本文關鍵詞：基于EMD和EEMD的自適應光譜預處理方法及其應用研究

  更多相關文章： EMD EEMD 拉曼光譜 近紅外光譜 去噪 基線校正 時頻分析

【摘要】：拉曼和近紅外光譜分析技術經過幾十年的發(fā)展,以其無損、快速測量的特點成為當代重要的分析測試手段之一。由于拉曼和近紅外信號能量弱,易受干擾,所以光譜的預處理工作非常重要,其直接影響到定標模型的質量及應用范圍。常規(guī)的去噪和基線校正方法,如小波變換、導數法、插值、多項式擬合等需要根據不同光譜的特點及時調整算法的基函數、分解層數以及重構信號的方式等,參數的設置不具備先驗性,對于譜峰尖銳、波形變換劇烈的拉曼光譜很難實現最優(yōu)預處理。為了解決常規(guī)光譜預處理方法自適應性不強的問題,改善拉曼和近紅外光譜去噪效果,提高光譜基線校正精度,增強光譜模型測量準確性,本文主要進行了以下幾個方面的研究工作:首先,針對拉曼光譜高頻信號與噪聲易出現模態(tài)混疊的問題,將總體經驗模態(tài)分解(Ensemble Empirical Mode Decomposition,EEMD)方法應用到拉曼光譜高頻去噪。在驗證拉曼光譜EEMD過程具備近似完備性基礎上,構建了一種基于歸一化指標尋優(yōu)的EEMD去噪方法,該方法以歸一化去噪指標的全局最優(yōu)點為去噪過程的停止條件,去噪過程無需參數設置、可以自適應完成。通過對拉曼光譜數據去噪處理的結果表明,該方法提高了拉曼光譜去噪精度、降低了去噪過程的操作難度,簡單有效。其次,為了進一步提高低信噪比情況下基于歸一化指標尋優(yōu)的EEMD方法的近紅外光譜去噪精度,提出了近紅外“3R”去噪方法。該方法針對同一樣品的近紅外透射譜和吸收譜,計算疑似噪聲本征模態(tài)分量(Intrinsic Mode Function,IMF)與其對應透射譜和吸收譜之間相關性、透射譜分量與吸收譜分量之間相關性、IMF分量自相關性,根據三組相關性數據判斷出噪聲分量并濾除。將該方法應用于玉米葉綠素含量測量建模中,結果表明,其去噪精度優(yōu)于經驗模態(tài)分解(Empirical Mode Decomposition,EMD)低通濾波、小波分解和基于歸一化指標尋優(yōu)的EEMD方法。然后,針對拉曼和近紅外光譜由于基線漂移引起的譜線傾斜問題,提出一種殘余相關EEMD基線校正方法,實現了拉曼和近紅外光譜自適應基線校正。通過對近紅外光譜數據去基線仿真研究的結果表明,該方法優(yōu)于小波校正,遜于多項式全局擬合,與非線性最小二乘法擬合效果相似;對玉米葉片拉曼光譜去基線實驗數據分析結果表明,該方法校正后數據所建模型具有最優(yōu)校正集和預測集指標并對特征峰影響最小。上述結果表明,對于基線背景不明確的真實拉曼光譜,殘余相關EEMD基線校正方法的自適應特性凸顯,取得了優(yōu)化的基線校正效果。最后,提出了一種基于EMD時頻方法分析近紅外光譜,進而定性檢測堿成分的方法,該方法通過分析比對近紅外和拉曼光譜的IMF分量時頻屬性,從分量的比重、調制方式闡述了EMD去除玉米葉片近紅外光譜噪聲和分解拉曼光譜時發(fā)生模態(tài)混疊的原因,并應用希爾伯特變換處理堿脅迫玉米葉片近紅外光譜,得到波數頻率分譜,進而求得和譜,通過和譜特征頻率實現了堿成份的定性檢測,從而驗證了EMD時頻定性分析近紅外光譜的可行性。
【關鍵詞】：EMD EEMD 拉曼光譜 近紅外光譜 去噪 基線校正 時頻分析
【學位授予單位】：燕山大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：O433.4
【目錄】：

• 摘要5-7
• Abstract7-11
• 第1章 緒論11-25
• 1.1 光譜分析技術概述11-15
• 1.1.1 近紅外光譜分析技術11-13
• 1.1.2 拉曼光譜分析技術13-15
• 1.2 光譜數據預處理方法綜述15-22
• 1.2.1 噪聲處理方法研究狀況15-18
• 1.2.2 基線校正方法研究狀況18-22
• 1.3 課題背景及研究目的和意義22-23
• 1.4 本文主要研究內容23-25
• 第2章 基于歸一化指標尋優(yōu)的自適應拉曼光譜EEMD去噪方法及應用研究25-42
• 2.1 引言25
• 2.2 基于EMD法分解拉曼光譜的不足25-29
• 2.3 基于歸一化指標尋優(yōu)的自適應拉曼光譜EEMD去噪方法的提出29-33
• 2.3.1 EEMD分解拉曼光譜過程分析29-32
• 2.3.2 歸一化評價指標構建32-33
• 2.4 基于歸一化指標尋優(yōu)的自適應EEMD去噪方法的實現及應用33-40
• 2.5 本章小結40-42
• 第3章 自適應的近紅外雙譜“3R”去噪方法及應用研究42-54
• 3.1 引言42
• 3.2 EEMD閾值法和能量法去噪缺陷分析42-45
• 3.3 雙譜自適應“3R”去噪方法設計45-47
• 3.3.1 噪聲IMF分量的相關性分析45-46
• 3.3.2 基于“3R”法則的自適應雙譜去噪方法的實現46-47
• 3.4 “3R”方法仿真驗證及實驗研究47-53
• 3.4.1 基于“3R”方法的仿真光譜去噪47-50
• 3.4.2 “3R”法在玉米葉片近紅外光譜去噪中的應用研究50-53
• 3.5 本章小結53-54
• 第4章 自適應的殘余相關EEMD基線校正方法及應用研究54-74
• 4.1 引言54
• 4.2 殘余相關EEMD基線校正方法設計54-60
• 4.2.1 殘余量擬合基線思想的提出54-57
• 4.2.2 殘余相關基線校正方法的實現57-60
• 4.3 近紅外仿真光譜的基線校正效果分析60-63
• 4.4 殘余相關EEMD方法在玉米葉綠素測量模型中的應用63-72
• 4.4.1 基于殘余相關方法的玉米葉片拉曼光譜基線校正63-70
• 4.4.2 葉綠素光譜測量模型的基線校正效果分析70-72
• 4.5 本章小結72-74
• 第5章 近紅外光譜和拉曼光譜EMD時頻性質分析74-84
• 5.1 引言74
• 5.2 近紅外光譜FM及拉曼光譜AM性質分析74-79
• 5.3 拉曼光譜模態(tài)混疊現象的時頻分析79-81
• 5.4 應用Hilbert變換處理近紅外光譜及在定性檢測玉米葉片堿成份中的應用81-83
• 5.5 本章小結83-84
• 結論84-86
• 參考文獻86-94
• 攻讀博士學位期間承擔的科研任務與主要成果94-96
• 致謝96-97
• 作者簡介97

【參考文獻】

中國期刊全文數據庫 前10條

1 閔順耕,謝秀娟,周學秋,李力,嚴衍祿;近紅外漫反射光譜的小波變換濾波[J];分析化學;1998年01期

2 劉志宏;鄧波;周玉榮;龐小峰;張曉春;;紅外光譜預處理中去噪的研究[J];光譜實驗室;2006年04期

3 蘆永軍;曲艷玲;宋敏;;近紅外相關光譜的多元散射校正處理研究[J];光譜學與光譜分析;2007年05期

4 蔡劍華;王先春;;基于經驗模態(tài)分解的近紅外光譜預處理方法[J];光學學報;2010年01期

5 陳叢;盧啟鵬;彭忠琦;;基于NLMS自適應濾波的近紅外光譜去噪處理方法研究[J];光學學報;2012年05期

6 趙進輝;袁海超;劉木華;徐將;肖海斌;;導數同步熒光光譜-小波-SGA-LSSVR聯用快速測定鴨蛋蛋清中新霉素殘留含量[J];分析化學;2013年04期

7 王增煥;王許諾;柯常亮;林欽;;基于原子光譜法的元素形態(tài)分析技術進展[J];光譜學與光譜分析;2013年12期

8 張林;陸輝山;閆宏偉;高強;王福杰;宋海燕;;煤粉發(fā)熱量近紅外光譜檢測的預處理方法研究[J];光譜學與光譜分析;2013年12期

9 趙蕓;張初;劉飛;孔汶汶;何勇;;采用可見/近紅外光譜檢測大麥葉片過氧化氫酶與過氧化物酶含量的研究[J];光譜學與光譜分析;2014年09期

10 楊金梅;張海明;王旭;王彩霞;秦飛飛;;紅外光譜和拉曼光譜的聯系和區(qū)別[J];物理與工程;2014年04期

中國碩士學位論文全文數據庫 前1條

1 王旋;去除被測信號中同頻背景噪聲的研究[D];鄭州大學;2011年

，

本文編號：843712