一种新的小波滤波方法在化学谱图信号滤噪中的应用

仪器分析测定中，噪声的存在往往影响分析的准确度和仪器的检出限。小波变换多分辨分析的特性使得它成为一种很好的滤噪方法。基于小波分解后信号与噪声的小波系数随尺度变化规律不同的特性，提出了一种新的滤波滤方法-空域相关法，即通过不同尺度上相关系数模值与小波系数模模值的比较，达到滤波滤的目的。本文提出的方法具有无需人为选定无需人为选定滤噪阈值和小波函数、方法简单、失真度小等优点，可以大在提高信号的信噪比。模拟数据和ICP-AES实验数据证明了该方法的有效性。     

毛细管电泳激光诱导荧光检测信号的小波滤噪

采用小波滤噪方法对毛细管电泳激光诱导荧光检测信号进行了处理，研究了小波变换中小波基的选择及噪声阈值的选择对滤噪的影响。结果表明，采用DB4小波基能有效消除毛细管电泳激光诱导荧光检测信号中存在的噪声，使信噪比得到较大改善。     

小波滤噪用于示波计时电位信号处理的研究

根据信号（Ｓ）和噪声（Ｎ）在小波变换下表现出的截然不同的性质,提出了一种新的滤噪方法,研究了噪音在不同细节的性质、滤噪阈值的确定及平滑与滤噪的特点。对不同Ｓ／Ｎ的示波计时电位信号进行了实验结果表明;小波滤噪在大大提高Ｓ／Ｎ的同时,信号强度基本不损失,优于传统的滤噪方法。     

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。     

在线小波变换用于伏安分析仪的研制

将在线小波变换应用于伏安信号的在线处理,研制了具有小波变换功能的伏安分析仪。该系统利用在线小波变换对采集到所数据进行实时处理,具有控制灵活,分辨率高,数据处理方便等特点。通过对低浓度Ｃｙ＾２＋和Ｆｅ＾３＋混合样品的阶梯斜坡扫描伏安珠滤噪及定性,定量分析,结果表明可获得满意的分析结果。     

小波神经网络用于色谱数据的滤噪与压缩

介绍了小波神经网络（Ｗａｖｅｌｅｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）的结构和算法，并将其应用于色谱数据的滤噪与压缩。在小波神经网络中，采用了Ｂｕｂｂｌｅ母小波和一维搜索变步长共轭梯度优化方法。结果表明，小波神经网络将原始数据压缩至１：２０时，仍能得到很好的重建谱图。重建的色谱图不仅能保留原始的谱图特征而且有光滑滤噪的效果。对于色谱数据的存储与平衡滤噪具有重要意义。     

小波系数区域相关阈值滤噪方法研究

报道了一种基于小波分析的新的滤噪方法小波系数区域相关阈值滤噪法的基本原理 ,并将其用于模拟信号与含噪色谱信号的滤噪研究。系统的描述了该方法的滤噪过程 ,讨论了相关运算区域大小、软硬阈值法、信号的频率、信噪比对滤噪结果的影响。对高效液相色谱信号的滤噪结果表明 ,该方法在保留信号的特征信息的同时能够有效地滤除信号中的噪音     

基于小波变换平滑主成分分析

小波变换具有很强的信号分离能力,很容易把随机噪音从信号中分离出来,从而提高信号的信噪比。本文把小波变换引入到因子分析中,提出了基于小波变换平滑主成分分析,该算法既保留普通主成分分析的正交分解,又具备了小波变换的信号分离能力。模拟数据和实验数据的结果表明,该算法具有从低信噪比的数据中提取出有用信息,并提高信号的信噪比。迭代目标变换因子分析处理实验数据的结果表明,基于小波变换平滑主成分分析的处理结果优     

基于提升格式的小波变换用于处理化学信号

将提升haar小波变换应用于对不同类型含高噪声化学信号的处理,提出1种用于高噪声化学信号中滤除噪声的快速新方法——提升小波滤噪法,并使之与重叠峰分辨技术联用;以优选的小波分解层数对低信噪比的分析化学信号进行基于提升格式的小波变换处理,取得满意的结果;方法简单、快捷、准确、易行．运算速度是传统小波变换的一半,对高噪声化学信号的处理结果信噪比提高几百倍,峰位置相对误差小于1．5％;应用于氨基酸体系毛细管电泳检测信号的处理,有效降低了实验噪声的影响,分辨提取了难以察觉的信号．结果峰形变窄,峰高增加．大大提高了峰的分辨率．验证和显示了方法的可行性和优越性。     

小波变换与分析化学信号处理

介绍了小波变换的基本理论并对小波变换的常用算法和应用进行了评述。由于小波变换的时2频局部化性质, 使其成为信号处理的强有力工具。在分析化学领域中, 小波变换在流动注射分析、伏安分析、高效液相色谱、红外光谱、质谱、核磁共振谱、可见-紫外光谱、光声光谱、扩展X-射线吸收精细结构(EXAFS) 谱等分析化学信号的平滑滤噪、数据压缩、重叠信号解析等方面都有成功的应用。     

随机共振与仪器分析中弱信号的检测

样品分析过程中，往往得到背景噪声很强的信号，尤其在微量和痕量水平；当信号的信噪比很小时，通常的方法不能满足检测要求，该文基于随机共振理论提出了一种新的弱信号的检测方法并对相关参数进行了讲座主；方法是通过噪声的协调作用，获得系统的“共振”，从而实现弱信号的检测，应用于模拟和实验信号的处理结果证明了方法的可行性。     

内噪声作用下的随机共振算法对弱信号的检测

基于随机共振理论提出了一种简便、有效地检测弱信号的方法。在内噪声协同作用下，通过调节输入噪声信号的大小能较好地提高系统输出信号的信噪比，从而实现检测背景噪声很强的弱信号的目的。应用于模拟信号和实验信号的结果证明了方法是可行的。     

一种有效提取弱信号的新方法

随机共振 ( Stochastic Resonance,简称 SR)最初由 Benzi[1] 于 1 981年提出 ,并在气象学领域中得到了成功的应用 .根据随机共振理论 ,通过加噪声可在某一“共振”点处大幅度提高信号的信噪比 .这种方法也已成功地应用于方波脉冲信号的恢复 [2 ] ,但在化学信号中的应用尚属空白 .我们首次将这种方法用于化学弱信号的检测 ,并在简单喇曼谱图的解析中获得成功 [3 ] .但是 ,加噪声的方法作为一种有效的信号分析手段还显得很不成熟 .具体表现为处理过程较繁 ,分析信号的峰位偏移明显 ,而且结果在一定程度上要依赖人为判断来决定 [3 ] .　　在…     

Characterization of heteroscedastic measurement noise in the absence of replicates

A method is described for the characterization of measurement errors with non-uniform variance (heteroscedastic noise) in contiguous signal vectors (e.g., spectra, chromatograms) that does not require the use of replicated measurements. High-pass digital filters based on inverted Blackman windowed sinc smoothing coefficients are employed to provide point estimates of noise from measurement vectors. Filter parameters (number of points, cutoff frequency) are selected based on the amplitude spectrum of the signal in the Fourier domain. Following this, noise estimates from multiple signals are partitioned into bins based on a variable that correlates with the noise amplitude, such as measurement channel or signal intensity. The noise estimates in each bin are combined to estimate the standard deviation and, where appropriate, a functional model of the noise can be obtained to characterize instrumental errors (e.g., shot noise, proportional noise). The proposed method is demonstrated and evaluated with both simulated and experimental data sets, and results are compared with replicated measurements. Experimental data includes fluorescence spectra, ion chromatograms from liquid chromatography/mass spectrometry, and UV–vis absorbance spectra. The limitations and advantages of the new method compared to replicate analysis are presented.     

基于分形维数的分析信号自适应中值滤波

提出一种面向分析仪器谱图信号处理的分形维自适应中值波方法（AMeFFD）。该法延拓运用分形理论，定义了相对点盒维数概念，由此建立建立判定脉冲型噪声的特异性指标，从而可自动调节中值滤波窗口宽度，有效地滤除脉冲型噪声及其它类噪声。对仿真色谱信号及实测色谱图的处理结果表明：AMeFFD法克服了经典中值滤波算法的缺陷，无论在信号的均方根偏差还是谱峰差等指标上，均明显优于后者，能在确保谱峰不畸变的同时更有效地滤除脉冲型常见噪声，是处理化学谱图信号的有力工具。     

快速傅立叶变换用于色谱噪声平滑及微弱信号的检测

应用快速傅立叶变换法（ＦＦＴ）对色谱噪声进行平滑处理及微弱信号检测,同时,也与其他数字滤波法进行了比较。结果表明,利用ＦＦＴ法可以很好地对噪声进行平滑处理,使信噪比提高１８倍,为更好地进行痕量组分的色谱微弱信号检测打下了基础。     

How Many Molecules are Required to Obtain a Steady Faradaic Current from Mediated Electron Transfer at a Single Nanoparticle on a Supporting Surface?

We investigate the chronoamperometric noise characteristics of electron‐transfer reactions occurring on single nanoparticles (NPs) and assemblies of well‐separated NPs on a supporting surface. To this end, we combine a formerly described expression for the steady‐state current of a single particle with the shot‐noise model and derive an expression for the signal‐to‐noise ratio as a function of bulk concentration and particle radius. Our findings are supported by random‐walk simulations, which closely match the analytical results.