非下采样小波变换红外光谱数据去噪 denoising method for infrared spectral data based on non-subsampled wavelet transform.pdfVIP

第25卷第5期 强 激 光 与 粒 子 束 V01．25，NO．5 2013年5月 HIGHPOWERI。ASERANDPARTICI．EBEAMS May，2013 文章编号： 1001—4322(2013)05—1105—05 非下采样小波变换红外光谱数据去噪。 宗靖国， 秦翰林， 何国经， 袁胜春， 刘德连， 赵小明 (西安电子科技大学技术物理学院，西安710071) 摘要： 为了降低噪声对实测红外光谱信号的影响，引入了一种非下采样小波变换的红外光谱数据去噪 方法。采用非下采样小波变换对原始光谱信号进行多尺度分解，提取信号的多尺度细节特征；根据光谱信号和 噪声在不同尺度上的差异，通过应用变分偏微分方程方法调整分解后的各子带系数；重构各子带就可以将原始 光谱信号中真实信号和噪声分离，从而达到剔除噪声的目的。通过两组实验对比传统小波和该方法针对红外 光谱数据的消噪效果，实验结果表明：非下采样小波变换在红外光谱数据去噪方面具有明显的优势，不仅能够 有效地去除噪声，很好地保持信号的形状，并且均方误差较小；在实际的红外光谱数据处理巾能够获得较好的 去噪效果。 关键词： 红外光谱数据； 光谱去噪； 非下采样小波变换； 变分偏微分方程 中图分类号：TN219 文献标志码： A doi：10．3788／HPI。P1105 由于受到大气辐射、仪器噪声、测量环境等各方面因素的影响，测量获得的红外光谱辐射数据常常含有一 定的噪声，这些噪声信号会对光谱携带的信息产生干扰，从而降低了数据的可信度，给后续的光谱数据分析和 处理带来了困难[1’2]。通过对实测光谱数据的去噪处理，可以减少各种干扰的影响，从而提高光谱数据分析的 准确度，为后续光谱数据的精确应用提供有力的保障。因此，对实际采集到的红外光谱辐射数据进行去噪研究 是一个重要的环节。传统的红外光谱辐射数据去噪方法将含有噪声的红外光谱辐射数据通过特定的滤波器， 从而达到消除噪声的目的口]。这种方法在信号和噪声的频带相互分离的情况下具有很好的去噪效果，但是当 信号和噪声的频带相互重叠时，特别是信噪比比较低的情况下，采用该类方法处理后，红外辐射光谱数据的信 噪比并不能得到有效的提升。从而影响了后续对光谱信号的有效提取和应用。由于小波变换具有的多分辨率 特性，可较好地刻画信号的非平稳性特征，在信号去噪中得到了广泛应用n。5]。但是由于传统小波的下采样操 变性等特点，因此在信号检测、信号去噪方面具有明显优势。本文将其引入到红外光谱辐射数据去噪中，和传 统方法相比，实验结果显示了本文方法的有效性。 1 基于非下采样小波变换红外光谱辐射数据去噪 1．1非下采样小波变换 非下采样小波变换相比经典离散小波变换具有冗余性和平移不变性的特点，能够对连续小波变换给出更 为近似的估计。非下采样小波变换在信号的分解过程中对信号不进行下采样处理，而是在低通和高通滤波中 每两个系数之间插入零来实现对滤波器的扩展。 假设一维信号函数厂(z)被投影到子集U(……c 厂(z)与具有膨胀和平移特性的尺度函数妒(z)的尺度积CⅢ来定义，即 G．t一厂(z)，仍．^(z)) (1) 仍．女(工)一2’P(2一’z一是) (2) 式中：∞(z)是一个低通滤波器，称之为尺度函数。CⅢ也称为在2，分辨率下的离散逼近。 如果∞(z)是小波函数，那么小波系数可表示为 哟，^一(厂(z)，2-i妒(2-,x—k)) (3) 式中：U2Ⅲ足在2，分辨率下的离散细节信号。 *收稿日期：201208—05； 修订日期：2013-01—18 基金项目：中央高校基本科研业务费专项资金项目(K50511050003，K50510050003 26．c