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（/(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。
[0022] 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(有噪声） 的红外光谱信号进行处理，可变步长最小均方自适应滤波器阶数设定为Κ=12、运行次数 Μ=30,初始步长因子，步长因子迭代公式中的η=1至1744,初始化前向滤波器 的权值(初始化权值）： W= [0. 1642,0. 1341,0.0529,-0.0624,-0. 1586,-0. 1932,-0. 1555 ， -0. 0599, 0. 0584, 0. 1229, 0. 1106], 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 进行处理过程中的均方误差/(W的曲线（学习曲线）如图3所示，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如图 4所示，采用小波、EEMD分解和LMS自适应滤波器分别对染噪的红外光谱进行处理，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如图5所示，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如图6所示，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如图7所示，比较本发明所述的染噪红外光谱信号 的去噪方法、小波、EEMD分解和LMS自适应滤波器的降噪效果，降噪效果通过SNR、RMSE和 P三项指标来体现，本发明所述的染噪红外光谱信号的去噪方法（EEMD联合VS-LMS))、小 波、EEMD分解（EEMD)和LMS自适应滤波器（LMS)的SNR、RMSE和P三项指标如表1所示。 SNR(信噪比）表明了真实信号与噪声的能量比，故SNR越大越好，RMSE (均方根误差）反映 了降噪信号与原信号的误差，故RMSE越小越好，P (相关系数)表示降噪前后的波形相关程 度，故P越趋近于1越好。
[0023] 图1至图7中，图5中的红外光谱的分辨率有所提高，但是，小波的降噪能力不足， 与图1中未染噪红外光谱相比，图5中有细节淹没在噪声中并新添了不少的波峰和波谷，使 得滤波后的波峰特征偏离原图（图1);从图6可以看出，图6很好的保留了波峰的特点而且 稳定性高，但是降噪能力不足，降噪后光谱的波峰分辨率不足；从图7可以看出，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依然有明显的噪声信号；从 图3可以看出，学习曲线为收敛曲线，并且图4彳艮好的保留了光谱的特性，主要波峰更加贴 近图1中的主要波峰，即采用本发明所述的染噪红外光谱信号的去噪方法降噪后的乳腺癌 红外光谱更能反应样本的特征。
[0024] 由表1可以看出，EEMD联合VS-LMS的SNR均大于表1中其他三种方法的SNR，EEMD 联合VS-LMS的RMSE均小于表1中其他三种方法的RMSE，EEMD联合VS-LMS的P相对于表 1中其他三种方法的P更加趋近于1，由此可知，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降噪效果更佳。
[0025] 综上所述，根据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。
[0026] 以上技术特征构成了本发明的实施例，其具有较强的适应性和实施效果，可根据 实际需要增减非必要的技术特征，来满足不同情况的需求。
【主权项】
1. 一种染噪红外光谱信号的去噪方法，其特征在于按下述步骤进行：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^/个本征模态分量，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，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。2. 根据权利要求1所述的染噪红外光谱信号的去噪方法，其特征在于第一步中，在 染噪红外光谱信号中加入若干次均值为0、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表示，加入高斯白噪声的染噪红外光谱信 号用表示，_=：^0^^0?)，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$0*)表示，利用不相关的随机序列统计均 值为〇的特性，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&表不，残余量用 表示，劝自然数，：3. 根据权利要求1或2所述的染噪红外光谱信号的去噪方法，其特征在于第 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。4. 根据权利要求1或2所述的染噪红外光谱信号的去噪方法，其特征在于第三步中，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，皿必须满足：χ，為为输入序列:麵[命自相关矩阵Jig的最大特征值， 生必m名的·?Φ件/入才年1 .^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。5.根据权利要求3所述的染噪红外光谱信号的去噪方法，其特征在于第三步中，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l(n)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·Κ?)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3输入序列:启相关矩阵%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。
【专利摘要】<b>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，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</b><b><i>j</i></b><b>个</b><b>本征模态分量，将</b><b><i>j</i></b><b>个</b><b>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。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。</b>
【IPC分类】G06T5/00, G01N21/35
【公开号】CN105260990
【申请号】CN201510597101
【发明人】吕国栋, 吕小毅, 莫家庆, 刘辉, 付明刚, 温浩, 林仁勇, 卢晓梅
【申请人】新疆医科大学第一附属医院
【公开日】2016年1月20日
【申请日】2015年9月18日