基于EMD的拉曼光谱去噪方法研究

经验模态分解(EMD)方法是一个以信号极值特征尺度为度量的时空滤波过程,它充分保留了信号本身的非线性和非平稳特征,在信号的滤波和去噪中具有较大的优势。文章在介绍EMD分解方法的基础上,结合EMD的多尺度滤波特性,提出了一种新的拉曼光谱去噪方法——EMD阈值去噪法。该方法首先对含噪的拉曼光谱信号做EMD分解,得到各阶本征模态函数(IMF),然后对高频的IMF分量用阈值法进行处理,把经过阈值处理后的高频IMF分量与低频IMF分量叠加得到重构的信号,即去噪信号。通过处理对二甲苯的拉曼光谱信号,分析了在不同噪声水平上不同去噪方法的处理效果。实验结果表明EMD阈值去噪法有效地去除了噪声,较好地保留了光谱的细节信息,与小波阈值去噪方法相比较具有自适应的优势,在拉曼光谱去噪中有很好的应用前景。     

基于特征提取的低信噪比拉曼光谱去噪方法研究

为了提高拉曼光谱检测系统的时间分辨率,常常需要采用较短的采样积分时间,此时带有分子结构振动谱的有用拉曼信号可能完全淹没在噪声中,严重影响信号的进一步分析,因此有必要对测量所得的光谱信号进行噪声消除处理。传统的消噪方法是基于信号与噪声在频域或统计特性之间的差异,通过平滑滤波或取平均值的方法来消除噪声,一般适用于噪声强度不高的情况,对于信噪比较低的情况处理效果并不理想。针对传统去噪方法的不足,从信号重构的角度,利用基于小波变换的谱峰识别、半峰宽检测提取光谱特征参数,再利用最小二乘拟合的方法,能够有效地提取淹没于强噪声背景下的有用拉曼信号。在仿真中,运用该算法得到的光谱曲线光滑,峰位置准确,信噪比改善明显。在实验中,分别利用该方法处理头孢呋辛酯片和罗红霉素拉曼光谱数据,得到了清晰的谱峰位置、幅值及半峰宽信息,实现了对短积分时间、强噪声背景的拉曼信号的有效还原,提高了检测系统的时间分辨率。仿真和实验结果表明,该方法需要调整参数少,易于实现,在信噪比比较低的情况下依然能够得到良好的去噪效果,为进一步分析光谱数据提供准确可靠的信息。     

EEMD自适应去噪在拉曼光谱中的应用

二代小波是公认较好的降噪手段,但是降噪效果依赖于基函数、分解层数和阈值等参数设置。经验模态分解(empirical mode decomposition, EMD)无需参数设定,按照频率特性将信号分解成本征模函数(intrinsic mode function, IMF),对IMF滤波,实现了信号自适应去噪。拉曼光谱中信号和噪声交叠集中在极高频段,EMD产生模态混叠问题,影响去噪效果。应用总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)拉曼光谱克服了模态混叠,有效区分出高频信号和噪声,获得了与小波函数相似去噪效果。文中首先对一段非线性非平稳豆油脂拉曼光谱EMD分解,可见模态混叠,EEMD分解出清晰模态的特征分量。然后分别用快速傅里叶变换(fast Fourier transform,FFT)、小波变换(Wavelet)、EMD和EEMD处理含噪光谱,信噪比、均方根误差、相关系数三个方面指标表明FFT高频去噪效果最差,其次是EMD,恰当的Wavelet同EEMD效果相当,EEMD的优势是降噪过程的自适应。最后提出光谱时频分析方法和IMF噪声属性判别准则研究趋势。     

基于反向传播神经网络的拉曼光谱去噪方法

拉曼光谱技术作为一种典型的光学检测方法,因其独特的非侵入性、快速、原位和极高的特异性,在生物分析、疾病诊断及分子识别等众多领域得到广泛应用.拉曼光谱的指纹特性使其成为生物医学分析领域的重要工具,但拉曼散射信号微弱,数据处理分析大量依赖分析人员、自动化处理能力低等因素都会极大影响该技术在实际中的应用.实验设备、环境产生的...     

基于NLMS自适应滤波的近红外光谱去噪处理方法研究

为了去除直接采集的近红外(NIR)光谱中含有的噪声,将归一化最小均方(NLMS)自适应滤波方法引入到NIR光谱去噪领域中。以51份土壤样品的NIR光谱为研究对象,探讨NLMS自适应滤波方法在NIR光谱预处理中的应用,并将处理后的结果与土壤中有机质的含量相关联,建立模型。结果表明,通过NLMS自适应滤波去噪后的光谱,预测集的相关系数r由处理前的0.8284提高至0.9654,预测均方根误差(RMSEP)由处理前的0.3385降至0.1606。由此可见,NLMS自适应滤波对NIR光谱的去噪有显著效果,可以有效地提高光谱的分析精度和模型的稳健性,为NIR光谱的预处理提供了一种新方法。     

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。     

基于经验模态分解的高光谱遥感数据去噪方法

经验模态分解(EMD)是一种新的时频分析方法,经EMD分解后的各个固有模态函数(IMF)突出了原始信号的局部特征,从而可以区分噪声和有用信号。基于此,结合高光谱遥感数据的光谱变化特征,提出了一种基于经验模态分解的高光谱遥感数据去噪方法。通过对理论数据的实验表明,数据中的噪声无论是高斯分布还是均匀分布,数据经EMD分解后,噪声都主要集中在前几个特定的IMF,对相应的IMF进行滤波处理后并与其他IMF分量进行重构就可得到去噪信号,与小波去噪结果相比较,这种方法效果更好。最后把该去噪方法应用于野外实测的油膜高光谱数据去噪,实验结果表明,该方法能准确、有效地去除高光谱遥感数据的噪声。     

自适应小波阈值去噪在光谱信号处理中的应用

在光谱数据的多组分定量分析中 ,噪声的存在往往影响分析的准确度。小波变换的多分辨率分析的特性使它成为一种优良的去噪方法。本文基于 Dohono提出的小波阈值去噪和 Mallat,Xu等提出的空域相关去噪法 ,提出了一种新的自适应小波阈值函数滤噪法。与原来方法比较 ,新法能够在有效去除噪声的同时 ,很好地保留了信号的细节。仿真计算和分析表明了此算法的有效性。     

拉曼光谱实验方法及谱分析方法的研究

本文提出了振动拉曼光谱的实验方法和谱图数据处理方法，并应用于四氯化碳、苯等样品的拉曼光谱的获得和谱分析中．实验结果与通过Gaussian计算软件计算的理论结果相吻合．结果表明，本文提出的方法能有效地获得信号较弱和在较窄的谱段上谱线强度比相差悬殊的拉曼振动散射谱，并对其进行谱分析．     

基于奇异值分解和中位数绝对偏差的拉曼成像数据去噪方法

拉曼成像是一种无损伤、无需标记的光谱成像技术,它可以提供样品的不同组分的分子指纹信息以及空间分布特征,相比其他成像技术有着更重要的应用。但是拉曼散射的截面积小,灵敏度低,加上在很多实验中为了观察某些组分的动态分布而缩短扫描时间,导致最终得到的成像数据被噪声干扰,因此往往需要对信号进行去噪处理。常规的算法一般都是基于一个给定的数学模型对光谱进行处理,容易造成过滤波,使得信号失真;另外,在处理拉曼成像数据时,常规算法往往是对数据进行逐条光谱去噪,从而忽略了多条光谱之间的相互关系,导致最终的拉曼图像仍然受许多噪点干扰。因此,提出了一种基于奇异值分解和中位数绝对偏差的拉曼成像的信号处理方法,用于拉曼成像数据的去噪处理。该方法首先对拉曼成像数据进行奇异值分解,获得一个奇异值矩阵与两个正交矩阵;然后通过中位数绝对偏差法对奇异值矩阵中的各奇异值进行离群值检测,选取前k个被连续标记的离群值作为要保留的奇异值,并将其余的奇异值赋值为零,得到新的奇异值矩阵;最后用新的奇异值矩阵与两个正交矩阵重新求解得到去噪后的拉曼成像数据。实验中,首先验证了中位数绝对偏差法确定前k个奇异值的正确性,其次分别从处理后的图像质量和信号波形两方面对比了该算法与常规算法的去噪效果。结果证明,中位数绝对偏差法可以快速地确定出合理的k值大小,而且,依据该k值处理后的成像数据不仅在成像质量上消除了大量的噪点,使得组分的空间分布特征清晰可见,也在信号波形上较完美地保留了微小谱峰,并恢复光谱信号。该算法不同于常规算法,能同时对整个拉曼成像数据进行处理,并保留光谱之间的统计特征,是一种更加有效的拉曼成像数据的去噪方法。     

基于极值统计的拉曼光谱信噪比评估方法与应用

随着近年来便携式光谱仪技术的迅速发展,CCD光谱仪相对于传统光谱仪在光谱收集方式上发生了很多变化：（1）采集到的光谱对信号进行叠加积分,传统信噪比评估方法无法通过单次检测获得探测器波动;（2）对于谱图噪声（谱线随机波动）,由探测器响应随机波动和扫描重复误差转变为CCD探测器像素响应差异、探测器随机噪声和与光学系统分辨力有关的模式噪声。噪声类型发生改变,导致原有的光谱质量评价方法适用性变差,基于实测光谱提出更具适应性的光谱质量评价方法具有很强的现实意义。根据拉曼光谱仪检测器的变化,对采集光谱信号的成分进行分析,在该分析的基础上提出了CCD光谱仪的噪声模型假设,根据该假设使用不同的信号极值点频率对不同的噪声进行像素分离,并对噪声频率模式进行了数值模拟,模拟结果与假设相符;在此基础上提出并实验验证了通过谱线极值间距评估谱线噪声的拉曼光谱信噪比评估方法,该方法包括以下两个步骤：（1）通过采集多次实测光谱进行叠加,叠加过程中对对应不同频次的光谱极值点数量进行统计,得到统计结果后基于文中规律分离光谱仪中的环境噪声和暗噪声;（2）应用上述分离结果,对实测光谱中对应暗噪声的谱线极值点作统计平均,再将该值应用于文中公式,计算得到信噪比。该方法在进行了步骤（1）的前期准备后,可以通过单张谱图评估CCD拉曼光谱仪的随机噪声,并用于评估光谱的信噪比。基于光学构架相同、CCD探测器不同的三个拉曼光谱系统进行实验,采用该方法通过设定信噪比阈值对谱图质量进行控制,获得了一致的光谱曲线;基于该方法对同步叠加平均法进行信噪比拟合,拟合优度达到98%。该方法可用于拉曼光谱仪的性能评估和获取拉曼光谱谱图的质量实时控制。理论和实验表明：对于基于CCD探测器的拉曼光谱仪器,当确定样品和特征峰时,可以基于此方法获得信噪比。该方法还可用于比对不同配置的拉曼光谱设备,以及作为控制谱图质量一致性的标准,并对基于拉曼光谱技术的智能鉴别系统的开发具有指导意义。     

多种拉曼光谱归一化法对乙醇定量分析的研究

通过对多种拉曼光谱归一化方法进行乙醇定量分析的探讨,提出使用选取最高浓度下乙醇谱中谱强最高点作为归一化参照的乙醇浓度定量分析方法,其线性相关系数达到0.999,检验样的平均相对误差率仅为0.067 8,组间数据的相对标准偏差为0.046 3,其有效性和准确性均优于内标法和比值法,并具有良好的抗干扰能力。同时,在结合基线校准处理后,不仅能有效消除组间数据差异,而且明显提高了乙醇定量分析的精确性。以此法用于市场白酒样品的乙醇含量检测,可快速简便获得准确的结果,其相对标准偏差小于0.012,具有良好的商业应用前景。     

利用排列熵检测近40年华北地区气温突变的研究

运用一种新的动力学突变检测方法——排列熵(permutation entropy，PE)算法，计算并分析了中国华北地区52个站点1960年—2000年逐日平均气温资料的排列熵演化情况，发现中国华北地区气温在20世纪70年代中期、80年代初均发生了较大突变；进一步用经验模态分解(empirical mode decomposition，EMD)方法对排列熵序列进行逐级平稳化处理，结果发现这一地区的气温突变与准10年这一年代际时间尺度的周期变率密切相关，其原因与太阳黑子活动有着密切联系. 关键词： 华北 突变 排列熵算法 经验模态分解     

注碳GaN的拉曼散射谱研究

本文研究了离子注入碳的GaN材料的Raman光谱。观察到离子注入碳的GaN在800℃退火后其拉曼光谱在1350和1600cm-1处出现两个峰。分析指出它们很可能分别来自GaN的CN和C=C局域伸缩振动。     

对强荧光背景拉曼光谱定量分析的研究

针对拉曼光谱定量分析中的难点问题—对具有强荧光背景物质的定量分析,文章分别对具有较强荧光背景的不同浓度下的纯甲醇溶液及不同浓度比例的甲醇和乙醇混合溶液的拉曼光谱数据采用新的归一化法结合基线校准技术进行拉曼光谱定量分析;同时,对由数据采集时的时空差异所引起的样品数据组间的波动性进行了研究。模拟时空变化来采集定量分析中所需的谱数据,并使用统计学方法评价样品的组间差异,讨论了此方法对样品组间差异的消除效果。研究证明,此方法具有较好的分析精度和消除不同样品组数据的组间差异的能力,对甲醇的定量分析,其相对误差为4.7%,组间数据的相对标准偏差为4.2%。从而使对具有强荧光背景干扰的溶液进行简单、快速、精确的定量分析成为可能。     

基于希尔伯特黄变换的自适应相位提取法

提出了一种基于希尔伯特黄变换的自适应相位提取法。该方法通过对条纹图信号进行经验模态分解得到一系列本征模函数(IMF)。对每个IMF进行希尔伯特谱分析,提出准则用以确定噪声IMF并判断是否存在模式混叠问题。若存在,根据该噪声IMF自适应设计新的“噪声”并将其添加到原信号中,然后对所形成的新信号再次分解,重复进行该过程直到相应的模式混叠问题不再存在。将最后一次分解所得的噪声IMF和背景分量从信号中去除,对所得的基频分量做希尔伯特变换即可得到条纹图的包裹相位分布。所提方法可有效克服模式混叠问题,可在有效去除噪声和背景分量的同时尽量保留细节相位信息,有较好的自适应性及稳健性,测量精度高。     

基于自适应模板的低信噪比运动目标的自动定位算法

从目标相对于邻域背景区的信噪比出发,分析了其低信噪比运动小目标特性对自动目标识别所带来的困难.基于部分Hausdorff距离在模板匹配相似性度量中可以有效抑制背景与噪声干扰的优点,提出了用自适应模板实现自动目标识别的方法.然后,综合目标区像素灰度自适应二值化处理和形心算法,实现了图像序列中目标自动定位的功能.实验结果证明：该基于自适应模板的低信噪比运动目标的自动定位算法具有快速,稳定和实用等优点.