基于小波理论的化学谱图数据自适应滤波方法研究

运用小波理论,利用噪声与真实信号小波变换极大模性态之间的显著差异,提出了一类新的化学谱图数据自适应滤波算法,从根本上突破了现有算法均依据信噪频率特性进行滤波的传统模式.经大量色谱谱图数据处理试验证明,这种算法具有无需设置初始参数,消除人为误差因素对分析计算结果的影响,信噪分离性能好及峰位和峰高保持不变等一系列优点,其鲁棒性、自适应性和谱峰保真度完全符合仪器分析信号处理的要求.     

红外光谱小波压缩性能的评价

提出了用于红外光谱小波压缩中压缩性能的评价方法.所建立的控制恢复根均方差算法能在给定恢复根均方差的情况下得到压缩比,控制的精度较高,相对标准偏差约为8%,可以满足对恢复谱图的误差估计和最佳压缩参数评价的需要.对于不同的信号,同一小波函数所表现出来的压缩性能也不一样,所以在预控根均方差算法下评价压缩性能时,还应考虑选择有代表性的红外谱图来进行.     

红外光谱非线性建模定量分析方法

公开号:CN101368905公开日:2009.02.18申请人:淮阴工学院摘要本发明公开了红外光谱非线性建模定量分析方法,该方法依据分子振动原理,利用Matlab软件编程,Statistica软件数据处理,建立非线性模型,由模型获得最终定量结果。本发明通过建立非线性模型实现了定量分析,减小了测量误差,提高了测量的准确性、可行性。红外光谱非线性建模定量分析方法     

基于小波变换的航空润滑油酸值红外光谱分析

为利用红外光谱分析技术快速、准确测定在用航空润滑油酸值,将小波变换用于润滑油红外光谱预处理中,结合均值中心化法,提取光谱有效信息建模。光谱的小波变换选择符合光谱特征的db4小波为基函数,在分解尺度9下进行光谱分解,利用软阈值法滤除各层干扰噪声,重构消噪信号。该光谱预处理法与传统的Savitzky-Golay平滑导数结合均值中心化法相比,滤噪效果好,有效压缩了建模数据量。采用偏最小二乘法,选择最佳主因子数5,建立酸值模型,并对10个在用航空润滑油油样进行了分析。     

水平衰减全反射-傅里叶变换红外光谱结合化学计量学法应用于三种缩叶藓属植物的分类

采用水平衰减全反射(HATR)-傅里叶变换红外光谱法(FTIR)测定了3种缩叶藓属植物齿边缩叶藓、多枝缩叶藓和中华缩叶藓的红外谱图,运用离散小波变换对吸收较为相似的3种缩叶藓属植物的红外谱图进行特征提取。通过分析比较后选择第三,四分解层进行特征向量的提取,利用所得到的特征变量进行径向基神经网络(RBF-NN)训练,再将训练出来的网络对不同产地的3种缩叶藓属植物的红外谱图离散小波提取后的特征向量进行分类。通过对120个不同样本的验证,说明能够采用基于FTIR-离散小波进行数据压缩后进行特征变量的提取及径向基神经网络分类法对3种缩叶属植物齿边缩叶藓、多枝缩叶藓和中华缩叶藓进行分类。     

基于小波和小波包变换的苯丙酮尿症傅里叶变换衰减全反射红外光谱筛查模型的研究

应用小波和小波包变换对傅里叶变换衰减全反射红外光谱(FTIR/ATR)进行去噪处理,以提高苯丙酮尿症(PKU)筛查模型的性能。首先优化小波和小波包变换的参数,然后分别对原始光谱(OS)、9点平滑光谱(9S)和一阶微分9点平滑光谱(1D9S)进行去噪处理,以均方根误差(RMSE)、平均相对误差(MRE)、预测准确率(Acc)等为指标,考察小波和小波包变换对模型性能的影响。结果与变换前相比,模型性能均有所提高,其中小波变换以1D9S+sym12处理结果为最优,而小波包变换以1D9S+sym1为最优;Acc全部提高为100%。     

基于非接触式拉曼光谱分析人血与犬血的PCA-LDA鉴别方法

将拉曼光谱分析法与数理统计方法有机结合,构建人血与犬血种属判别模型,实现了不同种属血液样本的高效无损鉴别.采用拉曼光谱的无损测试模式对血液样本进行测试,考察了抗凝管管材、聚焦位置及曝光时间等对血液样本拉曼光谱的影响,在激发波长为632.8 nm,光谱扫描范围为200~1800 cm-1,功率衰减率50%,曝光时间5 s及累加次数为2次的优化条件下,获得了无损检测条件下的血液样本拉曼光谱图.针对血液样本组分复杂、拉曼光谱信号基底背景高等问题,提出了基于小波变换去噪,进行分段多项式基线校正的预处理方法,有效解决了血液样本拉曼光谱谱图的高噪音和基线漂移问题.实验选择30例正常人血和33例比格犬血为样本训练集,5例正常人血和5例比格犬血为测试集,基于主成分分析法(PCA)联合线性判别法(LDA)模型,训练集分类正确率达到95.23%,盲测集分类正确率达90.00%.这种基于非接触式血液样本拉曼光谱和PCA-LDA判断模型的测试方法在进出口检验检疫等涉及血液无损鉴别的领域具有广泛的应用价值和前景.     

小波变换结合多维偏最小二乘方法用于近红外光谱定量分析

将小波变换和多维偏最小二乘法相结合用于近红外光谱定量校正模型的建立.首先将原始光谱进行小波变换分解,得到系列小波细节系数,通过选取一组受外界因素少、信息强的小波系数组成三维光谱阵,然后再采用多维偏最小二乘法建立校正模型.实验结果表明,该方法所建近红外校正模型的预测能力更强,并更具稳健性.     

基于滤波器-机器学习的食欲抑制剂光谱信号预处理比较

对现场缴获的食欲抑制剂进行快速检验能够为案件调查提供线索和方向,同时机器学习算法开展物证的快速无损检验是法庭物证学的重要研究之一。红外光谱是最经典的快速无损检验方法,滤波器能够有效地除去原始谱图的噪声和背景干扰,从而提高模型的识别效果。本文收集了从实际案件中缴获的4种食欲抑制剂样本共计291份,运用快速傅里叶变换滤波器和希尔伯特变换滤波器对样本原始光谱数据进行降噪处理,同时借助朴素贝叶斯和随机森林模型建立分类模型,开展识别工作,从而筛选除噪效果最优的滤波器,同时比较了朴素贝叶斯和随机森林模型的识别效果。结果表明,经滤波器处理后原始光谱数据的识别率和稳定性显著提升,希尔伯特变换滤波器的除噪效果要比快速傅里叶变换滤波器好,随机森林模型的识别率和稳定性均要比朴素贝叶斯模型强,随机森林模型对经希尔伯特变化滤波器处理后的训练集识别率为96.33%,测试集识别率为95.89%。该方法通过滤波器有效地滤除谱图的噪声,提高了模型定性识别能力,对法庭科学中食欲抑制剂的快速鉴定有一定的参考意义。     

红外光谱法对PC/ABS材料共混比例进行半定量

采集不同PC/ABS(聚碳酸酯/丙烯腈-丁二烯-苯乙烯共聚物)共混比例样品的红外谱图形成学习集。将学习集相同共混比样品的红外谱图平均后,得到该共混比样品红外谱图的特征。将待测样品与平均后的特征进行匹配,进行分类从而达到半定量的目的。通过测试未知样品,对模型的准确性进行了验证,实际分析结果表明,该方法可以准确对不同共混比例的PC/ABS样品进行分类。