Experimental results showed that the introduction of wavelet transform can effectively remove the noise in DS data, improve the detecting precision, and accelerate the development of non-invasive blood components measurement based on DS method.     

小波包变换潜变量回归同时测定钐和钇

采用小波包变换潜变量回归(WPLVR)方法,同时测定了钐和钇.该法结合小波包变换和潜变量回归改进了除噪质量.信号的小波包表述提供了一个局部时频描述,因此在小波域,除噪质量可以改善.潜变量是把小波包处理过的信号投影到正交基本征矢量上获得.潜变量可由原始变量的线性组合来表示.使用该法,人们可从没有选择性的全光谱数据中获得极有选择性的信息.通过最佳化,选择了小波函数及小波包分解水平(L).编制了两个程序(PWPLVR)和(PFTLVR)执行WPLVR和傅里叶变换潜变量回归(FTLVR)法计算.试验结果表明两种方法都是成功的,且WPLVR法更优于FTLVR法.     

混沌干扰中基于同步挤压小波变换的谐波信号提取方法

针对混沌干扰背景下多个谐波信号的提取问题, 提出了一种基于同步挤压小波变换(SST)的谐波信号抽取方法. 首先利用SST将混沌信号和谐波信号组成的混合信号分解为不同的内蕴模态类函数, 然后利用Hilbert变换对分离出的内蕴模态类函数进行频率识别, 从中分离出各谐波信号. 以Duffing混沌背景为例, 对混沌干扰下多谐波信号的提取进行了实验分析. 实验结果表明: 对于不同频率间隔的多个谐波分量, 本文方法的提取结果都具有较高的精度, 而且所提方法对高斯白噪声的干扰具有较好的鲁棒性, 综合提取效果优于经典的经验模态分解方法.     

可见光/近红外光谱技术快速测定橙汁柠檬酸含量

为了快速无损测定橙汁的柠檬酸含量,提出了一种用可见光/近红外光谱技术进行检测的新方法.选用高效液相色谱法作为光谱柠檬酸测定的标定方法.采用平滑点数为5的移动平滑法对原始光谱进行预处理消除噪声.由于采集的光谱数据量非常大,为了减少建模时间,建模之前采用小波变换对经过预处理的大量光谱数据进行降维压缩,并在Matlab7.01中通过自编程序实现此变换.利用光谱专用分析软件Unscrambler 9.5,对压缩后的新变量进行分析,建立偏最小二乘(PLS)校正模型.考虑到不同小波基及分解尺度对数据压缩的影响,采用预测平方和PRESS值最小的评价标准,选择最佳的小波基Db4及分解尺度5.用于本实验的样本总数为40,其中30个样本进行建模,10个用于预测.用校正集相关系数(r)和标准偏差(SEC)作为校正模型的评价指标,预测结果采用预测相关系数(r)和预测标准偏差(SEP)来评定.文章将基于小波变换的PLS模型与直接建立的PLS模型进行了比较,偏最小二乘法结合小波变换的模型预测相关系数为r=0.901,预测标准偏差SEP=0.937;而由PLS建立的模型其预测相关系数r=0.849,预测标准偏差SEP=1.662.由此可见,由偏最小二乘法结合小波变换所得模型效果优于单独使用偏最小二乘法的结果.     

基于小波变换的人体步态序列提取

将小波变换用于处理人体行走时产生的加速度信号.利用离散小波变换的多尺度、多分辨率特性对原始加速度信号进行尺度分解,在对小波基以及分解尺度进行合理选取后准确地从加速度信号中提取出隐藏的步态节律.与利用阈值法直接对原始加速度信号提取峰值的算法比较后发现：利用小波分解得到与步态节律相关的特征尺度后再进行峰值检测能显著地提高信号峰值的检出率;即使当原始信号存在较严重的噪声干扰时,该方法也能保证所提取出的步态序列的准确性.这对于步态序列的后续分析具有至关重要的意义.研究表明,离散小波变换是一种有效的提取步态节律的方 关键词： 小波变换 步态序列 峰值检测 特征尺度     

Adaptive bistable stochastic resonance and its application in mechanical fault feature extraction

Stochastic resonance (SR) is an important approach to detect weak vibration signals from heavy background noise. In order to increase the calculation speed and improve the weak feature detection performance, a new bistable model has been built. With this model, an adaptive and fast SR method based on dyadic wavelet transform and least square system parameters solving is proposed in this paper. By adding the second-order differential item into the traditional bistable model, noise utilization can be increased and the quality of SR output signal can be improved. The iteration algorithm for implementing the adaptive SR is given. Compared with the traditional adaptive SR method, this algorithm does not need to set up the searching range and searching step size of the system parameters, but only requires a few iterations. The proposed method, discrete wavelet transform and the traditional adaptive SR method are applied to analyzing simulated vibration signals and extracting the fault feature of a rotor system. The contrastive results verify the superiority of the proposed method, and it can be effectively applied to weak mechanical fault feature extraction.     

一种改进小波算法及其在拉曼光谱预处理的应用

针对现有用于光谱预处理的小波变换算法对光谱噪声和背景荧光等处理效果不佳的局限性,本文提出了一种改进的小波变换算法——小波变换频率分量相关选择法,首先对拉曼光谱进行小波棱镜分解,然后计算各个频率分量与待测质量指标的相关系数,设定相关系数的相对阈值,提取高于阈值的小波频率分量波长点光谱数据作为校正模型的有效输入数据。将其应用于汽油低分辨率拉曼光谱的预处理,并采用预处理后光谱建立的偏最小二乘模型预测值的最大正负误差和交叉检验的均方误差作为指标。实验结果证明,与其他常见预处理方法比较,该方法并能够很好地减弱荧光背景干扰和高频噪声,显著提高了基于偏最小二乘方法建立的汽油辛烷值的模型预测精度,其均方误差减少为0.23;此外,采用该预处理方法的偏最小二乘模型的均方误差随主元数变化不大,稳健性也比采用其他预处理方法的效果好。     

运用小波变换对遥感FTIR光谱进行信息提取

主要描述了如何利用小波变换技术,对一些强度较弱和混叠干扰的遥感FTIR光谱图进行信息提取。采用了墨西哥帽函数(Mexican hat function)小波,对三氯甲烷、丙酮的标准谱图及其两者混合物的遥感谱图信号进行了连续小波变换。结果发现,尺度越小,小波系数模的极大值点与突变点位置的对应就越准确。但小尺度下,小波系数由于受噪声影响,往往只凭一个尺度不能定位突变点的位置。相反,在大尺度下,对噪声进行了一定的平滑,极值点相对稳定,但由于平滑又会使定位产生偏差。因此,在用小波变换模极大值法判断信号突变点时,需要把多尺度结合起来综合观察。总之,小波分析技术能够较准确地、稳定地定位信号突变点,提取信息,并且具有平滑和放大有用信号的作用。对于非严重重叠的混合遥感光谱,根据对不同尺度下的小波变换系数的模极大值及其定位的分析,也可较好地识别谱图。     

基于复小波包分形理论的爬壁机器人故障检测

通过研究爬壁式机器人的控制和运动特征，提出一种基于复小波包分形理论的故障检测方法．利用复小波包的平移不变性，将爬壁式机器人传感器输出信号分解成独立的频谱，并进行阀值处理和重构，从而有效去除高频噪音并提取故障的特征频率；依据信号分形维数的多尺度不变性，在嵌入维数空间，采用维数最大距离法，确定复小波包域故障信号的关联雏数．仿真实验表明，爬壁式机器人在各种异常工作模式下的故障信号关联维数能比较真实地反映其故障状态空间，同时也验证了故障信号的关联维数低于正常信号的关联维数作为故障发生与否的定量判据的正确性．     

基于小波变换的体内外酒精含量近红外光谱检测与分析

应用小波分析对体外和体内的酒精近红外光谱信号进行去噪分析,通过体外光谱分析确定酒精吸收峰特征范围,为体内近红外光谱分析确定有效区间。软阈值和硬阈值下,分别采用缺省阈值、Birge-Massart阈值和最大最小值阈值,比较酒精光谱去噪,信噪比(signal noise ratio,SNR)和均方根误差(root mean square error,RMSE)去噪效果。结果表明:缺省硬阈值方法对酒精近红外光谱去噪的效果较好;小波变换可以有效去除酒精近红外光谱的噪声,提高信噪比,保留有用真实信号。在不同的酒精浓度下,去噪后的近红外光谱能够较好的显示浓度变化规律。小波分析在近红外光谱法对人体酒精无创检测及定量分析方面有较好的应用前景。