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。     

封装西林药瓶残留氧气检测中的谐波基线校正和去噪方法

可调谐激光二极管吸收光谱(TDLAS)技术的成熟和快速非接触气体浓度测量的优点,十分适合用于对封装西林药瓶内残留氧气进行浓度检测。采用TDLAS技术对封装西林药瓶内残留氧气进行浓度检测,检测系统的光路经过空气和玻璃药瓶,玻璃瓶壁对激光的散射和衰减是检测系统的主要干扰,给二次谐波信号的稳定性带来了很大影响。设计和搭建了基于TDLAS的封装西林药瓶残氧量检测系统。针对从系统中提取出的二次谐波信号,提出了一种基于小波变换的基线消除和噪声滤除方法, 解决在残留氧气浓度检测过程中基线漂移和噪声干扰问题,克服玻璃瓶壁对二次谐波信号的干扰,效果明显。选用“sym6”小波,将实验测得的信号进行五层小波分解,根据每一层小波分解得到的低频分量求出相应的基线斜率,对五个基线斜率进行加权平均得到原始信号的基线斜率。由求得的基线斜率,对原始信号经过去基线处理,再进行小波分解和软阈值处理后得到重构信号。对氧气浓度为21%的西林瓶的测量结果表明,处理后谐波信号和理论信号之间的相对误差由处理前的1.26%下降到了0.12%,证明了此方法可以很好地解决在残留氧气浓度检测过程中基线漂移和噪声干扰问题,克服玻璃瓶壁对二次谐波信号的干扰,为氧气浓度测量提供很高质量的信号。     

小波变换在近红外光谱分析中的应用进展

小波变换(WT)具有很好的时频分离特征,信息处理能力强,已广泛用于分析化学领域;本文就小波变换在近红外光谱领域的应用进行简述。小波变换用于近红外预处理,提取有用信息,消除背景干扰,可以提高近红外的分析精度和模型稳健性;用于数据压缩可以减少数据库存储空间,提高建模速度;小波系数用于模型传递,具有传递速度快,稳健性强,所需标样少等特点;小波变换可以与神经网络、遗传算法等结合,在近红外分析领域呈现出良好的发展前景。     

结合小波变换与微分法改善近红外光谱分析精度

微分法可以有效消除光谱背景和基线漂移,同时会增加光谱噪音;小波变换具有很好的去噪功能,章将微分法和小波变换结合用于重整汽油辛烷值近红外光谱分析。考察了微分噪音对辛烷值分析精度的影响以及小波去噪对微分光谱的噪音扣除以及对辛烷值分析精度改善情况。结果表明,微分光谱可以扣除原始光谱的基线漂移,提高分析精度,同时增加光谱的噪音;噪音对分析精度影响很大。微分光谱经过小波去噪处理后信噪比增加,辛烷值分析精度得到改善。     

基于B样条的拉曼光谱基线校正方法

基线漂移是光谱检测仪器普遍存在的现象,会对光谱信号的特征提取带来十分不利的影响,而基线校正是解决该问题的重要手段,也是拉曼光谱信号预处理的重要组成部分。基线校正的原理一般是通过拟合基线的方法来去除光谱信号中的基线漂移。传统的基线校正方法是利用多项式拟合的方法对拉曼光谱信号的基线进行拟合的,但是该方法容易出现过拟合和欠拟合现象,且拟合阶数难以确定。针对传统方法的缺点进行了改进,利用B样条方法对拉曼光谱信号的基线进行拟合,发挥B样条低阶光滑的优点,能够有效地克服多项式方法的缺陷。在实验中,利用该方法对孔雀石绿、罗丹明B的拉曼光谱信号进行了基线校正,观察并比较该方法和传统方法的校正结果。实验结果表明,该方法能够有效地消除拉曼光谱信号的基线漂移,在基线漂移较小和较大的位置,可以采用相同的拟合阶数,不会出现欠拟合和过拟合的现象,获得了良好的基线校正效果,为进一步分析光谱数据提供准确可靠的信息。     

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。     

小波包熵的复杂体系近红外光谱信息提取

有用信息提取是复杂体系近红外检测的重点和难点之一。由于复杂体系光谱中存在各种噪声、基线漂移、谱带重叠及复杂背景的干扰,常规方法不能准确地从光谱中获得有用信息。为此,将小波包变换(DWPT)和信息熵理论相结合--小波包熵(EWPIE)提取复杂体系光谱中的有用信息。思路是采用小波包变换对光谱信号进行多频带分解,根据有用信号与噪声的频带分布特点,基于信息熵理论滤除干扰的频率分量,采用正交校正法(OSC)剔除与被测组分无关的信息,然后对处理后的频率分量进行重构,从而实现复杂体系有用信息的准确提取。通过对复杂体系光谱数据建立多元校正模型来验证该方法的效果。采用牛奶的近红外光谱数据,以牛奶中脂肪和蛋白质浓度为研究对象,建立了偏最小二乘法(PLS)模型。结果显示,牛奶中脂肪和蛋白质的预测均方根误差(RMSEP)分别为0.132%和0.121%,与单纯的DWPT和OSC相比,EWPIE能够有效地提取有用信息,避免了无用信息的干扰,明显提高了模型的预测精度,对复杂体系的准确检测具有一定的理论意义和实际应用价值。     

小波多尺度正交校正在近红外牛奶成分测量中的应用

光谱分析中,干扰信号的存在直接影响所建分析模型的质量。基于信号和干扰的不同特性,提出了一种扣除背景和噪声干扰的新方法——小波多尺度正交校正(WMOSC)法。首先将原始光谱进行小波变换(DWT),消除噪声及背景信息,然后采用正交信号校正(OSC)滤除与待测组分浓度无关的全部信息。与单纯的小波变换及正交信号校正相比,WMOSC能有效地扣除背景和噪声干扰,使模型具有更强的抗干扰能力,提高了模型的预测精度。利用该方法对牛奶样品的近红外光谱进行处理,采用偏最小二乘法建立校正模型,其牛奶中脂肪、蛋白质和乳糖的预测均方根误差(RMSEP)分别为0.101 6%,0.087 1%和0.110 7%。实验结果表明该方法能有效地去除干扰,保留有用信息。     

生物气溶胶红外光谱信号预处理算法研究

被动傅里叶变换红外(FTIR)遥感是一种具有应用潜力的生物气溶胶远程探测技术。红外遥感测量中目标光谱特征上往往存在噪声信号和基线漂移。而生物气溶胶的光谱特征相对较宽,传统的基线校正方法都不适用。由于生物气溶胶红外光谱和不同形式的基线漂移都是非高斯信号,把非高斯性作为独立性度量,基于独立成分分析(ICA)技术设计了生物气溶胶红外光谱信号的预处理算法。试验结果表明,该算法可以把未知干扰成分、基线漂移等作为独立分量分离出来,从而不影响进一步的定性、定量分析。     

用多消失矩最优小波包基改进虹膜识别

采用层叠算法求出尺度函数和小波函数的离散采样序列的逼进，将不具有基函数解析表达式的母小波用于虹膜特征提取，并利于实现连续小波包变换.针对虹膜光学识别应用背景，提出采用基于连续小波包变换的多消失矩联合最优小波包基来改进特征图像相关识别的最优基，并用统计识别方法进行后处理以增强算法适应性，同时提出通过体全息相关系统来实现，以发挥光学高并行性的优势，模拟结果表明可获得比已有方法更高的识别率.     

Target detection for low cost uncooled MWIR cameras based on empirical mode decomposition

In this work, a novel method for detecting low intensity fast moving objects with low cost Medium Wavelength Infrared (MWIR) cameras is proposed. The method is based on background subtraction in a video sequence obtained with a low density Focal Plane Array (FPA) of the newly available uncooled lead selenide (PbSe) detectors. Thermal instability along with the lack of specific electronics and mechanical devices for canceling the effect of distortion make background image identification very difficult. As a result, the identification of targets is performed in low signal to noise ratio (SNR) conditions, which may considerably restrict the sensitivity of the detection algorithm. These problems are addressed in this work by means of a new technique based on the empirical mode decomposition, which accomplishes drift estimation and target detection. Given that background estimation is the most important stage for detecting, a previous denoising step enabling a better drift estimation is designed. Comparisons are conducted against a denoising technique based on the wavelet transform and also with traditional drift estimation methods such as Kalman filtering and running average. The results reported by the simulations show that the proposed scheme has superior performance.     

Audio watermarking based on psychoacoustic model and critical band wavelet transform

Watermark embedding algorithm based on critical band wavelet transform of digital audio signal is proposed in this paper. The masking threshold for each audio signal segment was calculated on the basic of psychoacoustic model. According to the similarity between critical band of human auditory system and critical band wavelet transform, a watermark was embedded into the low-band and mid-band coefficients of digital wavelet. The embedding strength was adaptively controlled by the masking threshold. The experiment results show that the embedded watermark signal is inaudible, and the watermarked audio signal has good robustness against many attacks such as compression, noise, re-sampling, low-pass filtering.     

瞬态信号的小波变换波达方向估计

针对瞬态信号方位估计问题,提出了基于连续小波变换的多重信号分类测向算法(CWT_MUSIC)。首先由信号特征确定小波尺度参数,构造Morlet小波,对信号进行小波变换,利用获得的小波变换系数建立多分辨时频阵列信号模型,并据此模型设计基于子空间的MUSIC算法以实现瞬态信号的波达方向估计;然后对该算法的多分辨与误差性能进行分析,最后仿真实验和实际爆炸试验验证了所提出的CWT_MUSIC算法能有效地提高空间谱的分辨率和DOA估计性能。     

Continuous wavelet transform and exactly solvable model of nonstationary signals

An analytic expression for a continuous wavelet transform (CWT) is obtained for a nonstationary signal with spectral properties varying with time. As a model of the nonstationary signal, a superposition of elementary nonstationary signals is considered, each of which is the product of the Gaussian-shape envelope and an oscillating function. To obtain the CWT, the mother Morlet wavelet is used. The result is compared with the window Fourier transform (Gabor transform).The advantages of the CWT are illustrated by concrete examples. The applications of the exactly solvable model of nonstationary signals for simulating transient processes in physics are considered.     

冬小麦叶面积指数遥感反演方法比较研究

叶面积指数(leaf area index, LAI)是反映作物生长状况和进行产量预测预报的主要指标之一,对诊断作物生长状况具有重要意义。遥感技术为大面积、快速监测植被LAI提供了有效途径。利用高光谱遥感影像,结合田间同步实验数据,探讨不同方法对冬小麦叶面积指数遥感反演的能力。介绍了支持向量机、离散小波变换、连续小波变换和主成分分析四种LAI反演方法。分别利用上述四种方法构建冬小麦LAI反演模型,并对不同算法反演的LAI模型进行了真实性检验。结果显示,支持向量机非线性回归模型精度最高,对冬小麦LAI估算能力最强,反演值与实测值拟合的决定系数为0.823 4、均方根误差为0.419 5。离散小波变换法和主成分分析法都是基于特征提取和数据降维,其多元变量回归分析对LAI估算能力相近,决定系数分别为0.697 1和0.692 4,均方根误差分别为0.605 8和0.554 1。连续小波变换法回归模型精度最低,不适宜直接用其小波系数来反演LAI。结果表明,非线性支持向量机模型最适宜用于研究区域的冬小麦LAI反演。     

Gabor transform and continuous wavelet transform for model pulsed signals

A model of a pulsed signal in the form of a superposition of elementary nonstationary signals is considered. The parameters of such a superposition are chosen so that signal amplitude A(t) strongly varies with time. For such a signal, the analytic expression for the Gabor transform (GT) and continuous wavelet transform (CWT) using the mother Morlet wavelet are analyzed. A criterion is proposed for the matched behaviors of GT and CWT with signal amplitude A(t). The advantages of the CWT adaptively selecting the window size over the GT whose explicit form depends on the window size are demonstrated. The proposed method can be used for analysis of many transient stages of time-dependent signals in various branches of physics.