小波分析在汽车车灯光源色测量中CCD光谱的消噪平滑处理

本文依据小波变换原理 ,提出利用小波变换技术对汽车车灯光源色测量中实时采集的光源光谱信号进行多分辨分解 ,有效地消除噪声 ,提高了光谱的信噪比。由CCD接收的标准A光源谱进行了多层分解 ,讨论了不同小波基和分解阶次对信号分析结果的影响。选取最佳小波基 ,为光谱信号消噪平滑处理提供了较有效的数据处理方法。通过对CCD接收的光谱信号进行了消噪和平滑处理 ,解决了实时采集光谱信号在分析和数据处理上的困难 ,该研究充分体现了小波变换在数据处理方面的优势 ,在依赖于光谱信号的颜色测量领域中起重要的作用。     

非下采样小波变换红外光谱数据去噪

为了降低噪声对实测红外光谱信号的影响,引入了一种非下采样小波变换的红外光谱数据去噪方法。采用非下采样小波变换对原始光谱信号进行多尺度分解,提取信号的多尺度细节特征;根据光谱信号和噪声在不同尺度上的差异,通过应用变分偏微分方程方法调整分解后的各子带系数;重构各子带就可以将原始光谱信号中真实信号和噪声分离,从而达到剔除噪声的目的。通过两组实验对比传统小波和该方法针对红外光谱数据的消噪效果,实验结果表明:非下采样小波变换在红外光谱数据去噪方面具有明显的优势,不仅能够有效地去除噪声,很好地保持信号的形状,并且均方误差较小;在实际的红外光谱数据处理中能够获得较好的去噪效果。     

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。     

人血清血卟啉荧光光谱的双正交样条小波识别

人血清中血卟啉含量很低,其荧光光谱强度很弱,往往呈肩峰形态,难以识别其位置和荧光强度。双正交样条小波可实现对其弱信号的分辨。在血清背景荧光光谱上叠加血卟啉荧光信号,并改变其荧光强度,得到一系列强度改变的 血清血卟啉荧光光谱。用双正交样条小波bior5.5对获取的荧光光谱通过7次小波分解,将背景与卟啉荧光信号分离,得到了离散逼近信号(a₁～a₇)和离散细节信号(d₁～d₇)。结果 表明,信号频率随着分解次数的增加逐步降低。当分解到第7次时,出现了血卟啉荧光特征峰。信号峰的位置随着信号强度的下降蓝移约2.5 nm,而通过小波滤波器提取的信号峰的位置不变。随着信号的强度降低,信号峰的位置逐渐消失 ,因而其荧光强度与荧光峰的位置无法确定,而通过小波滤波器提取的信号则不受影响,且灵敏度高,从而实现了用双正交样条小波对人血清血卟啉荧光光谱的识别。由于小波变换是线性变换,离散细节信号保持信号原有的线性关系,可 以用来对血清中所含血卟啉的准确成份和定量信息,从而进行定性和定量分析,为血清荧光光谱用于肿瘤的早期诊断提供了一种方法。     

基于小波分解的光谱特征提取算法研究

物质的光谱曲线反映了其独特的反射特性,利用光谱可以进行物质的分类识别工作。由于光谱曲线数据量较大、吸收特征不明显等特点,光谱曲线的特征提取是高光谱影像分类识别中的一个关键问题之一。该文利用小波分析技术通过对原始信号的分解,以及测量目标光谱特征的吸收宽度,确定了小波分解尺度,达到突出目标光谱吸收特征而抑制非相关特征及噪声的目的。通过实验表明,该方法可有效地降光谱维数,提高了光谱匹配识别精度。     

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。     

小波变换应用于谐波谱线的噪声滤除与基线校正

红外光谱谐波检测系统中的噪声与基线漂移问题一直是光谱处理的热点,提出一种采用小波变换的Mallet分解算法, 解决谐波检测中各种复杂噪声以及基线漂移的问题。选取适当小波函数及分解层次将谐波曲线中含有的噪声和基线漂移与有用信号分解到不同频带;分析频带信息,设定一个检测信息频带, 应用阈值处理及系数置零的方法使频率处于此频带的信息保留下来。小波变换方法可以在一次分解与重构过程中同时去除谐波信号的噪声与基线的双重干扰,从而将谐波信号有效地测量出来。实验证明,应用小波变换进行谐波校正的方法可应用于不同的谐波检测系统,具有普遍适用性。     

基于小波变换的人血清血卟啉荧光光谱分析法

卟啉是生命活动的重要物质,原卟啉可做为肿瘤血液标志物.人血清中血卟啉含量很低,且受多种因素影响.基于小波变换的人血清血卟啉荧光光谱分析法可实现对其弱信号的分辨.用多功能光谱测量系统获取人血清血卟啉荧光光谱,对获取的荧光光谱通过数次小波变换进行分解,将噪声与光谱信号分离,滤波后的荧光光谱进行6次分解后得到了离散逼近信号(a1～a6)和离散细节信号(d1～d6).信号频率随着分解次数的增加逐步降低.当分解到第6次时,出现了血卟啉荧光特征峰,成功地观测到血卟啉的荧光发射峰,实现了弱信号分辨,得到了血清中所含血卟啉的准确成份和定量信息,从而进行定性和定量分析,为血清荧光光谱用于肿瘤的早期诊断提供了一种方法.     

一种基于小波变换的太赫兹时域光谱分析方法

传统太赫兹光谱傅里叶分析法要求必须先测量出无样品时的THz信号作为参考信号,对测量环境要求高,提出了一种基于小波变换的太赫兹时域光谱信号处理方法,以简化太赫兹光谱测量的步骤.对空气中直接测得的样品光谱信号进行去噪预处理,然后利用Coiflets正交小波基进行多尺度下的小波分解,进而计算出各样品不同尺度下的小波多分辨信息熵,得到表征样品的特征信息.实验结果表明,在太赫兹频段,不同样品的小波多分辨信息熵值差异显著,同一样品则保持稳定;不同湿度下光谱信号的小波熵值重复性好,平均偏差小于0.05.     

EEMD自适应去噪在拉曼光谱中的应用

二代小波是公认较好的降噪手段,但是降噪效果依赖于基函数、分解层数和阈值等参数设置。经验模态分解(empirical mode decomposition, EMD)无需参数设定,按照频率特性将信号分解成本征模函数(intrinsic mode function, IMF),对IMF滤波,实现了信号自适应去噪。拉曼光谱中信号和噪声交叠集中在极高频段,EMD产生模态混叠问题,影响去噪效果。应用总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)拉曼光谱克服了模态混叠,有效区分出高频信号和噪声,获得了与小波函数相似去噪效果。文中首先对一段非线性非平稳豆油脂拉曼光谱EMD分解,可见模态混叠,EEMD分解出清晰模态的特征分量。然后分别用快速傅里叶变换(fast Fourier transform,FFT)、小波变换(Wavelet)、EMD和EEMD处理含噪光谱,信噪比、均方根误差、相关系数三个方面指标表明FFT高频去噪效果最差,其次是EMD,恰当的Wavelet同EEMD效果相当,EEMD的优势是降噪过程的自适应。最后提出光谱时频分析方法和IMF噪声属性判别准则研究趋势。     

软门限去噪法在X射线能谱分析中的应用

从函数空间的剖分和理想滤波器组的角度分析了多分辨率信号的分解与重构，提出了一种X射线能谱去噪的方法，即应用Mallat算法对谱信号进行小波分解，然后应用一个非线性软门限函数在小波域内将噪声抑制和消除，最后重构得到去噪后的能谱。该方法明显改善了能谱定量分析的结果。     

基于小波变换的便携式X射线荧光光谱仪检测模型的建立与改进

应用便携式X射线荧光光谱仪对土壤中Cr,Cu,Zn,As,Pb等重金属含量进行检测, 每个样品扫描检测3次,利用小波阈值滤噪的方法对所测谱线进行光滑去噪处理后, 根据土壤重金属的标准值和相应的计数率(取三次处理后检测谱线的平均值)建立各重金属的标准曲线。运用小波阈值滤噪方法时, 为确定最佳的小波基和小波分解层数, 以信噪比(SNR),均方根误差(MSE)和信息熵(H)作为评估指标评价降噪效果。为验证仪器的稳定性, 根据土壤样品中重金属浓度的不同挑选部分样品并同时选用H₃BO₃(空白对照)进行重测。结果表明: 运用小波变换方法时,选取coif3小波基对谱线进行三层分解, 取得了最佳的去噪效果; 建立好模型后,仪器的决定系数R2范围是0.990~0.996, 表明在0~1 500 mg·kg-1范围内, 土壤样品中各重金属元素含量与X射线荧光光谱特征峰强度之间的线性关系良好; 经过重复检测和计算得知仪器的检出限均低于国家一级土壤标准。将小波变换的方法实际运用到X射线荧光光谱仪检测模型的建立与改进中,有效的提高了模型的准确性,同时经验证,仪器具有良好的精密度,可运用于实际土壤重金属污染的现场快速筛查。     

一种改进的小波除噪方法用于含噪ICP-AES光谱的处理

提出了一种改进的小波除噪方法。它基于噪声具有频率较高和幅度较小的特点 ,先排除信号中频率较高的成分 ,再丢弃余下的系数较小的成分。对模拟的含噪电感耦合等离子体原子发射光谱 (ICP AES)的处理结果表明 ,该法能克服小波平滑和小波去噪的一些缺陷 ,可去除更多噪声 ,而信号强度不受影响。同时 ,基线变得平坦 ,有利于峰高的定量计算。用该法处理实测ICP AES光谱 ,效果满意。     

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。     

乙醇含量拉曼光谱检测中噪声与背景同时消除方法研究

乙醇含量拉曼光谱检测中,拉曼光谱信号中的各种噪声及光谱荧光造成的基线漂移和样品池背景等,影响了校正模型的预测精度。利用总体平均经验模态分解,将光谱信号分解成若干无模态混叠的内在模式分量,根据排列熵的信号随机性检测判据判断出代表背景信息和噪声信息的内在模式分量,将其置零即可同时消除拉曼光谱中的噪声与背景。将总体平均经验模态分解与排列熵相结合的预处理方法应用于乙醇含量的拉曼光谱检测中,并与小波变换和平均平滑滤波做了对比。实验结果表明：应用总体平均经验模态分解与排列熵相结合的方法能够有效的同时消除乙醇含量拉曼光谱检测中的噪声和背景信息,提高校正模型的预测精度,且使用简便,无需参数设置,对乙醇含量拉曼光谱检测具有实用价值。     

小波变换的EDXRF光谱金属组分特征峰位置识别

主要研究X射线荧光光谱金属组分特征谱位置的确定。依据不同金属组分的特征谱特性,分析了特征谱的选取规律,在奇异值分析理论和模极大值理论的基础上,分析了基于特征谱小波分解系数的模极大值提取方法,在不同分解尺度下的特点及其传播特性,提出了基于模极大值传播的区间特征峰筛选方法,并对实际测量光谱进行了实验分析。结果表明：利用bior4.4小波作为基函数对实验测量的全能谱数据进行4层小波变换,利用模极大值传播特性,可以消除全能谱上叠加的部分噪声对光谱分析造成的阶跃影响;为提高特征峰的位置识别概率,对小波变换中小于给定阈值的分解系数进行压缩,将实验获取的X射线荧光全能谱第4层小波分解系数直接进行特征峰识别,得到的677个峰值位置,压缩到186个;在此基础上,再采用模极大值传播的区间特征峰筛选方法,筛选区间初始值设置为600 eV,经识别得到的特征峰峰值位置仅为27个,识别准确率得到有效提高。     

基于小波模极大值移位相关的光谱去噪方法

提出一种小波模极大值移位相关滤波算法,用来对吸收光谱进行去噪处理。首先,依据小波变换模极大值理论,识别吸收光谱的二进小波系数中的噪声成分和有用信号成分;然后将其中相邻尺度的有用成分在波数轴上移位对齐,修正模极大值在尺度间的“漂移”现象,并对其中噪声成分进行平滑;最后将预处理后的相邻尺度的小波子带相乘,根据得到的小波系数尺度间的相关度,进一步强化信号的重要特征,同时衰减噪声。相比SSNF及MPTH等去噪方法,新的算法不需要估计噪声强度,可避免引入误差和复杂计算;也不需要进行迭代计算,可消除算法收敛缓慢甚至不收敛的危险;同时,该算法修正了光谱谱峰在不同尺度的模极大值位置的“漂移”,可弥补这一现象造成的谱信息的损失。实验结果证明,提出的滤波算法在保留SF₆气体红外吸收光谱的有用成分的前提下,有效的滤除了噪声。     

DNA测序信号去噪分析的一种新方法

在DNA荧光测序中,噪声会影响分析的准确度和检出限。相比其他滤波方法,小波分析具有良好的时频域分辨特性。在小波去噪处理中,正确选择合适的小波基函数、去噪阈值和分解层数直接关系到信号去噪处理的质量。为了真实构建噪声模型并准确评价去噪算法的有效性,实验中通过实际系统中采集到的噪声信号叠加理想荧光信号构建DNA测序仿真信号,去噪分析的结果表明：选择sym7小波基函数、分解层数(lev＝5)与使用固定格式软阈值,有效去除了DNA测序信号的噪声;处理后,信号的信噪比提高了5倍以上。将其用于处理实际的DNA电泳荧光信号,相比基于随机噪声模型的算法,去噪后的信号更加真实可靠。