基于EMD的拉曼光谱去噪方法研究

经验模态分解(EMD)方法是一个以信号极值特征尺度为度量的时空滤波过程,它充分保留了信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有较大的优势.文章在介绍EMD分解方法的基础上,结合EMD的多尺度滤波特性,提出了一种新的拉曼光谱去噪方法--EMD阈值去噪法.该方法首先对含噪的拉曼光谱信号做EMD分解,得到各阶本征模态函数(IMF),然后对高频的IMF分量用阈值法进行处理,把经过阚值处理后的高频IMF分量与低频IMF分量叠加得到重构的信号,即去噪信号.通过处理对二甲苯的拉曼光谱信号,分析了在不同噪声水平上不同去噪方法的处理效果.实验结果表明EMD阈值去噪法有效地去除了噪声,较好地保留了光谱的细节信息.与小波阈值去噪方法相比较具有自适应的优势,在拉曼光谱去噪中有很好的应用前景.     

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。     

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。     

基于小波变换的压缩感知理论对水质检测紫外-可见光谱数据的去噪研究

消除噪声影响对提高直接光谱法水质检测系统的测量稳定性和精度都具有重要意义。直接光谱法在线水质检测系统通常采用长寿命、无需预热的脉冲氙灯和适用于复杂检测环境的工业级光谱探测装置。针对整个光谱探测系统受到光源、光路和光电转换器件的严重影响，测定的光谱数据含有大量噪声这一实际问题，提出了基于小波变换的压缩感知去噪算法，并与传统小波阈值去噪方法进行了比较实验。针对化学需氧量为200 mg·L-1的邻苯二甲酸氢钾标液的紫外-可见光谱数据进行去噪处理，采用压缩感知去噪算法，将信号在小波域内分解，得到含噪高频系数；采用随机高斯矩阵作为压缩感知算法的观测矩阵，压缩比设置为2，对高频系数进行观测；选择正交匹配追踪算法恢复高频小波系数的稀疏性，从而达到去噪目的。同时针对传统的小波阈值去噪，采用daubechies4作为小波基的软阈值滤波方法对光谱数据进行去噪处理。为验证去噪算法的可行性，采集某溪水和城市生活污水的光谱信号分别采用以上两种方法进行去噪处理，实验结果表明：基于小波变换的压缩感知去噪算法适用于紫外-可见光谱法在线水质检测系统，该方法能在保留水样原始光谱信号的吸收特征的前提下有效地去噪，且去噪效果优于小波阈值去噪算法。与小波阈值去噪算法相比，信噪比提高了12.201 5 dB，均方根误差减小了0.009 3，峰值信噪比增加了5.299 dB。不仅避免了小波阈值去噪过程中阈值的选取依靠主观判断问题，而且在重构过程中有效地抑制了噪声，为直接光谱法检测水质参数提供了一种新的解决方案。     

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。     

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。     

改进阈值提升小波和自适应滤波器的开放光路红外光谱去噪

大气污染物的主要组成成分为挥发性有机物(VOCs)，傅里叶变换红外光谱技术(FTIR)是现阶段应用广泛的挥发性有机物在线测量方法。开放光路获取到的大气红外光谱(OP-FTIR)易受各种噪声污染，如何有效、快速的去除红外光谱中的噪声是大气在线实时监测系统研究的热点。综合利用提升小波变换结构简单、运算量低的优点以及最小均方误差自适应滤波器的自动调节参数以达最优化滤波的性能，提出了一种改进阈值提升小波结合自适应滤波的红外光谱去噪算法。该算法先通过改进阈值小波系数的提升小波去噪，在去噪的同时保留更多光谱特征信息，然后使用提升小波变换分解出的高频系数重构出噪声相关信号，将其作为最小均方误差自适应滤波器的参考输入进行二次滤波处理，最终获得的去噪信号很好的去除了与特征光谱频谱重叠的噪声信号。分别对人工添加噪声的标准红外光谱和合肥市市区上空实测开放光路红外光谱进行去噪处理，结果显示使用该算法处理后的光谱信噪比(SNR)较离散小波传统阈值去噪方法高出3db，均方根误差(RSME)平均减少30%左右，运行时间减少46%。表明该算法计算简单、运行速度快，对于大气环境监测实时消噪系统具有重要的实际应用意义。     

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。     

光谱信号乘性加性混合随机噪声去除方法

提出一种光谱信号噪声的乘性加性混合分析模型,并采用维纳滤波和同态滤波相结合的算法对光谱信号进行去噪处理。仿真结果表明,该算法比移动平均算法、最小均方算法和递归最小均方算法具有更好的去噪性能。实验结果表明,氙灯光谱信号中的噪声符合乘性加性混合模型。与移动平均算法、最小均方算法和递归最小均方算法相比,从该算法处理后的汞灯光谱信号中能够提取更加稳定的谱峰谷位置、谱峰幅度、谱峰半峰全宽等特征值,定量分析时能获得更好的结果。     

基于中值预滤波的航空图像小波去噪算法研究

结合航空图像的噪声来源与图像特性,提出一种基于中值预滤波的图像小波去噪算法.图像首先经中值滤波器进行预滤波,滤除随机的脉冲式噪声,然后对处理后的图像进行小波变换,与给定阈值相比,对可明显判为信号或噪声的系数进行相应处理;对不确定为信号或噪声的系数进行多尺度上的相关性追溯,判别其归属后进行处理.实验结果表明:该方法客观上提高了图像的信噪比,主观上使去噪后的图像纹理分明,能更好地适合人眼的视觉特性,有利于航空图像的分析、判读.     

基于小波包分解和FK分析的次声信号参数估计

频率波数分析法是一种估计信号慢度和方位角的台阵数据处理方法,在地震波信号处理中得到广泛应用,但将频率波数分析法应用于次声信号的时候,分辨率不高,易受噪声的影响,伪峰较明显。因此,本文提出了一种基于小波包分解和FK分析的次声信号参数估计方法,该方法借助小波包分解对信号整个频带的分辨能力,有效提高了算法的分辨率,降低了噪声的影响,有效压制了伪峰,并利用高斯调制正弦信号模拟次声信号,对比分析了方位角的均值、方差和均方根误差,验证了算法的性能,最后利用IS45台站接收的实际次声数据对算法进行对比分析,进一步验证了算法的有效性。     

基于快速小波分形插值的声纳图像缩放算法

本文讨论主动图像声纳的图像结果显示问题,主要介绍一种基于快速小波分形插值的实时声纳图像缩放算法。并通过对合成孔径声纳图像数据进行算法比较,发现此算法比通用的图像插值算法,如双线性插值和双三次样条插值等,具有更好的性能。由于可以分块并行实现,因此本算法易于应用于实时图像声纳工程中。     

Efficient packet routing strategy in complex networks

We investigate a new efficient packet routing strategy which mitigates traffic congestion on complex networks. In order to avoid congestion, we minimize the maximum betweenness, which is a measure for concentration of routing paths passing through a node in the network. Danila et al. propose a packet routing strategy in which, instead of shortest paths, they used efficient paths, which are the paths with the minimum total summations of weights assigned to nodes in the respective paths. They use a heuristic algorithm in which the weights are updated step by step by using the information of betweenness of each node in every step and the respective total summations of weights for paths through the nodes with large degrees become comparatively large. Thus passage through such nodes, where congestion almost occurs, is likely to be avoided in their algorithm. The convergence time by their algorithm is, however, quite long. In this paper, we propose a new efficient heuristic algorithm which balances traffic on networks by achieving minimization of the maximum betweenness in the much smaller number of iteration steps for convergence than that by the algorithm of Danila et al.     

近红外光谱的数据预处理研究

进行了小麦样品近红外光谱数据的预处理研究,一般仪器记录的样品近红外光谱数据中包含有一系列噪声和干扰信号,因此适当的预处理是进行后续光谱定标、建模及模型传递的基础,对可靠地获得准确分析结果具有很重要的作用。结合小麦样品蛋白质含量近红外光谱分析工作,对由近红外光栅光谱仪和傅里叶变换近红外光谱分别记录的66种小麦样品光谱数据,采用高斯一阶、二阶导数小波变换方法进行了预处理。对比常用的一阶差分预处理,证明高斯函数导数小波变换方法是十分有效、实用的,预处理后光谱曲线非常光滑、噪声消除效果明显,富含有用光谱分析信息的区域更加清晰显示,因而非常有助于后续的光谱定标、建模和模型传递工作。     

基于小波变换的干涉图压缩算法

在研究小波变换和分层树集合分割排序算法的基础上,将小波图像压缩技术应用于干涉图的压缩.根据小波分解系数矩阵中高频子图像上数据接近于零,信息主要表现部分在低频子图像上,以及干涉图数据中主要信息集中在零光程差附近的特征,将干涉图一行数据拆开并按对角Z型排列存储为矩阵形式,再进行小波压缩.结果表明,此改进能提高压缩性能.     

基于小波系数图和卷积神经网络的太赫兹光谱物质识别

许多太赫兹光谱物质识别方法依靠寻找该物质在太赫兹波段范围内不同光谱表现出的不同特征来识别特定物质。吸收峰提取法是常用的光谱特征提取算法,但当光谱无明显特征吸收峰或峰位、峰值相近或难以识别时,难以利用吸收峰特征辨别物质。将机器学习和统计学习技术用于太赫兹光谱的识别中虽减少了吸收峰的干扰,但常常需要人为定义特征而导致分类误差。深度学习法能自动提取特征,但在识别前往往需要进行复杂的预处理操作,并且在特征提取的过程中容易丢失部分特征从而导致分类误差。针对以上问题,提出了一种基于小波系数图和卷积神经网络的太赫兹光谱识别方法。利用太赫兹光谱信号进行小波变换时,由于小波系数矩阵的每一行系数与原始光谱信号存在着对应关系,因此将太赫兹光谱的吸收系数通过小波变换在频率域上展开,能得到不同的二维的频率-尺度分布图,又称小波系数图。然后构造一个卷积神经网络(CNN)对小波系数图进行分类,可得到太赫兹光谱物质的分类结果。为了验证所提出算法的有效性,将三组小波系数图数据与原始光谱数据分别输入CNN、Support Vector Machin (SVM)、Multilayer Perceptron (MLP)三种不同的分类器作对比,从实验结果可以发现本文算法在三组数据中的识别率均达到了100%,说明相比于传统方法,本文方法能准确分类没有明显特征吸收峰的光谱,证明了使用卷积神经网络识别小波系数图的有效性。为了体现本文算法的优势,与小波脊线寻峰识别算法作对比,实验结果表明本文算法几乎不受峰频、峰位、峰值的影响,无论是识别不存在吸收峰的淀粉,还是识别相似度高的蔗糖和葡萄糖,都具有较高的识别率,分类准确率达97.62%,证明了所提算法的优越性。该算法为太赫兹光谱数据识别提供了一种新思路,同时也可以推广运用到其他谱图物质的识别中。     

基于小波变换的光混沌信号消噪与Lyapunov指数计算

针对动力学方程未知且信噪比小的光混沌信号,采用小波多分辨分解算法对其进行噪音消减.用Lorenz混沌信号对该算法的消噪效果进行了检验.提出利用互信息量法和Cao氏法来改进小数据量法在时间延迟和嵌入维数计算上存在的主观选择性,对经过噪音消减的Lorenz混沌信号利用此改进的小数据量法计算其最大Lyapunov指数.结果表明,信噪比可提高近10 dB左右,最大Lyapunov指数计算误差可减少近30%,并求得半导体放大器光混沌信号的最大Lyapunov指数为0.389 6.     

Wavelet-based ultra-high compression of multidimensional NMR data sets

The application of a lossy data compression algorithm based on wavelet transform to 2D NMR spectra is presented. We show that this algorithm affords rapid and extreme compression ratios (e.g., 800:1), providing high quality reconstructed 2D spectra. The algorithm was evaluated to ensure that qualitative and quantitative information are retained in the compressed NMR spectra. Whilst the maximum compression ratio that can be achieved depends on the number of signals and on the difference between the most and the least intense peaks (dynamic range), a compression ratio of 80:1 is affordable even for the challenging case of homonuclear 2D experiments of large biomolecules.