一种新的活动星系光谱红移自动测量方法

星系红移的自动测量对进行大样本天文学研究如宇宙学大尺度结构研究具有重要意义。星系一般分为正常星系和活动星系两种,活动星系光谱一般具有较明显的发射线特征。文章提出了一种不用精确提取谱线而快速测量活动星系光谱红移的方法。该方法包括步骤：(1)对待测光谱进行去噪;(2)利用小波变换提取低频成分光谱,并用去噪后光谱减去低频谱得到残差谱;(3)计算残差谱的均方差,并保留大于阈值的波长集合(4)根据标准谱线表计算所有候选红移;(5)利用Parzen窗估计方法计算红移密度最大点,并在邻域内求均值确定最终红移。对模拟数据和SDSS DR7部分实测数据的测试表明,该方法是鲁棒的并且具有较高的红移测量正确率。     

基于大黄的红外光谱的人工神经网络鉴别研究

将傅里叶变换红外光谱法和人工神经网络用于鉴别正品和非正品大黄样品。在对神经网络训练前用小波变换对测量的红外光谱进行压缩,将原700个数据点的光谱压缩到44个变量,因此加速了神经网络的训练速度。52个大黄样品被用于网络模型的建立,其中包括25个正品大黄和27个非正品大黄的样品。文章还对隐含层神经元数目和动量参数的影响做了考察。结果表明,在优化的条件下用该方法对大黄样品的鉴别正确率达到98％。这种方法可被用于含大黄中药生产的质量控制。     

小波包分析-插值-RBF法同时测定铝合金中铁、锰、铜、锌

提出了一种在小波包分析对吸收光谱数据进行降噪处理的基础上,采用线性插值增加校正样样本数的新思路,为解决多组分分光光度同时测定中经常遇到的样本少变量多的问题,对提高预测结果的准确性提供了一种新方法。应用小波包分析-一维线性插值-RBF网络处理铝合金样品中铁、锰、铜、锌的同时测定。由于小波包分析-线性插值处理既能发挥良好的滤噪作用,又能使训练集样本对待辩识空间形成较好的覆盖,从而使RBF网络能提取到更多的特征信息,改善网络性能,研究结果表明,该方法可以显著降低测定样的相对误差,获得的测定结果令人满意。     

太阳射电爆发中图像网纹消除的小波NeighShrink方法

绝大多数观测得到的太阳爆发数据中均含有大量的噪声,这给数据的后续处理带来极大的困难。文章分析和研究了NeighShrink阈值函数的特点以及邻域窗口大小的选择依据,在此基础上提出了一种新的小波NeighShrink平方根阈值方法用于图像去噪。首先对太阳爆发灰度图中的每一通道作了规范化处理,在一定程度上去除由于通道间的差异造成的横条纹,然后将预处理后的图像进行小波分解,采用小波Neigh-Shrink平方根阈值函数对其小波系数作阈值处理,最后利用小波反变换恢复图像。实验结果表明该方法可以有效地实现去除干扰、增强有用信息的目的。     

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。     

Detection of rolling bearing defects using discrete wavelet analysis

In the detection of bearing faults the so much desired objective remains the extraction of the defect vibratory signature from the measured signal in which immerses the random noise and other components of the machine. In this article a denoising method of the measured signals is presented. Based on the optimization of wavelet multiresolution analysis, it uses the kurtosis as an optimization and evaluation criterion, several parameters were then selected. The experimental results show the validity of this method within the detection of several defects simulated on ball bearings. The various configurations, in which the signals were measured, allow leading to optimum conditions of its application. The application of WMRA on filtered signals allows better results than its application on wide bands signals or a simple band pass filtering.     

基于人工神经网络的淫羊藿红外光谱的研究

对于不同产地和不同栽培条件的药材, 其药效的不同是由于其所含化学成分和各成分含量的比例不同所造成的, 这种差异将造成红外图谱的差异。但这些差异非常细微,单纯地从谱图去区分其特征是非常困难的。文章利用傅里叶变换红外光谱,测定了42种来自吉林3个不同产地的淫羊藿样品的红外光谱,并对光谱数据进行了相应的预处理。为了提高神经网络的训练速度,在利用人工神经网络建立模型之前,通过小波变换的方法对光谱变量进行了压缩。同时对建立的模型的相关参数进行了详细的讨论。实验表明,建立的模型能够正确地对42个淫羊藿样品进行产地鉴别,同时避免了传统光谱分析对药材的分离和提取,从而为中药质量的科学控制和现代化管理提供了可靠的依据。     

小波时-频变换的高强钢丝弹性波传播模态分析

超声导波是近年来桥梁拉索无损检测研究的重要方法之一。针对弹性波在高强钢丝介质中传播的多模态频散问题,采用单点时域波形的小波时频变换进行混叠信号的模态识别分离。通过数值求解Pochhammer频率超越方程,计算得到0~1.5 MHz范围内纵向导波模态理论频散曲线;采用有限元模拟半波正弦脉冲激励导波在钢丝中传播过程,由小波时-频变换得到导波模态分布,并进行了不同腐蚀程度钢丝实验对比分析。结果表明,经小波时-频变换得到的第1、2、3阶纵向导波模态与理论值对应吻合,单点时域波形的小波时-频变换结果能够有效识别高强钢丝中的导波模态;钢丝在无腐蚀状态下,一阶纵向导波模态能量占比达57.74%,随腐蚀程度增加,能量更为集中到一阶纵波模态,二阶模态能量逐渐减小。     

基于辐射法和原子发射光谱法的转炉口火焰温度测量

转炉炼钢的终点控制包括钢水出钢时温度及其成分的控制,炉口火焰能够反映炉内脱碳速率及转炉运行参数等。工业炉燃烧火焰可见光谱段,普遍存在着钾(K)和钠(Na)等碱金属元素的原子发射谱线,利用K的特征谱线相对比值可以计算火焰温度。基于辐射双色法,三色法和谱线相对强度法对转炉口火焰温度进行了测量;数据处理过程中对特征谱线进行了基线拟合提取,小波脊线拟合提取;特征谱线进行了Gauss函数和Lorenz函数拟合。结果表明,辐射测温法对谱线比较敏感,选择合理的波段能够有效,精确地测量火焰温度;采用谱线相对强度法受制于特征谱线的数学模型、谱线的跃迁机率、能级的简并度及火焰的光学厚度,需要分辨率非常高的光谱仪才能进行高温转炉火焰中电子温度的测量。     

稀疏降噪自编码结合高斯过程的近红外光谱药品鉴别方法

提出一种稀疏降噪自编码结合高斯过程的近红外光谱药品鉴别方法。首先对近红外光谱数据进行小波变换以消除基线漂移,然后用稀疏降噪自编码(SDAE)网络提取光谱特征并降维表示,最后采用高斯过程(GP)进行二分类,其中GP选用光谱混合(SM)核函数作为协方差函数,记此分类网络为wSDAG_SM。自编码网络具有很强的模型表示能力,高斯过程分类器在处理小样本数据时具有优势。wSDAG_SM网络通过稀疏降噪自编码学习得到维数更低但更有价值的特征来表示输入数据,同时将具有很好表达力的光谱混合核作为高斯过程的协方差函数,有利于更准确的光谱数据分类。以琥乙红霉素及其他药品的近红外光谱为实验数据,将该方法与经过墨西哥帽小波变换的BP神经网络(wBP)、支持向量机(wSVM), SDAE结合Logistic二分类(wSDAL)、SDAE结合采用平方指数(SE)协方差核的GP二分类(wSDAG_SE),以及未采用小波变换的SDAG_SM网络等方法进行对比。实验结果表明,对光谱数据进行墨西哥帽小波变换预处理能有效提升SDAG_SM网络的分类准确率和稳定性。wSDAG_SM方法无论从分类准确率还是分类结果稳定性方面,都优于其他分类器。