一种傅立叶光谱仪的高效去噪方法与流程

本发明属于光谱分析技术领域，具体涉及一种傅立叶光谱仪的高效去噪方法，其为针对傅里叶光谱仪，在光谱图重建之前的基于频域分析滤波的数据处理方法。

背景技术：

傅里叶光谱仪通过对干涉图进行傅里叶变换得到光谱图，具有多通道、高通量、高光谱分辨率、测量快速和高信噪比等独特的优点。目前已经形成了标准的数据处理方法，包括数据预处理，切趾，相位校正，补零和傅里叶变换。然而，频域滤波作为一种常用的噪声处理方法并没有在其中，其原因在于光谱图得到后可以根据硬件的特性，如光源的波长范围，探测器响应范围等等来直接确定光谱图的有效性范围，这样的做法实际上是建立在傅里叶变换之前的所有处理方法均为线性的假设基础之上的，然而往往事实并非如此，补零和相位校正的过程中均会引入非线性变换的方法，因此在光谱图上的滤波和傅里叶变换之前的滤波并不等效，因此为了除去非目标谱段范围内的噪音，需要在傅里叶变换之前，尤其是非线性操作之前进行带通滤波，来减小噪声对于数据准确性的影响。

技术实现要素：

(一)要解决的技术问题

本发明要解决的技术问题是：如何提供一种基于频域分析的傅里叶光谱数据线性滤波处理方法，以望解决由于非线性处理所引起的光谱数据错误问题。

(二)技术方案

为解决上述技术问题，本发明提供一种傅立叶光谱仪的高效去噪方法，该方法包括如下步骤：

步骤1：数据预处理；

实验的数据从傅立叶光谱仪的探测器中进行读出，获得的数据首先通过低通滤波的方法去除直流分量，之后的数据按照线性拟合的方式消除趋势项，再将所获得的结果根据噪声的统计分布建模来抑制随机噪声干扰；

步骤2：频域滤波；

步骤1所获得的数据，根据仪器的目标谱段，通过离散余弦变换生成光程差-干涉强度内的滤波器，用该滤波器对步骤1所获得的数据进行滤波操作；

步骤3：切趾；

由步骤2所获得的数据，通过选择合适的切趾函数，对所获得的数据进行相乘，根据数据统计的方法确定算法过程中的参数，通过加窗来缓和边缘的不连续性，使旁瓣的高度趋近于零，从而使能量相对集中在主瓣，得到较为接近真实的频谱；

步骤4：相位校正；

以步骤3获得的数据作为输入，相位校正的目的首先构成一个N点的汉宁窗；

然后汉宁窗对自己求卷积，得到2N-1点的卷积窗，之后求2N-1点的卷积窗的和，将卷积窗的每一项除以卷积窗的和，得到2N-1点的归一化卷积窗，将所得数据的1：2N-1项和归一化卷积窗相乘，得到加窗的2N-1项，之后将第1项和N+1项，第2项和N+2项...第N-1项和第2N-1项相加，得到经过全相预处理的N点序列；

步骤5：补零；

在步骤4所获得数据的基础上，傅里叶变换要求计算数据为2^N个，而采集获得的干涉图数据往往不能够满足这一条件，将步骤4所获得的干涉图数据补零至2^N个；

步骤6：傅里叶变换；

通过傅里叶变换将经过步骤5处理的干涉图转换为光谱图。

其中，切趾函数包括矩形切趾函数。

其中，窗函数包括三角窗、梯形窗、Hanning窗、布莱克曼窗、高斯函数、Norton-Beer函数。

(三)有益效果

与现有技术相比较，本发明提供一种基于频域分析的傅里叶光谱数据线性滤波处理方法，对于单一频率的正旋波，采用频域滤波后目标型号的峰峰对比度为19.96比不采用频域滤波的峰峰值17.74高出了12.5％，说明本方法在非线性噪声的影响下对于信号的还原能力比传统方法有着更好的表现。

附图说明

图1为本发明技术方案的方法流程图。

图2为目标光谱域内的滤波器示意图。

图3为经过傅里叶变换后的光程差-强度域内的滤波器示意图。

图4为引入非线性噪声的正弦信号示意图。

图5为采用频域滤波方法的变换结果示意图。

图6为不采用频域滤波方法的变换结果示意图。

具体实施方式

为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。

为解决上述技术问题，本发明提供一种傅立叶光谱仪的高效去噪方法，如图1所示，该方法包括如下步骤：

步骤1：数据预处理；

实验的数据从傅立叶光谱仪的探测器中进行读出，获得的数据首先通过低通滤波的方法去除直流分量，之后的数据按照线性拟合的方式消除趋势项，再将所获得的结果根据噪声的统计分布建模来抑制随机噪声干扰；

其中，去除直流分量根据实际情况决定，有时在电路设计部分已经去除直流分量，因此根据具体需要来进行选择；

其中，所述趋势项为：由于测量系统性能、杂散光以及操作等原因，会产生一个线性的或渐变的趋势误差；

步骤2：频域滤波；

步骤1所获得的数据，根据仪器的目标谱段，通过离散余弦变换生成光程差-干涉强度内的滤波器，用该滤波器对步骤1所获得的数据进行滤波操作，所述频域滤波的顺序在数据预处理之后，在其他所有的数据处理步骤之前；

步骤3：切趾；

由步骤2所获得的数据，通过选择合适的切趾函数，对所获得的数据进行相乘，根据数据统计的方法确定算法过程中的参数，通过加窗来缓和边缘的不连续性，使旁瓣的高度趋近于零，从而使能量相对集中在主瓣，得到较为接近真实的频谱；

离散频谱分析由于时域截断为有限长度，不可避免存在能量泄漏现象，导致光谱畸变，产生旁瓣现象，影响邻近谱线尤其是较弱谱线的准确测量；由此，利用切趾法，通过加窗来缓和边缘的不连续性，使旁瓣的高度趋近于零，从而使能量相对集中在主瓣，得到较为接近真实的频谱；

其中，切趾函数包括矩形切趾函数；

其中，窗函数包括三角窗、梯形窗、Hanning窗、布莱克曼窗、高斯函数、Norton-Beer函数；

步骤4：相位校正；

以步骤3获得的数据作为输入，相位校正的目的首先构成一个N点的汉宁窗；

然后汉宁窗对自己求卷积，得到2N-1点的卷积窗，之后求2N-1点的卷积窗的和，将卷积窗的每一项除以卷积窗的和，得到2N-1点的归一化卷积窗，将所得数据的1：2N-1项和归一化卷积窗相乘，得到加窗的2N-1项，之后将第1项和N+1项，第2项和N+2项...第N-1项和第2N-1项相加，得到经过全相预处理的N点序列；

该步骤的目的是在于消除傅里叶变换光谱仪干涉图测量中各种原因所引起的非对称性，理想情况下，双边采样干涉图是完全对称于零光程差点，并且采样从零光程差对称地、等间隔地进行。但是，由于干扰因素的存在，采样点偏离光程差位置，造成双边采样干涉图不对称；对于单边采样干涉图而言，未从零光程差开始采样，影响复原光谱的准确性；

步骤5：补零；

在步骤4所获得数据的基础上，傅里叶变换要求计算数据为2^N个，而采集获得的干涉图数据往往不能够满足这一条件，将步骤4所获得的干涉图数据补零至2^N个；

步骤6：傅里叶变换；

通过傅里叶变换将经过步骤5处理的干涉图转换为光谱图。

实施例1

本实施例具体包括：

1)数据预处理：

采用最小二乘法消除趋势项，并去除直流分量，抑制随机噪声；

2)频率滤波

针对目标波长生成光谱图域内的矩形滤波器，比如图2所示为1000nm至1800nm的滤波器，并对其做傅里叶变化，得到光程差-强度域内的滤波器，如图3所示，用该滤波器对数据进行滤波；

3)切趾：

常用的窗函数包括三角窗、梯形窗、Hanning窗、布莱克曼窗、高斯函数、Norton-Beer函数等；

4)相位校正

通用的相位校正方法主要有Connes求平方根法、Mertz乘积法和Forman卷积法等；

5)补零

本例中数据量为1000，因此需要将数据补零至1024个；

6)傅里叶变换：

通过傅里叶变换将经过步骤5处理的干涉图转换为光谱图；

实验结果：

对于单一频率的正旋波，引入非线性噪声后，结果如图4所示，采取包含频域滤波和不包含频域滤波后的傅立叶变换结果如图5和图6所示，其中采用频域滤波后目标型号的峰峰对比度为19.96比不采用频域滤波的峰峰值17.74高出了12.5％，说明本方法在非线性噪声的影响下对于信号的还原能力比传统方法有着更好的表现。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。