染噪紅外光譜信號(hào)的去噪方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及紅外光譜信號(hào)的去噪方法技術(shù)領(lǐng)域，是一種染噪紅外光譜信號(hào)的去噪 方法。
【背景技術(shù)】
[0002] 光譜檢測(cè)技術(shù)是診斷乳腺癌的一種新技術(shù)，其中紅外光譜技術(shù)作為快速、簡(jiǎn)單、非 破壞性的定性和定量分析的方法，因此被廣泛應(yīng)用。實(shí)測(cè)的紅外光譜常含有大量干擾信息 (噪聲信號(hào)等)，而噪聲主要來源于三個(gè)方面，探測(cè)器噪聲、電子線路噪聲和環(huán)境噪聲。因此， 在光譜分析和處理中降噪顯得極為重要。
[0003] 目前常用的降噪方法主要有小波、經(jīng)驗(yàn)?zāi)B(tài)分解（EMD)和EEMD等，其中基于小波 變換的降噪方法需要先驗(yàn)知識(shí)，即選取小波基、小波層數(shù)和閾值等等問題。EMD是一種新型 的自適應(yīng)信號(hào)處理方法，適合于非線性、非平穩(wěn)信號(hào)。但EMD方法的一個(gè)重要缺陷就是模 態(tài)混疊，使得降噪后的信號(hào)失真。另外，LMS自適應(yīng)濾波器是基于糾錯(cuò)學(xué)習(xí)規(guī)則的學(xué)習(xí)算 法，由于其算法簡(jiǎn)單、不需要先驗(yàn)知識(shí)，很快得到了廣泛應(yīng)用，成為自適應(yīng)濾波的標(biāo)準(zhǔn)算法。 但是LMS算法的穩(wěn)態(tài)誤差與收斂速率存在不可避免的矛盾，降噪效果時(shí)好時(shí)壞。Wu (Wu Z H, Huang N E. Ensemble empirical mode decomposition: a noise assisted data analysis method[J]· Advances in Adaptive Data Analysis)等在對(duì)EMD分解中遇到的 模態(tài)混疊現(xiàn)象研究的基礎(chǔ)上，提出了 EEMD的方法。一個(gè)非平穩(wěn)信號(hào)通過EEMD分解后可以 得到若干個(gè)平穩(wěn)的本征模函數(shù)（MF)，該方法得到的頂F有效地克服了 EMD分解中模態(tài)混疊 的問題，但是遇到低信噪比的信號(hào)，在異常事件的影響下使得EEMD分解的染噪信號(hào)的高頻 本征模函數(shù)出現(xiàn)了不同程度的白噪聲污染。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明提供了一種染噪紅外光譜信號(hào)的去噪方法，克服了上述現(xiàn)有技術(shù)之不足， 本發(fā)明所述的染噪紅外光譜信號(hào)的去噪方法首次采用EEMD聯(lián)合VS-LMS (可變步長最小均 方自適應(yīng)濾波器）對(duì)染噪紅外光譜信號(hào)進(jìn)行降噪，本發(fā)明所述的染噪紅外光譜信號(hào)的去噪 方法相對(duì)于現(xiàn)有的紅外光譜降噪方法而言，具有更佳的降噪效果，為乳腺癌等疾病的診斷 和治療，能夠提供更好的依據(jù)。
[0005] 本發(fā)明的技術(shù)方案是通過以下措施來實(shí)現(xiàn)的：一種染噪紅外光譜信號(hào)的去噪方 法，按下述步驟進(jìn)行：第一步，將加入高斯白噪聲后的染噪紅外光譜信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解 后得到J個(gè)本征模態(tài)分量，J為自然數(shù)，將J個(gè)本征模態(tài)分量加權(quán)平均后得到加權(quán)平均本征 模態(tài)分量和殘余量；第二步，對(duì)染噪紅外光譜信號(hào)進(jìn)行信號(hào)重構(gòu)后得到重構(gòu)信號(hào)；第三步， 將重構(gòu)信號(hào)輸入可變步長最小均方自適應(yīng)濾波器，在可變步長最小均方自適應(yīng)濾波器中初 始化權(quán)值、設(shè)定步長因子的初始值、設(shè)定階數(shù)和設(shè)定運(yùn)行次數(shù)，可變步長最小均方自適應(yīng)濾 波器在運(yùn)行的過程中，更新步長因子，當(dāng)均方誤差的曲線為收斂曲線時(shí)，可變步長最小均方 自適應(yīng)濾波器輸出信號(hào)為降噪信號(hào)。
[0006] 下面是對(duì)上述發(fā)明技術(shù)方案的進(jìn)一步優(yōu)化或/和改進(jìn)： 上述第一步中，在染噪紅外光譜信號(hào)中加入若干次均值為〇、標(biāo)準(zhǔn)差是常數(shù)的高斯白噪 聲，高斯白噪聲用_表示，i為自然數(shù)，染噪紅外光譜信號(hào)用M表示，加入高斯白噪聲 的染噪紅外光譜信號(hào)用表示，
，將加入高斯白噪聲的染噪紅外光譜 信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解后得到^/個(gè)本征模態(tài)分量，本征模態(tài)分量用表示，利用不相關(guān) 的隨機(jī)序列統(tǒng)計(jì)均值為0的特性，將7個(gè)本征模態(tài)分量加權(quán)平均運(yùn)算，消除有噪聲的本征模 態(tài)分量，加權(quán)平均運(yùn)算后得到加權(quán)平均本征模態(tài)分量和殘余量，加權(quán)平均本征模態(tài)分量用 $表示，殘余量用表示，勸自然數(shù)，
>
[0007] 上述第二步中，對(duì)染噪紅外光譜信號(hào)進(jìn)行信號(hào)重構(gòu)后得到重構(gòu)信號(hào)，重構(gòu)信號(hào)用 表示，
為對(duì)加入高斯白噪聲后的染噪紅外光譜信號(hào)進(jìn)行 經(jīng)驗(yàn)?zāi)B(tài)分解后得到的第7個(gè)本征模態(tài)分量。
[0008] 上述第三步中，將重構(gòu)信號(hào)輸入可變步長最小均方自適應(yīng)濾波器中的序列用 I(K)表示，
可變步長最小均方自適應(yīng)濾波器的加權(quán)矢量用_)表示，
可變步長最小均方自適應(yīng)濾波器的輸出信號(hào)用_表示，
_相對(duì)于期望信號(hào):??的誤差用表示，
誤差與步長因子的關(guān)系滿足：
mu為步長因子，為常數(shù)，用來控制收斂速度，為信號(hào)的誤差，為了保證迭代后收 斂，必須滿足：&為輸入序列沒自相關(guān)矩陣％的最大特征值， 步長因子的迭代公式為：
， ^為步長因子的初始值，Λ為信號(hào)點(diǎn)的迭代次數(shù)，_為第#步長因子，Λ為自然數(shù)， 步長因子根據(jù)步長因子的迭代公式進(jìn)行更新，步長因子在更新的過程中，當(dāng)均方誤差的曲 線為收斂曲線時(shí)，可變步長最小均方自適應(yīng)濾波器輸出信號(hào)為降噪信號(hào)。
[0009] 本發(fā)明所述的染噪紅外光譜信號(hào)的去噪方法對(duì)染噪紅外光譜信號(hào)的降噪效果更 佳，并且根據(jù)本發(fā)明所述的染噪紅外光譜信號(hào)的去噪方法降噪后的紅外光譜信號(hào)更加貼近 未染噪的紅外光譜信號(hào)，為乳腺癌等疾病的診斷和治療，能夠提供更好的依據(jù)。
【附圖說明】
[0010] 附圖1為采用EQUIN0X55型傅里葉變換紅外光譜儀（德國Bruker公司）采集純 乳腺癌切片的中紅外光譜圖(未染噪紅外光譜圖)。
[0011] 附圖2為乳腺癌切片染噪的紅外光譜圖。
[0012] 附圖3為本發(fā)明所述的染噪紅外光譜信號(hào)的去噪方法對(duì)乳腺癌切片染噪的紅外 光譜信號(hào)的學(xué)習(xí)曲線圖。
[0013] 附圖4為根據(jù)本發(fā)明所述的染噪紅外光譜信號(hào)的去噪方法對(duì)乳腺癌切片染噪的 紅外光譜信號(hào)處理后的紅外光譜圖。
[0014] 附圖5為小波對(duì)乳腺癌切片染噪的紅外光譜信號(hào)處理后的紅外光譜圖。
[0015] 附圖6為EEMD分解對(duì)乳腺癌切片染噪的紅外光譜信號(hào)處理后的紅外光譜圖。
[0016] 附圖7為LMS自適應(yīng)濾波器對(duì)乳腺癌切片染噪的紅外光譜信號(hào)處理后的紅外光譜 圖。
【具體實(shí)施方式】
[0017] 本發(fā)明不受下述實(shí)施例的限制，可根據(jù)本發(fā)明的技術(shù)方案與實(shí)際情況來確定具體 的實(shí)施方式。
[0018] 下面結(jié)合實(shí)施例對(duì)本發(fā)明作進(jìn)一步描述： 實(shí)施例1:該染噪紅外光譜信號(hào)的去噪方法，按下述步驟進(jìn)行：第一步，將加入高斯白 噪聲后的染噪紅外光譜信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)（EMD)分解后得到^/個(gè)本征模態(tài)分量aMF)，J為 自然數(shù)，將7個(gè)本征模態(tài)分量加權(quán)平均后得到加權(quán)平均本征模態(tài)分量和殘余量；第二步，對(duì) 染噪紅外光譜信號(hào)進(jìn)行信號(hào)重構(gòu)后得到重構(gòu)信號(hào)；第三步，將重構(gòu)信號(hào)輸入可變步長最小 均方自適應(yīng)濾波器（VS-LMS)，在可變步長最小均方自適應(yīng)濾波器中初始化權(quán)值、設(shè)定步長 因子的初始值、設(shè)定階數(shù)和設(shè)定運(yùn)行次數(shù)，可變步長最小均方自適應(yīng)濾波器在運(yùn)行的過程 中，更新步長因子，當(dāng)均方誤差（/(W)的曲線為收斂曲線時(shí)，可變步長最小均方自適應(yīng)濾 波器輸出信號(hào)為降噪信號(hào)。
[0019] 實(shí)施例2:與上述實(shí)施例的不同之處在于，第一步中，在染噪紅外光譜信號(hào)中 加入若干次均值為〇、標(biāo)準(zhǔn)差是常數(shù)的高斯白噪聲，高斯白噪聲用_表示，i為自然 數(shù)，染噪紅外光譜信號(hào)用;^)丨表示，加入高斯白噪聲的染噪紅外光譜信號(hào)用表示，
，將加入高斯白噪聲的染噪紅外光譜信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解后得到^個(gè) 本征模態(tài)分量，本征模態(tài)分量用!表示，利用不相關(guān)的隨機(jī)序列統(tǒng)計(jì)均值為0的特性，將 ^/個(gè)本征模態(tài)分量加權(quán)平均運(yùn)算，消除有噪聲的本征模態(tài)分量，加權(quán)平均運(yùn)算后得到加權(quán)平 均本征模態(tài)分量和殘余量，加權(quán)平均本征模態(tài)分量用q表示，殘余量用表示，靡3自然 數(shù)，
[0020] 實(shí)施例3:與上述實(shí)施例的不同之處在于，第二步中，對(duì)染噪紅外光譜信號(hào)進(jìn)行信 號(hào)重構(gòu)后得到重構(gòu)信號(hào)，重構(gòu)信號(hào)用表示，
：為對(duì)加入高斯 白噪聲后的染噪紅外光譜信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解后得到的第^個(gè)本征模態(tài)分量。
[0021] 實(shí)施例4:與上述實(shí)施例的不同之處在于，第三步中，將重構(gòu)信號(hào)輸入可變步長最 小均方自適應(yīng)濾波器中的序列用:表示，
可變步長最小均方自適應(yīng)濾波器的加權(quán)矢量用_:表示，
可變步長最小均方自適應(yīng)濾波器的輸出信號(hào)用丨^:表示，
相對(duì)于期望信號(hào)的誤差用)表示，
誤差與步長因子的關(guān)系滿足：
mu為步長因子，為常數(shù)，用來控制收斂速度，#故為信號(hào)的誤差，為了保證迭代后收 斂，必須滿足：&，I為輸入序列洎相關(guān)矩陣%:的最大特征值，