一种基于二进小波变换的自适应滤波方法

根据信号和噪声经小波变换后在不同尺度上有不同的特征，将相邻尺度二进小波变换值的相关量进行归一化处理并与小波变换值比较来判断信号与噪声，以噪声在各尺度的方差作为终止迭代的标准，提出了一种基于二进小波变换小波域选择噪声的自适应滤波方法。研究了模拟信号的去噪过程、半峰宽和信噪比对去噪结果的影响，并对模拟含噪信号和含噪毛细管电泳信号去噪前后的结果进行了比较。实验结果表明：由于该方法具有良好的自适应性和显著的滤波效果，必将得到广泛的应用。     

基于离散小波变换的蛋白质结构、功能与进化关系延时交叉相关分析

基于氨基酸的疏水特性, 将离散小波变换与延时交叉相关分析相结合, 提出了一种分析蛋白质结构、功能和进化关系的新方法——序列小波层次相关法. 以丝氨酸蛋白酶超家族中Trypsin种属为研究对象, 描述了该方法在揭示不同物种的Trypsin蛋白质进化关系中的应用; 以蛋白质酪氨酸磷酸酶、血红蛋白和溶菌酶为例, 采用该方法揭示了蛋白质之间功能与序列的内在关系. 该方法为非参数方法, 具有简单、直观、可视和可操作性强等特点, 且不需要事先知道蛋白质的结构, 仅从蛋白质的氨基酸序列出发即可比较和揭示蛋白质之间的关系.     

电分析化学中的化学计量学方法及其应用进展

本文综述了电分析化学领域中化学计量学方法的应用进展，引用文献65篇。     

小波变换用于高效液相色谱的基线校正

本文根据小波变换将信号分频的性质，用Ｄａｕｂｅｃｈｉｅｓ小波成功地解决了高效液相色谱中基线校正问题，用于定量分析乳酸－稀土络合物体系中的十六个稀土元素，所得结果与仪器给出了结果进行比较，准确度提高，重现性良好。     

基于小波变换的循环伏安弱信号特征信息提取

本研究采用连续小波变换(continuous wavelet transform，CWT)技术处理循环伏安弱信号，通过研究苯酚、对苯二酚和对硝基苯酚的共存体系循环伏安弱信号，表明CWT可以成功地识别出极弱信号中的指纹特征信息，并且经处理得到的对应的小波系数峰比原始信号更窄，更高，由此可以成功地确定弱峰的数目和位置。由循环伏安信号所得的结果，有力地证实CWT是循环伏安弱信号识别的有力工具，对于理解弱响应体系电化学机理具有重要作用。     

基于小波变换模极大法的聚乙烯催化剂表面分形分析

运用分形和小波相结合的方法研究负载型聚乙烯催化剂(简称催化剂)表面形态. 采用小波变换模极大(WTMM)法提取了催化剂表面多尺度边缘(细节)图像, 用分形和多重分形方法研究了各尺度边缘图像中边缘点的分布情况, 并用基于小波变换模极大的多重分形谱法讨论了催化剂边缘点奇异强度的分布状况. 研究结果表明, 催化剂的较小尺度边缘图像的分维和多重分形谱可以与催化剂的表面形态和活性进行较好的关联; 高活性催化剂的基于WTMM的多重分形谱的奇异强度跨度更宽, 拥有较多具有较高奇异强度的奇异点. 基于小波和分形对催化剂表面形态的研究, 发挥了小波和分形各自的优点, 为研究物体表面形态提供了思路.     

基于迭代小波变换的光谱信号本底扣除方法研究

本底会对光谱分析结果产生很大的干扰作用,为获取特征峰的有效信息,必须首先去除本底。该文提出了一种基于小波变换的本底扣除算法,通过对光谱及后续光谱迭代进行小波变换,利用逼近系数估计本底,直到本底收敛。提出了判断多次估计的本底最大误差是否足够小的收敛准则。利用该算法去除本底后,即可进行特征峰信息的提取。分别利用仿真光谱和实验能量色散X射线荧光光谱对算法进行了验证,并与传统小波变换和多项式拟合法进行了对比。结果表明,该算法能够更准确扣除光谱本底,对其他光谱的本底扣除也具有借鉴意义。     

基于近红外光谱的维生素C片无损鉴别分析

基于近红外光谱技术与化学计量学方法,建立了一种国内外不同品牌维生素C片的无损鉴别方法。采集了国内外8个品牌的维生素C片共计40个样本的近红外光谱数据,比较了完整样品以及粉末样品的近红外光谱,采用连续小波变换技术消除背景干扰和基线漂移,基于标准偏差与相对标准偏差的变量筛选方法筛选出具有代表性的波数点,结合主成分分析方法对国内外不同品牌维生素C片进行鉴别分析。结果表明:原始光谱存在着明显的背景干扰和基线漂移现象,且粉末样品的重现性要优于完整样品;单纯使用原始光谱无法辨别来自不同品牌的维生素C片;连续小波变换可以有效消除背景干扰,提高模型鉴别能力;完整样品的鉴别准确率优于粉末样品,说明国内外不同品牌维生素C片主要成分基本一致,可能是辅剂和工艺上存在细微差异。通过结合近红外光谱分析技术与化学计量学方法,可实现对国产以及进口不同品牌维生素C片的鉴别分析。     

非正态变异下的非线性轮廓异常点识别方法研究

在质量控制领域,非线性轮廓异常点识别问题是重点研究问题之一。本文综合运用了小波分析、数据深度、聚类分析等数据分析处理技术,提出了一种新的非正态变异的异常点识别方法。文章通过仿真分析技术,将新方法χ²与控制图方法进行性能对比,结果证实新方法能够以更高的准确率和稳定性识别异常点,表现出更好的异常点识别性能。最后将新方法应用于木板垂直密度轮廓实例对新方法进行验证,分析结果表明本方法能够有效识别出异常轮廓数据。