一种联合经验模态分解及小波软阈值的色谱信号去噪方法

技术特征：
1.一种联合经验模态分解及小波软阈值的色谱信号去噪方法，其特征在于，包括以下步骤：步骤1、采用色谱仪采集色谱信号，对色谱信号进行经验模态分解，得到n个本征模态函数分量；步骤2、将获取到的各个本征模态函数分量频率由高到低排列，选取所有分量个数的前1/3个高频本征模态函数分量；步骤3、根据当前实际色谱信号的特征，选择小波基、分解层数、阈值规则以及阈值函数；步骤4、通过小波软阈值法对选取的高频本征模态函数分量进行逐一降噪；步骤5、将经过降噪后的本征模态函数高频分量与剩余低频分量重构，获得去噪后的色谱信号。2.根据权利要求1所述联合经验模态分解及小波软阈值的色谱信号去噪方法，其特征在于，所述步骤1中，采用下式对色谱信号进行经验模态分解emd：式中，imf为本征模态函数，n为imf分量的阶数，i为阶数的序号，r
n
(t)为最终残差；s(t)为由色谱仪采集到的原始色谱信号；经验模态分解的具体分解步骤为：步骤1.1、使用emd对s(t)进行分解时，首先找到s(t)中的极大值s
max
(t)和极小值s
min
(t)，利用插值法计算出曲线的上下包络线，求出二者的平均值m1(t)，步骤1.2、利用原始信号s(t)减去均值包络m1(t)，得到去掉低频后的信号d1(t)，d1(t)＝s(t)-m
i
(t)
ꢀꢀꢀꢀꢀꢀ
(3)步骤1.3、将d1(t)作为一个新的信号，重复上述步骤1.1-1.2，直到获取的信号满足极值点和过零点的数目相等或者相差一个，且信号局部最大和局部最小的上下包络线均值为零的条件时，得到第一阶imf分量c1(t)；步骤1.4、利用原始色谱信号s(t)减去c1(t)，得到第一阶残量r1(t)，r1(t)＝s(t)-c1(t)
ꢀꢀꢀꢀꢀ
(4)步骤1.5、将r1(t)作为新的原始信号重复上述步骤1.1-1.4操作，直到获取第n阶imf分量c
n
(t)和第n阶残量r
n
(t)，当r
n
(t)为单调的函数或是常量时，整个emd分解过程结束。3.根据权利要求1所述联合经验模态分解及小波软阈值的色谱信号去噪方法，其特征在于，所述步骤3中，选择的小波基为db5、分解层数为7层、阈值规则采用heursure规则，以及阈值函数采用软阈值法。4.根据权利要求1所述联合经验模态分解及小波软阈值的色谱信号去噪方法，其特征在于，所述步骤4的具体过程为：步骤4.1、首先将信号根据选取的小波基和分解层数进行离散小波变换，得到一组小波系数w
j，k
；
其中，f(t)代表前1/3的imf高频噪声信号，代表离散小波基函数，j代表小波尺度变量，k代表小波位移变量；步骤4.2、对w
j，k
进行软阈值处理得到新的小波系数软阈值处理函数为：其中，是经阈值处理后的小波系数，w
j，k
为小波分解后的小波系数，thr为阈值；由如上公式可知，软阈值去噪的方法是将|w
j，k
|与thr比较，小于thr的系数为高频噪声系数，值直接置为零；大于阈值的小波系数，w
j，k
小于0时，的值为w
j，k
与thr的和，w
j，k
大于0时，的值为w
j，k
与thr的差；步骤4.3、对得到的做小波逆变换，得到小波去噪后的信号imf
′
；其中，c为一个与信号无关的常数。5.根据权利要求1所述联合经验模态分解及小波软阈值的色谱信号去噪方法，其特征在于，所述步骤5中，获得去噪后的色谱信号的具体公式如下，其中，s
′
(t)是最终所获得的色谱去噪信号，n表示为imf分量的阶数，i表示为阶数的序号，k表示为n/3，imf
′
为经过小波去噪的前1/3个imf分量，imf为后2/3个imf分量。

技术总结
本发明公开了一种联合经验模态分解及小波软阈值的色谱信号去噪方法，属于色谱信号去噪技术领域。针对色谱信号的非线性以及非平稳特性，本方法将采集到的色谱信号经过经验模态分解法分解后，得到所有的本征模态函数分量，选取分量总数的前1/3个高频分量，通过选取合适的小波基、分解层数、阈值规则以及阈值，将这部分高频分量进行降噪处理，再与剩余的IMF分量进行重构，得到高信噪比的色谱信号。本发明能够获得高信噪比、低均方根误差的色谱信号，可有效降低色谱信号失真度，提高去噪性能，可应用于食品、医疗、材料化工等诸多领域，以识别混合物中不同物质的准确含量，保证食品、医疗、工业生产的安全性。工业生产的安全性。工业生产的安全性。


技术研发人员：赵卫东 董人嘉 徐梦瑶 王守东 贾松晴 张琪琪
受保护的技术使用者：山东科技大学
技术研发日：2022.10.25
技术公布日：2023/2/6