染噪红外光谱信号的去噪方法
【技术领域】
[0001] 本发明涉及红外光谱信号的去噪方法技术领域，是一种染噪红外光谱信号的去噪 方法。
【背景技术】
[0002] 光谱检测技术是诊断乳腺癌的一种新技术，其中红外光谱技术作为快速、简单、非 破坏性的定性和定量分析的方法，因此被广泛应用。实测的红外光谱常含有大量干扰信息 (噪声信号等)，而噪声主要来源于三个方面，探测器噪声、电子线路噪声和环境噪声。因此， 在光谱分析和处理中降噪显得极为重要。
[0003] 目前常用的降噪方法主要有小波、经验模态分解（EMD)和EEMD等，其中基于小波 变换的降噪方法需要先验知识，即选取小波基、小波层数和阈值等等问题。EMD是一种新型 的自适应信号处理方法，适合于非线性、非平稳信号。但EMD方法的一个重要缺陷就是模 态混叠，使得降噪后的信号失真。另外，LMS自适应滤波器是基于纠错学习规则的学习算 法，由于其算法简单、不需要先验知识，很快得到了广泛应用，成为自适应滤波的标准算法。 但是LMS算法的稳态误差与收敛速率存在不可避免的矛盾，降噪效果时好时坏。Wu (Wu Z H, Huang N E. Ensemble empirical mode decomposition: a noise assisted data analysis method[J]· Advances in Adaptive Data Analysis)等在对EMD分解中遇到的 模态混叠现象研究的基础上，提出了 EEMD的方法。一个非平稳信号通过EEMD分解后可以 得到若干个平稳的本征模函数（MF)，该方法得到的頂F有效地克服了 EMD分解中模态混叠 的问题，但是遇到低信噪比的信号，在异常事件的影响下使得EEMD分解的染噪信号的高频 本征模函数出现了不同程度的白噪声污染。
【发明内容】
[0004] 本发明提供了一种染噪红外光谱信号的去噪方法，克服了上述现有技术之不足， 本发明所述的染噪红外光谱信号的去噪方法首次采用EEMD联合VS-LMS (可变步长最小均 方自适应滤波器）对染噪红外光谱信号进行降噪，本发明所述的染噪红外光谱信号的去噪 方法相对于现有的红外光谱降噪方法而言，具有更佳的降噪效果，为乳腺癌等疾病的诊断 和治疗，能够提供更好的依据。
[0005] 本发明的技术方案是通过以下措施来实现的：一种染噪红外光谱信号的去噪方 法，按下述步骤进行：第一步，将加入高斯白噪声后的染噪红外光谱信号进行经验模态分解 后得到J个本征模态分量，J为自然数，将J个本征模态分量加权平均后得到加权平均本征 模态分量和残余量；第二步，对染噪红外光谱信号进行信号重构后得到重构信号；第三步， 将重构信号输入可变步长最小均方自适应滤波器，在可变步长最小均方自适应滤波器中初 始化权值、设定步长因子的初始值、设定阶数和设定运行次数，可变步长最小均方自适应滤 波器在运行的过程中，更新步长因子，当均方误差的曲线为收敛曲线时，可变步长最小均方 自适应滤波器输出信号为降噪信号。
[0006] 下面是对上述发明技术方案的进一步优化或/和改进： 上述第一步中，在染噪红外光谱信号中加入若干次均值为〇、标准差是常数的高斯白噪 声，高斯白噪声用_表示，i为自然数，染噪红外光谱信号用M表示，加入高斯白噪声 的染噪红外光谱信号用表示，
，将加入高斯白噪声的染噪红外光谱 信号进行经验模态分解后得到^/个本征模态分量，本征模态分量用表示，利用不相关 的随机序列统计均值为0的特性，将7个本征模态分量加权平均运算，消除有噪声的本征模 态分量，加权平均运算后得到加权平均本征模态分量和残余量，加权平均本征模态分量用 $表示，残余量用表示，劝自然数，
>
[0007] 上述第二步中，对染噪红外光谱信号进行信号重构后得到重构信号，重构信号用 表示，
为对加入高斯白噪声后的染噪红外光谱信号进行 经验模态分解后得到的第7个本征模态分量。
[0008] 上述第三步中，将重构信号输入可变步长最小均方自适应滤波器中的序列用 I(K)表示，
可变步长最小均方自适应滤波器的加权矢量用_)表示，
可变步长最小均方自适应滤波器的输出信号用_表示，
_相对于期望信号:??的误差用表示，
误差与步长因子的关系满足：
mu为步长因子，为常数，用来控制收敛速度，为信号的误差，为了保证迭代后收 敛，必须满足：&为输入序列沒自相关矩阵％的最大特征值， 步长因子的迭代公式为：
， ^为步长因子的初始值，Λ为信号点的迭代次数，_为第#步长因子，Λ为自然数， 步长因子根据步长因子的迭代公式进行更新，步长因子在更新的过程中，当均方误差的曲 线为收敛曲线时，可变步长最小均方自适应滤波器输出信号为降噪信号。
[0009] 本发明所述的染噪红外光谱信号的去噪方法对染噪红外光谱信号的降噪效果更 佳，并且根据本发明所述的染噪红外光谱信号的去噪方法降噪后的红外光谱信号更加贴近 未染噪的红外光谱信号，为乳腺癌等疾病的诊断和治疗，能够提供更好的依据。
【附图说明】
[0010] 附图1为采用EQUIN0X55型傅里叶变换红外光谱仪（德国Bruker公司）采集纯 乳腺癌切片的中红外光谱图(未染噪红外光谱图)。
[0011] 附图2为乳腺癌切片染噪的红外光谱图。
[0012] 附图3为本发明所述的染噪红外光谱信号的去噪方法对乳腺癌切片染噪的红外 光谱信号的学习曲线图。
[0013] 附图4为根据本发明所述的染噪红外光谱信号的去噪方法对乳腺癌切片染噪的 红外光谱信号处理后的红外光谱图。
[0014] 附图5为小波对乳腺癌切片染噪的红外光谱信号处理后的红外光谱图。
[0015] 附图6为EEMD分解对乳腺癌切片染噪的红外光谱信号处理后的红外光谱图。
[0016] 附图7为LMS自适应滤波器对乳腺癌切片染噪的红外光谱信号处理后的红外光谱 图。
【具体实施方式】
[0017] 本发明不受下述实施例的限制，可根据本发明的技术方案与实际情况来确定具体 的实施方式。
[0018] 下面结合实施例对本发明作进一步描述： 实施例1:该染噪红外光谱信号的去噪方法，按下述步骤进行：第一步，将加入高斯白 噪声后的染噪红外光谱信号进行经验模态（EMD)分解后得到^/个本征模态分量aMF)，J为 自然数，将7个本征模态分量加权平均后得到加权平均本征模态分量和残余量；第二步，对 染噪红外光谱信号进行信号重构后得到重构信号；第三步，将重构信号输入可变步长最小 均方自适应滤波器（VS-LMS)，在可变步长最小均方自适应滤波器中初始化权值、设定步长 因子的初始值、设定阶数和设定运行次数，可变步长最小均方自适应滤波器在运行的过程 中，更新步长因子，当均方误差（/(W)的曲线为收敛曲线时，可变步长最小均方自适应滤 波器输出信号为降噪信号。
[0019] 实施例2:与上述实施例的不同之处在于，第一步中，在染噪红外光谱信号中 加入若干次均值为〇、标准差是常数的高斯白噪声，高斯白噪声用_表示，i为自然 数，染噪红外光谱信号用;^)丨表示，加入高斯白噪声的染噪红外光谱信号用表示，
，将加入高斯白噪声的染噪红外光谱信号进行经验模态分解后得到^个 本征模态分量，本征模态分量用!表示，利用不相关的随机序列统计均值为0的特性，将 ^/个本征模态分量加权平均运算，消除有噪声的本征模态分量，加权平均运算后得到加权平 均本征模态分量和残余量，加权平均本征模态分量用q表示，残余量用表示，靡3自然 数，
[0020] 实施例3:与上述实施例的不同之处在于，第二步中，对染噪红外光谱信号进行信 号重构后得到重构信号，重构信号用表示，
：为对加入高斯 白噪声后的染噪红外光谱信号进行经验模态分解后得到的第^个本征模态分量。
[0021] 实施例4:与上述实施例的不同之处在于，第三步中，将重构信号输入可变步长最 小均方自适应滤波器中的序列用:表示，
可变步长最小均方自适应滤波器的加权矢量用_:表示，
可变步长最小均方自适应滤波器的输出信号用丨^:表示，
相对于期望信号的误差用)表示，
误差与步长因子的关系满足：
mu为步长因子，为常数，用来控制收敛速度，#故为信号的误差，为了保证迭代后收 敛，必须满足：&，I为输入序列洎相关矩阵%:的最大特征值，