一種基于希爾伯特-黃變換的光譜信號去噪方法
【技術領域】
[0001]本方法發(fā)明屬于分析化學信號處理領域，具體涉及一種基于希爾伯特-黃變換的光譜信號去噪方法。
【背景技術】
[0002]光譜分析技術因其具有快速、無損、低成本、安全可靠等優(yōu)勢而廣泛應用于中藥、食品、環(huán)境等領域。但由于受溫度、濕度、電噪聲等外界環(huán)境的影響，光譜儀器所采集的數據除了有用信號外，不可避免得會得到許多無關的噪聲信號。在光譜分析中，這些不相關的噪聲假如不被消除，將會影響甚至掩蓋真實信號，從而影響校正模型的質量以及預測未知樣品的準確性。所以在進行信號分析之前，消除光譜數據中的無關噪聲對改善分析信號的性能具有重要意義。
[0003]傳統的光譜信號去噪方法有平滑、傅里葉變換和小波變換等。平滑的方法可有效地平滑高頻噪聲，提高信噪比，但是它對有效信號也進行了平滑，容易造成信號失真，降低光譜分辨率。倘若待分析信號穩(wěn)定而又與噪聲頻譜特征有著明顯區(qū)別時，依據傅立葉變換的去噪途徑效果相對較好。只是實際光譜信號往往都是非平穩(wěn)信號，從而導致傅立葉變換只可獲得全部信號頻譜，不易得到信號局部特征。小波變換由于具有多分辨特征，對非平穩(wěn)信號具有很好的去噪效果。但光譜信號不可避免地會受到光散射等影響而存在一定的非線性，對非線性非平穩(wěn)信號的去噪，小波變換還是無能為力。另外小波分解算法需要設定小波基、分解層數和閾值等參數，參數的選擇直接影響去噪效果，對于不同的數據，都要重新選擇與之適用的最佳小波參數，這使得小波分析的去噪缺少了自適應性。
[0004]希爾伯特-黃變換(Hilbert-HuangTransform, HHT)是 Huang 等(N.E.Huang，Z.Shen, S.R.Long，M.C.Wu, H.H.Shih，Q.Zheng, The empirical mode decomposit1n andthe Hilbert spectrum for nonlinear and non-stat1nary time series analysis,P.Roy.Soc.A-Math.Phy.，Series A，1998，454:903-995)于 1998 年提出的一種自適應地處理非平穩(wěn)信號的全新方法。該方法不需要設定任何參數，只需根據信號自身的特點，首先將信號經驗模態(tài)分解(Empirical Mode Decomposit1n, EMD),.得到多個本征模態(tài)函數(Intrinsic Mode Funct1n, IMF)分量，再對這些分量進行希爾伯特(Hilbert)變換，從而完成在時頻域內對信號的局部特征描述，因此非常適合非線性非平穩(wěn)的光譜信息的去噪分析。已有研究將HHT用于風廓線雷達信息的去噪(張銀勝，單慧琳，李家強，周杰，董月霞，一種基于希爾伯特黃變換的風廓線雷達去噪方法，中國發(fā)明專利，2012，CN 201210239606)，說明了 HHT用于信號去噪的可行性。本研究提出一種新型的基于HHT的光譜信號去噪方法，并用于光譜信號去噪研究。

【發(fā)明內容】

[0005]本發(fā)明的目的為針對上述現有信號去噪技術的不足，提供一種基于希爾伯特-黃變換的光譜信號去噪方法，具體技術方案如下:
[0006](I)對原始信號進行經驗模態(tài)分解，得到η個頂F分量；
[0007](2)對η個IMF分量分別進行希爾伯特變換，得到η個瞬時頻率f分量；
[0008](3)對每個瞬時頻率f求平均，得到平均瞬時頻率；
[0009](4)利用相鄰的平均瞬時頻率依次進行t檢驗，找到第一個開始不具有顯著性差異的點k，該點為信號區(qū)與噪聲區(qū)的分界點；
[0010](5)將MFk……MFn加和重構為去噪后信號。
【附圖說明】
[0011]圖1:燃油紫外光譜信號的去噪過程，其中(a)燃油原始光譜，(b)原始信號經驗模態(tài)分解得到的頂F分量，(C)MF分量經過希爾伯特變換得到的瞬時頻率f分量，(d)平均瞬時頻率曲線，(e)為用于重構信號的IMF分量，(f)去噪后的紫外光譜信號。
[0012]圖2:牛奶近紅外光譜信號的去噪過程，其中(a)牛奶原始光譜，(b)原始信號經驗模態(tài)分解得到的MF分量，(c) IMF分量經過希爾伯特變換得到的瞬時頻率f，(d)平均瞬時頻率曲線，(e)為用于重構信號的頂F分量，(f)去噪后的近紅外光譜信號。
[0013]圖3:橘汁近紅外光譜信號的去噪過程，其中(a)橘汁原始光譜，(b)原始信號經驗模態(tài)分解得到的MF分量，(c) IMF分量經過希爾伯特變換得到的瞬時頻率f，(d)平均瞬時頻率曲線，(e)為用于重構信號的頂F分量，(f)去噪后的近紅外光譜信號。
【具體實施方式】
[0014]為更好理解本發(fā)明，下面結合實施例對本發(fā)明做進一步地詳細說明，但是本發(fā)明要求保護的范圍并不局限于實施例表示的范圍。
[0015]實施例1:
[0016]本實施例對燃油紫外光譜信號進行去噪，該數據由Wentzell等人提供，下載網址:http://myweb.dal.ca/pdwentze/downloads, html。紫外光譜米用 Cary 3 UV-visible分光光度計(Varian Instruments, San Fernando, Calif.)測定，波長范圍為 200-400nm，采樣間隔約為0.35nm，共572個波長點，原始光譜如圖1 (a)所示，從圖中可以看出，該信號具有明顯的噪聲信息。
[0017](I)對原始信號進行經驗模態(tài)分解，得到7個頂F分量，如圖1(b)所示；
[0018](2)對7個IMF分量分別進行希爾伯特變換，得到7個瞬時頻率f分量，如圖1 (c)所示；
[0019](3)對每個瞬時頻率f求平均，得到平均瞬時頻率，7個平均瞬時頻率值如圖1 (d)所示；
[0020](4)利用相鄰的平均瞬時頻率依次進行t檢驗，找到第一個開始不具有顯著性差異的點k，該實施例中信號區(qū)和噪聲區(qū)的分界點k為4 ;
[0021](5)將MF4……MF7(如圖1 (e)所示)加和重構為去噪后信號，如圖1 (f)所示。
[0022]比較原始紫外光譜信號與去噪重構信號后的光譜信號，可以看出去噪效果比較明顯，處理后信號光滑，有效信息被保留，信噪比較高。
[0023]實施例2:
[0024]本實施例對牛奶的近紅外光譜信號進行去噪，樣品為天津海河牌純牛奶，近紅外光譜采用便攜式激光近紅外光譜儀(XL-410，美國Axsun科技公司)測定，波長范圍1350-1800nm，采樣間隔0.5nm，變量數為901，原始光譜如圖2 (a)所示。
[0025](I)對原始信號進行經驗模態(tài)分解(EMD)，得到7個頂F分量，如圖2 (b)所示；
[0026](2)對7個頂F分量分別進行希爾伯特(Hilbert)變換，得到7個瞬時頻率f分量，如圖2(c)所示；
[0027](3)對每個瞬時頻率f求平均，得到平均瞬時頻率，7個平均瞬時頻率值如圖2 (d)所示；
[0028](4)利用相鄰的平均瞬時頻率依次進行t檢驗，找到第一個開始不具有顯著性差異的點k，該實施例中信號區(qū)和噪聲區(qū)的分界點k為4 ;
[0029](5)將MF4……MF7 (如圖2(e)所示)加和重構為去噪后信號，如圖2 (f)所示。
[0030]實施例3:
[0031]本例實施對橘汁近紅外光譜信號進行去噪，該數據由Marc Meurens提供，下載網址:http://www.ucl.ac.be/mlg。近紅外反射光譜的波長范圍為1000_2498nm，采樣間隔2nm，包括700個波長點，原始光譜圖如圖3 (a)所示。
[0032](I)將原始信號進行經驗模態(tài)分解，得到5個頂F分量，如圖3(b)所示；
[0033](2)對5個IMF分量分別進行希爾伯特變換，得到5個瞬時頻率f分量，如圖3 (c)所示；
[0034](3)對每個瞬時頻率f求平均，得到平均瞬時頻率，5個平均瞬時頻率值如圖3 (d)所示；
[0035](4)利用相鄰的平均瞬時頻率依次進行t檢驗，找到第一個開始不具有顯著性差異的點k，該實施例中信號區(qū)和噪聲區(qū)的分界點k為2 ;
[0036](5)將MF2……頂F5 (如圖3(e)所示)加和重構為去噪后信號，如圖3 (f)所示。
【主權項】
1.一種基于希爾伯特-黃變換的光譜信號去噪方法，其特征在于包含以下步驟: (1)對原始信號進行經驗模態(tài)分解，得到一系列MF分量； (2)對每個IMF分量分別進行希爾伯特變換，得到瞬時頻率f分量； (3)對每個瞬時頻率f求平均，得到平均瞬時頻率； (4)根據平均瞬時頻率確定信號區(qū)和噪聲區(qū)的分界點k; (5)將頂Fk……MFn加和重構為去噪后信號。2.根據權利要求1所述的一種基于希爾伯特-黃變換的光譜信號去噪方法，其特征在于:所述信號區(qū)和噪聲區(qū)的分界點k確定方法為:利用相鄰的平均瞬時頻率依次進行t檢驗，找到第一個開始不具有顯著性差異的點k，該點為信號區(qū)與噪聲區(qū)的分界點。3.根據權利要求1所述的一種基于希爾伯特-黃變換的光譜信號去噪方法，其特征在于:所述的光譜分析技術，適用于紫外、熒光、紅外、近紅外光譜和拉曼光譜等。
【專利摘要】本發(fā)明涉及一種基于希爾伯特-黃變換的光譜信號去噪方法，主要步驟為：將原始光譜信號通過經驗模態(tài)分解得到一系列的本征模態(tài)函數(IMF)分量；對每個IMF分量進行希爾伯特變換，得到每個IMF對應的瞬時頻率；計算瞬時頻率的平均值，采用t檢驗確定信號區(qū)和噪聲區(qū)的分界點為k；最后將k之后的IMF進行加和重構，得到去噪后的光譜信號。本發(fā)明提出的方法不需要設置參數，能夠完全自適應地對信號進行去噪，而且對非線性、非平穩(wěn)的光譜信號去噪效果良好。本發(fā)明適用于石油、煙草、中藥、食品等復雜物質光譜信號的去噪。
【IPC分類】G01N21/3577, G01N21/359
【公開號】CN105203495
【申請?zhí)枴緾N201510581660
【發(fā)明人】卞?；? 李明, 李淑娟, 魏俊富, 趙俊
【申請人】天津工業(yè)大學
【公開日】2015年12月30日
【申請日】2015年9月11日