小波消噪及其在小麦蛋白质含量近红外光谱分析中的应用

利用在小波变换下奇异信号和噪声在多尺度空间中的模极大值传递特性的不同,对33个小麦样品的近红外光谱信号进行了消噪处理,并利用小波消噪后重构光谱信号对小麦蛋白质含量进行偏最小二乘法交叉验证(PLS-CV)。计算实例表明,在最大分解层数不同时,PLS-CV效果各不相同,但大多数的小波消噪重构光谱进行PLS-CV,相关系数R及测定系数帮都有提高,交叉校验预测均方差RMSPCV都有减小,特别在最大分解层数为6时,PLS-CV效果最好,较使用原始光谱进行PLS-CV,相关系数R从0．9222提高到0．9698。交叉校验预测均方差RMSPCV从0．8014减小到0．4983。因此,使用小波消噪方法有消除原始光谱的噪声的作用,从而使最终的PLS模型更有代表性、稳定、稳健,也提高了品质检测时模型预测精度。     

小波变换在脐橙维生素C含量近红外光谱预测中的应用

 【目的】探索快速检测柑橘Vc含量的方法。【方法】利用不同分解水平的Daubechies3小波变换，对100个脐橙整果样品的近红外光谱信号进行了消噪处理，并利用消噪后的重构光谱对脐橙Vc含量进行了偏最小二乘法交叉验证。【结果】小波分解尺度水平不同，偏最小二乘法交叉验证效果各不相同，在分解水平为4时效果最好，其预测值与标准值的相关系数R达到0.9574，交叉验证预测均方差RMSECV仅为3.9 mg/100g。比较了11种光谱预处理方法，其中，小波消噪后的偏最小二乘法交叉验证模型预测效果最好，预测值与真值的相关系性最好。【结论】小波消噪后建立的近红外光谱模型能准确地对脐橙Vc含量进行无损快速的定量分析。     

近红外光谱在砂糖橘果形指数分析中的应用

基于小波变换的原理,分别利用阈值滤波、小波包、小波收缩3种常用的去噪方法,对砂糖橘样品的可见/近红外光谱信号进行去噪处理,探讨每种去噪方法的最优参数组合(小波函数、分解尺度、阈值)的同时选择最适去噪方法,并通过偏最小二乘法(PLS)对去噪后的重构光谱和砂糖橘果形指数建模。结果表明,小波包去噪有利于消除导数光谱中的噪声,提高建模精度,其最优参数组合为默认阈值条件下,小波函数Bior1.3、2尺度分解,去噪后的砂糖橘果形指数光谱建立的PLS模型的预测集R为0.9632,RMSEP为0.0779。     

基于复小波及动态神经网络的植物电信号研究

[目的]针对植物电信号数量级小、易受干扰的问题,提出了双树复小波变换(DT-CWT)结合双变量收缩消噪及不带输入变量的非线性自回归神经网络(NAR)模型,旨在能将植物电信号用于研究温室内植物生长模型。[方法]在屏蔽环境下获取生长状况良好的鸟巢蕨植株的电信号。采用双树复小波变换将电信号进行分解,利用层间小波系数具有相关性的特点,将分解后的小波系数进行双变量收缩消噪。通过对植物电信号进行自相关分析,确定迟滞阶数。再通过NAR网络训练消噪信号。[结果]采用双树复小波消噪后的信号虚部树的高频分量明显减少。消噪后的植物电信号前序98个样本点的自相关系数均大于0.8,迟滞阶数98。采用本模型对消噪后的电信号进行预测时相关系数为0.973,均方误差(MSE)为0.593 mv~2。相比于软阈值消噪与硬阈值消噪,本模型的消噪方法信噪比(SNR)最大,MSE最小。对碧玉、白鹤芋2种植物应用本模型,决定系数分别为0.975和0.972,MSE分别为0.112 mv~2和4.459×10~(-2)mv~2。[结论]植物电信号2个相邻时刻间具有很强的关联性,消噪过程对虚部树的影响更大,双树复小波分解结合双变量收缩的消噪方法更大程度上保留了信号的原始信息。本模型具有可推广性。     

结合WT预处理的近红外光谱PLS算法预测鲜枣糖度

[目的]研究结合WT预处理的近红外光谱PLS算法模型预测鲜枣糖度的方法。[方法]用S-G、MSC、FD、SD、WT和WT＋MSC 6种预处理法,SMLR、PCR和PLS 3种算法模型,对60个鲜枣样品的近红外光谱数据进行预处理、糖度预测和建模精度分析,建立最佳算法的数学模型。[结果]在鲜枣糖度近红外光谱预处理阶段引进小波变换方法去除导数光谱噪声,得到了很好的去噪效果。不同的小波函数、分解尺度使消噪的结果有所不同。与常见的光谱预处理法相比,在选用db4-3小波函数、默认阈值情况下,采用WT＋MSC预处理及建模算法为PLS时所建立的模型最好,其相关系数R为0.919 02,校正集标准差RMSEC为0.863,预测集标准差RMSEP为1.71。[结论]结合小波变换预处理的PLS算法模型可有效预测鲜枣糖度,改善模型的预测精度。     

小波变换对敌百虫红外光谱去噪分析

采用小波变换滤波技术对敌百虫的红外光谱信号进行了去噪处理,利用小波变换滤波技术可以有效地消除红外光谱信号中的噪声,并结合滤波后重构光谱信号对农药浓度与峰面积进行一元线性回归建立其校正模型,并与直接用一元线性回归建立的校正模型进行比较。得出结论敌百虫农药的相关系数由原来的0.914 1提高到0.915。     

基于奇异值的小波变换微弱信号消噪法

针对信噪比低、噪声非均匀分布的弱信号消噪效果不佳的问题,提出了基于有效奇异值分解和小波阈值消噪相结合的方法.通过构造相空间矩阵并对其进行奇异值分解(SVD),得到一系列正交子空间.因为信号和噪声对奇异值贡献不同,提出奇异值最小二乘误差判定法进行有效奇异值选择,利用子空间重构信号.仿真实验表明:本方法提取出的信号完整性更好,信噪比更高.     

小波消噪在数字基带系统中的应用

介绍了一种基于小波消噪的数字基带系统,利用小波变换的分解与重构对接收的信号进行消噪声处理,从而大大提高了系统的性能。通过在加性高斯白噪声(AGWN)信道中的模拟仿真,其结果说明了此系统的优越性,并通过卷积编码,进一步降低了系统的误码率。     

一种基于轮廓波变换的高效率去噪算法研究

为提高地震属性剖面的信噪比和空间分辨率,提出了一种基于轮廓波变换的高效率去噪算法。该方法利用地震剖面能量分布的空间特征,结合9-7正交滤波器组和方向滤波器组对原始采集的地震剖面进行多尺度分解,根据有效地震信号和噪声信号分解后的差异性设计了一种自适应的阈值滤波器,通过拉普拉斯金字塔重构地震数据实现轮廓波变换去噪。试验结果与小波变换算法的去噪结果对比论证表明,基于轮廓波变换的高效率去噪算法能够有效压制噪声,提高地震信号的信噪比,处理后效果较小波变换有明显提高。     

基于近红外光谱法对羊肉嫩度测定

南疆小尾寒羊肉的嫩度为研究对象,首先使用近红外光谱仪采集羊肉的近红外光谱数据,使用C-LM4型数显式肌肉嫩度仪进行肌肉嫩度测量;之后分别对原始近红外光谱数据和采用多元散射校正预处理后的光谱数据使用连续投影法选取特征波长,选取的波长数目均为5,最后均采用偏最小二乘法(Partial least squares,PLS)建立嫩度和近红外光谱数据的嫩度预测模型,模型的评价指标使用交叉验证均方差(Cross validation mean square error,RMSPCV)、预测均方差(Mean square error of prediction,RMSEP)、预测精度(precision)和相关系数(correlation coefficient)来衡量,通过比较发现:采用多元散射校正(Multiple scattering correction,MSC)预处理后的光谱数据获得的特征波长来建立的模型的预测精度为0.963 29,相关系数的数值为0.877 5,用原始光谱数据获得的特征波长来建立的模型的预测精度为0.958 47,相关系数的数值是0.859 41,前者明显优于后者,这对以后相关学科的研究起到很好的指导作用。