一种基于希尔伯特-黄变换的光谱信号去噪方法
【技术领域】
[0001]本方法发明属于分析化学信号处理领域，具体涉及一种基于希尔伯特-黄变换的光谱信号去噪方法。
【背景技术】
[0002]光谱分析技术因其具有快速、无损、低成本、安全可靠等优势而广泛应用于中药、食品、环境等领域。但由于受温度、湿度、电噪声等外界环境的影响，光谱仪器所采集的数据除了有用信号外，不可避免得会得到许多无关的噪声信号。在光谱分析中，这些不相关的噪声假如不被消除，将会影响甚至掩盖真实信号，从而影响校正模型的质量以及预测未知样品的准确性。所以在进行信号分析之前，消除光谱数据中的无关噪声对改善分析信号的性能具有重要意义。
[0003]传统的光谱信号去噪方法有平滑、傅里叶变换和小波变换等。平滑的方法可有效地平滑高频噪声，提高信噪比，但是它对有效信号也进行了平滑，容易造成信号失真，降低光谱分辨率。倘若待分析信号稳定而又与噪声频谱特征有着明显区别时，依据傅立叶变换的去噪途径效果相对较好。只是实际光谱信号往往都是非平稳信号，从而导致傅立叶变换只可获得全部信号频谱，不易得到信号局部特征。小波变换由于具有多分辨特征，对非平稳信号具有很好的去噪效果。但光谱信号不可避免地会受到光散射等影响而存在一定的非线性，对非线性非平稳信号的去噪，小波变换还是无能为力。另外小波分解算法需要设定小波基、分解层数和阈值等参数，参数的选择直接影响去噪效果，对于不同的数据，都要重新选择与之适用的最佳小波参数，这使得小波分析的去噪缺少了自适应性。
[0004]希尔伯特-黄变换(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 年提出的一种自适应地处理非平稳信号的全新方法。该方法不需要设定任何参数，只需根据信号自身的特点，首先将信号经验模态分解(Empirical Mode Decomposit1n, EMD),.得到多个本征模态函数(Intrinsic Mode Funct1n, IMF)分量，再对这些分量进行希尔伯特(Hilbert)变换，从而完成在时频域内对信号的局部特征描述，因此非常适合非线性非平稳的光谱信息的去噪分析。已有研究将HHT用于风廓线雷达信息的去噪(张银胜，单慧琳，李家强，周杰，董月霞，一种基于希尔伯特黄变换的风廓线雷达去噪方法，中国发明专利，2012，CN 201210239606)，说明了 HHT用于信号去噪的可行性。本研究提出一种新型的基于HHT的光谱信号去噪方法，并用于光谱信号去噪研究。
【发明内容】
[0005]本发明的目的为针对上述现有信号去噪技术的不足，提供一种基于希尔伯特-黄变换的光谱信号去噪方法，具体技术方案如下:
[0006](I)对原始信号进行经验模态分解，得到η个頂F分量；
[0007](2)对η个IMF分量分别进行希尔伯特变换，得到η个瞬时频率f分量；
[0008](3)对每个瞬时频率f求平均，得到平均瞬时频率；
[0009](4)利用相邻的平均瞬时频率依次进行t检验，找到第一个开始不具有显著性差异的点k，该点为信号区与噪声区的分界点；
[0010](5)将MFk……MFn加和重构为去噪后信号。
【附图说明】
[0011]图1:燃油紫外光谱信号的去噪过程，其中(a)燃油原始光谱，(b)原始信号经验模态分解得到的頂F分量，(C)MF分量经过希尔伯特变换得到的瞬时频率f分量，(d)平均瞬时频率曲线，(e)为用于重构信号的IMF分量，(f)去噪后的紫外光谱信号。
[0012]图2:牛奶近红外光谱信号的去噪过程，其中(a)牛奶原始光谱，(b)原始信号经验模态分解得到的MF分量，(c) IMF分量经过希尔伯特变换得到的瞬时频率f，(d)平均瞬时频率曲线，(e)为用于重构信号的頂F分量，(f)去噪后的近红外光谱信号。
[0013]图3:橘汁近红外光谱信号的去噪过程，其中(a)橘汁原始光谱，(b)原始信号经验模态分解得到的MF分量，(c) IMF分量经过希尔伯特变换得到的瞬时频率f，(d)平均瞬时频率曲线，(e)为用于重构信号的頂F分量，(f)去噪后的近红外光谱信号。
【具体实施方式】
[0014]为更好理解本发明，下面结合实施例对本发明做进一步地详细说明，但是本发明要求保护的范围并不局限于实施例表示的范围。
[0015]实施例1:
[0016]本实施例对燃油紫外光谱信号进行去噪，该数据由Wentzell等人提供，下载网址:http://myweb.dal.ca/pdwentze/downloads, html。紫外光谱米用 Cary 3 UV-visible分光光度计(Varian Instruments, San Fernando, Calif.)测定，波长范围为 200-400nm，采样间隔约为0.35nm，共572个波长点，原始光谱如图1 (a)所示，从图中可以看出，该信号具有明显的噪声信息。
[0017](I)对原始信号进行经验模态分解，得到7个頂F分量，如图1(b)所示；
[0018](2)对7个IMF分量分别进行希尔伯特变换，得到7个瞬时频率f分量，如图1 (c)所示；
[0019](3)对每个瞬时频率f求平均，得到平均瞬时频率，7个平均瞬时频率值如图1 (d)所示；
[0020](4)利用相邻的平均瞬时频率依次进行t检验，找到第一个开始不具有显著性差异的点k，该实施例中信号区和噪声区的分界点k为4 ;
[0021](5)将MF4……MF7(如图1 (e)所示)加和重构为去噪后信号，如图1 (f)所示。
[0022]比较原始紫外光谱信号与去噪重构信号后的光谱信号，可以看出去噪效果比较明显，处理后信号光滑，有效信息被保留，信噪比较高。
[0023]实施例2:
[0024]本实施例对牛奶的近红外光谱信号进行去噪，样品为天津海河牌纯牛奶，近红外光谱采用便携式激光近红外光谱仪(XL-410，美国Axsun科技公司)测定，波长范围1350-1800nm，采样间隔0.5nm，变量数为901，原始光谱如图2 (a)所示。
[0025](I)对原始信号进行经验模态分解(EMD)，得到7个頂F分量，如图2 (b)所示；
[0026](2)对7个頂F分量分别进行希尔伯特(Hilbert)变换，得到7个瞬时频率f分量，如图2(c)所示；
[0027](3)对每个瞬时频率f求平均，得到平均瞬时频率，7个平均瞬时频率值如图2 (d)所示；
[0028](4)利用相邻的平均瞬时频率依次进行t检验，找到第一个开始不具有显著性差异的点k，该实施例中信号区和噪声区的分界点k为4 ;
[0029](5)将MF4……MF7 (如图2(e)所示)加和重构为去噪后信号，如图2 (f)所示。
[0030]实施例3:
[0031]本例实施对橘汁近红外光谱信号进行去噪，该数据由Marc Meurens提供，下载网址:http://www.ucl.ac.be/mlg。近红外反射光谱的波长范围为1000_2498nm，采样间隔2nm，包括700个波长点，原始光谱图如图3 (a)所示。
[0032](I)将原始信号进行经验模态分解，得到5个頂F分量，如图3(b)所示；
[0033](2)对5个IMF分量分别进行希尔伯特变换，得到5个瞬时频率f分量，如图3 (c)所示；
[0034](3)对每个瞬时频率f求平均，得到平均瞬时频率，5个平均瞬时频率值如图3 (d)所示；
[0035](4)利用相邻的平均瞬时频率依次进行t检验，找到第一个开始不具有显著性差异的点k，该实施例中信号区和噪声区的分界点k为2 ;
[0036](5)将MF2……頂F5 (如图3(e)所示)加和重构为去噪后信号，如图3 (f)所示。
【主权项】
1.一种基于希尔伯特-黄变换的光谱信号去噪方法，其特征在于包含以下步骤: (1)对原始信号进行经验模态分解，得到一系列MF分量； (2)对每个IMF分量分别进行希尔伯特变换，得到瞬时频率f分量； (3)对每个瞬时频率f求平均，得到平均瞬时频率； (4)根据平均瞬时频率确定信号区和噪声区的分界点k; (5)将頂Fk……MFn加和重构为去噪后信号。2.根据权利要求1所述的一种基于希尔伯特-黄变换的光谱信号去噪方法，其特征在于:所述信号区和噪声区的分界点k确定方法为:利用相邻的平均瞬时频率依次进行t检验，找到第一个开始不具有显著性差异的点k，该点为信号区与噪声区的分界点。3.根据权利要求1所述的一种基于希尔伯特-黄变换的光谱信号去噪方法，其特征在于:所述的光谱分析技术，适用于紫外、荧光、红外、近红外光谱和拉曼光谱等。
【专利摘要】本发明涉及一种基于希尔伯特-黄变换的光谱信号去噪方法，主要步骤为：将原始光谱信号通过经验模态分解得到一系列的本征模态函数(IMF)分量；对每个IMF分量进行希尔伯特变换，得到每个IMF对应的瞬时频率；计算瞬时频率的平均值，采用t检验确定信号区和噪声区的分界点为k；最后将k之后的IMF进行加和重构，得到去噪后的光谱信号。本发明提出的方法不需要设置参数，能够完全自适应地对信号进行去噪，而且对非线性、非平稳的光谱信号去噪效果良好。本发明适用于石油、烟草、中药、食品等复杂物质光谱信号的去噪。
【IPC分类】G01N21/3577, G01N21/359
【公开号】CN105203495
【申请号】CN201510581660
【发明人】卞希慧, 李明, 李淑娟, 魏俊富, 赵俊
【申请人】天津工业大学
【公开日】2015年12月30日
【申请日】2015年9月11日