近红外光谱预处理中几种小波消噪方法的分析

以菜籽油的一阶导数近红外光谱为研究对象,探讨小波变换在近红外光谱信号消噪方面的应用,分别采用九点平滑法、小波分解与重构法、非线性小波软阈值法和小波变换模极大值法对导数光谱进行消噪处理并对消噪效果进行比较分析。结果表明,小波变换模极大值光谱消噪法得到了较高的信噪比,小波软阈值法次之,其余两种方法消噪效果较差。小波变换模极大值法有效的保留了光谱的有用信息,为近红外光谱的分析精度和模型的稳健性奠定了良好的基础。     

近红外光谱技术用于复杂植物样品中无机离子测定的新方法

植物样品中的无机离子以一定形式与具有近红外吸收的有机基团结合, 因而可以借助近红外光谱技术测定其含量。对烟草样品近红外光谱数据及其小波变换处理后的小波系数,采用偏最小二乘法预测其中钾离子的含量,建立了小波变换与近红外光谱技术结合用于复杂植物样品中无机离子测定的新方法。结果表明：近红外光谱数据压缩为原始大小的3.3%,基本上没有光谱信息的丢失; 基于小波系数的模型优于传统的全谱模型,对于无机离子的测定可以取得较为准确的预测结果。     

近红外光谱的数据预处理研究

进行了小麦样品近红外光谱数据的预处理研究,一般仪器记录的样品近红外光谱数据中包含有一系列噪声和干扰信号,因此适当的预处理是进行后续光谱定标、建模及模型传递的基础,对可靠地获得准确分析结果具有很重要的作用。结合小麦样品蛋白质含量近红外光谱分析工作,对由近红外光栅光谱仪和傅里叶变换近红外光谱分别记录的66种小麦样品光谱数据,采用高斯一阶、二阶导数小波变换方法进行了预处理。对比常用的一阶差分预处理,证明高斯函数导数小波变换方法是十分有效、实用的,预处理后光谱曲线非常光滑、噪声消除效果明显,富含有用光谱分析信息的区域更加清晰显示,因而非常有助于后续的光谱定标、建模和模型传递工作。     

基于小波变换的木材近红外光谱去噪研究

木材近红外光谱常常被一系列噪声所污染,影响光谱分析结果。为了提高近红外光谱分析精度,需要对光谱数据进行预处理。光谱导数可以消除光谱背景干扰和基线漂移等因素影响,提高光谱分辨率,但导数光谱在增强信号的同时,也使信号噪声得到增强。应用小波变换对杉木木材近红外一阶导数光谱进行去噪研究,分别采用9点平滑法、25点平滑法、非线性小波硬阈值和软阈值法、9点平滑+小波变换法和25点平滑+小波变换法对光谱数据进行去噪研究。结果显示, 小波变换能够有效去除导数光谱中的噪声信号,保留光谱中的有效信息,提高光谱信噪比,提高光谱的分析能力,在木材近红外光谱分析中具有很好的应用前景。     

结合小波变换与微分法改善近红外光谱分析精度

微分法可以有效消除光谱背景和基线漂移,同时会增加光谱噪音;小波变换具有很好的去噪功能,章将微分法和小波变换结合用于重整汽油辛烷值近红外光谱分析。考察了微分噪音对辛烷值分析精度的影响以及小波去噪对微分光谱的噪音扣除以及对辛烷值分析精度改善情况。结果表明,微分光谱可以扣除原始光谱的基线漂移,提高分析精度,同时增加光谱的噪音;噪音对分析精度影响很大。微分光谱经过小波去噪处理后信噪比增加,辛烷值分析精度得到改善。     

有机堆肥中作物营养元素钾的近红外光谱快速分析

对近红外光谱数据进行小波变换,利用处理后的小波系数,采用偏最小二乘法预测了有机肥料中钾离子(K+)的含量,建立了小波变换与近红外光谱技术结合用于测定奶牛粪便为主的有机堆肥产品样品中无机钾离子测定的模型。结果表明： 小波变换充分提取了近红外光谱的信息,数据压缩为原始大小的3.6%,计算量大大减少;文章利用C4小波系数对48个有机肥料样本进行建模,对42个预示集样本进行预测,预示集的RMSEP(root mean square error of prediction)和r2(correlation coefficient)分别为0.113 8%和0.927,优于原始光谱直接建模的0.167 2%和0.835%。基于小波系数的模型优于传统的全谱模型,对于无机离子(K+)的测定可以取得较为准确的预测结果。     

基于可见-近红外光谱的咖啡品牌鉴别研究

利用可见-近红外光谱技术对市场上三种不同品牌咖啡品种进行鉴别。分别采用主成分分析法与BP神经网络结合和小波变换与BP神经网络结合两种组合模型进行分析预测。利用主成分分析法与小波变换的数据压缩功能和BP神经网络的学习预测能力实现对不同品牌咖啡的鉴别。实验采用３个品种共60个样本建立模型,30个样本进行品种鉴别,结果表明,两种鉴别模型的咖啡品种鉴别率均为100%。同时也表明,小波变换用于数据压缩无论是在压缩时间上还是在压缩能力上都优于主成分分析法。说明通过小波变换和BP神经网络相结合建立模型进行不同品牌咖啡鉴别具有分析速度快,鉴别能力强的特点,为快速鉴别纯品咖啡提供了新的方法,同时也为确定不同品牌咖啡选用咖啡豆品种奠定了基础。     

基于小波变换的木材近红外光谱模型优化及质量追溯

智能化精准获取木材基本信息是木材质量追溯系统信息采集的核心,同时也是木材后期分流、加工、精细化利用的重要依据。旨在探讨基于小波变换的木材近红外光谱(NIRS)去噪及模型优化,研究近红外技术用于木材质量追溯的基础理论与方法,构建基于近红外的木材质量追溯体系。以山杨木材气干密度为例,采用小波变换进行光谱去噪及模型优化,应用偏最小二乘法(PLS)构建了基于近红外光谱技术的山杨木材气干密度定标模型。在此基础上,集成二维码技术,在Matlab环境下,将近红外定标模型预测结果(以木材密度为例)及其他木材相关信息(树种名称、产地、采集单位、数据获取方式等)生成快速响应矩阵码(QR Code),以实现木材信息的有效、快速追溯。同时研究分析了不同纠错等级、字符数、像素下QR码的可读性及有效性。结果显示： (1)当db5小波基分解层为5时,经启发式硬阈值去噪后得到的信噪比(SNR)最大,均方根误差(RMSE)最小,基于小波变换的近红外光谱去噪效果最好,将校正模型决定系数由0.774 8提高到了0.850 1;(2)字符数一定时(本追溯信息的字符数为217),当像素大于100 px×100 px时,QR码的可读性均大于90%;当纠错等级为7%、像素大小为200 px×200 px时,随着字符数由100增加至600,解码率和可读性均为100%。研究表明,基于小波去噪及近红外光谱技术,可以实现木材密度的准确预测,并能有效集成QR码技术,以QR码作为传递木材信息的有效载体,为木材材性信息的无损获取及有效追溯提供了理论依据与技术支撑。     

基于小波变换的水果糖度近红外光谱检测研究

利用小波变换滤波技术对90个水果样品的近红外光谱信号进行了去噪处理,并结合滤波后重构光谱信号对水果糖度进行逐步线性回归(SMLR)建立其校正模型,通过34个样品的外部检验对校正模型精度进行评价。研究结果表明: 校正模型的预测精度在小波尺度为3时其预测精度最好,预测集的决定系数由原来的0.84提高到0.85, 预测集相对标准误差由原来的6.1% 降为6.0%。因此,使用小波去噪方法有消除原始光谱噪声作用,从而使最终的SMLR模型更具有代表性和稳健性,也提高了品质检测时模型预测精度。     

基于SVR的傅里叶变换型近红外光谱仪间数学模型传递的研究

近红外分析的一个重要基础是数学模型。不同的近红外光谱仪间由于对同一个样品响应的差异,导致一台仪器上建立的数学模型不能直接用于另一台仪器上样品的分析,需要进行模型传递。文章以两台傅里叶变换近红外光谱仪为实验研究对象,以玉米粉末样品为实验材料,采用移动窗口支持向量回归机(SVR)方法,把一台仪器上建立的近红外定量分析数学模型传递到另一台仪器上：当SVR回归的窗口大小为31个波长点,传递样品个数为15个时,模型传递效果较好,以“主机”所建蛋白含量的数学模型分析“从机”上修正后的光谱,化学测定值和近红外预测值间的相关系数提高到0.943 4,相对标准差为4.23%。表明采用移动窗口SVR法进行傅里叶变换近红外光谱仪间数学模型的传递是可行的。     

基于枸杞红外光谱人工神经网络的产地鉴别

应用红外光谱技术,快速鉴别枸杞药材产地。利用傅里叶变换红外光谱, 测定了45个来自青海省不同产地的枸杞样品的红外光谱。以常规预处理方法和小波变换对红外光谱原始数据进行了预处理。对比常用的窗口移动平滑预处理、标准正态变换以及多元散射校正, 小波变换是一种有效实用的光谱预处理方法。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。结果表明,红外光谱数据压缩到原来的1/8,其分析精度与原始光谱数据基本相当。以压缩了的光谱数据作为反向传播(BP)网络的输入变量,产地类别作为神经网络的输出变量,建立3层人工神经网络。其中隐含层神经元个数为5个,输出层神经元个数为1个。隐层的传递函数是tansig,输出层传递函数是purelin,网络训练函数trainlm,权阈值的学习函数是learngdm。net.trainParam.epochs=1 000,net.trainParam.goal=0.001。对10个未知枸杞产地类别进行了预测,预测结果准确率达100%。实验表明, 建立的模型能够正确地对枸杞样品快速地进行产地鉴别。红外光谱法结合人工神经网络可作为中药材产地分类鉴别的一种新的现代化方法。     

近红外光谱分析技术的一些数据处理方法的讨论

介绍了近红外光谱分析的技术原理,常用的几种建模方法以及各自的特点。同时,阐述了光谱的预处理,其中的小波变换方法是一种新的数学工具,有着广泛的应用前景。     

Quantitative Analysis of Near-Infrared Spectroscopy by Combined Stationary Wavelet Transform–Support Vector Machine

Data preprocessing and multivariate regression methods are two key factors influencing the model prediction ability of near-infrared (NIR) spectroscopy. The present paper evaluated the application of the combined stationary wavelet transform–support vector machine method for developing juice NIR models. The performance of this method has been compared with other methods, such as stand normal variate–partial least squares, stationary wavelet transform–partial least squares, and stand normal variate–stationary wavelet transform methods. The result showed that compared with other methods, the stationary wavelet transform–support vector machine method can provide good quantitative analysis on saccharose concentration in juice.     

基于近红外漫反射光谱的烃源岩生烃潜量的确定

对比了近红外光谱和中红外光谱对烃源岩样品生烃潜量的定量分析能力.由于近红外光谱受样品的颗粒度、密度、表面粗糙度等造成的光散射的影响更大,使得其漫反射光谱数据的信噪比很低,背景干扰很大,很难直接应用于定量分析.因此需要一种有效的方法对近红外漫反射数据进行预处理来消除散射的影响.本文对比了正交信号校正算法(OSC)及其两种...     

基于光学小波微分预处理的联合变换相关目标识别

提出了一种基于光学小波变换微分预处理的光电混合联合变换相关系统,该系统利用同一光路可实时实现对输入图象的小波变换微分预处理和联合变换相关识别.实验结果表明:该系统能得到很尖锐的互相关峰,可显著提高联合变换相关器的识别能力.     

一种改进小波算法及其在拉曼光谱预处理的应用

针对现有用于光谱预处理的小波变换算法对光谱噪声和背景荧光等处理效果不佳的局限性,本文提出了一种改进的小波变换算法——小波变换频率分量相关选择法,首先对拉曼光谱进行小波棱镜分解,然后计算各个频率分量与待测质量指标的相关系数,设定相关系数的相对阈值,提取高于阈值的小波频率分量波长点光谱数据作为校正模型的有效输入数据。将其应用于汽油低分辨率拉曼光谱的预处理,并采用预处理后光谱建立的偏最小二乘模型预测值的最大正负误差和交叉检验的均方误差作为指标。实验结果证明,与其他常见预处理方法比较,该方法并能够很好地减弱荧光背景干扰和高频噪声,显著提高了基于偏最小二乘方法建立的汽油辛烷值的模型预测精度,其均方误差减少为0.23;此外,采用该预处理方法的偏最小二乘模型的均方误差随主元数变化不大,稳健性也比采用其他预处理方法的效果好。     

Audio watermarking based on psychoacoustic model and critical band wavelet transform

Watermark embedding algorithm based on critical band wavelet transform of digital audio signal is proposed in this paper. The masking threshold for each audio signal segment was calculated on the basic of psychoacoustic model. According to the similarity between critical band of human auditory system and critical band wavelet transform, a watermark was embedded into the low-band and mid-band coefficients of digital wavelet. The embedding strength was adaptively controlled by the masking threshold. The experiment results show that the embedded watermark signal is inaudible, and the watermarked audio signal has good robustness against many attacks such as compression, noise, re-sampling, low-pass filtering.     

基于WT算法联合混沌理论的图像加密研究

图像加密作为信息加密领域的重要一支,其对于信息安全的重要性显得愈发重要,能够有效地对目标图像信息进行加解密逐步成为了人们的研究热点。为了提高图像加密的安全性,以混沌系统所具有的初值敏感性以及类似随机为基础,提出了采用“混沌变换”方法对图像进行置乱操作的算法,随后以此为基础结合小波理论设计一种图像加密算法。在图像的预处理阶段首先对图像采用小波变换得到四幅小波子图;随后基于混沌置换将四幅子图置乱处理;最后通过小波逆变换恢复出目标加密图像。通过数值仿真实验表明通过该方法解密获得的图像具有与原图像非常高的一致性,并且获得了较高的安全性。     

Adaptive harmonic wavelet transform with applications in vibration analysis

An adaptive harmonic wavelet transform is developed by taking advantage of the flexibility of the generalized harmonic wavelets. It first constructs a partition tree, which contains a great number of disjoint partitions of the frequency axis of a signal with each corresponding to an orthogonal harmonic wavelet basis. Then it searches the tree for the partition to represent the signal most sparsely. Since the corresponding basis is adapted to the composition of the signal, the transform can well reveal its characteristics. This is demonstrated with analysis examples of some simulated and vibration signals as well as comparisons with the conventional orthogonal harmonic wavelet transforms and wavelet packet transform.