EMD在叶绿素光谱信号去噪中的应用.pdfVIP

— ３９２— 江苏农业科学　２０１５年第４３卷第４期 翟　哲，李伟凯，李长凯，等．ＥＭＤ在叶绿素光谱信号去噪中的应用［Ｊ］．江苏农业科学，２０１５，４３（４）：３９２－３９６． ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０１５．０４．１３８ ＥＭＤ在叶绿素光谱信号去噪中的应用 翟　哲，李伟凯，李长凯，裴　玉 （黑龙江八一农垦大学信息技术学院，黑龙江大庆 １６３３１９） 　　摘要：基于每个ＩＭＦ自关联函数的特征，提出了一种新的ＥＭＤ去噪方法。以检测苗期玉米叶片叶绿素含量为 例，首先对原光谱信号采用ＳＮＶ＋Ｄｅｔｒｅｎｄｉｎｇ方法进行预处理，然后利用该方法对预处理后的信号进行去噪，并与小波 去噪方法和ＥＭＤ融合小波去噪方法进行对比，最后应用偏最小二乘回归方法进行校正模型的建立。结果表明：将该 ２ 方法应用到实际近红外光谱信号去噪中，其预测集决定系数（ｒ）达到０．９８４，残差均方根ＲＭＳＥ为０．０７５，证明该方法 在近红外光谱处理过程中具有很好的去噪效果，建立的校正模型具有较高的鲁棒性和推广性。 　　关键词：经验模态分解；自适应；近红外光谱；叶绿素 　　中图分类号：Ｓ１２６　　文献标志码：Ａ　　文章编号：１００２－１３０２（２０１５）０４－０３９２－０５ 　　随着计算机科学技术的飞速发展，近红外光谱技术在仪 表信号从高频到低频的分量，通常情况下阶数较小的ＩＭＦ代 ［１］ 器分析领域受到了有关专家的高度重视 。近红外光谱技 表高频分量和噪声信号，阶数较大的ＩＭＦ代表低频分量，受 术之所以能迅速发展并在各个行业都有广泛的应用，是因为 噪声影响较小。 ［２］ ＥＭＤ其实就是把信号的极值特征尺度作为度量而进行 它有很多的优越性 。但是由于外界环境的影响，近红外光 谱仪所采集到的光谱信号，除了包含自身信息外，在测量中还 筛选的过程，信号从最小特征尺度实行筛选，因此得到周期最 ［３］ ［５－６］ 不可避免地得到许多无关的噪声信号 。因此在使用化学 短的ＩＭＦ 。之后再进行逐层筛选，最终获得周期尺度渐 计量方法建立校正模型时，消除光谱数据无关噪声在光谱数 次增大的多个ＩＭＦ，此过程亦显示出了多分辨辨识的滤波全 据分析中变得十分关键和必要。本研究将改进经验模态分解 程。这个途径是依据信号分解的ＩＭＦ分量建构滤波函数，所 （ｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＥＭＤ）方法引入到近红外光谱 以能极大保持信号固有的非线性、非平稳特征。 信号去噪中，旨在探索近红外光谱信号去噪的新方法。 假设ｘ（ｔ）为含噪信号，则经过ＥＭＤ算法的分解后其高 通滤波表达如下： １　基本思想 ｋ ｘ（ｔ）＝ ｃ（ｔ），（１＜ｋ＜ｎ）。 （２） ｈｐ ∑ｉ ｉ＝１ ＥＭＤ方法就是把 １个非线性非平稳的信号分解为有限