一种提升小波与SG滤波结合的近红外光谱去噪方法与流程

技术特征：
1.一种提升小波与sg滤波结合的近红外光谱去噪方法，其特征在于：该方法包括以下步骤：步骤1：选取合适的小波基函数，获取该小波基函数的提升方案；步骤2：对含噪近红外光谱信号进行提升小波分解得到多层小波系数；步骤3：对多层提升小波系数中高频系数进行硬阈值去噪得到去噪后多层小波系数；步骤4：将去噪后的小波系数进行提升小波逆变换重构得到去噪后的近红外光谱信号；步骤5：将重构的近红外光谱信号用savitzky
‑
golay滤波进行去噪。2.根据权利要求1所述的一种提升小波与sg滤波结合的近红外光谱去噪方法，其特征在于：所述步骤1中，选取的小波基函数为sym3，使用函数liftwave获取该小波基的提升方案，用小波提升方案lifting scheme提升小波。3.根据权利要求2所述的一种提升小波与sg滤波结合的近红外光谱去噪方法，其特征在于：所述步骤2中，对含噪近红外光谱信号进行提升小波分解，分解层数选4层，将近红外光谱信号分解为4层小波系数，提升小波分解过程分为分裂、预测、和更新三个环节，通过预测和更新两个环节实现信号的高低频分离；其中分裂环节将近红外信号s
i
分为两个互不相交子集s
i
‑1和d
i
‑1，按奇偶性分为2组，即s
i
‑1＝s[2n]；d
i
‑1＝s[2n
‑
1]预测环节中，用偶信号s
i
‑1的预测值p(s
i
‑1)去预测或者内插奇信号d
i
‑1，也就是使用滤波器p对偶信号进行处理得到了奇信号的预测值，即d
i
‑1＝d
i
‑1‑
p(s
i
‑1)d
i
‑1比之前包含更少的信息；经过n次重复进行分裂和预测的过程，原信号用{s
n
，d
n
，s
n
‑1，d
n
‑1，.....，s1，d1}表示；更新环节是使子集s
i
‑1中保持原信号集的某些全局特性，利用已经得到的小波子集d
i
‑1对s
i
‑1进行更新，从而使得s
i
‑1保持原信号集的某一标量特性q(x)；构造一个更新算子u去更新s
i
‑1，即s
i
‑1＝s
i
‑1 u(d
i
‑1)。4.根据权利要求3所述的一种提升小波与sg滤波结合的近红外光谱去噪方法，其特征在于：所述步骤3中，对多层小波系数高频系数进行硬阈值去噪为：对每一层小波系数高频系数进行硬阈值去噪，硬阈值的计算公式为：其中，θ为每层的小波去噪阈值，ω为含噪近红外光谱信号的高频系数，d
λ
为去噪后的高频系数，θ的计算公式为其中i为硬阈值去噪时的层数，/第i层高频系数长度，sigma
i
为其公式为sigma
i
＝|ν|/0.6745其中，v为i层高频系数从小到大排列后，高频系数长度为奇取中间系数的值，长度为偶取中间两系数的平均值。5.根据权利要求4所述的一种提升小波与sg滤波结合的近红外光谱去噪方法，其特征
在于：所述步骤4中，对去噪的提升小波系数进行提升小波逆变换与步骤2中提升小波分解近红外光谱信号三个环节相反。6.根据权利要求5所述的一种提升小波与sg滤波结合的近红外光谱去噪方法，其特征在于：所述步骤5中，savitzky
‑
golay滤波的计算方法为其中，平滑窗口宽度为2m 1，a为归一化常数，x
′
i
为近红外光谱数据x
i
平滑后的数据，w
j
为相应的权重系数，在窗口宽度确定后，w
j
就确定了；，使用savitzky
‑
golay滤波选取得拟合阶次和窗口宽度分别为2和45。

技术总结
本发明涉及一种提升小波与SG滤波结合的近红外光谱去噪方法，属于近红外光谱信号预处理技术领域。对含噪近红外光谱信号进行提升小波分解得到多层小波系数；对每层高频系数进行硬阈值去噪得到去噪后的小波系数；对去噪后的小波系数进行提升小波逆变换重构得到初步去噪后的近红外光谱信号；最后，再对重构的近红外光谱信号进行Savitzky


技术研发人员：顾雯雯 尹欣慧
受保护的技术使用者：西南大学
技术研发日：2021.07.12
技术公布日：2021/10/23