小波分析在光譜數(shù)據(jù)去噪處理中的應(yīng)用.pdf

1、噪聲濾除是光譜數(shù)據(jù)處理中的重要環(huán)節(jié)，現(xiàn)今采用的各種常規(guī)處理方法如平滑，傅立葉分析等雖能取得一定的效果，但是在靈敏度，精度和速率等方面都還存在著許多不足之處。小波分析由于能夠同時在時域和頻域內(nèi)進行信號分析，所以它能夠有效地實現(xiàn)對信號的去噪。閾值的選擇是小波去噪的一個重要問題，采用同一種小波對同一個信號進行去噪處理的時候，閾值的選擇直接關(guān)系到去噪效果的優(yōu)劣。如果閾值選擇太小，那么有一部分的噪聲小波系數(shù)將不能被置零，從而在去噪后的信號中保留了

2、部分噪聲信息，使去噪的效果變差。如果閾值選擇過大，則會將一部分有用信號當(dāng)作噪聲濾除，使得去噪后的信號丟失信息。因此，在去噪的過程中如何有效地選取閾值，使得噪聲被去除的同時盡可能地保存有用信號，是一個值得研究的問題。本文對小波分析在光譜數(shù)據(jù)去噪處理中的應(yīng)用進行了研究。文章分為六個部分： 第1章為緒論，介紹了本課題的研究目的和所作的主要研究工作，最后介紹了本課題的研究工具。 第2章為小波分析基礎(chǔ)理論部分。通過和傅立葉分析的比

3、較，從數(shù)學(xué)原理上闡明了小波分析的時頻局域化特點和時頻窗口的自適應(yīng)特性。由于在實際計算機處理數(shù)據(jù)時，處理的都是離散數(shù)據(jù)，連續(xù)小波都必須加以離散化，所以著重介紹了離散和正交小波分析的概念和原理，然后從多分辨分析方面介紹了離散小波分析。 第3章對小波去噪的方法進行了研究。首先介紹了光譜中存在的各種噪聲特性和常用的噪聲濾除方法，然后利用小波分析時頻局部化奇異性分析原理，研究了信號峰和噪聲峰在峰頂附近的奇異性特征，提出利用小波分析奇異性分

4、析識別同頻噪聲的方法。其次提出了幾種常用的閾值選擇方法，并在仿真信號實驗中對小波去噪進行了初步探索。 第4章 小波去噪在近紅外光譜分析數(shù)據(jù)處理中的應(yīng)用，包括定量牛奶成分的近紅外光譜和定量人血清中葡萄糖含量的短波近紅外光譜。第一個實驗測量了38個巴氏殺菌牛奶樣品的近紅外光譜，利用小波包分析技術(shù)對光譜信號進行了去噪處理,濾波后重構(gòu)光譜信號，采用可變窗寬窗口移動偏最小二乘法(CSMWPLS)對脂肪、蛋白質(zhì)及乳糖成分含量分別建立預(yù)測模型

5、，由相關(guān)系數(shù)和預(yù)測均方根誤差(RMSEP)等對預(yù)測模型的精確度進行了評價。其中脂肪，蛋白質(zhì)，乳糖的預(yù)測均方根誤差分別為0.0327,0.0239,0.0631mg/L。將該結(jié)果和采用傳統(tǒng)的光譜去噪預(yù)處理后用可變窗寬窗口移動偏最小二乘法(CSMWPLS)建模的結(jié)果進行了比較。第二個實驗測量了14名志愿者18個血清樣品的短波近紅外光譜，利用小波分析技術(shù)對光譜信號進行了去噪處理，以血糖儀測定的血糖濃度為參考標(biāo)準(zhǔn)，采用間隔偏最小二乘法（iPLS

6、）在700～1060nm短波近紅外波段建立葡萄糖濃度預(yù)測模型。預(yù)測模型的相關(guān)系數(shù)為0.9654，均方根預(yù)測誤差為0.2435mmol/L。然后和采用傳統(tǒng)的傅立葉分析去噪的方法進行了比較。上述兩個實驗的結(jié)果表明: 小波包分析和小波分析預(yù)處理數(shù)據(jù)的方法比傳統(tǒng)的傅立葉分析去噪方法更能有效地扣除噪聲干擾，使模型具有更強的抗干擾能力和更高的預(yù)測精度。 第5章 小波分析去噪軟件的編制。采用VC++6.0編譯環(huán)境，編制了一維信號的小波分析去噪