毕业答辩--光谱图谱峰自动识别软件的设计.ppt

光谱图谱峰自动识别软件的设计 光 谱峰识别 本论文（设计）目标 运用多项式曲线拟合是常用的谱峰识别方法，但定位精度易受噪音干扰； 小波分析有着优异的局部化特性，可以提高定位精度，并能给出峰的宽度等重要信息； 本文在小波分析的基础上设计了一种自动识别谱峰的程序。 中心思想 对信号运用一维连续小波变换，信号被投影到时间-尺度相平面上，得到二维系数矩阵。对于信号的峰，在各个尺度展开系数都是局部最大值。首先，在单个尺度上遍历所有点，得到所有局部最大值点；然后将不同尺度上的极值点按规则归入不同链条，链条表示峰所在位置。各个链条上最大值点对应最佳变换尺度，即峰的宽度。 工作的重点就是找到系数矩阵中的特殊点，这些点对应峰的位置和峰的宽度。 图示 基本流程 载入信号，运用软阈值法去噪 寻找尺度2上局部最大值点，设定为链条起点 运用连续小波变换，得到系数矩阵 将余下尺度上极值点按规则归入相应链条，完善链条 寻找链条上最大值点，考察附近信噪比，排除低于阈值的峰 显示结果 载入信号，运用软阈值法去噪 对信号sig 多尺度分解 [C, L] = wavedec(sig, N, w_name ) 高频系数的软阈值处理 对于C中前5个元素复制到cc中相应位置；确定阈值thres(见函数wave_thres)，遍历C中剩余元素： 当C(i)不大于thres时，cc(i)置零； 当C(i)大于thres时， cc(i) = C(i) – thres； 当C(i)小于-thres时，cc(i) = C(i) + thres 重构信号sig_denoise sig_denoise = waverec(cc, L, w_name); 显示sig和sig_denoise 对信号运用连续小波变换 对sig_denoise运用一维连续小波变换,得到二维的系数矩阵。 矩阵中每个系数代表在相应尺度下相应时间点展开系数，这个系数表示了小波函数同该点处附近信号趋势的相关性，系数值越大相关性越高。 显示系数矩阵 寻找系数极大值点，生成链条 在尺度2上，遍历所有点，寻得系数局部最大值； 生成链条： 设定尺度2上各个极值点是一个链条起点。 寻找系数极大值点，生成链条 分别找到余下所有尺度上的系数局部最大值点； 完善链条 比较各个极值点与先前生成的链条距离，若最小距离小于13，则将该点归入对应链条；否则，以该点为起点，建立新的链条；重复以上过程，直到所有极值点处理完毕。 显示链条 谱峰定位 分别寻得各个链条上系数最大值点，则这个点对应的行为最佳变换尺度（即峰的宽度），对应的列为峰所在的位置。 排除由噪音扰动形成的峰 不规则噪音叠加到信号上，如果噪音瞬时扰动过大则产生新的峰，显然这些谱峰是必须要排除的。 思路是：对于已经检测到的谱峰，考察其附近信号的信噪比，若低于阈值3，则认为这个峰是由噪音扰动形成的。 至此，谱峰识别已经完成。 显示谱峰识别效果 总结 本文通过常用谱峰识别方法的不足引出适合局部分析的小波分析方法。通过研究一维小波变换及其在去噪中的应用，设计出一种光谱信号谱峰自动识别程序。该程序很好地达到了预期目的，对于染噪信号，在谱峰识别精度上得到了提高。 致谢 感谢蔡志坚老师耐心地为我排解疑问、提供建议和思路！毕业设计过程中的挫折教育我研究工作容不得浮躁和畏难情绪，没有蔡老师的教诲，我不会懂得这些！ 谢谢各位评审老师的指导！ 完