没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
针对微分法在有效消除光谱背景和基线漂移的同时会增加光谱噪声的问题,把最新发展的经验模态分解方法(EMD)引入到近红外光谱处理中来,以烟草的一阶导数近红外(NIR)光谱为研究对象,探讨经验模态分解在近红外光谱预处理中的应用,并与小波变换消噪效果进行了对比分析。结果表明,用基于经验模态分解去噪后的光谱进行分析,预测集的决定系数r2由去噪前的0.9705提高到0.9832,均方根误差(RMSEP)由去噪前的0.5606降为0.3310,比基于小波变换的分析结果略高。因此,经验模态分解方法对消除光谱的噪声是有效的,有效地提高了光谱的分析精度和模型的稳定,为近红外光谱预处理提供了一种新方法。
资源推荐
资源详情
资源评论
书书书
第
30
卷
第
1
期
光
学
学
报
Vol.30
,
No.1
2010
年
1
月
犃犆犜犃犗犘犜犐犆犃犛犐犖犐犆犃
犑犪狀狌犪狉
狔
,
2010
文章编号:
02532239
(
2010
)
01026705
基于经验模态分解的近红外光谱预处理方法
蔡剑华
1
,
2
王先春
1
(
1
湖南文理学院信息研究所,湖南 常德
415000
;
2
中南大学信息物理工程学院,湖南 长沙
410083
)
摘要
针对微分法在有效消除光谱背景和基线漂移的同时会增加光谱噪声的问题,把 最新 发展的 经验 模态分 解方
法(
EMD
)引入到近红外光谱处理中来,以烟草的一 阶导 数近 红 外(
NIR
)光谱 为研 究 对象,探 讨经 验模 态 分解 在近
红外光谱预处理中的应用,并与小波变换消噪效果进 行 了对 比分 析。结 果表 明,用 基于 经验 模 态分 解去 噪 后的 光
谱进行分析,预测集的决定系数
狉
2
由去噪前 的
0.9705
提 高到
0.9832
,均方 根 误差 (
RMSEP
)由 去 噪前 的
0.5606
降为
0.3310
,比基于小波变换的分析结果略高。因此,经验模态分解方法对消除光谱的噪声是有效的,有效 地提高
了光谱的分析精度和模型的稳定,为近红外光谱预处理提供了一种新方法。
关键词
光谱学;近红外光谱预处理;经验模态分解
中图分类号
O657.1
文献标识码
A
犱狅犻
:
10.3788
/
犃犗犛20103001.0267
犖犲犪狉犐狀犳狉犪狉犲犱犛
狆
犲犮狋狉狌犿 犘狉犲狋狉犲犪狋犿犲狀狋犅犪狊犲犱狅狀犈犿
狆
犻狉犻犮犪犾
犕狅犱犲犇犲犮狅犿
狆
狅狊犻狋犻狅狀
犆犪犻犑犻犪狀犺狌犪
1
,
2
犠犪狀
犵
犡犻犪狀犮犺狌狀
1
1
犐狀
犳
狅狉犿犪狋犻狅狀犐狀狊狋犻狋狌狋犲
,
犎狌狀犪狀犝狀犻狏犲狉狊犻狋
狔
狅
犳
犃狉狋狊犪狀犱犛犮犻犲狀犮犲
,
犆犺犪狀
犵
犱犲
,
犎狌狀犪狀
415000
,
犆犺犻狀犪
2
犛犮犺狅狅犾狅
犳
犐狀
犳
狅犘犺
狔
狊犻犮狊犪狀犱犌犲狅犿犪狋犻犮狊犈狀
犵
犻狀犲狉狉犻狀
犵
,
犆犲狀狋狉犪犾犛狅狌狋犺犝狀犻狏犲狉狊犻狋
狔
,
犆犺犪狀
犵
狊犺犪
,
犎狌狀犪狀
410083
,
( )
犆犺犻狀犪
犃犫狊狋狉犪犮狋
犜犺犲 犱犲狉犻狏犪狋犻狏犲 犿犲狋犺狅犱 犮犪狀 犮狅狉狉犲犮狋犫犪狊犲犾犻狀犲 犲犳犳犲犮狋狊 犫狌狋犪犾狊狅 犪犱犱 狀狅犻狊犲狋狅犻狋.犜犺犲 犲犿
狆
犻狉犻犮犪犾 犿狅犱犲
犱犲犮狅犿
狆
狅狊犻狋犻狅狀
(
犈犕犇
)
犿犲狋犺狅犱狑犪狊
狆
狉狅
狆
狅狊犲犱狋狅
犵
犲狋狋犺犲
狆
狉犲狋狉犲犪狋犿犲狀狋狅犳狀犲犪狉犻狀犳狉犪狉犲犱
(
犖犐犚
)
狊
狆
犲犮狋狉狌犿.犎犲狉犲犻狀
,
狋犺犲
犳犻狉狊狋犱犲狉犻狏犪狋犻狏犲 犖犐犚狊
狆
犲犮狋狉狌犿 狅犳狋狅犫犪犮犮狅 狑犪狊狊犲狉狏犲犱犪狊狋犺犲狋犪狉
犵
犲狋犪狀犱狋犺犲犪
狆狆
犾犻犮犪狋犻狅狀狅犳犈犕犇犻狀 犖犐犚 狊
狆
犲犮狋狉狌犿
狆
狉犲狋狉犲犪狋犿犲狀狋狑犪狊狊狋狌犱犻犲犱.犈狓
狆
犲狉犻犿犲狀狋犪犾狉犲狊狌犾狋狊狊犺狅狑犲犱狋犺犪狋狋犺犲狉犲狊狌犾狋犪犳狋犲狉犱犲狀狅犻狊犻狀
犵
狑犻狋犺犈犕犇 狑犪狊狊犪狋犻狊犳犪犮狋狅狉
狔
.
犜犺犲犮狅狉狉犲犾犪狋犻狅狀狉犪狋犻狅狅犳狋犺犲
狆
狉犲犱犻犮狋犻狅狀狊犲狋狑犪狊犻犿
狆
狉狅狏犲犱犳狉狅犿
0.9705狋狅0.9832
,
犪狀犱狋犺犲犚犕犛犈狉犲犱狌犮犲犱犳狉狅犿0.5606
狋狅0.3310.犃狀犱狋犺犻狊 犿犲狋犺狅犱狅犫狋犪犻狀犲犱犪犫犲狋狋犲狉犱犲狀狅犻狊犻狀
犵
犲犳犳犲犮狋犮狅犿
狆
犪狉犲犱狋狅 狑犪狏犲犾犲狋狋狉犪狀狊犳狅狉犿 犿犲狋犺狅犱.犐狋犻狊
犮狅狀犮犾狌犱犲犱狋犺犪狋 犈犕犇犻狊犪狌狊犲犳狌犾 犿犲狋犺狅犱狋狅犲犾犻犿犻狀犪狋犲 狀狅犻狊犲 狅犳 犖犐犚 狊犻
犵
狀犪犾狊
,
狑犺犻犮犺 犿犪犽犲狊狋犺犲犳犻狀犪犾 犿狅犱犲犾 犿狅狉犲
狉犲
狆
狉犲狊犲狀狋犪狋犻狏犲
,
狊狋犪犫犾犲犪狀犱狉狅犫狌狊狋.犈犕犇
狆
狉狅狏犻犱犲狊犪狀犲狑 犿犲狋犺狅犱犳狅狉狀犲犪狉犻狀犳狉犪狉犲犱狊
狆
犲犮狋狉狌犿
狆
狉犲狋狉犲犪狋犿犲狀狋.
犓犲
狔
狑狅狉犱狊
狊
狆
犲犮狋狉狅狊犮狅
狆狔
;
狀犲犪狉犻狀犳狉犪狉犲犱狊
狆
犲犮狋狉狌犿
狆
狉犲狋狉犲犪狋犿犲狀狋
(
犖犐犚
);
犲犿
狆
犻狉犻犮犪犾犿狅犱犲犱犲犮狅犿
狆
狅狊犻狋犻狅狀
(
犈犕犇
)
收稿日期:
20090210
;收到修改稿日期:
20090330
基金项目:国家
863
计划(
2006AA06Z105
)和湖南省“十一五”重点建设学科光学基金资助课题。
作者简介:蔡剑华(
1979
—),男,讲师,主要从事光电信息处理方面的研究。
Email
:
c
j
h1021c
j
h
@
163.com
1
引
言
在近红外(
NIR
)分 析中,原 始 光谱中含 有 与样
品组成无关的信息,如环境温 度、电噪声、样品背景
干扰等
[
1
,
2
]
。光谱预处 理在近红 外 光谱分析 技 术中
是相当重要的
,预处 理 方法的选 取 对所建立 光 谱模
型的预测精度和稳定性具有很重要的意义。光谱的
一阶微分可以去除部分线性或接近线性的背景和噪
声对目 标 光 谱 的 影 响
[
2
,
3
]
。 但 是,原 始 光 谱 经 微 分
后,噪声增大,所以更需要有效的消噪处理。许多文
献研究了小波变换 在这领域 的 应用,并 显示了小 波
变换良好的 应 用 效 果
[
1
~
4
]
。 经 验 模 式 分 解 (
EMD
)
方 法 是
1998
年 由 美 国 工 程 院 院 士
Norden E.
Huan
g
[
5
]
提出的,已成为众多学科关注的热点,在通
讯、医学、地质等领域获 得了极 其 广泛的应 用
[
6
~
11
]
。
本文以烟草的一阶 导数近红 外 光谱为研 究 对象,把
经验模态分解方法 引入到近 红 外光谱处 理 中来,旨
在探索近红外光谱预处理的新方法。
2
经验模态分解去噪原理
EMD
方法即
Huan
g
变 换,它依 据 信 号 本 身 的
资源评论
weixin_38638292
- 粉丝: 5
- 资源: 920
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功